Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

Datadog senkt die Kosten einer Bits-Untersuchung auf rund 4 Dollar und die Dauer auf 2 Minuten

2. November 2026Von der KI Nachrichten RedaktionQuelle: Datadog
Datadog senkt die Kosten einer Bits-Untersuchung auf rund 4 Dollar und die Dauer auf 2 Minuten
Bild: Datadog

Datadog zufolge kostet der Agent Bits Investigation inzwischen etwa 4 Dollar pro Untersuchung und braucht im Schnitt rund 2 Minuten. Beim Start im Dezember 2025 waren es noch 25 Dollar und 11 Minuten. Zudem meldet das Unternehmen auf seinem internen Benchmark einen um 44 Prozent höheren Qualitätswert der Untersuchungen im Vergleich zur Version vom März 2026.

Das Wichtigste in Kürze
  • Laut Datadog kostet Bits Investigation jetzt etwa 4 Dollar pro Untersuchung, 84 Prozent weniger als die 25 Dollar beim Start im Dezember 2025.
  • Die durchschnittliche Untersuchungsdauer sank um 82 Prozent auf rund 2 Minuten, zuvor waren es 11 Minuten.
  • Datadog meldet auf seinem internen Benchmark einen um 44 Prozent höheren Qualitätswert im Vergleich zur Version vom März 2026.
  • Die Codeausführung über den Datadog MCP Server ermöglicht es Bits, mehrere Datenquellen abzufragen und Belege in einem Werkzeugaufruf zusammenzufassen.
  • Datadog entwickelt mit Scout ein auf SRE spezialisiertes Modell, das mit einem hauseigenen Reinforcement-Learning-System trainiert wurde, und plant, den Ansatz auf autonome Fehlerbehebung auszuweiten.

Die Zahlen hinter der Verbesserung

Datadog hat Bits Investigation im Dezember 2025 als stets aktiven Agenten eingeführt, der jeden Alarm untersuchen und die mittlere Zeit bis zur Behebung (Mean Time to Resolve, MTTR) senken soll. Laut Unternehmen kostete eine durchschnittliche Untersuchung zum Start 25 Dollar und dauerte 11 Minuten.

Für Oktober 2026 nennt Datadog folgende Veränderungen:

  • Kosten: Die durchschnittlichen Kosten pro Untersuchung sinken um 84 Prozent auf rund 4 Dollar.
  • Dauer: Die durchschnittliche Untersuchungsdauer verkürzt sich um 82 Prozent auf etwa 2 Minuten.
  • Qualität: Der Qualitätswert der Untersuchungen liegt auf Datadogs internem Benchmark 44 Prozent höher als bei der Version vom März 2026.

Zur Bewertung der Qualität vergleicht Datadog nach eigenen Angaben fortlaufend die Ergebnisse von Bits mit den bekannten Ursachen früherer Vorfälle.

Von komplexer Orchestrierung zu einem schlankeren Agenten

Die erste Generation von Bits Investigation setzte auf ein koordiniertes System mehrerer Agenten. Sie sammelten Kontext, führten mit gezielten Telemetrie-Abfragen eine erste Untersuchung durch und erzeugten und testeten dann Hypothesen zur Ursache. Vielversprechende Hypothesen wurden zu konkreteren ausgebaut, bis die Agenten eine wahrscheinliche Ursache erreichten. Dieser Ansatz habe die Grundlage für autonome Untersuchungen geschaffen, die auf Belegen aus den Umgebungen der Kunden beruhen, so Datadog. Die Orchestrierungsschicht sei jedoch komplex gewesen, weil sie eigene Phasen und Werkzeuge für Kontextabruf sowie für Erzeugung und Test von Hypothesen benötigte.

Mit der Weiterentwicklung von Modellen und Agentenarchitekturen führte das Unternehmen eine neue Agentengeneration ein, die auf einer einfacheren ReAct-Architektur basiert. Jeder Agent wertet die Belege aus, wählt ein Werkzeug und nutzt das Ergebnis, um zu entscheiden, was er als Nächstes untersucht. Neuere Modelle, bessere Werkzeuge und ein breiterer Zugriff auf die Datenquellen von Datadog gaben den Agenten mehr Kontext. Laut Datadog senkte allein diese Struktur die durchschnittlichen Kosten auf etwa 6,50 Dollar.

Codeausführung und Modell-Routing

Die jüngsten Updates kombinieren neuere Modelle, verbessertes Modell-Routing und bessere Werkzeuge. Über die Codeausführung mit dem Datadog MCP Server kann Bits Code schreiben und ausführen, um mehrere Datenquellen abzufragen, Erkenntnisse zu korrelieren und die Belege in einem einzigen Werkzeugaufruf zusammenzufassen. Datadog zufolge verringert die Verarbeitung der Daten vor der Rückgabe an das Modell den Kontext, den Bits verarbeiten muss, sowie das Hin und Her bei der Untersuchung eines Problems.

Die einfachere Architektur erleichtere es außerdem, für jede Aufgabe das am besten geeignete Frontier-Modell einzusetzen, so das Unternehmen. Für Bereitschaftsingenieure bedeute das nach Darstellung von Datadog weniger Zeit für das Sammeln von Belegen und mehr Zeit, um auf die Ergebnisse zu reagieren.

Scout und die nächsten Schritte

Datadog arbeitet zudem an Scout, einem Modell für Untersuchungen im Bereich Site Reliability Engineering (SRE). Das Unternehmen gibt an, Scout mit einem hauseigenen Reinforcement-Learning-System anhand vielfältiger Ausfälle trainiert zu haben. Laut Datadog verbessert dieses maßgeschneiderte Training die Untersuchungsqualität und senkt die Inferenzkosten, sodass Scout bei Untersuchungsaufgaben mit führenden Modellen mithalten kann, bei geringeren Inferenzkosten.

Das Unternehmen plant, diesen gezielten Ansatz auf die autonome Fehlerbehebung auszuweiten. Teams sollen so schneller von der Identifizierung der Ursache zur Wiederherstellung des Dienstes kommen.

Teams, die Bits Investigation ausprobieren möchten, können laut dem Beitrag mit der Dokumentation beginnen, Unternehmen, die noch keine Datadog-Kunden sind, können sich für eine kostenlose Testphase anmelden. Alle Zahlen stammen aus Datadogs eigenen Angaben und internen Benchmarks.

Ähnliche Meldungen

Snorkel AI: Gesteuertes Training verbessert Qwen3.8-27B bei professionellen Aufgaben
Forschung19. November 2026, 15:32

Snorkel AI: Gesteuertes Training verbessert Qwen3.8-27B bei professionellen Aufgaben

Snorkel AI zufolge steigerte das Unternehmen die pass@1-Leistung von Qwen3.8-27B auf OpenAIs GDPval-Goldset von 31,9 auf 40,7 Prozent. Möglich wurde dies durch die…

Snorkel AI verbessert Qwen3.8-27B bei anspruchsvollen Profi-Aufgaben
Forschung19. November 2026, 15:32

Snorkel AI verbessert Qwen3.8-27B bei anspruchsvollen Profi-Aufgaben

Snorkel AI zufolge hat das Unternehmen den pass@1-Wert von Qwen3.8-27B im GDPval-Benchmark von OpenAI von 31,9 auf 40,7 Prozent gesteigert. Möglich wurde dies durch die…

Datadog entwickelt agentisches System zur Suche nach ausnutzbaren Schwachstellen
Sicherheit und Ethik18. November 2026

Datadog entwickelt agentisches System zur Suche nach ausnutzbaren Schwachstellen

Datadog hat eine Orchestrierungspipeline entwickelt, die KI-Agenten mit dem nötigen Sicherheitskontext versorgt, um zu beurteilen, ob potenzielle Schwachstellen…