Grafana AI ist eine KI-Erweiterungsfunktion, die von Grafana Labs auf Basis seines Open-Source-Observability-Stacks eingeführt wurde und KI-gesteuerte Warnungen, Abfragen in natürlicher Sprache, automatische Anomalieerkennung und intelligente Dashboard-Empfehlungen umfasst.

GrafanaAI

Kernparameter und Statistiken

Grafana AI ist eine Sammlung von KI-Funktionen, die von Grafana Labs auf der Open-Source-Observability-Plattform Grafana erstellt wurden. Grafana ist die branchenweit beliebteste Open-Source-Dashboard-Plattform. Das Besondere an seinen KI-Fähigkeiten ist, dass es sich nicht um eine geschlossene SaaS-Funktion handelt, sondern sowohl als Open-Source-Plug-in als auch als Cloud-Service bereitgestellt wird.

Projekte	Öffentliche Informationen
Offizielle Positionierung	Die offene Observability-Plattform mit KI
Formular zur KI-Fähigkeit	LLM-Plugin, KI-Alarmvorschläge, KI-Anomalieerkennung bei Abfragen in natürlicher Sprache, automatische Dashboard-Vorschläge
Kernproduktstapel	Grafana (Dashboard), Loki (Protokoll), Tempo (Tracing), Mimir (metrisch)
AI-Plugin	Grafana LLM Plugin (OpenAI/Azure/Anthropic usw. verbinden)
Bereitstellungsmodell	Grafana Cloud (SaaS), Grafana OSS (Open Source selbst gehostet)
Gemeinschaftsgröße	20 Millionen+ Nutzer GitHub 68.000+ Sterne
Unternehmensbewertung	Grafana Labs im Wert von etwa 6 Milliarden US-Dollar (nicht börsennotiert)

Open-Source-gesteuerter KI-Pfad: Die KI-Strategie von Grafana unterscheidet sich von der von Datadog und Dynatrace – Grafana verfügt nicht über ein eigenes groß angelegtes KI-Modell, sondern ermöglicht Benutzern die Auswahl des Zugriffs auf externes LLM (OpenAI, Anthropic, Azure OpenAI, lokale Modelle usw.) über das LLM-Plugin. Dies bedeutet, dass die Kosten für die Nutzung von KI-Funktionen vollständig vom vom Benutzer gewählten LLM bestimmt werden und Grafana selbst keine KI-Prämie erhebt.

Die Trennlinie zwischen Open Source- und Cloud-Diensten: KI-Alarme deuten darauf hin, dass die Open-Source-Version des LLM-Plugins, der Abfrage in natürlicher Sprache und anderer Funktionen eine Selbstkonfiguration der LLM-API-Schlüssel und der Infrastruktur erfordert; Die Grafana Cloud-Version verfügt über integrierte LLM-Verbindungen und KI-Funktionen und erfordert keine Selbstkonfiguration. Für ein selbstgehostetes Team sind die Gesamtkosten der KI-Funktionen = selbstgehostete Infrastrukturkosten + LLM-API-Anrufgebühr.

Benutzer- und Markterkennung

Grafana ist die weltweit am weitesten verbreitete Open-Source-Observability-Dashboard-Plattform mit äußerst hoher Bekanntheit und Akzeptanz in der Open-Source-Community.

Größe der Open-Source-Community: Grafana hat mehr als 68.000 Sterne und mehr als 12.000 Forks auf GitHub. Es ist eines der Open-Source-Projekte mit der größten Docker-Nutzung weltweit. Dies bedeutet, dass die Rekrutierung von Betriebstalenten im Zusammenhang mit Grafana einfacher ist als für proprietäre Plattformen.

Unternehmenskundenstamm: Grafana Cloud bedient über 10.000 Unternehmenskunden aus den Branchen Internet, Finanzen, Fertigung und Regierung. Der ARR (jährlicher wiederkehrender Umsatz) von Grafana Labs im Jahr 2025 wird öffentlich auf fast 200 Millionen US-Dollar geschätzt.

Wettbewerbspositionierung: Grafana ist auf dem Observability-Markt einzigartig positioniert – es handelt sich eher um eine „Open-Source-Basis“ als um eine „Full-Stack-Plattform“. Viele Grafana-Benutzer verwenden sowohl Datadog als auch Dynatrace als Datenquellen, wobei Grafana als einheitliche Dashboard-Ebene verwendet wird. Das bedeutet, dass der Wert von Grafana AI darin besteht, Open-Source-Stacks KI-Funktionen zu ermöglichen, die denen kommerzieller Plattformen nahekommen, ohne dass auf geschlossene Plattformen migriert werden muss.

Kostenvorteil

Die Kostenstruktur von Grafana AI ist die flexibelste auf dem Observability-Markt, da die Hauptkosten für KI-Funktionen aus LLM-Aufrufen und nicht aus der Grafana-Lizenz selbst stammen.

C-Client/Einzelperson: Grafana OSS ist völlig kostenlos. KI-Funktionen (LLM-Plugin, Abfrage in natürlicher Sprache) erfordern eine Selbstkonfiguration von LLM-API-Schlüsseln. Einzelne Entwickler können das kostenlose Kontingent der OpenAI-API nutzen, um KI-Funktionen zu erleben, und die Gesamtkosten liegen bei nahezu Null.

API/Entwickler: Die Grafana-API ist in der OSS-Version völlig kostenlos und in der Cloud-Version im Abonnement enthalten. Der API-Zugriff ist unbegrenzt, die Gebühr für den LLM-Plugin-Aufruf wird jedoch direkt vom Benutzer an den LLM-Anbieter (z. B. OpenAI, Anthropic) gezahlt.

Enterprise/Privat: Der Grafana Cloud Pro-Plan beginnt bei 49 $/Monat (beinhaltet 3 Benutzer, eine bestimmte Menge an Metriken und Protokollspeicher), und der Advanced/Enterprise-Plan wird basierend auf Datenvolumen und Anzahl der Benutzer abgerechnet. Der größte Kostenvorteil für Unternehmen besteht darin, dass sie bei der Wahl von OSS-Selbsthosting + lokalem LLM jegliche Plattformlizenzgebühren vermeiden können, eine Option, die Datadog und Dynatrace nicht bieten können. Versteckte Kosten: Der Wartungsaufwand, die Speicherkosten (insbesondere Protokollspeicherung) und die API-Gebühren für LLM-Aufrufe eines selbstgehosteten Grafana + Loki + Tempo-Clusters können in groß angelegten Nutzungsszenarien die Erwartungen übertreffen.

Hauptfunktionen

Grafana AI-Funktionen werden als Open-Source-Plug-Ins und Cloud-Funktionen bereitgestellt:

• Grafana LLM Plugin: Open-Source-Plugin, das die Abfrage von Daten in natürlicher Sprache in Grafana-Dashboards ermöglicht und Dashboard-Beschreibungen und Empfehlungen zur Ursachenanalyse generiert. Benutzer müssen einen LLM-API-Schlüssel konfigurieren (OpenAI, Azure OpenAI, Anthropic, Gemini sind alle akzeptabel), oder sie können auf privat bereitgestelltes LLM zugreifen (wie das von Ollama betriebene Open-Source-Modell). Dieses „Bring Your Own Model“-Modell ermöglicht es datensensiblen Teams, den Datenfluss für KI-Inferenzen vollständig zu kontrollieren.
• AI-Alarmempfehlung: Basierend auf historischen Alarmdaten und Indikatortrends empfiehlt AI automatisch Schwellenwerte und Bedingungen für Alarmregeln. Der Wert liegt in der Reduzierung des Trial-and-Error-Prozesses für das Betriebs- und Wartungspersonal, bei dem jeder Indikatorschwellenwert manuell eingestellt werden muss. Für neu hinzugefügte Indikatoren kann die KI automatisch Schwellenwerte vorschlagen, die auf historischen Daten basieren.
• Dashboard für Abfragen in natürlicher Sprache: In der Grafana Explore-Schnittstelle können Benutzer die abzufragenden Daten in natürlicher Sprache beschreiben, und KI generiert automatisch entsprechende PromQL/LogQL/TraceQL-Abfragen. Dies ist nützlich für Entwickler im Team, die sich nicht mit PromQL auskennen – „Wie hoch war die 99. Perzentillatenz des Zahlungsdienstes letzte Woche“ kann automatisch in die richtige Abfrageanweisung übersetzt werden.
• KI-Anomalieerkennung (experimentell): Automatische Anomalieerkennung basierend auf maschinellem Lernen, um abnormale Muster in Zeitreihenindikatoren zu identifizieren. Derzeit befindet es sich im experimentellen Stadium und ist noch nicht so ausgereift wie Datadog Watchdog oder Dynatrace Davis AI.
• Automatische Dashboard-Vorschläge: KI empfiehlt relevante Panel-Indikatoren und Visualisierungsmethoden basierend auf der Struktur von Datenquellen und historischen Abfragemustern und reduziert so den Arbeitsaufwand für die Erstellung von Dashboards von Grund auf.

Modell- und Versionsentwicklung

Die relevanten Informationen wurden nicht veröffentlicht. Bitte beachten Sie die offizielle Echtzeitseite.

Technische Vorteile

Die technischen Vorteile von Grafana AI ergeben sich aus dem einzigartigen Modell „Open-Source-Ökosystem + Plug-in-Architektur + vom Benutzer ausgewähltes LLM“:

Open-Source-Plugin-Architektur: Das LLM-Plugin ist darauf ausgelegt, KI-Funktionen vom Grafana-Kern zu entkoppeln. KI-Funktionen sind nicht an die Grafana-Version gebunden. Selbst wenn Benutzer eine alte Version von Grafana OSS verwenden, können sie dennoch KI-Funktionen erhalten, indem sie die neueste Version des LLM-Plugins installieren. Diese Architektur ist flexibler als die KI-Integration einer geschlossenen Plattform.

Bring Your Own Model (BYOM)-Modus: Grafana legt keine LLM-Anbieter vor. Benutzer können wählen, ob sie eine Verbindung zu Cloud-LLM (OpenAI, Anthropic) oder lokalen privaten Modellen (über Ollama oder das LLM-API-Gateway) herstellen möchten. Für regulierte Branchen oder datenschutzsensible Organisationen ermöglicht der lokale LLM-Pfad die Durchführung von KI-Inferenzen, ohne das Intranet überhaupt zu verlassen.

Datenquellenunabhängig: Eine der Kernstärken von Grafana ist die Fähigkeit, eine Verbindung zu Dutzenden verschiedener Arten von Datenquellen herzustellen (Prometheus, Graphite, InfluxDB, Elasticsearch, CloudWatch, Azure Monitor usw.). Die Abfragefunktionen von Grafana AI decken Abfragesprachen für alle diese Datenquellen ab und unterstützen nicht nur eine.

Wie zu verwenden

Grafana bietet zwei Bereitstellungspfade: OSS-Selbsthosting und Grafana Cloud. Der Zugang zur Nutzung von KI-Funktionen ist in der Web-Benutzeroberfläche vereinheitlicht:

So verwenden Sie	Geeignet für Menschen	Funktionen	Kosten
Grafana-Wolke	Teams, die betriebsfrei sein wollen	SaaS-Hosting, integrierte LLM-Verbindung	Abrechnung nach Abonnementplan (Free/Pro/Advanced)
Grafana OSS Selbsthosting	Organisationen mit hohen Anforderungen an die Datensouveränität	Völlige Freiheit, Sie müssen den Cluster selbst pflegen	Infrastruktur + Betriebs- und Wartungspersonal
LLM-Plugin (Open Source)	Alle Benutzer	Nach der Konfiguration der LLM-API kann diese in Explore	verwendet werden Die Gebühren für die LLM-API gehen zu Lasten des Nutzers
REST-API	Entwickler	Datenabfrage, Panelverwaltung, Alarmkonfiguration	OSS-frei, Cloud nach Plan

Typischer Nutzungsprozess (selbstgehostet): Grafana OSS bereitstellen → LLM-Plugin installieren → LLM-API-Schlüssel (oder lokalen Ollama-Endpunkt) konfigurieren → Abfrage in natürlicher Sprache in Explore verwenden → KI-Warnungsvorschläge aktivieren. Für neue Benutzer wird empfohlen, mit dem Grafana Cloud Free-Plan zu beginnen (14-tägige unbegrenzte Testversion, der später auf die kostenlose Stufe herabgestuft werden kann) und dann die Anforderungen an das Selbsthosting zu bewerten, nachdem sie die KI-Funktionen kennengelernt haben.

Produktpreise

Die Preisgestaltung von Grafana ist auf dem Observability-Markt für ihre Kosteneffizienz bekannt, insbesondere da die KI-Funktionen der selbstgehosteten OSS-Version von den Benutzern selbst gesteuert werden.

• C-Seite/Persönlich: Grafana OSS völlig kostenlos + kostenloses LLM-Plugin. Einzelne Entwickler müssen nur die Kosten für LLM-API-Aufrufe tragen (z. B. OpenAI API Pay-per-Use), und die monatlichen Kosten können auf wenige Dollar begrenzt werden.
• API/Entwickler: API ist in der OSS-Version unbegrenzt. Der kostenlose Plan von Grafana Cloud beinhaltet ein grundlegendes API-Zugriffslimit und der Pro-Plan beginnt bei 49 $/Monat.
• Enterprise: Die Pläne Grafana Cloud Pro (ab 49 $/Monat) und Advanced (Geschäftsbestätigung erforderlich) beinhalten KI-Funktionen. Bei selbst gehosteten Unternehmen hängen die Infrastrukturkosten von der Datenmenge ab (Metrikbasis, Protokolldurchsatz, Tracking-Volumen). Es wird empfohlen, Grafana Cloud zu verwenden, um den Ressourcenverbrauch abzuschätzen, bevor Sie sich für ein Selbsthosting entscheiden. Versteckte Kosten: Die Speicherkosten von selbst gehostetem Grafana + Loki + Mimir können in großen Szenarien zu einem großen Kostenfaktor werden; und die Kosten von LLM-API-Aufrufen erfordern die Einrichtung einer Nutzungsverfolgung und Budgetkontrolle in groß angelegten Nutzungsszenarien.

Anwendungsszenarien

Die Anwendungsszenarien von Grafana AI umfassen mehrere Ebenen von täglichen Abfragen bis hin zu intelligenter Bedienung und Wartung:

• Abfrage in natürlicher Sprache für Betriebs- und Wartungsdaten: Für Entwickler und Manager, die sich nicht mit PromQL/LogQL auskennen, senkt die Abfrage in natürlicher Sprache den Schwellenwert für den Erhalt von Daten von der Überwachungsplattform. Entwickler können beim Beheben von Problemen Alltagssprache verwenden, um Daten abzufragen, und müssen keinen SRE um Hilfe beim Schreiben von Abfrageanweisungen bitten.
• Automatische Empfehlung von Alarmschwellenwerten: Wenn neue Dienste eingeführt werden oder sich Indikatoren ändern, können die von der KI automatisch empfohlenen Alarmschwellenwerte den Arbeitsaufwand des Betriebs- und Wartungspersonals für die manuelle Anpassung der Schwellenwerte verringern. Es eignet sich für Situationen mit einer großen Indexbasis und häufigen Änderungen.
• KI-Upgrade des Open-Source-Observability-Stacks: Teams, die bereits Grafana + Prometheus + Loki verwenden, können über das LLM-Plugin kostengünstig auf KI-Funktionen zugreifen, ohne auf Datadog oder Dynatrace migrieren zu müssen. Dies ist besonders attraktiv für Organisationen, die bereits in Grafana investiert haben.

Anwendbare Personen

Die Open-Source-Positionierung von Grafana AI ermöglicht es, eine breitere Benutzerbasis abzudecken als kommerzielle Plattformen:

• DevOps- und SRE-Ingenieure: Teams, die bereits Erfahrung mit Grafana OSS haben, können die KI-Funktionen des vorhandenen Stacks durch LLM-Plugin und KI-Alarmvorschläge schrittweise verbessern. Es ist keine Plattformmigration erforderlich.
• Einzelentwickler und Open-Source-Mitwirkende: Die kostenlosen KI-Funktionen von Grafana OSS ermöglichen es einzelnen Entwicklern, Observability-KI-Konzepte zu erlernen, ohne dass Lizenzgebühren anfallen. Geeignet für Technologieerkundungs- und Lernszenarien.
• Datenschutzsensible Unternehmen: Der Weg zum selbstgehosteten Grafana + lokalen LLM ermöglicht die Durchführung von KI-Inferenzen vollständig offline und im Kontext. Dies ist besonders wichtig für regulierte Branchen wie Finanzen, Gesundheitswesen und Regierung.

Nicht für Szenarien geeignet: Teams, die nach „out-of-the-box Full-Stack Observability“ suchen – die Fähigkeiten von Grafana AI erfordern Selbstkonfiguration und Assemblierung, was nicht so praktisch ist wie die integrierten Lösungen von Datadog oder Dynatrace. Wenn dem Team darüber hinaus die Betriebs- und Wartungserfahrung von Grafana fehlt, können die Vorabinvestitionen und die laufenden Optimierungskosten der selbst gehosteten Lösung höher sein als die der SaaS-Lösung.

Zusammenfassung und Ausblick

Die Kernwettbewerbsfähigkeit von Grafana AI liegt in „Open-Source-Basis + eigenständigem Modell + KI-Funktionen ohne Lizenzgebühr“. Es handelt sich nicht um die Beobachtbarkeitsplattform mit der höchsten KI-Fähigkeit, aber um die kostengünstigste Option mit der größten Kontrolle. Für Organisationen, die Grafana bereits verwenden, bietet das LLM-Plugin einen risikoarmen Übergangspfad von herkömmlichen Dashboards zu KI-gesteuerter Observability.

Aktuelle Einschränkungen: Die Erkennung von KI-Anomalien befindet sich noch im experimentellen Stadium und ihre Reife hinkt hinter Datadog Watchdog und Dynatrace Davis AI zurück; Die Abfrage in natürlicher Sprache des LLM-Plugins ist in komplexen Aggregationsszenarien nicht so genau wie das voreingestellte Panel. Die KI-Funktionen sind auf mehrere Plug-ins verteilt und das Erlebnis ist nicht so reibungslos wie bei der einheitlichen KI-Schnittstelle kommerzieller Plattformen.

Beschaffungs-/Einführungsrisikobewertung: Es wird empfohlen, mit dem Grafana Cloud Free-Plan oder dem OSS + LLM-Plugin zu beginnen, um die KI-Funktionen kennenzulernen, und zunächst 2–4 Wochen zu nutzen, um die Genauigkeit von Abfragen in natürlicher Sprache anhand Ihrer eigenen Daten zu überprüfen. Wenn große Unternehmen Self-Hosting-Lösungen in Betracht ziehen, müssen sie den Speicherkosten-Skalierungstrend von Loki/Mimir-Clustern und die Kostenprognose von LLM-API-Aufrufen auf Unternehmensebene vorab bewerten.

Versionsentwicklung von Grafana AI

Grafana veröffentlicht vierteljährlich Hauptversionen und KI-Funktionen gehören seit der 11.x-Serie zu den Kernfunktionen.

Weiterentwicklung der Grafana 11.x-Version

• 11.0 (Anfang 2025): LLM-Plugin erstmals veröffentlicht, experimentelle Version, die natürliche Sprache → PromQL-Konvertierung unterstützt.
• 11.1 (Mitte 2025): KI-Alarmvorschlagsfunktion eingeführt, LLM-Plugin unterstützt mehr LLM-Anbieter.
• 11.2 (Q3 2025): Abfragen in natürlicher Sprache werden auf LogQL und TraceQL erweitert.
• 11.3 (Ende 2025): Betaversion des Natural Language Query Dashboard, experimentelle Verbesserungen bei der Erkennung von KI-Anomalien.
• 11.4 (Anfang 2026): LLM Plugin GA, Funktions-Upgrade der experimentellen Version der KI-Anomalieerkennung.
• 11.5 (Mitte 2026): Verbesserte KI-Warnungsvorschläge, automatische Dashboard-Vorschläge Beta.

Selbst gehostete Benutzer können nach der Veröffentlichung einer neuen Version ein Upgrade-Fenster frei wählen. Grafana Cloud-Benutzer werden automatisch auf die neueste Version aktualisiert.

Versionsinfo

• Grafana 11.5 ：Im zweiten Quartal 2026 veröffentlicht, werden neue KI-gesteuerte Alarmvorschläge, Verbesserungen des Grafana LLM-Plugins und Dashboard-Funktionen für Abfragen in natürlicher Sprache aktualisiert. （2026-06-30）
• Grafana 11.4 ：Mit der Veröffentlichung im ersten Quartal 2026 wird eine experimentelle Version der KI-gesteuerten Anomalieerkennung, das Grafana LLM Plugin GA, eingeführt. （2026-03-31）
• Grafana 11.3 ：Die im vierten Quartal 2025 veröffentlichte Dashboard-Funktion für Abfragen in natürlicher Sprache wird in der Betaversion sein und die AI-Alarmvorschlagsfunktion wird eingeführt. （2025-12-31）