Elastic bouwt zoekmachine om voor metrics en claimt 30 keer hogere snelheid dan Prometheus nu AI-workloads observability-budgetten herindelen
Tijdens een speciale bijeenkomst op 22 september 2026 lichtte het bedrijf zijn nieuwe metrics-aanbod en go-to-market-strategie toe om de uitgaven aan observability te consolideren
Elastic gebruikte een speciale beleggersbijeenkomst op 22 september om de technische grondslagen en commerciële logica toe te lichten achter zijn metrics-aanbod, dat bij de start van het boekjaar in juni werd gelanceerd. De pitch draait om een herbouwde versie van Elasticsearch die metrics opslaat in een kolomgericht formaat in plaats van de documentopslag die het bedrijf historisch gebruikte voor logs. Volgens het management was deze omslag noodzakelijk om de directe concurrentie aan te gaan met gespecialiseerde metrics-platformen zoals Prometheus, Mimir en ClickHouse.
Santosh Krishnan, Senior Vice President of Security and Observability Solutions, onthulde dat het project 12 tot 18 maanden aan R&D vergde vóór de lancering in juni. Dit cijfer onderstreept de technische inspanning achter wat het bedrijf positioneert als een meerjarig concurrentievoordeel. "We behalen altijd een asymmetrisch voordeel zodra we innovatie toevoegen aan het platform", aldus Krishnan. Hij benadrukte dat de bestaande kracht van Elastic in ongestructureerde logdata nu wordt doorgetrokken naar een speciaal daarvoor ontworpen metrics-engine.
Benchmarkclaims zorgen voor directe confrontatie met gevestigde orde
Het meest concrete nieuwe gegeven uit de bijeenkomst betrof de prestatiebenchmarks: Bahaaldine Azarmi, General Manager of Observability, stelde dat de nieuwe kolomgerichte opslag van Elastic 30 keer sneller is dan Prometheus en Mimir, en 8 keer sneller dan ClickHouse. De benchmarks zijn gepubliceerd en kunnen worden gereproduceerd via open-sourcecode. De architectuur maakt gebruik van technieken zoals 'dim filters' om datavolumes met een hoge cardinaliteit in het geheugen te beheren, en geoptimaliseerde codecs voor opslagefficiëntie. Hiermee wordt volgens Azarmi de centrale technische uitdaging van metrics aangepakt: in tegenstelling tot logs arriveren metrics met tal van dimensies en labels die selectief moeten kunnen worden bevraagd zonder irrelevante data te parsen. Het management bestempelt cardinaliteit — het aantal dimensies dat een systeem kan verwerken zonder dat dit ten koste gaat van kosten of prestaties — als het primaire strijdtoneel tegen concurrerende metrics-platformen. Verscheidene van deze concurrenten dwingen klanten volgens Elastic tot compromissen op het gebied van dataretentie, wat leidt tot blinde vlekken tijdens incidenten.
PromQL-compatibiliteit nadert voltooide fase
Azarmi onthulde dat Elastic een compatibiliteit van 90% heeft bereikt met PromQL, de standaard querytaal onder Prometheus-gebruikers, en "op koers ligt om 100% te bereiken." Dit is een belangrijk gegeven omdat het de overstapdrempel verlaagt voor de grote bestaande installatiebasis van Prometheus-gebruikers. Het management wees deze groep nadrukkelijk aan als een van de drie go-to-market-doelwitten, naast de bestaande logklanten van het bedrijf en klanten die momenteel door andere metrics-leveranciers op prijs worden "benadeeld" vanwege langere dataretentie of een hogere cardinaliteit.
AI-workloads gezien als vraagaanjager, niet slechts als functie
Het management legde herhaaldelijk de link tussen de lancering van metrics en de operationele druk die wordt veroorzaakt door autonome AI. Azarmi voerde aan dat agent-gestuurde workloads structureel verschillen van traditionele applicatiemonitoring, omdat redeneerstappen, tool-aanroepen en het aantal interacties onvoorspelbaar zijn, in tegenstelling tot de helder gedefinieerde transactiepaden van legacy-applicaties. "AI zorgt werkelijk voor een explosie aan metrics", stelt hij, waarbij hij wijst naar GPU-cycli, LLM-aanroepen en agent-frameworks als nieuwe categorieën signalen die monitoring vereisen. Krishnan onderschreef dit tijdens de Q&A met analisten en merkte op dat de uitgaven aan observability op twee verschillende manieren worden aangezwengeld door AI: infrastructuurmonitoring voor de computerkracht zelf, en een nieuwere categorie agent-gerichte monitoring die is toegespitst op veiligheid en gedrag, in plaats van uitsluitend op uptime.
Adoptie zal geleidelijk verlopen, geen hockey stick
Wat betreft het commerciële traject was Krishnan opvallend open over het feit dat de adoptie op korte termijn geen hockey stick-patroon zal vertonen. Hij vertelde analisten dat de vroege betrokkenheid van designpartners "uitermate positief" is, maar waarschuwde dat enterprise-verkoopcycli betekenen dat de adoptie "meer een geleidelijke opbouw" zal volgen in plaats van een directe omslagpunt. Ongeveer tweederde van de huidige omzet van Elastic is gekoppeld aan logs en SIEM. Krishnan bevestigde dat de kansen op korte termijn voor het metrics-product primair liggen in het koppelen van een nieuwe verkoopkans aan die bestaande, op SRE gerichte klantenkring, waar monitoringtools van derde partijen vaak al een hogere economische waarde vertegenwoordigen dan de loganalyselicenties van Elastic. Het management weigerde een specifieke omzetstijging per klant te kwantificeren; Krishnan volstond met de opmerking: "Het is nog vroeg... houd ons in de gaten."
Budgetconsolidatie plus een nieuwe laag incrementele vraag
In reactie op een vraag van Thomas Blakey van Cantor Fitzgerald over de vraag of de opmars van metrics neerkomt op marktaandeelwinst ten koste van concurrenten of op echt incrementele bestedingen, omschreef Krishnan het als beide. "Er is zeker sprake van een component van budgetconsolidatie", aldus Krishnan, die eraan toevoegde dat de door AI gedreven infrastructuurgroei klanten ertoe aanzet om hun bestaande tooling kritisch te herzien. Dit leidt volgens hem tot "een mooi extraatje" bovenop de eenvoudige leveranciersconsolidatie. Hij merkte op dat de volumes aan metrics-data die het systeem binnenkomen van een vergelijkbare orde van grootte zijn als de logvolumes, al is de retentieperiode voor metrics doorgaans korter.
Overname Deductive AI en oktober-evenement als aanjagers
Azarmi wees op de recente overname van Deductive AI — een specialist in agent-gestuurde root-cause analysis — als een bouwsteen voor een bredere observability-aankondiging die gepland staat voor het evenement van Elastic op 8 oktober in New York. Hij omschreef de ambitie van het bedrijf om AI-agents root-cause analysis te laten uitvoeren over metrics, traces, logs en geverctoriseerde kennisbanken binnen één geïntegreerd platform. Volgens hem is deze functionaliteit alleen mogelijk omdat alle vier de datatypes in dezelfde architectuur zijn ondergebracht. Beleggers moeten het evenement in oktober beschouwen als de volgende ijkpunt voor bewijsmateriaal dat de metrics-lancering zich vertaalt in boekingen, aangezien het management zelf al erkende dat er nog geen kwantificeerbare adoptiecijfers beschikbaar zijn.
Klantvoorbeeld van Norion Bank
In een klantvideo kwam Norion Bank aan het woord, een achtjarige gebruiker van Elastic wiens observability-ingenieurs aangaven dat vroege tests met de nieuwe datastromen voor tijdreeksen binnen een maand na implementatie "aanzienlijke" opslagbesparingen opleverden. Een ingenieur vatte de waarde propositie binnen de huidige budgettaire druk kernachtig samen: "De vraag wordt vaak hoe we dit goedkoper kunnen maken in plaats de vraag hoe we sneller uit incidenten komen." Die spanning tussen kostenbeheersing en detectiesnelheid vormt precies het spanningsveld dat Elastic met zijn geconsolideerde metrics-opslag wil oplossen. Tegelijkertijd onderstreepte het commentaar van de bank dat compliance-kaders zoals DORA en GDPR extra eisen stellen aan retentie en auditing, wat eenvoudige kostenbesparende verhalen over telemetriedata gecompliceerder maakt.