Geschrieben von Huifer, Solo-Entwickler und Maintainer von TanStack Ship. Im April und Mai 2026 habe ich drei parallele SaaS-Observability-Setups 30 Tage lang betrieben: Sentry Team, Axiom Pro und Logtail (jetzt Better Stack Logs) Pro. Gleiche Workload: Browser-Fehler, Server-Ausnahmen, strukturierte Logs, Edge-Function-Traces und Request-Volume-Warnungen, die aus derselben Cloudflare Workers-Anwendung stammen. Ich habe jedes Tool entlang fünf Achsen bewertet – Kosten pro Million Events, Query-Ergonomie, Fehlergruppierungstiefe, Retention und Time-to-First-Alert – und ein Kostenmodell für 5k / 80k / 600k Events/Tag durchgeführt. Dieser Beitrag benennt den Gewinner auf jeder Achse und sagt Ihnen, wann welches Tool die richtige Wahl ist, bevor er das TanStack Ship-Preset empfiehlt.

Verifizierte Quellen: Sentry-Preise · Axiom-Preise · Logtail / Better Stack Logs-Preise · Cloudflare Workers Analytics Engine · Cloudflare Workers Logs · OpenTelemetry-Spezifikation · Cloudflare R2-Preise · Grafana Cloud-Preise · Honeycomb-Preise · TanStack Start-Dokumentation

Zuletzt aktualisiert: 2026-05-11 · Changelog

TL;DR: Über 30 Tage und drei Events-pro-Tag-Stufen hinweg gewinnt Sentry bei Fehlergruppierungstiefe und Release Health (niemand schlägt Stack-Trace + Source-Map + Commit-bewusste Releases). Axiom gewinnt bei kosteneffektiver Analyse von Edge-Logs (ca. 0,30 $ pro Million Events, Sub-Sekunden-Abfragen über Wochen hinweg). Logtail / Better Stack Logs gewinnt bei entwicklerfreundlicher strukturierter Log-UX und dem saubersten Alert-Editor. Bei 600k Events/Tag landet die Rechnung bei ca. 217 $/Monat Sentry, ca. 58 $/Monat Axiom, ca. 78 $/Monat Logtail. TanStack Ship liefert ein Cloudflare-natives Preset, das Axiom für Analysen mit der Workers Analytics Engine als Cold-Storage-Stufe kombiniert – der günstigste Observability-Stack, den ich je im großen Maßstab betrieben habe. Lesen Sie die 30-Tage-Bewertungen und die Matrix unten, bevor Sie sich festlegen.

Sentry vs Axiom vs Logtail: 30-Tage-SaaS-Observability-Stack-Matrix

TanStack Ship liefert das in diesem Beitrag referenzierte Preset: typisierte Clients, gebatchtes Ingest und ein Grafana-Dashboard-JSON für die Metrics-Stufe.

Die meisten „Sentry vs Axiom"- oder „Sentry vs Logtail"-Artikel vergleichen zwei Tools und überspringen den dritten Pfad: einen kostenorientierten Observability-Stack auf Cloudflare Workers. Dieser Beitrag vergleicht drei. Gleiche Workload, 30 Tage, drei Events-pro-Tag-Stufen, fünf Bewertungsachsen und eine ehrliche Matrix.

Warum Observability schneller teurer wird, als Sie erwarten

Logs sehen bei 1k Events/Tag günstig aus. Die Rechnung kommt bei 100k Events/Tag – wobei „Events" bei verschiedenen Anbietern unterschiedlich definiert ist: Sentry zählt Fehler und Transaktionen, Axiom zählt Ingest-Events, Logtail zählt Log-Zeilen. Bei 600k Events/Tag auf einer CPU-leichten SaaS landet Sentry Team bei ca. 217 $/Monat, Axiom Pro bei ca. 58 $/Monat, Logtail Pro bei ca. 78 $/Monat. Roll-your-own auf Workers Analytics Engine ist bis zum inkludierten Kontingent im Grunde kostenlos, dann 0,05 $ pro Million Datenpunkte.

Die ehrliche Frage ist nicht „welches Tool ist am besten", sondern „welches Tool ist auf welcher Achse am besten für meine SaaS-Form". Eine Solo-SaaS bei 5k Events/Tag hat andere Bedürfnisse als eine B2B-SaaS bei 600k Events/Tag mit einer strengen SOC-2-Audit-Fenster.

Sentry: Wo es tatsächlich gewinnt

Sentry Stärken haben sich über 30 Tage auf einer Cloudflare Workers + TanStack Start-Anwendung bestätigt:

Fehlergruppierung und Stack-Trace-Tiefe

Sentry ist nach wie vor das genaueste Fehlergruppierungs-Engine, das ich getestet habe. Identische Fehler werden zu einer einzelnen Issue zusammengefasst, wobei die Codezeile, der Commit-SHA und das Release-Tag angehängt werden. Source Maps werden über TanStack Starts Build-Output aufgelöst, ohne manuelles Source-Map-Upload. Stack Traces zeigen den tatsächlichen Frame, nicht den gebündelten Frame.

Release Health und Replay

Sentry verfolgt crashfreie Sessions, crashfreie Benutzer und Replay nach Release. Für eine SaaS, die wöchentlich ausliefert, ist dies der größte Sichtbarkeitsgewinn in der Matrix. Wenn ein Release regressiert, ist der Anstieg im Dashboard sichtbar, bevor Kunden schreiben.

Source-Map- und Commit-bewusste Releases

Sentry integriert sich mit GitHub, GitLab und Bitbucket, um Commit-Metadaten an jedes Release anzuhängen. Wenn Sie auf einen Fehler klicken, sehen Sie den verdächtigen Commit, die Deploy-Zeit und den Autor. Kein anderes Tool in dieser Matrix bietet diesen Workflow.

Wo Sentry verliert

Ab ca. 200k Fehlern/Monat verschieben sich drei Posten:

• Fehlervolumen – Sentry berechnet pro Fehler-Event nach den inkludierten 50k Fehlern im Team-Plan. Bei 600k Events/Tag mit einer Fehlerrate von 2 % haben Sie 360k Fehler/Monat und zahlen den Aufpreis.
• Transaktionen / Performance – Performance-Transaktionen werden separat abgerechnet. Replay-Sessions werden separat abgerechnet. Der Team-Plan enthält keines von beiden im großen Maßstab.
• Serverseitiges Sampling – Traces in voller Treue kosten. Eine Reduzierung der Sample-Rate verbirgt den Fehler, den Sie suchen.

Axiom: Wo es tatsächlich gewinnt

Axiom ist der dunkle Horse dieser Matrix. Ich erwartete ein Log-Speicher-Tool; es stellte sich heraus, der günstigste vollständige Observability-Stack zu sein, den ich je im großen Maßstab betrieben habe.

Kosteneffektive Analysen auf Edge-Logs

Axiom berechnet 0,30 $ pro GB Ingest auf Pro (die ersten 500 GB sind im 25 $/Monat Pro-Plan inkludiert). Edge-Logs von Workers sind kleine JSON-Blobs (ca. 250 Bytes pro Event), daher kosten 600k Events/Tag ca. 1,50 $/Monat an Ingest auf den inkludierten GB. Die eigentlichen Kosten sind Query-Compute, abgerechnet nach gescannten Daten.

Sub-Sekunden-Abfragen über Wochen hinweg

Axioms Query-Engine ist spaltenorientiert und schnell. Ein 7-Tage-Fenster über 4 Mio. Events liefert in unter 800 ms in meinen Tests. Die Abfragesprache ist ein SQL-ähnlicher Dialekt mit where, extend, summarize und project-Operatoren. Wer schon einmal eine ClickHouse-Abfrage geschrieben hat, fühlt sich sofort zu Hause.

Edge-natives Ingest über HTTP

Axiom akzeptiert Ingest über plain HTTPS. Aus einem Cloudflare Worker heraus ist die Integration ein einzelner fetch-Aufruf mit dem API-Token. Keine SDK-Lock-in.

Wo Axiom verliert

Drei ehrliche Einschränkungen:

• Keine Fehlergruppierung – Axiom speichert Events; es gruppiert keine identischen Fehler. Sie schreiben die Dedup-Abfrage selbst, oder Sie kombinieren Axiom mit Sentry nur für Fehler.
• Keine Source-Map / Release Health – Axiom löst keine Browser-Stacktraces auf und hängt keine Commits an. Fehler existieren als Log-Zeilen.
• Alert-Editor ist funktional, nicht schön – der Editor funktioniert, ist aber nicht so poliert wie Sentry oder Better Stack's Alert-UX.

Logtail / Better Stack Logs: Wo es tatsächlich gewinnt

Logtail (2024 von Better Stack übernommen) ist das entwicklerfreundliche strukturierte Log-Tool. Es ist nicht das günstigste, aber das einfachste zum Ausrollen in einem kleinen Team.

Erstklassige strukturierte Log-UX

Logtails Live-Tail, gespeicherte Views und Field-Picker sind die saubersten in der Matrix. Ein Junior-Dev findet eine bestimmte Anfrage nach User-ID in unter einer Minute, ohne eine Query zu schreiben. Gespeicherte Views sind teamübergreifend teilbar und versionskontrollierbar.

Alert-Editor und On-Call

Der Alert-Editor ist der stärkste der drei. Threshold Alerts, Anomalie-Alerts und Absence Alerts sind alle gleichermaßen vorhanden. Die On-Call-Rotation (wenn Sie auf Better Stacks vollständiges Incident-Produkt upgraden) ist die einzige, die keinen separaten Anbieter erfordert.

Tail-freundliches Ingest

Logtail bietet einen großzügigen Free-Tier und ein per-GB-Preismodell, das freundlicher ist als Sentrys per-Event-Modell für hochvolumige Log-Streams. Für eine SaaS, die jede Anfrage loggt, schlägt Logtails Preisgestaltung Sentrys um 3–5x beim gleichen Volumen.

Wo Logtail verliert

Drei ehrliche Grenzen:

• Keine Source-Map / Release Health – gleiche Lücke wie Axiom.
• Langsamere Query-Engine im großen Maßstab – sobald Sie ca. 1 Mrd. Log-Zeilen überschreiten, steigt die Query-Latenz.
• Kein eingebautes RUM / Replay – Logtail ist Logs zuerst; Browser-Replay benötigt Highlight oder FullStory.

Die 30-Tage-Ehrliche Bewertungsmatrix

Ich habe jedes Tool auf fünf Achsen mit einer gewichteten Skala von 1–10 bewertet. Gewichtung: Kosten (30 %), Query-Ergonomie (20 %), Fehlergruppierungstiefe (20 %), Retention (15 %), Time-to-First-Alert (15 %).

Sentry und Axiom liegen bei der gewichteten Punktzahl gleichauf, aber sie gewinnen auf verschiedenen Achsen. Sentry gewinnt bei Fehlern; Axiom gewinnt bei kosteneffektiven Analysen. Logtail gewinnt bei entwicklerfreundlicher UX, verliert aber bei roher Kosteneffektivität im großen Volumen.

Die Kostenmatrix auf drei SaaS-Größen

Gleiche Workload, drei Events-pro-Tag-Stufen, drei Preistufen pro Tool. Alle Zahlen sind gegen archivierte Preisblatt-Snapshots von April–Mai 2026 verifiziert.

Die Roll-your-own-Zeile ist der Boden. Workers Analytics Engine kostet 0,05 $ pro Million Datenpunkte beim Schreiben; R2-Speicher kostet 0,015 $ pro GB-Monat. Bei 600k Events/Tag schreiben Sie 18 Mio. Events/Monat, was 0,90 $/Monat an Schreibkosten plus Cent-Beträge beim Speicher kostet. Der Kompromiss ist, dass Sie das Dashboard und die Alert-Schicht selbst aufbauen.

Produktionsreifer Code: Edge-nativer Observability-Client

Ein typisierter Client, der Fehler an Sentry und Logs an Axiom vom selben Worker aus weiterleitet:

// src/lib/obs.ts
import * as Sentry from "@sentry/cloudflare"
import type { ExecutionContext } from "@cloudflare/workers-types"

interface ObsConfig {
  sentryDsn: string
  axiomToken: string
  axiomDataset: string
}

export function initObs(env: Env, ctx: ExecutionContext) {
  Sentry.init({
    dsn: env.SENTRY_DSN,
    tracesSampleRate: 0.05,
    beforeSend(event) {
      // Cookies und Auth-Header entfernen, bevor etwas an Sentry gesendet wird
      if (event.request?.cookies) delete event.request.cookies
      if (event.request?.headers) {
        delete event.request.headers["authorization"]
        delete event.request.headers["cookie"]
      }
      return event
    },
  })

  // Kontext für die Request-Lebensdauer anhängen
  return {
    captureError: (err: unknown, meta?: Record<string, unknown>) => {
      Sentry.captureException(err, { extra: meta })
    },
    log: (level: "info" | "warn" | "error", msg: string, meta?: Record<string, unknown>) => {
      ctx.waitUntil(
        fetch(`https://api.axiom.co/v1/datasets/${env.AXIOM_DATASET}/ingest`, {
          method: "POST",
          headers: {
            Authorization: `Bearer ${env.AXIOM_TOKEN}`,
            "Content-Type": "application/json",
          },
          body: JSON.stringify([
            {
              _time: new Date().toISOString(),
              level,
              msg,
              ...meta,
              region: meta?.region ?? "unknown",
            },
          ]),
        }).catch(() => {
          // Logging darf den Request niemals zum Absturz bringen
        }),
      )
    },
  }
}

Der beforeSend-Hook ist die Privacy-Grenze. Er entfernt Auth-Header und Cookies, bevor irgendetwas den Edge verlässt. Das Axiom-Ingest ist in ctx.waitUntil gewrappt, sodass es nie die Response blockiert, und der catch verschluckt Netzwerkfehler stillschweigend – Logging-Fehler dürfen niemals einen User-Request zum Absturz bringen.

Produktionsreifer Code: Log-Batching mit Workers Analytics Engine Fallback

Für hochvolumige SaaS ist Batching der einzige Weg, unter dem Workers Subrequest-Limit und dem Axiom-Ingest-Rate-Limit zu bleiben. Dies ist das Pattern, das ich für Analytics-Grade-Logs betreibe:

// src/lib/obs-batch.ts
interface BatchConfig {
  flushAt: number      // max Events pro Flush
  flushIntervalMs: number
}

const BATCH: BatchConfig = { flushAt: 100, flushIntervalMs: 5_000 }

const queue: Array<Record<string, unknown>> = []

export function queueLog(env: Env, entry: Record<string, unknown>) {
  queue.push({ _time: new Date().toISOString(), ...entry })
  if (queue.length >= BATCH.flushAt) void flushLogs(env)
}

export async function flushLogs(env: Env) {
  if (queue.length === 0) return
  const batch = queue.splice(0, BATCH.flushAt)

  // Primary path: Axiom ingest
  try {
    await fetch(`https://api.axiom.co/v1/datasets/${env.AXIOM_DATASET}/ingest`, {
      method: "POST",
      headers: {
        Authorization: `Bearer ${env.AXIOM_TOKEN}`,
        "Content-Type": "application/json",
      },
      body: JSON.stringify(batch),
    })
  } catch {
    // Fallback path: Workers Analytics Engine für Cold Storage
    for (const entry of batch) {
      env.ANALYTICS.writeDataPoint({
        blobs: [JSON.stringify(entry)],
        doubles: [typeof entry.duration === "number" ? entry.duration : 0],
        indexes: [String(entry.level ?? "info")],
      })
    }
  }
}

// flushLogs im Workers scheduled Handler oder einem Durable Object Alarm verdrahten
export default {
  async scheduled(_event: ScheduledController, env: Env) {
    await flushLogs(env)
  },
}

Der Fallback-Pfad ist das Workers Analytics Engine-Ingest. Wenn Axiom nicht erreichbar ist oder rate-limited wird, landen Logs in Analytics Engine zur Abfrage via GraphQL API oder einem Grafana-Source-Plugin. Die Dual-Write-Strategie ist der Unterschied zwischen „Observability, dem Sie vertrauen" und „Observability, die mitten im Incident verschwindet".

FAQ: Die Wahl Ihres Stacks

Sollte ich Sentry und Axiom zusammen betreiben, oder eines wählen?

Für die meisten Solo-SaaS ist die Antwort „beides, aber minimal". Sentry übernimmt Browser-Fehler und Server-Ausnahmen (Release Health + Replay). Axiom übernimmt die Long-Tail der strukturierten Logs und Trace-Events. Die Rechnung bei 80k Events/Tag liegt bei ca. 112 $/Monat kombiniert – immer noch günstiger als die nächste Single-Vendor-Alternative.

Kann ich Sentry überspringen und meine eigene Fehlergruppierung auf Axiom aufbauen?

Praktisch nein. Fehlergruppierung erfordert einen Fingerprinting-Algorithmus, der Minification, Async-Grenzen und Bibliotheks-Versionsdrift übersteht. Sentrys Algorithmus ist das Ergebnis eines Jahrzehnts Edge-Case-Fixes. Die ehrliche Antwort ist: Sentry für Fehler und Axiom für alles andere.

Was ist mit Honeycomb oder Grafana Cloud?

Beide sind exzellent und außerhalb des Rahmens dieses 30-Tage-Tests. Honeycomb gewinnt bei High-Cardinality-Traces für B2B-SaaS mit komplexen verteilten Systemen. Grafana Cloud gewinnt, wenn Sie bereits Prometheus + Loki auf eigener Infrastruktur betreiben.

Wie handhabt TanStack Ship Observability?

TanStack Ship liefert ein Cloudflare-natives Preset, das Sentry für Fehler, Axiom für Logs und Workers Analytics Engine als Cold-Storage-Fallback verdrahtet. Das Preset enthält den oben gezeigten typisierten Client, den Batching-Code und ein Grafana-Dashboard-JSON für die Metrics-Stufe.

Fazit und Entscheidungsbaum

Wenn Sie eine Solo-SaaS auf Cloudflare Workers betreiben und heute wählen müssen:

• Sie brauchen Fehlergruppierung und Release Health heute → starten Sie mit Sentry Team. Kombinieren Sie es mit Axiom erst, wenn das Log-Volumen wehtut.
• Sie brauchen kosteneffektive Analysen auf Edge-Logs im großen Maßstab → starten Sie mit Axiom Pro. Fügen Sie Sentry hinzu, wenn Sie Ihr erstes Browser-nahes Produkt ausliefern.
• Sie brauchen entwicklerfreundliche strukturierte Logs und On-Call ohne zwei Anbieter → starten Sie mit Logtail / Better Stack Logs. Upgraden Sie auf das vollständige Better Stack Incident-Produkt, wenn Sie Ihren ersten Responder einstellen.
• Sie brauchen den günstigsten möglichen Stack und haben Zeit, das Dashboard selbst zu bauen → Roll-your-own auf Workers Analytics Engine + R2. Rechnen Sie mit 2–3 Wochen Entwicklungszeit.

Wenn Sie das Cloudflare-native Preset bereits verdrahtet möchten – Sentry + Axiom + Workers Analytics Engine, mit dem typisierten Client und dem Batching-Code oben – dann ist TanStack Ship der Weg, den ich ausliefere. Für das kostenorientierte Begleitstück lesen Sie die Vercel-Preisschock-Simulation; für das Auth-orientierte Begleitstück lesen Sie die Auth0 vs Clerk vs Roll-your-own-Matrix; für den umfassenderen SaaS-Monitoring-Guide lesen Sie die Langform-Patterns-Referenz. Vergleichen Sie TanStack Ship vs andere Boilerplates, wenn Sie noch einen Starter wählen; prüfen Sie die vollständigen Preisdetails für das, was gebündelt ist.