So wie ich das sehe, ist die zentrale Ursache des Problems die hohe Bühnenlautstärke. Wäre die nur halb so hoch (oder noch kleiner), wäre ein ganz normaler lose sitzender Apple-Kopfhörer schon ausreichend, um das Click und die Band ausreichend zu hören. Warum also nicht einfach das Problem an der Wurzel packen und die Bühne anders organisieren?
Sicher, dass das das Problem des TS ist? Er möchte doch einfach Musiker und FOH-Mann gleichzeitig sein. Du sprichst davon, dass er offenbar den Click nicht hört...habe ich was verpasst?
Eigentlich haben wir es hier mit 2 Fragen zu tun:
1. Abhören des FOH auf der Bühne sinnvoll/möglich?
2. Wie mach ich das technisch?
Zu 1.:
FOH als Musiker abhören ist ambitioniert, aber warum nicht? Wir wissen schließlich auch gar nicht, ob es hier um einen Clubgig oder Rock am Ring geht. Würde das aber wohl weniger über den Mix machen, sondern mit geeigneten Mikrofonen im Publikum. Hab ich mal gemacht im Akkordeonorchester. Aber da hat man es mit anderen Pegeln zu tun.
Zu 2.:
Den Nutzen des genannten XVive Produkts hinterfrage ich aber schon, kenne die Situation aber auch: Da sieht man was irgendwie ausgefuchstes für noch dazu "wenig" Geld und überlegt sich, wofür man das nutzen könnte. 3 Regler am Gürtel finde ich persönlich unpraktisch, gerade als Drummer (was spielt der TS überhaupt?). Warum nicht die mindestens gleich günstige Variante mit einem "echten" Mixer seitlich am Set, bei dem man während des Spielens den Regler schon anvisieren kann, an dem man gleich drehen wird, um halt doch mal in den FOH-Mix reinzuhören.
Ich frage mich aber halt: Wenn mir dann im FOH-Mix was auffällt und ich mir zutraue, das vom Drummersitz aus zu fixen, dann muss ich doch auch eh an den "FOH"-Mixer (in dem Fall wohl Tablet für den UI24) greifen, was ich mir mit der ausgefuchsten Monitor-Lösung sparen möchte...warum schalt ich mir nicht gleich den Master-Mix auf die Ohren? Dann kann ich den "FOH-Sound" auch über mehrere Songs beobachten und nicht nur einen Snapshot bewerten. Der UI24 hat einen Kopfhörerausgang, an den ich mein In-Ear Monitoring anschließen kann, da lässt sich der Master-Mix drauf legen. Wenn es technisch nicht möglich ist, da zusätzlich den Click draufzulegen ohne ihn dann auch auf dem FOH zu haben (da bin ich mir tatsächlich nicht sicher), würde ich den Master-Kopfhörer und meinen Click über nen kleinen Mischer zusammenschalten. Das mach ich mit dem hier (gibt auch noch günstigere Alternativen):
the t.mix mix 502 – Musikhaus Thomann
Jetzt, wo ich die Zeilen geschrieben habe, frage ich mich doch: Wo ist da eigentlich der Unterschied zur 3kanaligen XVive-Lösung? 
Vorteil: Die Kabel, die man dazu braucht, hat jeder Techniker normalerweise dabei. Wenn mir jemand beim Aufbauen auf die XVive Kiste steht und den RJ45 Stecker oder den 3er-Spliss demoliert oder das Netzwerkkabel kaputt geht, ist Ersatz erstmal schwierig.
Das ist ja das schlimmste, was man machen kann. Alleine schon Feedback von irgendwelchen Leuten während des Auftritts, in den Pausen, höre ich mir wenn es irgendwie geht nicht mehr an und verkrümle mich am liebsten in den Backstage. Nach dem Auftritt gerne, aber mit Vorsicht. Sollte jemand im Publikum sein, von dem ich weiß, auf ihn/sie ist Verlass, kann ich das Tablet für den Digitalmixer eigentlich gleich demjenigen übergeben. 
