Was Sie für die Auswahl und den Betrieb einer SaaS-Datenbank 2026 wissen müssen
Die Wahl der Datenbank ist die folgenreichste technische Entscheidung beim Aufbau eines SaaS-Produkts. Wer sie falsch trifft, verbringt 3 bis 6 Monate damit, unter Produktionslast zu migrieren, statt Features zu liefern. Dieser Leitfaden gibt Gründern, CTOs und technischen Leads die Entscheidungsregeln, reale Kostenzahlen für 2026 und operative Playbooks, um beim ersten Mal die richtige Wahl zu treffen und das System dauerhaft solide zu betreiben.
PostgreSQL als Standard 2026: Warum der Konsens Bestand hat
PostgreSQL führt den Stack Overflow Developer Survey 2025 als meistgenutzte Datenbank zum dritten Mal in Folge an. 49 % der professionellen Entwickler nennen es ihre primäre Datenbank. Diese Zahl ist bedeutsam, weil sie Einstellungsentscheidungen, Bibliotheksunterstützung und Investitionen in Managed Services beeinflusst. Wer mit Postgres beginnt, findet mehr Entwickler auf dem Markt, mehr Antworten auf Stack Overflow und mehr Hosting-Anbieter als bei jeder anderen relationalen Datenbank.
Für ein SaaS-Produkt liefert Postgres relationale Integrität für Abrechnung, Abonnements und Nutzerbeziehungen; JSONB-Spalten für flexible Metadaten ohne Sprint-für-Sprint-Schema-Migration; eine integrierte Volltextsuchmaschine, die die meisten Startup-Anforderungen abdeckt, ohne einen Elasticsearch-Cluster betreiben zu müssen; und Row-Level-Security-Policies (RLS), die Tenant-Isolation auf Datenbankebene erzwingen, nicht auf ORM-Ebene.
Das eigentliche Gegenargument für MongoDB ist Schema-Flexibilität während der frühen Produktentwicklung. Dieses Argument ist schwächer als es klingt: Eine Postgres-JSONB-Spalte bietet dieselbe Flexibilität bei vollständigen ACID-Transaktionen. Der echte MongoDB-Vorteil liegt in der Aggregations-Pipeline für tief verschachtelte Dokument-Abfragen und dem horizontalen Sharding. Wenn Ihr primäres Datenmodell wirklich dokumentartig ist (z. B. ein CMS, das beliebige nutzerdefinierte Inhaltsbäume speichert) und Sie vor 10 Millionen Zeilen sharden möchten, ist MongoDB eine legitime Wahl. Für alles andere ist Postgres schneller in der Entwicklung, günstiger im Betrieb und einfacher nachzuvollziehen.
Multi-Tenancy-Muster und Row-Level-Security
SaaS-Produkte isolieren Tenant-Daten mit einem von drei Mustern: separate Datenbanken pro Tenant, separate Schemas pro Tenant oder ein gemeinsames Schema mit einer tenant_id-Spalte. Jedes Muster hat ein Kosten- und Komplexitätsprofil, das bewusst gewählt werden muss.
Separate Datenbanken bieten die stärkste Isolation und machen DSGVO-Löschungen trivial, aber das Bereitstellen Hunderter Datenbanken erhöht den operativen Aufwand und die Kosten. PlanetScale und Supabase unterstützen Database-per-Tenant-Workflows, aber im größeren Maßstab zahlen Sie pro Datenbank und verwalten Migrationen für alle.
Shared Schema mit tenant_id ist das häufigste Muster und das, das Postgres RLS sicher macht. Sie definieren eine Policy wie CREATE POLICY tenant_isolation ON orders USING (tenant_id = current_setting('app.current_tenant_id')::uuid) und jede Abfrage auf dieser Tabelle filtert automatisch auf den aktiven Tenant. Die wichtigste Implementierungsregel: Setzen Sie die Tenant-ID beim Verbindungsaufbau (via SET LOCAL oder eine Session-Variable) und verlassen Sie sich nie ausschließlich auf das Filtern in der Anwendungsschicht.
Das Risiko bei RLS ist eine falsch konfigurierte Policy, die Zeilen verschiedener Tenants vermischt. Begegnen Sie dem mit automatisierten Integrationstests, die sicherstellen, dass ein Tenant nicht auf die Daten eines anderen zugreifen kann. Führen Sie diese Tests in CI bei jedem Deployment aus.
Das MongoDB-Äquivalent ist feldbasiertes Filtern kombiniert mit einer anwendungserzwungenen tenantId in jeder Abfrage. Native RLS gibt es nicht. Middleware-Durchsetzung ist möglich, sitzt aber in der Anwendungsschicht, nicht in der Datenbankschicht, was eine schwächere Garantie ist. Wenn Ihr Compliance-Profil nachweisbare Datenisolation erfordert (SOC 2, HIPAA), ist Postgres RLS mit dokumentierten Policies einfacher zu prüfen.
JSONB, Volltextsuche und wann Sie wirklich einen separaten Dienst brauchen
Zwei der häufigsten Gründe, nach MongoDB oder Elasticsearch zu greifen, sind Schema-Flexibilität und Suche. Postgres bewältigt beides ohne einen zusätzlichen Dienst, bis zu einer relevanten Skalierungsgrenze.
JSONB-Spalten speichern beliebiges JSON und indizieren es. Ein GIN-Index auf einer JSONB-Spalte ermöglicht das Abfragen verschachtelter Keys mit ähnlichen Performance-Eigenschaften wie ein dedizierter Dokumentenstore für die meisten Workloads unterhalb einiger Millionen Zeilen. Der wesentliche Unterschied zu MongoDB: Schreibvorgänge in eine JSONB-Spalte nehmen weiterhin an Postgres-Transaktionen teil, Sie erhalten also flexible Speicherung ohne Rollbacks oder Fremdschlüssel aufzugeben. Der Preis: JSONB-Spalten erzwingen kein Schema, was zu Drift über Zeit führen kann. Verwenden Sie einen JSON-Schema-Validierungs-Trigger oder erzwingen Sie Struktur auf API-Ebene.
Für die Volltextsuche bewältigen tsvector und tsquery mit GIN-Index Produktkataloge, Artikelsuche und Kundenlookup gut genug, dass viele SaaS-Produkte Elasticsearch nie benötigen. Die praktische Schwelle liegt bei etwa 10 Millionen Zeilen mit komplexem Relevanz-Tuning, mehrsprachigem Stemming und Facetten-Filtern. Darunter ist ein to_tsvector-Index auf Ihrer Content-Spalte und eine plainto_tsquery-Abfrage schneller umgesetzt und kostet $0 extra.
Wo Sie trotzdem einen dedizierten Suchdienst hinzufügen sollten: große E-Commerce-Produktkataloge mit Echtzeit-Facettierung, semantische KI-Suche (die eine Vektordatenbank oder die pg_vector-Extension benötigt), und mehrsprachige SaaS-Produkte für nicht-englische Märkte mit komplexen Stemming-Anforderungen. Für letzteren Fall ist Typesense auf Startup-Ebene oft besser geeignet als Elasticsearch, weil der operative Aufwand geringer ist.
Managed Hosting: Supabase vs. RDS vs. PlanetScale
Die Entscheidung Managed vs. Self-Hosted fällt für SaaS-Startups 2026 fast immer zugunsten von Managed aus. Die Ingenieurstunden für Konfiguration, Patching und Betrieb eines selbst gehosteten Postgres-Clusters kosten mehr als der Managed-Service-Aufschlag, außer Sie geben über $5K/Monat für Datenbankinfrastruktur aus.
Supabase Pro beginnt bei $25/Monat und enthält Postgres, integriertes RLS, Connection Pooling via Supabase Pooler (basierend auf PgBouncer), Storage, Auth und Edge Functions. Für ein frühphasiges SaaS mit unter 50.000 DAU ist das häufig der gesamte Backend-Stack. Im größeren Maßstab werden Supabase-Enterprise-Preise verhandelt, Teams berichten von Kosten zwischen $500 und $2.000/Monat für hochfrequentierte Workloads.
AWS RDS für PostgreSQL beginnt bei etwa $20/Monat für eine db.t4g.micro-Instanz, aber ein produktionstaugliches Multi-AZ-Deployment mit vernünftigen IOPS beginnt bei $300 bis $600/Monat. Bei ernsthafter Skalierung (db.r6g.2xlarge, Multi-AZ, 500 GB Storage, 3.000 IOPS) liegen Sie bei $1.500 bis $2.500/Monat. RDS gibt Ihnen mehr Kontrolle über Instanztyp, IOPS und Netzwerktopologie, erfordert aber mehr operatives Know-how. Aurora PostgreSQL-kompatibel bietet eine verteilte Speicherschicht und verarbeitet mehr parallele Verbindungen, zu etwa 20-30 % höheren Kosten als RDS bei gleichwertigem Compute.
PlanetScale (MySQL-kompatibel) hat seinen kostenlosen Tarif 2024 eingestellt; Produktionstarife beginnen bei $39/Monat. Der Branching-Workflow ist exzellent für Schema-Migrationen und das horizontale Sharding ist stark, aber die MySQL-Kompatibilitätsschicht bedeutet, dass einige Postgres-spezifische Features (RLS, JSONB, pg_vector) nicht verfügbar sind. Es ist die richtige Wahl für Teams, die horizontales Write-Scaling benötigen, bevor sie an Postgres natürliche Grenze stoßen, typischerweise oberhalb von 10.000 Write-Transaktionen pro Sekunde im Dauerbetrieb.
Connection Pooling, PgBouncer und warum das die Produktion zum Absturz bringt
Postgres erstellt einen Prozess pro Verbindung. Bei 200 offenen Verbindungen auf einer Standardinstanz beginnt der Speicherdruck die Abfrageleistung zu verschlechtern. Ein typischer Node.js- oder Python-Dienst mit 10 Worker-Prozessen und einem Pool von je 20 Verbindungen kann innerhalb von Minuten nach dem Deployment auf einem bescheidenen Cluster 200 Verbindungen erreichen. Das ist eine der häufigsten Ursachen für Produktionsausfälle bei frühen SaaS-Produkten.
PgBouncer löst dieses Problem, indem er viele Anwendungsverbindungen auf eine kleinere Anzahl echter Datenbankverbindungen multiplext. Im Transaction-Pooling-Modus hält PgBouncer eine Serververbindung nur während einer laufenden Transaktion und gibt sie danach sofort an den Pool zurück. So können Sie Tausende von Anwendungsverbindungen mit 20-30 Serververbindungen bedienen. Die Einschränkung: Im Transaction-Pooling-Modus funktionieren Session-Level-Features wie Prepared Statements und Advisory Locks nicht wie erwartet. Supabase' integrierter Supabase Pooler nutzt PgBouncer im Transaction-Pooling-Modus, weshalb einige ORMs (insbesondere Prisma) ein explizites pgbouncer=true im Connection-String erfordern.
Die praktische Konfiguration für 2026: Verbinden Sie Ihre Anwendung mit PgBouncer oder Supabase Pooler auf Port 6543 (Transaction-Modus) und verwenden Sie den direkten Datenbankport 5432 nur für Migrationen und Administrationsaufgaben. Setzen Sie Ihre Anwendungspool-Größe auf 5 bis 10 Verbindungen pro Prozess, nicht auf den ORM-Standard von 20 bis 100. Das allein verhindert die meisten Connection-Exhaustion-Vorfälle.
Für APIs mit hoher Parallelität (über 1.000 parallele Requests) sollten Sie Pgpool-II für den Load Balancing über Primary und Read-Replicas in Betracht ziehen, das Read-Only-Abfragen automatisch an Replicas weiterleitet. Das verdoppelt effektiv den Lesedurchsatz, auf Kosten der Sichtbarkeit von Replikationsverzögerungen.
Backup, PITR, RPO und RTO: Was das in der Praxis bedeutet
Recovery Point Objective (RPO) ist der maximale Datenverlust, den Sie tolerieren können. Recovery Time Objective (RTO) ist die maximale Ausfallzeit, die Sie tolerieren können. Ein Supabase-Pro-Plan für $25/Monat bietet standardmäßig eine 7-tägige Point-in-Time-Recovery (PITR). AWS RDS bietet bis zu 35 Tage automatisierte PITR. Beide verwenden kontinuierliches WAL-Archivieren (Write-Ahead Log), was bedeutet, dass Sie innerhalb des Aufbewahrungsfensters auf jede Sekunde wiederherstellen können.
Für ein B2B-SaaS mit Enterprise-Kunden verlangt Ihr SLA wahrscheinlich einen RPO unter 1 Stunde und einen RTO unter 4 Stunden. Beide Plattformen erfüllen das in der Standardkonfiguration. Wenn Sie einen RPO unter einer Minute benötigen (Finanztransaktionen, Patientendaten), brauchen Sie ein Multi-AZ-Deployment mit synchroner Replikation. Der Primary wartet dabei auf die Bestätigung des Standbys für jeden Schreibvorgang. Das addiert 1-5 ms Latenz pro Schreibvorgang, garantiert aber, dass keine committete Transaktion bei einem Primary-Ausfall verloren geht.
Testen Sie Ihr Recovery-Verfahren quartalsweise. Die häufigste Fehlerquelle ist nicht das fehlgeschlagene Backup, sondern das Team, das das Wiederherstellungsverfahren unter Druck um 2 Uhr morgens nicht kennt. Führen Sie eine Restore-Übung in einer Staging-Umgebung durch, messen Sie die Zeit und dokumentieren Sie die Schritte. Auf RDS dauert eine Point-in-Time-Wiederherstellung auf eine neue Instanz je nach Datenbankgröße 15 bis 45 Minuten. Auf Supabase können Sie das Dashboard oder das Supabase CLI verwenden, um eine Wiederherstellung auszulösen.
Bei MongoDB Atlas (dem Managed-Angebot) sind automatisierte Backups mit PITR für M10+-Cluster verfügbar (ab $0,09/Stunde, etwa $65/Monat). Atlas unterstützt auch Cloud-Provider-Snapshots nach einem konfigurierbaren Zeitplan. Das operative Modell ist mit RDS vergleichbar.
Langsame Abfragen identifizieren, Indexierungsstrategie und echte Performance-Gewinne
Die Datenbankoptimierung mit dem höchsten Return ist es, die 5 Abfragen zu finden und zu indizieren, die 80 % Ihrer Last verursachen. Dafür brauchen Sie keinen Berater, sondern pg_stat_statements und 30 Minuten.
Aktivieren Sie pg_stat_statements mit CREATE EXTENSION pg_stat_statements und fragen Sie es wöchentlich ab: SELECT query, calls, mean_exec_time, total_exec_time FROM pg_stat_statements ORDER BY total_exec_time DESC LIMIT 20. Die Abfragen ganz oben sind die, auf die Ihre Datenbankzeit entfällt. Die meisten Startups finden 2 bis 4 Abfragen, die über 60 % der gesamten Ausführungszeit ausmachen, und bei den meisten fehlt einfach ein Index.
Für strukturierte Log-Analyse parst pgBadger Postgres-Log-Dateien und generiert einen HTML-Bericht mit den langsamsten Abfragen, den häufigsten Abfragen und Lock-Wait-Events. Es ist kostenlos und dauert etwa 10 Minuten für einen Tages-Log. Auf RDS aktivieren Sie Performance Insights (kostenlos für 7 Tage, danach $0,02/vCPU-Stunde) für ein Echtzeit-Abfrage-Dashboard.
Indexierungsregeln, die sich sofort auszahlen: Fügen Sie einen B-Tree-Index auf jeder Foreign-Key-Spalte hinzu (Postgres macht das nicht automatisch, anders als MySQL), jeder Spalte, die in einer WHERE-Klausel auf einer Tabelle mit über 100.000 Zeilen vorkommt, und jeder Spalte, die in einem ORDER BY bei paginierten Abfragen verwendet wird. Partielle Indexes (z. B. CREATE INDEX ON orders (created_at) WHERE status = 'pending') sind oft 10-50-mal kleiner als vollständige Indexes und schneller bei häufig gefilterten Abfragen.
Für JSONB-Spalten verwenden Sie einen GIN-Index, wenn Sie auf Key-Existenz oder Enthaltensein prüfen. Wenn Sie wiederholt ein bestimmtes JSONB-Feld extrahieren, erstellen Sie stattdessen eine Generated Column und indizieren diese. Ein GIN-Index auf einer großen JSONB-Spalte kann 200-400 ms zu Schreibvorgängen hinzufügen, also messen Sie zuerst, bevor Sie alles indizieren.
Migration von SQLite, MySQL oder DynamoDB: Reale Kosten
Die teuerste Datenbankentscheidung ist die Migration von der falschen Datenbank unter Produktionslast. Was jede Migration 2026 tatsächlich an Ingenieurzeit kostet, ist hier aufgeschlüsselt.
SQLite zu Postgres: SQLite ist oft die Ausgangswahl für kleine Apps oder Desktop-Produkte im Electron-Stil. Die Migration ist überschaubar, weil die SQL-Dialekte nahebeieinander liegen. Rechnen Sie mit 1 bis 2 Wochen Ingenieurzeit für ein kleines Schema (unter 50 Tabellen), hauptsächlich für die Anpassung von Datentypen (SQLites lockere Typisierung vs. Postgres strenge Typen), das Umschreiben von Triggern und die Aktualisierung des Verbindungscodes. Verwenden Sie pgloader für die eigentliche Datenmigration.
MySQL zu Postgres: Aufwendiger. Die wichtigsten Unterschiede sind String-Quotierungsregeln, ENUM-Behandlung, Volltextsuch-Syntax und JSON-Unterstützung. Planen Sie 2 bis 4 Wochen für ein Produktions-SaaS-Schema ein. PlanetScale-Migrationstooling kann helfen, wenn Sie bereits auf PlanetScale sind. Für normales MySQL übernimmt pgloader die meisten Typ-Konvertierungen automatisch.
DynamoDB zu Postgres: Das ist die teuerste Migration und die, die Teams am meisten bereuen. DynamoDBs zugangsmustergetriebenes Design bedeutet, dass Ihre Tabellenstruktur selten sauber auf relationale Zeilen übertragbar ist. Kalkulieren Sie 4 bis 12 Wochen je nach Schema-Komplexität und rechnen Sie damit, Kern-Datenmodelle neu zu entwerfen, nicht nur Daten zu verschieben. Teams, die die DynamoDB-Entscheidung für operative Einfachheit getroffen haben (kein Schema, Serverless), berichten, dass diese Migration $40K bis $120K an Ingenieurzeit zu US-Marktpreisen 2026 kostet ($150 bis $250/Stunde für einen Senior-Backend-Ingenieur).
Die Migration von MongoDB zu Postgres dauert ähnlich lang wie von DynamoDB. Wenn Ihre Dokumente variablen Aufbau haben, der tatsächlich Pflicht ist, können Sie am Ende bei einem Hybrid landen: Kern-Entitäten in relationalen Tabellen, flexible Metadaten in JSONB. Dieses Hybrid ist oft die richtige Zielarchitektur.
Das richtige Datenbank-Setup als fest definierten Sprint liefern
Die Datenbankschicht von Anfang an richtig aufzusetzen ist eine konkrete Scoping-Aufgabe, keine fortlaufende Verhandlung. Ein klar definierter Sprint umfasst: Schema-Design mit RLS-Policies für Multi-Tenancy, Connection-Pooling-Konfiguration, Backup- und PITR-Verifikation, Indexierungsstrategie für den initialen Abfragesatz und ein Migrationspfad-Dokument, wenn Sie von einem bestehenden System wechseln.
Pineido konzipiert und implementiert Datenbankarchitektur als Teil von Festpreis-App-Sprints mit 30 Tagen Laufzeit. Wenn Sie ermitteln möchten, was das richtige Setup für Ihr SaaS kostet, ist der relevante Ausgangspunkt der Sprint für kundenspezifische App- und Webentwicklung unter /services/app-web-development. Der Scope ist vor Arbeitsbeginn definiert, damit Sie genau wissen, was Sie erhalten, ohne eine Zeit-und-Material-Überraschung.
Häufig gestellte Fragen
Soll ich für ein neues SaaS 2026 PostgreSQL oder MongoDB verwenden?
Verwenden Sie PostgreSQL, außer Ihr primäres Datenmodell besteht aus tief verschachtelten Dokumenten mit genuiner Schema-Variabilität. Postgres verwaltet flexible Daten via JSONB mit vollständigen ACID-Garantien, erzwingt Multi-Tenant-Isolation mit Row-Level-Security und führt Volltextsuche ohne separaten Dienst durch. MongoDB hat eine stärkere Sharding-Geschichte und eine bessere Aggregations-Pipeline für dokumentenzentrierte Workloads, aber die meisten SaaS-Produkte benötigen beides erst nach dem Product-Market-Fit.
Wie funktioniert Row-Level-Security in PostgreSQL für Multi-Tenant-SaaS?
Sie erstellen eine Policy auf jeder tenant-spezifischen Tabelle mit CREATE POLICY und referenzieren eine Session-Variable, die Ihre Anwendung beim Verbindungsaufbau setzt (z. B. current_setting('app.current_tenant_id')). Jede Abfrage auf dieser Tabelle hängt den Tenant-Filter automatisch auf Datenbankebene an. Das ist sicherer als das Filtern in der Anwendungsschicht, weil ein Fehler in Ihrem ORM keine Zeilen nach außen leaken kann. Testen Sie jede Policy mit automatisierten Cross-Tenant-Zugriffstests in CI.
Warum stürzt meine Postgres-Instanz bei hohem Traffic ab und wie behebe ich das?
Postgres erstellt einen OS-Prozess pro Verbindung. Ohne Pooling öffnet ein Node.js-Cluster mit 20 Prozessen und einer Pool-Größe von 20 ganze 400 Verbindungen und löst Speichererschöpfung aus. Lösen Sie das, indem Sie alle Anwendungsverbindungen über PgBouncer oder Supabase Pooler im Transaction-Modus leiten. Setzen Sie Ihre Anwendungspool-Größe auf 5-10 pro Prozess. Reservieren Sie den direkten Datenbankport ausschließlich für Migrationen.
Welches Backup- und Recovery-Setup brauche ich für eine SaaS-Datenbank?
Mindestanforderung ist Point-in-Time-Recovery (PITR). Supabase Pro enthält 7-tägiges PITR; RDS unterstützt bis zu 35 Tage. Für einen RPO unter 1 Stunde und RTO unter 4 Stunden reichen die Standardwerte beider Plattformen aus. Für Finanz- oder Patientendaten mit RPO unter einer Minute setzen Sie Multi-AZ mit synchroner Replikation ein. Das addiert 1-5 ms Schreiblatenz, garantiert aber, dass keine committete Transaktion bei einem Primary-Ausfall verloren geht. Testen Sie Ihr Wiederherstellungsverfahren quartalsweise.
Was kostet eine SaaS-Datenbank pro Monat 2026?
Supabase Pro beginnt bei $25/Monat mit PITR, Auth und Connection Pooling inklusive. Ein produktionstaugliches RDS-Multi-AZ-Deployment beginnt bei etwa $300-600/Monat. Für ernsthaftere Skalierung (db.r6g.2xlarge, Multi-AZ, 500 GB Storage) liegen Sie bei $1.500-2.500/Monat auf RDS. MongoDB Atlas beginnt bei etwa $65/Monat für produktionsreife M10-Cluster. Self-Hosting spart in der Infrastrukturzeile, verschiebt den Aufwand aber auf Ingenieurzeit, was fast immer teurer ist.
Was kostet die Migration von DynamoDB zu PostgreSQL?
Planen Sie 4-12 Wochen Senior-Backend-Engineering je nach Schema-Komplexität ein. DynamoDBs zugangsmustergetriebenes Design lässt sich selten sauber auf relationale Tabellen übertragen, daher müssen in der Regel Kern-Datenmodelle neu gestaltet, nicht nur Daten verschoben werden. Zu US-Marktpreisen 2026 ($150-250/Stunde für einen Senior-Backend-Ingenieur) kostet diese Migration $40K-120K. Das ist der Grund, warum die Datenbankwahl zu Projektbeginn so viel ausmacht.
Bereit zum Launch?
Sagen Sie uns, wo Sie feststecken. Wir prüfen es und senden Ihnen innerhalb eines Werktags eine konkrete Empfehlung.
Wöchentliche Impulse für den Betrieb
Schließen Sie sich Betreibern von Dienstleistungsunternehmen an, die jede Woche einen umsetzbaren Impuls zu Betrieb, Automatisierung und Wachstum erhalten.
Kein Spam. Jederzeit abbestellbar.
Sie sind angemeldet! Die nächste Ausgabe kommt in Ihr Postfach.
Das hat nicht geklappt. Bitte versuchen Sie es erneut oder schreiben Sie an [email protected].