RavenDB will strategische Barrieren traditioneller Datenbanken beseitigen

Bei der Bewertung von Datenbanktechnologien stehen Fachleute oft vor der Wahl zwischen Leistung, Flexibilität und Sicherheit – in der Regel entscheiden sie sich für zwei von drei Aspekten und nehmen dabei unvermeidliche Kompromisse in Kauf. Auf reine Geschwindigkeit getrimmte Systeme erfordern häufig manuelle Eingriffe, und hochflexible Plattformen können kostspielig werden, wenn sich die ursprünglichen Entwürfe zu Einschränkungen entwickeln. Die Sicherheit wird allzu oft als Nebensache behandelt, sodass Datenbankadministratoren auf die Wachsamkeit interner Teams angewiesen sind, um Schwachstellen zu vermeiden.

Komplexität vereinfachen

RavenDB entstand aus der Erkenntnis seines Gründers, dass diese üblichen Kompromisse kumulative Kosten verursachen. Oren Eini, Gründer und CTO von RavenDB, war jahrelang als Performance-Berater tätig und beobachtete, wie erfahrene Teams durch die zunehmende Komplexität der Systeme ausgebremst wurden. Das Kernproblem, so stellte er fest, war nicht ein Mangel an Entwicklerkenntnissen, sondern die Fragilität der Architektur. Datenbanken, so argumentiert er, verleiten Entwickler oft zu instabilen Designs und bestrafen sie dann dafür, dass sie diesen Weg eingeschlagen haben. RavenDB wurde konzipiert, um diese Reibungspunkte zu beseitigen und eine nahtlose Brücke zwischen sich wandelnden Geschäftsanforderungen und starren Datenbankschemata zu schlagen.

Die Plattform ist auf hohe Leistung und Anpassungsfähigkeit ausgelegt und zielt ironischerweise darauf ab, den Bedarf an Spezialisten wie Oren selbst zu reduzieren. Auf der Grundlage seiner langjährigen Erfahrung entwickelte er RavenDB, das seit über fünfzehn Jahren im Einsatz ist – lange vor dem Aufkommen der KI-gestützten Entwicklung.

Das Grundprinzip besteht darin, dass sich RavenDB im Laufe der Zeit an die tatsächlichen Bedürfnisse eines Unternehmens anpasst und nicht an dessen ursprüngliche Prognosen. „Wenn ich mit Führungskräften spreche“, erklärt Eini, „sage ich ihnen, dass ich mich um die Komplexität der Datenhoheit kümmere.“

Anstatt beispielsweise von Entwicklern zu verlangen, jedes Abfragemuster vorherzusagen, überwacht RavenDB Live-Abfragen. Wenn eine Abfrage von einem Index profitieren würde, erstellt es automatisch im Hintergrund einen solchen mit minimalen Auswirkungen auf die Leistung. Dies steht in starkem Kontrast zu herkömmlichen relationalen Datenbanken, bei denen anfängliche Schema- und Indizierungsentscheidungen oft schwierig und kostspielig zu ändern sind, wenn sich das Geschäft weiterentwickelt.

Oren vergleicht dies mit dem Gießen eines Gebäudegrundrisses, bevor die Positionen von Türen und Stützsäulen festgelegt wurden. Ein solcher Ansatz kann zwar funktionieren, aber die Kosten für die Überarbeitung dieser frühen Entscheidungen Jahre später, wenn sich die Geschäftsanforderungen ändern, können enorm sein.

Im Vorfeld des Auftritts des Unternehmens auf der TechEx Global in London (4. und 5. Februar, Olympia) nannte er ein Beispiel: Ein europäischer Kunde hatte Schwierigkeiten, in den US-Markt zu expandieren, weil sein Datenbankschema, das für einen einfachen Mehrwertsteuersatz in einem einzigen Feld ausgelegt war, die komplexen staatlichen und bundesstaatlichen Umsatzsteuern nicht bewältigen konnte. Eine scheinbar unbedeutende Entscheidung in der Vergangenheit hatte zu erheblichen finanziellen und technischen Belastungen geführt.

Der Reiz von RavenDB liegt in praktischen Details und Optimierungen, die die Leistung und Benutzerfreundlichkeit verbessern. Die Paginierung erfordert beispielsweise in der Regel zwei separate Datenbankaufrufe – einen für die Daten und einen für die Gesamtanzahl. RavenDB liefert beides in einer einzigen Abfrage. Einzeln betrachtet scheinen solche Verbesserungen gering zu sein, aber in großem Maßstab summiert sich ihre Wirkung. „Wenn man Reibungsverluste an jeder Stelle beseitigt“, sagt Oren, „baut man ein System auf, das einfach reibungslos funktioniert.“

Diese kumulierte Reduzierung von Reibungsverlusten steigert die Leistung und vereinfacht die Entwicklung. Verwandte Daten werden eingebettet oder einbezogen, ohne dass die Leistung durch komplexe Tabellenverknüpfungen beeinträchtigt wird, sodass komplexe Abfragen in einem Durchgang abgeschlossen werden können. Ingenieure können SQL-ähnliche Abfragen für die APIs von RavenDB schreiben, ohne über fundierte Datenbankkenntnisse verfügen zu müssen.

Im Vergleich zu anderen NoSQL-Optionen bietet RavenDB standardmäßig vollständige ACID-Transaktionen und reduziert den Betriebsaufwand. Integrierte Funktionen wie ETL-Pipelines, Abonnements, Volltextsuche, Zähler und Zeitreihendatenverarbeitung verringern die Abhängigkeit von externen Systemen.

Das Ergebnis für Entwickler und Administratoren ist, dass weniger Zeit für komplizierte Details aufgewendet werden muss und mehr Zeit für die Wertschöpfung bleibt – ein überzeugendes Argument für jedes budgetbewusste Unternehmen.

Zweckgebundene Skalierbarkeit

RavenDB ist so konzipiert, dass es ebenso mühelos skaliert wie es komplexe Abfragen verarbeitet. Es unterstützt Multi-Node-Clustering für hohe Parallelität, das automatisch und ohne langwierige manuelle Konfiguration eingerichtet wird. „Mit RavenDB ist Skalierung ein ganz normaler Teil des Betriebs“, erklärt Eini.

Im Februar wurde RavenDB Cloud Version 7.2 veröffentlicht, die einen KI-Assistenten enthält, der als „virtueller DBA in Ihrer Datenbank“ beschrieben wird. Die Betonung liegt auf „in“; es handelt sich um ein Tool für Entwickler und Administratoren, nicht für Endbenutzer, das Fragen zu Indizierung, Speicherung oder Systemverhalten beantwortet.

KI als professionelle Hilfe

Eini ist vorsichtig, wenn es darum geht, KI uneingeschränkten Zugriff auf Datenspeicher zu gewähren. Der Einsatz von KI als generischer Gatekeeper für sensible Informationen birgt unvermeidbare Sicherheitsrisiken, da solche Systeme nur schwer zuverlässig zu kontrollieren sind.

Für Datenbankfachleute und Entwickler ist KI jedoch ein leistungsstarker Assistent. Der KI-Helfer von RavenDB arbeitet mit den Berechtigungen des Benutzers und verfügt selbst über keinen privilegierten Zugriff. „Alles, was er über Ihre Instanz lernt, wird hinter den Kulissen mit Ihren Anmeldedaten abgerufen“, stellt er klar.

Die KI-Strategie des Unternehmens konzentriert sich auf die Bereitstellung von meinungsstarken, sicheren Funktionen: Generieren von Abfragen, Erläutern von Indizes, Unterstützen der Schemaerkundung und Beantworten von operativen Fragen – alles innerhalb der Grenzen der Benutzerrechte.

Entwicklungsteams erhalten außerdem Unterstützung für Vektorsuche, native Einbettungen, serverseitige Indizierung und flexible Integration mit externen LLMs. Dies ermöglicht es Unternehmen, KI-gesteuerte Funktionen schnell zu implementieren und gleichzeitig Risiken und Compliance zu verwalten.

Sicherheit und Risikomanagement

Sicherheit ist ein wesentliches Unterscheidungsmerkmal von RavenDB. In Bezug auf Schwachstellen wie das aktuelle MongoBleed-Problem verweist Eini auf einen Architekturfehler: die Vermischung von sicherheitskritischen und allgemeinen Codepfaden. „Die Schwachstelle besteht gerade deshalb, weil diese Bereiche vermischt sind“, argumentiert er.

RavenDB wickelt die Authentifizierung über eine etablierte kryptografische Infrastruktur ab, bevor die Datenbanklogik ausgeführt wird. Diese Trennung stellt sicher, dass selbst wenn an anderer Stelle ein Fehler vorliegt, nicht authentifizierte Benutzer keinen Zugriff auf allgemeine Codepfade haben, wodurch potenzielle Angriffe drastisch eingeschränkt werden.

Obwohl die internen Abläufe sehr technisch sind, können Führungskräfte die wirtschaftlichen Auswirkungen von Verzögerungen durch Schemaänderungen oder Leistungsoptimierungen leicht nachvollziehen. Die Anpassungsfähigkeit und Geschwindigkeit von RavenDB machen auch das, was Oren als „Nein, das geht nicht“-Gespräche bezeichnet, überflüssig.

Unternehmen, die RavenDB einsetzen, reduzieren ihre Abhängigkeit von Nischen-Know-how und gewinnen an Flexibilität, um auf sich ändernde Anforderungen zu reagieren. „Die Aufgabe der Datenbank ist es, einen greifbaren geschäftlichen Mehrwert zu liefern“, betont Eini, der der Meinung ist, dass die Infrastruktur in den Hintergrund treten und keine strategischen Grenzen setzen sollte.

Migration und Onboarding

RavenDB verwendet eine SQL-ähnliche Abfragesprache, sodass die meisten Teams innerhalb eines Tages damit umgehen können. Reibungsverluste bei der Einführung sind in der Regel auf Annahmen hinsichtlich Sicherheit und Hochverfügbarkeit zurückzuführen, die von anderen Plattformen übernommen wurden. Für RavenDB sind dies grundlegende Designprinzipien und keine zusätzlichen Belastungen.

Entstanden aus den direkten Erfahrungen seines Gründers mit operativen Schwachstellen, zeichnet sich RavenDB durch eine Reihe von Designentscheidungen aus: Hintergrundindizierung, abfrageorientierte Optimierung, strenge Sicherheitstrennung und prinzipielle KI-Integration. Entwickler profitieren von einer reibungsloseren Erfahrung, während Führungskräfte von niedrigeren langfristigen Kosten profitieren, insbesondere in Zeiten des Wandels. Diese überzeugende Kombination verdrängt etablierte Plattformen in zahlreichen Umgebungen.

Um mehr zu erfahren, sprechen Sie mit Vertretern von RavenDB auf der TechEx Global in London am 4. und 5. Februar. Wenn Ihr Interesse geweckt ist, besuchen Sie die Website des Unternehmens.

Sind Sie an KI- und Big-Data-Einblicken von Branchenführern interessiert? Entdecken Sie die AI & Big Data Expo in Amsterdam, Kalifornien und London. Diese umfassende Veranstaltung findet gemeinsam mit der TechEx und anderen führenden Technologiekonferenzen statt. Weitere Informationen finden Sie hier.

AI News wird von TechForge Media unterstützt. Entdecken Sie hier weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie.