Nur, wenn sie sich selbst erklärt. Wer sie erstellt hat, vergisst die Details oder zieht weiter. Logik, Struktur und Regeln müssen deshalb dort liegen, wo alle sie lesen können, nicht im Kopf einer einzelnen Person. Eine Datenbank, die du in zwei Jahren noch verstehst, hat benannte, wiederverwendbare Logik, sichtbare Regeln und eine klare Spur, wer was geändert hat. Setzt du das jetzt richtig auf, übernimmt die nächste Person an einem Nachmittag, statt einen Monat lang Formeln rückwärts zu entschlüsseln.
Die erste Version darf hemdsärmelig sein
Jedes wachsende Unternehmen hat eine Datenbank, die jemand in aller Eile erstellt hat, und zwar die eine Person, die das Problem am besten verstand. Sie ging in einer Woche live, löste etwas Schmerzhaftes, und niemand schrieb eine Zeile Dokumentation, weil es ein Unternehmen zu führen gab.
Das war richtig so. Am Anfang zählt Tempo mehr als Eleganz, und ein funktionierendes System schlägt einen perfekten Plan, der nie live geht. Das Problem zeigt sich nicht am Starttag. Es zeigt sich 18 Monate später, wenn jemand eine Rabattregel ändern muss und niemand sagen kann, warum die Formel drei abzieht.
Heute funktionieren und morgen lesbar sein sind zwei verschiedene Aufgaben
Diesen Unterschied übersehen die meisten Teams. Eine Datenbank, die funktioniert, beantwortet die Frage von heute richtig. Eine Datenbank, die lesbar ist, lässt jemanden, der nicht dabei war, verstehen, warum sie so antwortet, und sie ändern, ohne etwas anderes kaputtzumachen.
Die Person, die sie erstellt hat, weiß, warum es ein Feld namens „Status 2" gibt, welches Skript beim Speichern eines Auftrags läuft und auf welcher Tabelle die Berichte aufbauen. Nichts davon steht irgendwo geschrieben. Eine Studie von Panopto und YouGov, über die HR Dive berichtete, zeigt: 42 % des Wissens in einem Unternehmen hat nur die Person, die es trägt. Wissensarbeiter verlieren außerdem 5,3 Stunden pro Woche, weil sie auf Informationen warten oder Wissen neu erarbeiten, das es schon gibt. Geht die Person, die die Datenbank erstellt hat, erfindet ihre Nachfolge das Rad neu, eine rätselhafte Formel nach der anderen.
Unlesbare Systeme werden jedes Jahr teurer
Logik, die niemand versteht, bleibt nicht, wie sie ist. Die Leute hören auf, sie zu ändern, und bauen stattdessen drumherum. Sie fügen ein neues Feld hinzu, statt das alte zu reparieren, oder eine zweite Tabelle, die fast genauso aussieht wie die erste. Jeder Workaround ist klein, und jeder macht die nächste Änderung schwerer.
Größere Unternehmen haben einen Namen dafür: technische Schulden. In einer McKinsey-Umfrage unter 50 CIOs gaben die Befragten an, dass 10 bis 20 % des Technologiebudgets für neue Produkte stattdessen in den Abbau technischer Schulden fließen. 60 % hatten das Gefühl, dass ihre technischen Schulden in den letzten drei Jahren gewachsen sind. In einem kleinen Unternehmen versteckt sich dieselbe Last vor aller Augen. Es ist die Stunde, die jemand mit dem Entschlüsseln einer Formel verbringt, bevor er sich traut, sie anzufassen. Es ist der Bericht, dem niemand traut, und die Änderung, die still und leise nie passiert. Das alles wächst unter dem Radar, bis aus einem einfachen Update ein ganzes Projekt wird.
Eine Datenbank, die sich selbst erklärt, hat vier Gewohnheiten
Die erste Gewohnheit: ein Ort für jede Regel. Steckt dieselbe Berechnung kopiert in fünf Formeln, gibt es sie irgendwann in fünf leicht unterschiedlichen Versionen. Eine Regel, die du einmal festlegst und überall wiederverwendest, verstehst du einmal und änderst du einmal.
Die zweite: Namen, die auch Neue lesen können. Ein Feld namens „Fälligkeitsdatum Rechnung" erklärt sich selbst, ein Feld namens „Datum 3" wird das nie tun. Die dritte: sichtbare Regeln. Wer einen Datensatz sehen darf, was beim Speichern passiert und welche Einstellungen für eine ganze Tabelle statt für ein einzelnes Formular gelten, sollte leicht zu finden sein, ohne Code zu öffnen.
Die vierte: eine Spur und ein Weg zurück. Du solltest sehen, wer einen Datensatz angelegt und zuletzt geändert hat, und die Version von gestern wiederherstellen können, wenn die Änderung von heute schiefgeht. Teams, die wissen, dass sie Änderungen rückgängig machen können, verbessern ihre Systeme immer weiter. Teams, die das nicht können, fassen sie irgendwann gar nicht mehr an.
Ninox erstellt Datenbanken, die auch die nächste Person versteht
Ninox ist eine AI-native Low-Code-Plattform, die alle vier Gewohnheiten ab der ersten Tabelle in deine Datenbank einbaut. Mit globalen Funktionen legst du ein Stück Logik einmal fest und verwendest es in Formeln, Triggern, Buttons und Skripten wieder. So lebt eine Preisregel an einem Ort, unter einem Namen. Suchen und Ersetzen im Logik-Editor zeigt dir jede Stelle, an der ein Feld oder eine Funktion vorkommt, bevor du etwas änderst.
Bearbeitest du Logik, zeigt dir der Logik-Editor jeden Fehler in einem Panel, mit Link zur jeweiligen Zeile. Und du speicherst einen Entwurf, ohne die Version anzufassen, mit der dein Team gerade arbeitet. Das Einstellungs-Panel gruppiert Optionen danach, was sie betreffen, und zeigt, ob eine Änderung für eine ganze Tabelle oder ein einzelnes Formular gilt. Jeder Datensatz kann Felder für „Erstellt von" und „Geändert von" tragen, und zeitpunktgenaue Backups stellen einen Workspace wieder her, falls eine Änderung schiefgeht.
Für Teams, die Software wie Entwickler verwalten, exportiert die REST API eine komplette App-Definition und importiert sie in eine andere App. So versionierst und prüfst du Änderungen. Weil Ninox eine Low-Code-Plattform ist, muss die nächste Admin-Person keine Entwicklerin sein, um die Regeln zu lesen. Der KI-Assistent im Logik-Editor hilft ihr, Skripte in einfacher Sprache zu schreiben und zu verfeinern. Die Logik lebt in der Plattform, nicht im Gedächtnis einer einzelnen Person.
Wer die Datenbank erstellt hat, ist vielleicht schon auf dem Sprung
Zwei Jahre sind kein theoretischer Zeitraum. Die Daten zur Betriebszugehörigkeit des US Bureau of Labor Statistics zeigen: Im Januar 2024 blieben Beschäftigte im Median nur noch 3,9 Jahre bei einem Arbeitgeber, so kurz wie seit 2002 nicht mehr. Bei den 25- bis 34-Jährigen waren es sogar nur 2,7 Jahre. Genau die Leute, die am ehesten deine Datenbank erstellen, gehen auch am ehesten, bevor sie drei Jahre alt ist. Eine Low-Code-Plattform, die die Logik lesbar hält, sorgt dafür, dass ihre Arbeit nützlich bleibt, lange nachdem sie gegangen sind.
Mach den nächsten Schritt.
