Ich wollte Convex ersetzen. Acht Plattformen später: nein

Convex bleibt. Das meiste, was meine KI seit dem Frühjahr 2026 geshippt hat, läuft darauf, und ein ganzer Tag ernsthafter Ersatzsuche (acht Plattformen, Preisseiten, Agent-Dokus, Juli 2026) endete da, wo er anfing. Keine andere packt das komplette Backend in einen einzigen TypeScript-Ordner, den eine KI ganz im Kopf behalten kann.

Warum fühlt sich Convex mit KI so viel leichter an?

Weil das gesamte Backend Code in einem Ordner ist. Schema, Queries, Mutations, geplante Jobs, Dateispeicher, Vektorindizes und die Auth-Verdrahtung sind TypeScript-Dateien direkt nebeneinander. Das Modell ändert ein Feature so, wie es jedes Modul ändert: zwei Dateien anfassen, die Typen fließen lassen, nirgends klicken.

convex/
  schema.ts       # tables, indexes, vector indexes
  users.ts        # queries and mutations
  billing.ts      # actions calling Stripe
  crons.ts        # scheduled jobs
  http.ts         # webhook endpoints
  auth.config.ts  # auth providers

Diese Liste ist keine Vereinfachung. Sie ist die tatsächliche Oberfläche, die ein Agent verstehen muss, bevor er ein Feature shippen kann, und sie passt auf einen Bildschirm. Wenn ich etwas wie ratenbegrenzte Einladungslinks will, ist der Diff drei Dateien in diesem Ordner, die generierten Typen schlagen laut fehl, wenn das Modell eine Form falsch ansetzt, und kein Dashboard-Schritt wartet darauf, vergessen zu werden.

Das Tooling passt dazu. Convex’ Doku liefert ein offizielles Claude-Code-Plugin, ein einzelnes /plugin install convex@claude-plugins-official, mit Tools, die Daten und Logs des Dev-Deployments lesen und Funktionen ausführen, plus Hooks, die die generierten Typen synchron halten, während der Agent arbeitet [1]. Das Codex-Plugin macht dasselbe über MCP und bringt die Subagenten convex-expert und convex-reviewer mit [2]. Mein Agent rät nicht, wie das Backend aussieht. Er fragt das Backend.

Die Vektorsuche verrät, wie die ganze Plattform denkt. Sie ist eine Schema-Deklaration, ein vectorIndex mit einem Dimensionsfeld (1536 für OpenAI-Embeddings), abgefragt aus Servercode [3]. Keine zweite Datenbank, keine Sync-Pipeline, keine zweite Rechnung.

Diese Art zu bauen nennt man inzwischen Vibe Coding. Meinetwegen. Das Etikett ist weniger wichtig als die Eigenschaft darunter: Je weniger Oberflächen ein Backend hat, desto weniger gibt es, das ein Agent, oder ich, vergessen kann.

Wo Supabase mich verloren hat

Supabase ist das naheliegende Gegenargument, und ich habe ihm echte Projekte gegeben, bevor ich mich festgelegt habe. In mehreren Punkten ist es das fähigere System: echtes Postgres, echtes SQL, ein Ausgang in die gesamte relationale Welt. Mein Problem war nie die Fähigkeit. Es war, dass das Backend an fünf Orten gleichzeitig lebt: SQL-Migrationen, Row-Level-Security-Policies, Edge Functions, Storage-Regeln, generierte Typen.

Supabases eigene Doku ist deutlich, welche Disziplin das verlangt. Die goldene Regel lautet “ändere die entfernte Datenbank nie direkt”: Jede Schemaänderung wird eine SQL-Migrationsdatei mit Zeitstempel, lokal getestet, committet, dann gepusht, und Dashboard-Änderungen brechen die Synchronisation [4]. Das ist solides Engineering. Es sind aber auch fünf Oberflächen, auf denen eine KI vier Dinge aktualisieren und das fünfte vergessen kann, und in meinen Projekten tat sie das regelmäßig. Auf Convex existiert der fünfte Ort nicht. Daten brauchen weiterhin Backfills, wenn sich Formen ändern, aber diese Arbeit lebt im selben Ordner wie alles andere, nicht in einer parallelen Artefaktkette.

Gibt es gerade ein besseres Backend für AI-first-Entwicklung?

Für meine Art zu bauen nicht. Die Suche fand am 29. Juli 2026 statt: Preisseiten und Agent-Dokus von acht Rivalen, gelesen mit echter Wechselabsicht. Zwei kamen nah heran. Appwrite als das reife Komplettpaket, InsForge als dieselbe Idee, agent-first neu gebaut. Beide geben das eine auf, das ich nicht aufgebe: das gesamte Backend an einem Ort, in Code.

Die Preisspalte ist der stille Befund: Fünf der neun Böden liegen zwischen 25 und 30 $ im Monat. Die Kategorie hat sich geeinigt, was das wert ist. Der Streit geht nur noch um die Form.

Appwrite bekommt 25 $ im Monat für die ganze Organisation und macht daraus das größte Paket der Liste: 200.000 monatlich aktive Nutzer, 150 GB Speicher, 2 TB Bandbreite, 3,5 Millionen Function-Ausführungen, tägliche Backups [5]. Die Agent-Geschichte ist ebenfalls real: Skills für neun SDKs, die sich in Claude Code, Codex und Cursor installieren [6], dazu MCP-Server, die Datenbanken, Nutzer und Dateien direkt verwalten [7]. Zwei Dinge halten es auf Platz drei. Das Backend bleibt ein Satz Plattformressourcen (Buckets, Berechtigungen, Schedules), die du konfigurierst, statt einer Codebasis, die du liest. Und Appwrites eigene Vektorsuche-Anleitung verdrahtet eine Appwrite Function mit OpenAI für die Embeddings und einem externen Pinecone-Index für die Suche selbst [8]. Genau diese zweite Plattform wollte ich beim Einkaufen vermeiden.

InstantDB fühlt sich von allem, was ich gelesen habe, am meisten wie Convex an: Schema und Berechtigungen als Code, ein MCP-Server, über den Agenten Apps anlegen und Schema- und Berechtigungsänderungen pushen, Instruktionsdateien für Claude Code und Codex [9]. Der Gratisplan ist ehrlich, 1 GB mit unbegrenzten API-Requests und ohne Auto-Pausen, und Pro kostet 30 $ für 10 GB, zehn Teamkollegen und tägliche Backups [10]. Aber es ist eine Sync-Engine mit Auth und Storage, kein Zuhause für Serverlogik: Die Doku behandelt Presence, Cursors, Berechtigungen und eine Admin-HTTP-API, und gehostete Functions, Cronjobs und Vektorsuche kommen darin schlicht nicht vor [11]. Ich würde weiter eine zweite Plattform für die Serverhälfte betreiben. Disqualifiziert, mit Respekt.

Cloudflare ist das Preisargument: 5 $ im Monat mit 10 Millionen Requests und 30 Millionen CPU-Millisekunden inklusive [12], und die Teile sind einzeln exzellent, inklusive Vectorize, einer echten Vektordatenbank, die in Workers eingehängt ist [13]. Aber die Teile sind das Produkt: Workers, D1, R2, Queues und Vectorize bringen jeweils ihre eigene Konfiguration mit, Consumer-Auth bringst du selbst mit, und die EU-Geschichte verlangt genaues Lesen. D1 unterstützt eine EU-Jurisdiktion dafür, wo Daten liegen, während Cloudflares Doku klar sagt, dass Workers weiterhin von überall auf diese Datenbank zugreifen können; die Einschränkung steuert die Datenbank, nicht das Compute [14]. Großartige Stückkosten. Ein System ist es nicht.

Firebase hat leise Schritt gehalten, und Auth ist bis 50.000 monatlich aktive Nutzer kostenlos, bevor die Preise der Google Cloud Identity Platform übernehmen [15]. Es fühlt sich weiter an wie das, was es ist: eine Sammlung von Google-Cloud-Produkten mit getrennten Konsolen und getrennten Zählern. Mein Ein-Ordner-Test scheitert an der Haustür.

Nhost packt Postgres, GraphQL, Auth und Storage ab 25 $ mit 15 $ Compute-Guthaben und unbegrenzten Nutzern zusammen [16]. Der Workflow ist das verräterische Detail: In Nhosts eigener Anleitung zur lokalen Entwicklung erzeugt eine Schemaänderung eine SQL-Migrationsdatei plus Hasura-Metadaten in YAML, beides zusammen committet und deployt [17]. Das ist die Supabase-Zeremonie mit anderem Akzent, und ich weiß schon, wie diese Geschichte bei mir ausgeht.

Encore.ts ist die interessanteste falsche Antwort. Infrastruktur in TypeScript zu deklarieren und sie in den eigenen AWS- oder GCP-Account provisionieren zu lassen ist wirklich elegant, und der KI-Winkel ist durchdacht. Aber Produktion beginnt bei 49 $ pro Mitglied plus 99 $ pro Cloud-Umgebung, vor den 2,50 $ pro Ressource und vor der AWS-Rechnung selbst [18]. Das sind 148 $ im Monat an Plattformgebühren, bevor der erste Nutzer auftaucht. Ein ernsthaftes Framework für ein Team mit Cloud-Account, kein Weg, diese Woche ein Produkt zu shippen.

InsForge ist der Kandidat, den ich beobachte

Eine Plattform der Liste ist exakt auf meiner These gebaut. InsForge hat am 9. März 2026 als 2.0 neu gestartet, nennt sich das Backend für agentische Entwicklung, mit dem Slogan “agent experience is the new developer experience” und der Behauptung, dass 99 % der Operationen auf der Plattform inzwischen von Agenten statt von Menschen kommen [19]. Die Kiste hält, was der Pitch verspricht: Postgres mit pgvector, Auth, Storage, Edge Functions, Realtime und ein OpenAI-kompatibles Modell-Gateway über mehrere Anbieter [19], cron-getriggerte Functions auf pg_cron [20], das Ganze Apache 2.0 und mit Docker selbst hostbar [21]. Pro kostet 25 $ mit 100.000 monatlich aktiven Nutzern, einer 8-GB-Datenbank und 10 $ Compute-Guthaben, kleine Dauerinstanzen ab 5 $ [22].

Warum also Platz zwei und nicht eins? Teils, weil darunter Postgres liegt, womit Migrationen und Row-Level-Security zurückkehren, vom Agenten verwaltet, aber vorhanden. Vor allem aber wegen des Alters. Crunchbase führt eine Pre-Seed-Runde über 1,5 Millionen Dollar von MindWorks Capital und Baidu Ventures [23], und MindWorks’ eigene Portfolioseite datiert die Firma auf 2025 [24]. Convex, zur Einordnung: eine 24-Millionen-Runde unter Führung von a16z im November 2025, mit Spark Capital als Co-Lead [25], und nach der eigenen Zählung der Firma vom April 2026 fast 10.000 zahlende Teams [26].

Convex, letzte Runde

24 Mio. $

angeführt von a16z, November 2025

zahlende Teams bei Convex

10.000

Firmenangabe, "fast 10.000", April 2026

InsForge, Pre-Seed

1,5 Mio. $

MindWorks Capital und Baidu Ventures, 2025

Die Lücke, die diese drei Zahlen beschreiben, ist die ganze Entscheidung. Ich parke keine Kundendaten auf einer Pre-Seed-Plattform, so richtig ihre These auch ist. Ich behalte den Tab offen, und die Apache-2.0-Selbsthosting-Geschichte ist eine echte Absicherung für den Tag, an dem sich das ändert.

Was kostet Convex in der EU wirklich?

Mehr, als die Preisseite nahelegt. Convex’ EU-Ankündigung legt die Region in AWS’ eu-west-1 (Irland), auf jedem Plan inklusive des kostenlosen, aber auf Bezahlplänen liegt der EU-Ressourcenpreis 30 % über den US-Sätzen, und die inkludierte Nutzung, die die US-Pläne großzügig macht, etwa Pros 25 Millionen Function Calls [27], gilt nicht: EU-Deployments werden on demand abgerechnet [28]. Für ein europäisches Produkt mit echtem Traffic ist das die Zahl, die man vor der Regionswahl durchrechnen muss, und die am wenigsten beworbene Zeile in Convex’ Preisgeschichte.

Der Rest meiner Beschwerden, aus Symmetrie zum Lob. Free- und Starter-Deployments laufen in der Klasse S16, 16 gleichzeitige Queries und 16 gleichzeitige Mutations, während Professional auf S256 springt [29], sodass allein die Last das Upgrade auf 25 $ pro Entwickler erzwingen kann [27]. Convex Auth trägt weiter das Beta-Etikett, “es ist nicht vollständig und kann sich inkompatibel ändern”, und die Doku lenkt ernsthaftes Auth zu Clerk, Auth0 oder WorkOS, Letzteres kostenlos bis zu einer Million Nutzer [30]. Und die Eleganz des einen Ordners ist zugleich der Lock-in: Mein Backend sind Queries und Mutations gegen ein Dokumentenmodell, kein SQL, das ein Reporting-Tool an einem beliebigen Dienstag lesen kann.

Dagegen steht ein Einstiegspreis, mit dem sich schwer streiten lässt: Der 0-$-Starter-Plan trägt echte Produktions-Apps für bis zu sechs Entwickler, mit einer Million inkludierter Function Calls auf US-Deployments [27]. Jeder der Kosten oben ist real, und ich zahle sie weiter, weil die Alternativen mich während des Shippens kassieren. Das ist die Stunde, die ich am wenigsten verkaufen will.

Was ich konkret tun würde

Bei Convex bleiben für alles, was bis Freitag existieren muss. Ein kleines Testprojekt auf Appwrite bauen, sobald reifes Auth mit sechsstelligen Nutzerzahlen der tatsächliche Engpass ist, denn flache 25 $ für eine ganze Organisation schlagen meine Pro-Entwickler-Rechnung in dem Moment, in dem ein Team wächst [5]. InsForge Mitte 2027 wieder anschauen: eine echte Finanzierungsrunde und benannte Produktionskunden würden meine Antwort ändern, und die Selbsthosting-Lizenz macht das Ausprobieren billig.

Der Test, der jede Datenblatttabelle geschlagen hat, falls du ihn auf deinem eigenen Stack fahren willst: Öffne das Repo nach einer Woche Abstand. Wenn ein Ordner dir sagt, wo alles wohnt, besteht die Plattform. Das letzte Stück, das ich geschrieben habe, handelte davon, KI-Modellen das richtige Maß an Autorität zu geben. Dieses handelt davon, ihnen das richtige Gebäude zu geben. Kleine Oberfläche, alles in Reichweite: Es stellt sich heraus, das ist die Spezifikation für beides.