Airtable ist eine KI-native Anwendungsplattform: Wer sein Vorhaben in Alltagssprache beschreibt, erhält Tabellen, Oberflächen, Automatisierungen und KI-Agenten, die auf den echten Betriebsdaten des Teams laufen – samt Administrationskontrolle und Unternehmens-Compliance.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Airtable ist eine relationale Datenbank, die sich ohne SQL-Kenntnisse bedienen lässt, kombiniert mit einer KI-Schicht, die seit der jüngsten Produktüberarbeitung nicht mehr am Rand steht, sondern den Kern bildet. Auf der Startseite steht der Satz „AI transformed individual work. Airtable transforms teamwork." — die KI hat die Einzelarbeit verändert, Airtable will die Teamarbeit verändern. Das Unternehmen bezeichnet sich selbst als „the system of record for companies building what's next", also als führendes Datensystem für Organisationen, die an dem arbeiten, was als Nächstes kommt. Dieser Anspruch ist bewusst gewählt: Er reklamiert die Rolle der Wahrheitsquelle und nicht die eines Hilfswerkzeugs neben dem eigentlichen System.
Am 24. Juni 2025 hat ein öffentlicher Brief des Unternehmenschefs die KI-native Neuausrichtung als „refounding moment" bezeichnet, als Moment der Neugründung. Wer eine Kaufentscheidung vorbereitet, sollte diese Formulierung ernst nehmen, weil sie eine Umbauentscheidung beschreibt und keine Marketingzuspitzung. Der Unterschied zu vielen Wettbewerbern liegt genau hier: Statt KI-Funktionen an eine bestehende Plattform anzuschrauben, ist die KI bei Airtable die Hauptlinie und keine zusätzliche Ebene darüber. Anwendungsgenerierung, Agenten und Automatisierung sind damit keine kostenpflichtigen Zusatzmodule, sondern Grundbausteine.
Darunter liegt weiterhin das, was Airtable bekannt gemacht hat. Du arbeitest in Bases, jede Base enthält Tabellen, jede Tabelle enthält typisierte Felder — Text, Zahl, Datum, Auswahl, Anhang, Formel und vor allem Verknüpfungsfelder, die einen Datensatz einer Tabelle mit einem oder mehreren Datensätzen einer anderen Tabelle verbinden. Genau diese Verknüpfung trennt Airtable von einer Tabellenkalkulation. In einer Tabellenkalkulation ist der Bezug zwischen zwei Blättern eine Formel, die durch eine unbedachte Sortierung zerbricht. In Airtable ist der Bezug eine strukturelle Eigenschaft des Datensatzes selbst und übersteht jede Umsortierung.
Aus dieser Doppelnatur ergibt sich die Marktposition. Ein Team, das aus der geteilten Tabelle herausgewachsen ist, aber weder Zeit noch Personal hat, um PostgreSQL, eine API-Schicht und eine Verwaltungsoberfläche selbst zu betreiben, findet hier einen Mittelweg. Es bekommt die Struktur einer relationalen Datenbank, vorzeigbare Oberflächen für Endnutzer, Automatisierungen, eine REST-Schnittstelle, eine Zugriffssteuerung — und seit dem KI-Umbau die Möglichkeit, eine Anwendung in natürlicher Sprache zu beschreiben, statt sie Feld für Feld zusammenzuklicken.
Ein struktureller Umstand gehört ebenfalls in die Bewertung: Am 4. August 2026 hat Bending Spoons eine verbindliche Vereinbarung zur Übernahme von Airtable bei einem Unternehmenswert von 1,285 Milliarden US-Dollar angekündigt. Die Transaktion ist bislang nicht abgeschlossen. Sie steht unter dem Vorbehalt regulatorischer Genehmigungen und der üblichen Vollzugsbedingungen, der Abschluss wird für später in diesem Jahr erwartet, und bis dahin arbeiten beide Unternehmen unabhängig voneinander weiter. Produkt, Marke und Domain bleiben unverändert.
Omni ist die dialogbasierte Oberfläche zum Erstellen von Anwendungen. Du beschreibst in normaler Sprache, was du brauchst — eine Nachverfolgung von Werbekampagnen, eine Bewerberpipeline, eine Geräteverwaltung — und Omni erzeugt daraus eine vollständige Anwendung mit Tabellen, Oberflächen und Automatisierungen. Entscheidend ist, dass das Ergebnis kein geschlossener Block ist: Alles, was Omni erzeugt, bleibt vollständig mit den gewohnten visuellen Werkzeugen bearbeitbar. Du öffnest die erzeugte Tabelle, benennst ein Feld um, änderst einen Feldtyp, ergänzt eine Ansicht — genau so, als hättest du sie selbst angelegt. Damit umgeht Omni das übliche Problem generierter Anwendungen, die in der Demonstration überzeugen und danach nicht weiterentwickelt werden können.
Kaufmännisch ist ein zweiter Punkt bemerkenswert: Das Erstellen von Anwendungen und Agenten mit Omni ist kostenlos und verbraucht keine KI-Credits. Diese Trennung zwischen dem Entwerfen — das naturgemäß aus vielen Versuchen besteht — und dem Ausführen, das über Credits abgerechnet wird, hat unmittelbare praktische Folgen. Du kannst eine Struktur zehnmal neu erzeugen lassen, bis sie passt, ohne dabei auf einen Zähler zu schauen.
Die Agenten bilden die Ausführungsschicht. Sie analysieren Daten, erstellen Inhalte und führen Recherchen automatisch und in großem Umfang durch. Die am tiefsten integrierte Form ist der Field Agent, der innerhalb jedes einzelnen Datensatzes arbeitet. Statt einen Datenbestand in einem externen Skript stapelweise zu verarbeiten, läuft die Logik auf Feldebene, Datensatz für Datensatz, direkt dort, wo die Daten liegen.
Die weiteren Ausprägungen decken klar abgrenzbare Aufgaben ab. Die Dokumentenanalyse prüft Verträge oder Rechnungen und markiert Auffälligkeiten. Die Websuche reichert Leads an, analysiert Wettbewerber und fasst Nachrichten zusammen. Übersetzung und Bilderzeugung ergänzen das Spektrum. Betrieblich am wichtigsten ist eine Konfigurationsoption: Agenten lassen sich so einstellen, dass sie automatisch laufen, sobald Daten hinzugefügt oder aktualisiert werden. Es handelt sich also nicht um einen Assistenten, den man bei Bedarf anspricht, sondern um eine Verarbeitung, die am Lebenszyklus des Datensatzes hängt.
Die Automatisierungen folgen einem Auslöser-Aktion-Modell ohne Programmierung: Ein Ereignis tritt ein, eine Kette von Aktionen läuft ab. Wo der visuelle Editor an Grenzen stößt, lässt sich die Logik mit JavaScript erweitern. Das ist ein sauberer Kompromiss — einfache Fälle bleiben ohne Code lösbar, komplizierte Fälle sind nicht blockiert. Native Verbindungen zu Slack, Google Workspace und vergleichbaren Werkzeugen sorgen dafür, dass Informationen aus der Base heraus zu den Menschen gelangen, statt dass alle in die Base hineinschauen müssen.
Mit dem Interface Designer baust und teilst du eigene Oberflächen ohne Code und legst fest, wer was sieht. Das ist der strukturelle Unterschied zu einer geteilten Tabelle: Ein Vertriebsmitarbeiter sieht seine eigenen Vorgänge, ohne Zugriff auf die Provisionstabelle zu haben; ein externer Dienstleister füllt ein Formular aus, ohne die vollständige Datenbasis zu sehen. Airtable weist ausdrücklich darauf hin, dass einige Funktionen — insbesondere im Bereich der Berechtigungen — bestimmten Preisstufen vorbehalten sind. Dieser Punkt gehört in die Evaluierung und nicht in die Zeit nach dem Rollout.
Der Verwaltungsbereich richtet sich an Käufer, die gegenüber einer Sicherheitsabteilung auskunftsfähig sein müssen. Administratoren steuern die KI-Nutzung und aktivieren die KI auf Ebene des Workspace, kontrollieren, auf welche Daten Agenten zugreifen, und die gesamte Aktivität ist gesteuert und prüfbar. Die Enterprise-Stufen ergänzen ein Administrationspanel, Audit-Protokolle, ein Enterprise Key Management und Maßnahmen zur Verhinderung von Datenabfluss.
HyperDB adressiert das Mengenproblem: Die Komponente synchroniert und skaliert Datenbestände auch bei mehr als 100 Millionen Datensätzen. Wichtig für die Einordnung ist, dass es sich um eine Fähigkeit auf Enterprise-Ebene handelt und nicht um eine Lösung für die Datensatzgrenzen der niedrigeren Preisstufen.
Vorher liegt der Redaktionsplan in einer geteilten Tabelle: eine Zeile pro Beitrag, Spalten für Termin, Verantwortlichkeit und Status, dazu ein Link auf einen Ordner mit Bildern. Die Briefings stehen in Textdokumenten, die Freigaben laufen über E-Mail-Ketten, und niemand kann verlässlich sagen, welche Fassung eines Textes die freigegebene ist.
Nachher ist der Beitrag ein Datensatz, der mit einer Kampagnentabelle, einer Kanaltabelle und einer Tabelle der Beteiligten verknüpft ist. Der Freigabestatus ist ein Auswahlfeld statt einer Farbmarkierung, die Bilddateien hängen am Datensatz. Eine Oberfläche zeigt der Leitung den Kampagnenüberblick ohne die Ausführungsdetails, eine zweite zeigt der Redakteurin ausschließlich ihre eigene Arbeitsliste. Eine Automatisierung meldet in Slack, sobald ein Text zur Freigabe ansteht. Ein Übersetzungsagent erzeugt die Sprachvarianten, sobald der Status auf freigegeben wechselt.
Vorher treffen Bewerbungen per E-Mail und über ein Formular ein, die Lebensläufe sammeln sich in einem geteilten Ordner, und die Bewertung findet in einem Dokument pro Stelle statt. Wer vor einem halben Jahr für eine vergleichbare Position bewertet wurde, lässt sich praktisch nicht wiederfinden.
Nachher ist jede Bewerbung ein Datensatz, der mit einer Stelle verknüpft ist, die wiederum mit einer Abteilung und einer verantwortlichen Person verknüpft ist. Die Gespräche liegen in einer eigenen Tabelle, die mit den Bewerbungen verknüpft ist — so kann eine Person mehrere Gespräche haben, ohne dass ihr Datensatz dupliziert wird. Ein Agent zur Dokumentenanalyse liest den angehängten Lebenslauf und überführt die strukturierbaren Angaben in eigene Felder. Die Bewertenden tragen ihr Feedback über eine Oberfläche ein, die ihnen nur die für sie vorgesehenen Personen zeigt und weder Gehaltsvorstellungen noch die Bewertungen der Kolleginnen und Kollegen offenlegt.
Vorher bekommt der Vertrieb eine Liste mit Firmennamen und Webadressen. Jemand öffnet jede Seite, sucht Branche, Größe und aktuelle Meldungen und überträgt das Ergebnis von Hand. Pro Zeile gehen mehrere Minuten dahin, und die Qualität hängt von der Tagesform ab.
Nachher löst das Anlegen eines Leads einen Websuche-Agenten aus, der den verfügbaren öffentlichen Kontext zusammenträgt und in strukturierte Felder samt Zusammenfassung schreibt. Der Vertrieb startet bei einem bereits dokumentierten Datensatz und verwendet die Zeit auf die eigentliche Qualifizierung. Der wesentliche Unterschied liegt darin, wo das Ergebnis landet: nicht in einem flüchtigen Chatverlauf, sondern in Feldern der Base — filterbar, sortierbar, in Ansichten auswertbar und über die API abrufbar.
Vorher erreichen Dokumente die Rechtsabteilung oder die Buchhaltung, jemand liest sie, notiert Fristen in einem Kalender und weist per E-Mail auf ungewöhnliche Klauseln hin. Die Nachverfolgung hängt am Gedächtnis einer einzelnen Person, und Urlaub oder Wechsel reißen eine Lücke.
Nachher hängt das Dokument am Datensatz, ein Agent zur Dokumentenanalyse prüft es auf Auffälligkeiten, und das Ergebnis fließt in Status- und Risikofelder. Eine Automatisierung erzeugt bei einem Fund eine Prüfaufgabe und benachrichtigt den zuständigen Kanal. Die Maschine ersetzt dabei nicht die juristische Beurteilung — die menschliche Prüfung bleibt erforderlich —, aber die Vorsortierung hört auf, der Engpass zu sein.
Vorher verteilen sich Produktinformationen auf eine Artikelliste, einen Bilderordner, ein Spezifikationsdokument und das ungeschriebene Wissen von zwei Personen. Jede Produkteinführung beginnt mit einer Suche nach Informationen, die eigentlich vorhanden sein müssten.
Nachher ist das Produkt ein zentraler Datensatz, verknüpft mit Lieferanten, Komponenten, Absatzmärkten und Bildmaterial. Lookup- und Rollup-Felder holen Werte aus den verknüpften Tabellen automatisch heran: Die Gesamtkosten eines Produkts ergeben sich aus den verknüpften Komponenten, statt von Hand gepflegt zu werden. Eine Oberfläche gibt dem Vertrieb ein lesbares Produktdatenblatt, eine andere gibt dem Einkauf die Lieferantensicht. Eine Automatisierung meldet unvollständige Datensätze, sobald ein Einführungstermin näher rückt.
Vorher erreichen interne Anfragen das Team über Chat, E-Mail und Zuruf. Nichts ist dokumentiert, die Priorisierung folgt der Lautstärke, und auf die Frage, wie viele Anfragen im letzten Quartal bearbeitet wurden, gibt es keine belastbare Antwort.
Nachher speist ein Formular eine Anfragetabelle. Eine Oberfläche zeigt der anfragenden Person den Bearbeitungsstand, ohne ihr die Base zu öffnen; eine zweite gibt dem bearbeitenden Team eine priorisierte Warteschlange. Automatisierungen übernehmen Eingangsbestätigungen und Erinnerungen. Der messbare Gewinn ist die Nachvollziehbarkeit: Die Arbeitslast wird zu einer Zahl statt zu einem Gefühl, und damit erst verhandelbar.
Beginne damit, Omni das fachliche Ziel zu beschreiben, statt eine leere Tabelle zu öffnen. Ein Satz wie „ich möchte Urlaubsanträge erfassen, mit Freigabe durch die Führungskraft und Einsicht für die Personalabteilung" liefert eine Ausgangsstruktur aus Tabellen, Oberflächen und Automatisierungen, die aufeinander abgestimmt sind. Dieser Einstieg ist dem Start bei null vorzuziehen, weil er dich zwingt, den Prozess zu formulieren, bevor du das Schema zeichnest — und weil das Bauen mit Omni keine Credits kostet.
Im zweiten Schritt prüfst du das erzeugte Datenmodell. Hier ist menschliches Urteil unverzichtbar. Kontrolliere, ob jede Tabelle genau eine Entität abbildet, ob die Verknüpfungen in die richtige Richtung zeigen und ob nichts in eine einzige breite Tabelle gepresst wurde, die faktisch wieder eine Tabellenkalkulation wäre. Eine einfache Prüffrage hilft: Kann derselbe Gegenstand mehrfach auftauchen? Wenn ja, gehört er in eine eigene Tabelle mit Verknüpfungsfeld.
Im dritten Schritt gehst du die Feldtypen durch. Für einen Status ist ein Auswahlfeld einem freien Textfeld immer vorzuziehen, weil es Filter zuverlässig macht und Schreibvarianten ausschließt. Besondere Aufmerksamkeit verdienen Lookup- und Rollup-Felder: Sie zeigen und berechnen Werte aus verknüpften Datensätzen, ohne sie zu duplizieren. Genau darin liegt der wichtigste strukturelle Gewinn gegenüber einer Tabellenkalkulation.
Im vierten Schritt richtest du die Ansichten ein. Dieselbe Tabelle lässt sich unter verschiedenen Blickwinkeln zeigen — gefilterte Raster, Kalender, Statusspalten —, und jede Ansicht dient einem konkreten Zweck. Benenne Ansichten nach ihrem Verwendungszweck und nicht nach ihrer Darstellungsform; diese Benennung wird mit der Zeit zur impliziten Dokumentation des Prozesses.
Im fünften Schritt baust du die Oberflächen. Hier entscheidet sich, wer was sieht. Baue eine Oberfläche pro Zielgruppe statt einer universellen Oberfläche für alle: Die Führungskraft, die eine Übersicht braucht, und die Person, die täglich Daten erfasst, haben weder dieselben Bedürfnisse noch dieselben Rechte. Da Berechtigungsfunktionen von der Preisstufe abhängen, teste diesen Schritt mit einem Konto derjenigen Stufe, die tatsächlich gekauft werden soll.
Im sechsten Schritt kommen die Automatisierungen. Fange mit Benachrichtigungen an — sie sind rückholbar und risikoarm — und gehe erst danach zu Automatisierungen über, die in die Base schreiben. Teste jede Automatisierung mit Testdaten und achte besonders auf Schleifen: Eine Automatisierung, die einen Datensatz ändert, kann eine zweite auslösen, die genau auf diese Änderung hört.
Im siebten Schritt führst du Agenten ein. Beginne mit einem eng umrissenen, überprüfbaren Fall — ein Feld anreichern, einen kurzen Text übersetzen — statt mit einer vollständigen Kette. Bewerte die Ausgabequalität an einer Stichprobe, bevor du die automatische Ausführung bei jedem Hinzufügen oder Aktualisieren aktivierst, denn genau diese Einstellung verwandelt einmalige Kosten in laufende.
Im achten Schritt kümmerst du dich um die Verwaltung. Bevor der Workspace einem größeren Kreis geöffnet wird, aktivierst du die KI auf der passenden Ebene, legst fest, auf welche Daten Agenten zugreifen dürfen, und prüfst, ob die Nachvollziehbarkeit den internen Anforderungen genügt. Auf den Enterprise-Stufen richtest du hier zusätzlich das Administrationspanel, die Audit-Protokolle und die Maßnahmen gegen Datenabfluss ein.
Modelliere, bevor du generieren lässt. Auch wenn Omni in Sekunden eine Struktur liefert, lohnt es sich, die fachlichen Entitäten und ihre Beziehungen vorher zu notieren. Deine Beschreibung für Omni wird dadurch präziser, und die anschließende Prüfung geht schneller, weil du weißt, wonach du suchst.
Behandle die Datensatzgrenzen als Konstruktionsvorgabe. Die Kontingente gelten pro Base: 1.000 Datensätze im kostenlosen Tarif, 50.000 bei Team, 125.000 bei Business. Eine Base, in der transaktionale Daten auflaufen — Ereignisprotokolle, Bestellpositionen, Verläufe —, erreicht diese Schwellen deutlich schneller als eine Base mit Stammdaten. Entscheide bereits beim Entwurf, was in Airtable lebt und was in einem vorgelagerten System bleibt.
Miss den Credit-Verbrauch vom ersten Tag an. Jede Aktion verbraucht eine variable Anzahl an Credits, abhängig von den Eingabedaten, dem gewählten Modell und den Ausgabedaten. Ein Agent, der bei jeder Aktualisierung in einer stark bewegten Tabelle anspringt, hat ein völlig anderes Kostenprofil als ein manuell gestarteter Agent. Eine Messung an einer Stichprobe vor dem breiten Rollout erspart Überraschungen zum Monatsende.
Denk daran, dass Credits geteilt werden. Das monatliche Kontingent pro zahlendem Nutzer wird bei Free und Team auf Workspace-Ebene und bei Business und Enterprise Scale auf Organisationsebene zusammengelegt, statt pro Person reserviert zu werden. Ein Team, das eine Massenverarbeitung startet, kann damit das Kontingent anderer Teams aufbrauchen. Eine interne Absprache über Verarbeitungen mit großem Volumen und eine laufende Beobachtung des Verbrauchs sind wirksamer als eine Diskussion im Nachhinein.
Nutze die Kostenfreiheit von Omni zum Iterieren. Da das Erstellen von Anwendungen und Agenten mit Omni keine Credits verbraucht, gibt es keinen Grund, sich mit der ersten erzeugten Struktur zufriedenzugeben. Formuliere die Anforderung anders, vergleiche mehrere Ergebnisse und behalte das verständlichste — das kostet dich nichts außer Zeit.
Halte den Datenbereich der Agenten eng. Administratoren steuern, auf welche Daten Agenten zugreifen. Die sinnvolle Grundeinstellung ist der kleinstmögliche Zugriff für die jeweilige Aufgabe — nicht aus Misstrauen, sondern weil ein enger Bereich präzisere Ergebnisse und besser vorhersagbare Kosten liefert.
Steuere die Kosten pro Platz aktiv. Abgerechnet wird pro Nutzer: Jede Person mit Bearbeitungsrecht erhöht die Rechnung, und in der Community wird immer wieder von unerwarteten Beträgen berichtet, nachdem Bearbeitungsrechte beiläufig vergeben wurden. Eine regelmäßige Durchsicht der Bearbeitungszugriffe — mit Umstellung auf Lesezugriff oder auf den Zugang über eine Oberfläche für alle, die faktisch nicht bearbeiten — gehört zur Grundhygiene.
Plane die menschliche Prüfung als festen Prozessschritt ein. Von Omni erzeugte Anwendungen brauchen weiterhin eine Kontrolle durch Menschen, und für Agentenausgaben gilt dasselbe. Verankere diesen Schritt im Prozess selbst — ein Statusfeld „zu prüfen", eine eigene Ansicht, eine benannte zuständige Person —, damit er systematisch stattfindet und nicht von individueller Aufmerksamkeit abhängt.
Fachteams, die aus der Tabellenkalkulation herausgewachsen sind. Das ist die angestammte Zielgruppe und bleibt die wichtigste. Sobald eine geteilte Datei aus mehreren Blättern besteht, die über fragile Suchformeln zusammenhängen, mehrere Personen gleichzeitig schreiben und eine unbedachte Sortierung Spalten gegeneinander verschiebt, löst der Umstieg auf eine relationale Struktur ein unmittelbares Problem.
Marketing- und Content-Teams. Die Kombination aus Anhängen, Freigabestatus, Terminplanung und Oberflächen für nicht-technische Beteiligte trifft die Anforderungen einer Redaktions- oder Kampagnenplanung ziemlich genau. Übersetzungs- und Bildagenten fügen sich in diese Abläufe ohne Bruch ein.
Vertrieb und Revenue Operations. Automatische Lead-Anreicherung, eine strukturierte Pipeline und die selektive Weitergabe von Informationen an die Vertriebsleitung decken einen klassischen Bedarf. Airtable ersetzt kein etabliertes Unternehmens-CRM, deckt aber die Randprozesse ab, die ein CRM üblicherweise schlecht abbildet.
Personalabteilung und Recruiting. Recruiting ist von Natur aus relational — Personen, Stellen, Gespräche, Bewertende — und leidet besonders unter der Ablage in verstreuten Dokumenten. Dass sich einschränken lässt, was jede bewertende Person sieht, beantwortet eine reale Vertraulichkeitsanforderung.
Produkt- und Betriebsteams. Die Verwaltung von Lieferanten, Komponenten, Artikeln und zugehörigen Materialien profitiert direkt von Verknüpfungs-, Lookup- und Rollup-Feldern, die manuelle Übertragungen und die daraus entstehenden Widersprüche überflüssig machen.
Personen, die interne Werkzeuge ohne technischen Hintergrund bauen. Das Profil der operativ Verantwortlichen, die ein von zwanzig Kolleginnen und Kollegen nutzbares Werkzeug liefern soll, ohne sich in eine Entwicklungs-Warteschlange einzureihen, ist genau das, worauf Omni und der Interface Designer zielen.
Organisationen mit Compliance-Anforderungen. Die Zertifizierungen SOC 2 Type 2, ISO/IEC 27001:2022, ISO/IEC 27701:2019, HIPAA und TX-RAMP Level 2, die Option zur Datenspeicherung in der Europäischen Union sowie die Möglichkeit für Enterprise-Kunden, ruhende Daten mit eigenen Schlüsseln zu speichern, adressieren häufige Anforderungen von Sicherheitsabteilungen.
Unternehmen mit sehr großen Referenzdatenbeständen. HyperDB synchroniert und skaliert Datenbestände mit mehr als 100 Millionen Datensätzen und deckt damit einen Fall ab, den die Kontingente der niedrigeren Stufen nicht abbilden können. Diese Zielgruppe liegt konstruktionsbedingt auf den Enterprise-Stufen.
Der Browser ist die primäre Umgebung, eine Installation ist nicht erforderlich. Dort liegt der vollständige Funktionsumfang: das Bauen der Bases, der Interface Designer, die Konfiguration von Automatisierungen und Agenten sowie die Administration. Für die meisten Nutzenden stellt sich die Frage nach einem installierten Client daher gar nicht.
Darüber hinaus stellt Airtable Desktop- und Mobilanwendungen bereit. Konkrete Store-Bewertungen, Paketgrößen und Mindestversionen des Betriebssystems ließen sich allerdings nicht unabhängig bestätigen (noch zu verifizieren). Wer eine Einführung plant, die von Geräteauflagen abhängt — etwa ein verwalteter Mobilgerätebestand mit festgeschriebener Systemversion —, sollte die offiziellen Store-Einträge vorher direkt prüfen.
Die Web-API folgt REST-Semantik, kodiert Objekte in JSON und verwendet Standard-HTTP-Statuscodes. Diese Entscheidung macht sie für jedes Team berechenbar, das schon einmal eine moderne Schnittstelle angebunden hat: Es gelten die erwarteten Konventionen, ein proprietäres Protokoll muss niemand lernen. Die Aufrufkontingente hängen vom Tarif ab: 1.000 Aufrufe pro Workspace und Monat im kostenlosen Tarif, 100.000 bei Team und unbegrenzt bei Business. Diese Staffelung ist für jedes Integrationsvorhaben entscheidend, denn eine beidseitige Synchronisation mit einem Fremdsystem verbraucht Aufrufe erheblich schneller als ein gelegentlicher Export, und das Kontingent des kostenlosen Tarifs reicht nur zum Ausprobieren.
Der Tarif Free umfasst 1.000 Datensätze pro Base, 1 GB Anhänge pro Base, 2 Wochen Versions- und Snapshot-Historie sowie 1.000 API-Aufrufe pro Workspace und Monat. Für eine Evaluierung, ein privates Vorhaben oder einen Prototyp reicht das. Die zwei Wochen Historie sind dabei die am häufigsten unterschätzte Grenze: Ein Fehler, der erst nach einem Monat auffällt, lässt sich auf diesem Weg nicht mehr rückgängig machen.
Der Tarif Team kostet 20 US-Dollar pro Nutzer und Monat bei jährlicher Abrechnung. Er hebt die Kontingente auf 50.000 Datensätze pro Base, 20 GB Anhänge, 1 Jahr Versionshistorie und 100.000 API-Aufrufe pro Workspace und Monat. Für ein Team, das einen Prozess produktiv betreibt, ist das der realistische Einstiegspunkt — vor allem wegen des Jahres an Historie, das die Qualität des Sicherheitsnetzes grundlegend verändert.
Der Tarif Business kostet 45 US-Dollar pro Nutzer und Monat bei jährlicher Abrechnung und bietet 125.000 Datensätze pro Base, 100 GB Anhänge, 1 Jahr Versionshistorie und eine unbegrenzte Zahl an API-Aufrufen. Häufig gibt gerade die Aufhebung der API-Grenze den Ausschlag: Sobald eine Integration laufend mit einem anderen System synchronisiert, wird ein Monatskontingent zu einer Einschränkung der Architektur.
Der Tarif Enterprise Scale wird individuell bepreist, ausgerichtet an den Anforderungen und der Größenordnung der Organisation. Auf dieser Ebene liegen das Administrationspanel, die Audit-Protokolle, das Enterprise Key Management, der Schutz vor Datenabfluss, HyperDB, die Auswahl der freigegebenen Modelle und die Speicherung ruhender Daten mit kundeneigenen Schlüsseln.
Die KI-Credits folgen einer eigenen Logik. Jeder Tarif gewährt ein monatliches Kontingent pro zahlendem Nutzer, das bei Free und Team auf Workspace-Ebene und bei Business und Enterprise Scale auf Organisationsebene zusammengelegt statt individuell reserviert wird. Jede Aktion verbraucht eine variable Anzahl an Credits, abhängig von den Eingabedaten, dem gewählten Modell und den Ausgabedaten — was eine Schätzung im Voraus schwierig und eine empirische Messung notwendig macht.
Für Selbstbedienungskunden gibt es Zusatzpakete: 10.000 Credits für 20 US-Dollar pro Monat, 100.000 Credits für 200 US-Dollar pro Monat und 400.000 Credits für 800 US-Dollar pro Monat. Für die Gesamtkostenrechnung ist außerdem wichtig: Das Erstellen von Anwendungen und Agenten mit Omni ist kostenlos und verbraucht keine Credits.
Notion ist als Dokumenten- und Wissensarbeitsplatz stärker. Datenbanken gibt es dort ebenfalls, sie dienen aber in erster Linie der Organisation von Seiten. Sobald es um strenge Beziehungen zwischen Entitäten, verlässliche Aggregationen und eine API mit hohem Aufkommen geht, passt Airtable besser. Die Entscheidungsfrage lautet meist: Baust du ein Datenreferenzsystem oder eine Wissenssammlung?
Smartsheet liegt näher am klassischen Projekt- und Portfoliomanagement. Sein gedankliches Modell stammt vom Terminplan und vom Balkendiagramm, nicht von der relationalen Datenbank. Für eine Projektleitung, die in Meilensteinen, Abhängigkeiten und Auslastung denkt, ist das der natürlichere Boden; für ein fachliches Datenreferenzsystem ist es ein Umweg.
Monday.com ist zuerst eine Plattform für Arbeitsmanagement und erst danach eine Datenbank. Die Bedienung zielt auf die Nachverfolgung von Teamaktivitäten und die Sichtbarkeit des Fortschritts. Der Kompromiss ist das Spiegelbild von Airtable: Die Akzeptanz in nicht-technischen Teams stellt sich oft schneller ein, die Strenge des Datenmodells fällt geringer aus.
Google Sheets in Verbindung mit Apps Script ist die günstigste Option. Über Skripte lässt sich bei der Automatisierung viel erreichen, aber es fehlen eine relationale Struktur und eine ernstzunehmende Freigabe nach Berechtigungen: Wer Zugriff auf ein Blatt bekommt, sieht in der Regel dessen gesamten Inhalt. Für interne Zwecke mit geringem Risiko ist das eine ernsthafte Alternative, deutlich weniger jedoch, sobald Dritte nur auf einen Teil der Daten zugreifen sollen.
Baserow und NocoDB sind quelloffene, selbst hostbare Optionen. Sie werden interessant, wenn Datenstandort oder Kostenkontrolle schwerer wiegen als die KI-Schicht: Du hostest selbst, zahlst nicht pro Platz und behältst die volle Kontrolle über die Infrastruktur. Im Gegenzug übernimmst du Betrieb, Sicherungen und Aktualisierungen und verzichtest auf Agenten und Omni.
Retool zielt auf interne Werkzeuge über bereits vorhandenen Datenbanken. Das ist die richtige Wahl, wenn die Daten ohnehin in PostgreSQL oder einem Data Warehouse liegen und nur noch die Oberfläche fehlt. Der entscheidende Unterschied: Hier muss Code geschrieben werden, was das Profil der eigenständig arbeitenden Fachanwenderin ausschließt, an das sich Airtable richtet.
Die Abrechnung pro Platz lässt die Kosten mit der Personenzahl wachsen, nicht mit der Nutzung. Jede Person, die Bearbeitungsrechte braucht, erhöht die Rechnung — unabhängig davon, wie intensiv sie das System tatsächlich nutzt. In Community-Diskussionen tauchen wiederholt unerwartete Rechnungsbeträge auf, nachdem Bearbeitungsrechte ohne viel Nachdenken vergeben wurden. Für eine Kaufentscheidung bedeutet das: Die Kostenprognose muss an der Personalentwicklung des betroffenen Teams ausgerichtet werden, und eine ausdrückliche Regel darüber, wer Bearbeitungsrechte erhält, gehört vor den Rollout und nicht hinter die erste Rechnung.
Die Datensatzgrenzen gelten pro Base und greifen früher als erwartet. Tausend Datensätze im kostenlosen Tarif und fünfzigtausend bei Team sind schnell erreicht, sobald in der Base transaktionale Daten statt Stammdaten auflaufen. Dass das Kontingent pro Base gilt, hat eine konstruktive Folge: Eine Aufteilung auf mehrere Bases verschiebt die Grenze, zerreißt aber die Beziehungen, weil Verknüpfungen innerhalb einer Base funktionieren. Und HyperDB, das die Mengenfrage beantwortet, ist eine Fähigkeit auf Enterprise-Ebene — kein Reparaturmittel für die niedrigeren Stufen.
Der Verbrauch an KI-Credits ist variabel und wird leicht unterschätzt. Die Zahl der Credits hängt von den Eingabedaten, dem gewählten Modell und den Ausgabedaten ab, was jede theoretische Hochrechnung wackelig macht. Die Zusammenlegung verschärft das Risiko: Weil das Kontingent auf Workspace- oder Organisationsebene geteilt wird, kann die Automatisierung eines einzigen Teams den gemeinsamen Vorrat aufbrauchen und die Verarbeitung anderer Teams unterbrechen. Für einen Käufer lautet die relevante Frage deshalb nicht „was kostet eine Aktion", sondern „wer darf Massenverarbeitungen auslösen und unter welcher Kontrolle".
Die Lernkurve ist real. Die eigentliche Hürde für Umsteiger aus der Tabellenkalkulation ist nicht die Bedienoberfläche, sondern das relationale Denken: zu verstehen, warum eine Information in eine eigene, verknüpfte Tabelle gehört statt in eine weitere Spalte, und Verknüpfungen, Lookups und Rollups sicher zu beherrschen. Wer diese Stufe überspringt, produziert Bases, die eine Tabellenkalkulation mit zusätzlichen Klicks nachbauen und keinen der erhofften strukturellen Vorteile liefern. Es muss also Schulungsaufwand eingeplant werden, nicht nur Lizenzbudget.
Einige Fähigkeiten hängen an der Preisstufe, insbesondere im Bereich der Berechtigungen. Das ist der Punkt, an dem Demonstration und späterer Betrieb am ehesten auseinanderfallen. Wird eine Evaluierung auf einer höheren Stufe gefahren als der später gekauften, kann ein Freigabemodell bestätigt werden, das anschließend gar nicht reproduzierbar ist. Die Prüfung sollte deshalb gezielt die vorgesehenen Berechtigungsszenarien abdecken und auf der tatsächlich geplanten Preisstufe stattfinden.
Der bevorstehende Eigentümerwechsel bringt mittelfristige Unsicherheit. Am 4. August 2026 hat Bending Spoons eine verbindliche Vereinbarung zur Übernahme von Airtable bei einem Unternehmenswert von 1,285 Milliarden US-Dollar angekündigt. Die Transaktion ist nicht abgeschlossen: Sie steht unter dem Vorbehalt regulatorischer Genehmigungen und der üblichen Vollzugsbedingungen, der Abschluss wird für später in diesem Jahr erwartet, und bis dahin arbeiten beide Unternehmen unabhängig voneinander weiter. Produkt, Marke und Domain bleiben unverändert. Für einen kurzfristigen Einsatz ist das ohne Bedeutung. Bei einer mehrjährigen Bindung ist es dagegen vernünftig einzukalkulieren, dass die Entscheidungshoheit über Preisgestaltung und Produktausrichtung sich nach dem Abschluss verschieben kann, und die Vertragsklauseln entsprechend zu verhandeln.
Von Omni erzeugte Anwendungen brauchen weiterhin eine menschliche Prüfung. Die Generierung liefert eine schlüssige Ausgangsstruktur, kein abgenommenes Produkt. Feldtypen, Richtung der Verknüpfungen, Auslösebedingungen der Automatisierungen und der Umfang der Oberflächen gehören vor dem Produktivstart kontrolliert. Wer die Ausgabe von Omni als fortgeschrittenen Entwurf und nicht als fertiges Ergebnis behandelt, vermeidet den Fall, dass ein Modellierungsfehler erst auffällt, wenn bereits mehrere tausend Datensätze erfasst sind.
Es ist eine relationale Datenbank, die über eine Oberfläche zugänglich gemacht wird, die auch Fachanwender bedienen können. Der wesentliche Unterschied zur Tabellenkalkulation liegt in den typisierten Feldern und den Verknüpfungen zwischen Tabellen: Ein Datensatz kann strukturell mit Datensätzen einer anderen Tabelle verbunden werden, und diese Beziehung ist eine Eigenschaft der Daten selbst und keine Suchformel. Lookup- und Rollup-Felder zeigen und berechnen anschließend Werte aus den verknüpften Datensätzen, ohne sie zu kopieren. Der Vergleich mit der Tabellenkalkulation bleibt trotzdem hilfreich, um die Bedienung einzuordnen, denn die Arbeitsfläche ist weiterhin ein direkt manipulierbares Raster.
Omni ist ein dialogbasierter Baukasten: Du beschreibst in normaler Sprache, was du brauchst, und Omni erzeugt daraus eine vollständige Anwendung mit Tabellen, Oberflächen und Automatisierungen. Der Unterschied zu einem Chat-Assistenten liegt in der Art des Ergebnisses — Omni gibt keinen Text zum Abtippen zurück, sondern legt reale Objekte in deinem Workspace an. Diese Objekte bleiben vollständig mit den gewohnten visuellen Werkzeugen bearbeitbar, sodass du an jeder Stelle wieder die Kontrolle übernehmen kannst. Und weil das Erstellen von Anwendungen und Agenten mit Omni kostenlos ist und keine KI-Credits verbraucht, kannst du beliebig oft iterieren, ohne auf ein Budget zu achten.
Jeder kostenpflichtige Tarif gewährt ein monatliches Credit-Kontingent pro zahlendem Nutzer, das bei Free und Team auf Workspace-Ebene und bei Business und Enterprise Scale auf Organisationsebene zusammengelegt statt individuell reserviert wird. Jede Aktion verbraucht eine variable Anzahl an Credits, abhängig von Eingabedaten, gewähltem Modell und Ausgabedaten, weshalb theoretische Schätzungen wenig taugen. Bewährt hat sich, den Verbrauch zunächst an einer Stichprobe zu messen und erst dann breit auszurollen — mit besonderem Augenmerk auf Agenten, die bei jedem Hinzufügen oder Aktualisieren von Daten automatisch laufen. Für Selbstbedienungskunden gibt es Zusatzpakete: 10.000 Credits für 20 US-Dollar monatlich, 100.000 Credits für 200 US-Dollar monatlich und 400.000 Credits für 800 US-Dollar monatlich.
Nein. Die offizielle Aussage ist eindeutig: Modellanbieter speichern deine Daten niemals dauerhaft, und deine Daten werden niemals für das Training von Modellen verwendet. Auf den Enterprise-Stufen entscheiden Kunden zusätzlich selbst, welche Modelle freigegeben sind; zu den Anbietern zählen OpenAI, Anthropic, Meta und weitere. Administratoren steuern außerdem, auf welche Daten Agenten zugreifen, und aktivieren die KI auf Ebene des Workspace, wobei die gesamte Aktivität gesteuert und prüfbar ist. Für eine Sicherheitsabteilung sind es diese drei Hebel zusammen — keine Speicherung beim Anbieter, Auswahl der Modelle, Kontrolle des Datenbereichs —, die die Antwort ergeben.
Angegeben werden SOC 2 Type 2, ISO/IEC 27001:2022, ISO/IEC 27701:2019, HIPAA und TX-RAMP Level 2. Es besteht die Möglichkeit, Daten in der Europäischen Union zu speichern, und Enterprise-Kunden können ruhende Daten mit Schlüsseln speichern, die ihnen selbst gehören. Personen mit Wohnsitz im Europäischen Wirtschaftsraum, im Vereinigten Königreich und in der Schweiz haben Rechte auf Auskunft, Datenübertragbarkeit, Berichtigung, Löschung, Einschränkung, Widerruf der Einwilligung und Widerspruch; Einwohner der betroffenen US-Bundesstaaten haben Rechte auf Auskunft, Löschung, Berichtigung und Einlegung eines Rechtsbehelfs. Die Datenschutzerklärung wurde zuletzt am 15. Juli 2026 aktualisiert.
Die Grenzen gelten pro Base: 1.000 Datensätze im kostenlosen Tarif, 50.000 bei Team und 125.000 bei Business. Dass sie pro Base gelten, ist entscheidend, denn der übliche Ausweg besteht darin, Daten auf mehrere Bases zu verteilen — um den Preis der Verknüpfungen, die innerhalb einer Base funktionieren. Für Organisationen, deren Volumen diese Schwellen deutlich übersteigt, synchronisiert und skaliert HyperDB Datenbestände mit mehr als 100 Millionen Datensätzen, allerdings als Fähigkeit auf Enterprise-Ebene und nicht als Nachrüstung für niedrigere Tarife. Praktisch heißt das: Schon beim Entwurf entscheiden, welche Daten in Airtable leben und welche im vorgelagerten System bleiben.
Der kostenlose Tarif eignet sich zur Evaluierung, aber 1.000 Datensätze pro Base und 2 Wochen Versionshistorie machen ihn für einen kritischen Prozess ungeeignet. Team kostet 20 US-Dollar pro Nutzer und Monat bei jährlicher Abrechnung und bringt 50.000 Datensätze pro Base, 20 GB Anhänge, ein Jahr Historie und 100.000 API-Aufrufe pro Workspace und Monat — das ist der realistische Einstieg in den Produktivbetrieb. Business zu 45 US-Dollar pro Nutzer und Monat bei jährlicher Abrechnung wird nötig, sobald das Volumen 50.000 Datensätze pro Base übersteigt, 100 GB Anhänge gebraucht werden oder vor allem eine laufende Integration das API-Limit zur Fessel macht. Prüfe zusätzlich die Berechtigungsfunktionen auf genau der Stufe, die du kaufen willst, da einige Funktionen bestimmten Stufen vorbehalten sind.
Die Web-API folgt REST-Semantik, kodiert Objekte in JSON und verwendet Standard-HTTP-Statuscodes, was sie für jedes Team berechenbar macht, das schon einmal eine moderne Schnittstelle angebunden hat. Die maßgebliche Einschränkung ist nicht technischer, sondern mengenmäßiger Natur: Die Aufrufkontingente liegen bei 1.000 pro Workspace und Monat im kostenlosen Tarif, bei 100.000 bei Team und sind bei Business unbegrenzt. Eine laufende beidseitige Synchronisation mit einem Fremdsystem verbraucht Aufrufe wesentlich schneller als ein periodischer Export, weshalb ernsthafte Integrationsvorhaben häufig auf Business hinauslaufen. Es lohnt sich also, das erwartete Aufrufvolumen vor der Tarifwahl zu überschlagen, statt die Grenze im Produktivbetrieb zu entdecken.
Unmittelbar nicht. Am 4. August 2026 hat Bending Spoons eine verbindliche Vereinbarung zur Übernahme von Airtable bei einem Unternehmenswert von 1,285 Milliarden US-Dollar angekündigt, doch die Transaktion ist nicht abgeschlossen: Sie steht unter dem Vorbehalt regulatorischer Genehmigungen und der üblichen Vollzugsbedingungen, der Abschluss wird für später in diesem Jahr erwartet, und bis dahin arbeiten beide Unternehmen unabhängig voneinander weiter. Produkt, Marke und Domain sind unverändert. Für den laufenden Betrieb oder eine kurze Vertragslaufzeit gibt es nichts anzupassen. Bei einer mehrjährigen Bindung ist es dagegen umsichtig, im Kalkül zu berücksichtigen, dass die Hoheit über Preise und Produktausrichtung sich nach dem Abschluss verschieben kann, und diesen Punkt bei der Vertragsverhandlung anzusprechen.
Ja, ausnahmslos. Von Omni erzeugte Anwendungen brauchen weiterhin eine menschliche Kontrolle: Prüfe, ob jede Tabelle genau eine Entität abbildet, ob die Verknüpfungen in die richtige Richtung zeigen, ob die Feldtypen passen und ob die Auslösebedingungen der Automatisierungen keine Schleife erzeugen. Bei Agenten bezieht sich die Prüfung auf die Ausgabequalität, gemessen an einer repräsentativen Stichprobe, bevor du die automatische Ausführung bei jedem Hinzufügen oder Aktualisieren aktivierst. Am zuverlässigsten wird diese Kontrolle, wenn du sie im Prozess selbst verankerst — ein Statusfeld „zu prüfen", eine eigene Ansicht und eine benannte zuständige Person —, damit sie nicht von individueller Aufmerksamkeit abhängt. Diese Disziplin kostet am Anfang wenig und erspart aufwendige Korrekturen, sobald Daten in Menge aufgelaufen sind.
