Die Supabase-Alternative, die nativ für KI entwickelt wurde (Powabase)

BBetter Stack
Computing/SoftwareSmall Business/StartupsInternet Technology

Transcript

00:00:00Das ist PowerBase. Es ist eine Postgres-Datenbank, eine RAG-Engine und ein Builder für agentische Workflows,
00:00:06alles zusammengefasst in einem einheitlichen Backend. Es ist das ultimative Backend-as-a-Service für moderne Webanwendungen,
00:00:12die stark auf KI-Funktionen wie Vektordatenbanken, RAG-Pipelines oder agentische KI-Workflows setzen.
00:00:19In diesem Video werfen wir also einen genaueren Blick auf PowerBase, sehen uns an, wie es funktioniert, und
00:00:24testen es, indem wir eine wirklich coole Produktwebsite im Retro-Stil mit KI-Unterstützung bauen. Es wird
00:00:29eine Menge Spaß machen, also fangen wir an. PowerBase.ai – nicht zu verwechseln mit PowerBase.com, was
00:00:40– ich weiß gar nicht, was das ist – ist eine neue Backend-as-a-Service-Plattform, die wirklich eine Komplettlösung
00:00:46für moderne KI-Anwendungen ist. Stell dir vor, du baust eine App, brauchst aber eine Datenbank,
00:00:51vielleicht sogar eine Vektordatenbank, und jetzt entscheidest du dich, eine RAG-Pipeline basierend auf den
00:00:57internen Dokumenten deines Unternehmens zu erstellen, und möchtest vielleicht einen UI-Chatbot, der Fragen
00:01:02basierend auf deinem RAG-Setup beantworten kann. Du könntest all diese Dinge als eigenständige Dienste aufbauen,
00:01:08aber dann wird es kompliziert, wenn du sie alle verbinden musst. Du musst deine Datenbank mit deinem RAG verbinden,
00:01:13und dann einen agentischen Workflow für deinen Chatbot bauen. Das wird alles sehr schnell sehr kompliziert.
00:01:19PowerBase soll dir das Leben also leichter machen, indem es eine einheitliche Plattform für all diese
00:01:24Dinge bietet. Da es auf der Open-Source-Grundlage von Supabase aufbaut, nutzt es Postgres als einzige Quelle
00:01:30der Wahrheit für absolut alles, weshalb du auch PGVector als primäre Vektordatenbank verwenden kannst.
00:01:36Und weil deine Standard-relationalen Daten und deine neuen Vektoreinbettungen genau in derselben
00:01:42Postgres-Engine liegen, teilen sie sich die exakt gleiche ACID-Transaktionssicherheit. Wenn also eine Datenbanktransaktion
00:01:48zurückgesetzt wird, wird auch das Vektor-Update zurückgesetzt. Außerdem ist ein Builder für agentische Workflows
00:01:54direkt in das gleiche Backend integriert, was dir eine visuelle, knotenbasierte Arbeitsfläche direkt im
00:02:00Dashboard bietet. Es erlaubt dir, deterministische Leitplanken und feste Geschäftsregeln abzubilden oder strenge
00:02:06Ausführungslimits festzulegen, während die LLM weiterhin dynamisch Tools aufrufen und Aufgaben durchdenken kann.
00:02:12Das klingt alles großartig, aber lassen wir es uns testen und sehen, wie es tatsächlich funktioniert. Sobald du
00:02:17dein Konto erstellt hast, erhältst du 20 Dollar PowerBase-Guthaben kostenlos, nachdem du einen einfachen Fragebogen ausgefüllt hast.
00:02:24Und sobald wir im Dashboard sind, sehen wir, dass es sehr, sehr ähnlich wie Supabase aussieht,
00:02:29aber mit den zusätzlichen Bereichen, die allen KI-Funktionen gewidmet sind. Vor ein paar Tagen habe ich diesen
00:02:35super coolen Computer-Hardware-Produktkatalog aus den 80ern im Internet Archive gefunden, der so viele
00:02:41faszinierende alte Technikstücke enthält. Also beschloss ich, diesen Katalog zu nehmen und eine Website für Produkte
00:02:48im Retro-Stil mit einem KI-Chatbot zu bauen, der mir Produktempfehlungen basierend auf diesem Katalog geben kann.
00:02:54Die Seite im Internet Archive hat bereits eine TXT-Datei, die den gesamten Text des PDF-Katalogs
00:03:00per OCR gescannt enthält. Wir können diese Textdatei also als Datenquelle für unsere RAG-Pipeline verwenden.
00:03:06Um dieses Projekt zu starten, habe ich einfach einen Ordner mit einem Bild eines alten Macintosh-Computers
00:03:13und einem Referenzbild davon, wie die Website aussehen soll. Und dann habe ich auch die Textdatei,
00:03:18die wir gerade heruntergeladen haben. Laut der eigenen Dokumentationsseite von PowerBase haben sie einen praktischen Leitfaden,
00:03:24wie man es mit Claude Code verwendet. Sie haben noch keinen Skill, aber wenn wir dem Coding-Agenten unsere
00:03:29Basis-URL, einen geheimen Schlüssel und einen Verweis auf die Dokumentation geben, kann Claude Code den Rest im Grunde selbst herausfinden.
00:03:36Sie sagen zwar, dass sie an einem Skill für dieses Projekt arbeiten, aber zum Zeitpunkt dieser Aufnahme ist der Skill noch nicht
00:03:41verfügbar. Also halten wir uns einfach an ihre manuellen Anweisungen. Und für den Prompt sage ich im Grunde
00:03:47Claude Code, dass ich einen Retro-Produktshop mit einem KI-Chatbot bauen möchte, und bitte ihn, die
00:03:53Referenzbilder für das Design zu verwenden. Ich habe ihm außerdem eine Basis-URL und den geheimen Schlüssel in einer separaten
00:04:00Umgebungsdatei bereitgestellt. Und schließlich gebe ich ihm einen Link zur Dokumentation von PowerBase, nur für den Fall,
00:04:05und lasse Claude Code seine Arbeit machen. Und ein paar Minuten später sehen wir, dass Claude Code erfolgreich
00:04:11die Katalogdaten aus unserer Quelle extrahiert hat. Und es hat auch eine Wissensdatenbank unseres Katalogs erstellt.
00:04:18Und wenige Augenblicke später sehen wir, dass Claude Code die Aufgabe nun erfolgreich abgeschlossen hat.
00:04:23Und nicht nur das, es hat auch einen Testlauf mit unserem KI-Chatbot gemacht, um zu sehen, ob alles richtig
00:04:28funktioniert. Und wir können das auch hier auf dem PowerBase-Dashboard sehen. Alles sieht also gut aus.
00:04:35Schauen wir uns also an, wie die Website tatsächlich aussieht. Oh mein Gott, das sieht so gut aus.
00:04:42Wow. Es ist ehrlich gesagt viel besser, als ich erwartet habe. Schau dir das Retro-Thema an. Claude Code hat
00:04:48wirklich großartige Arbeit mit dem Design geleistet, das muss ich sagen. Aber das Wichtigste ist der Chatbot,
00:04:53oder der Verkäufer, wie er hier genannt wird. Und wie wir hier sehen können, gibt er uns einige Beispiel-Prompts, die wir stellen können.
00:05:00Versuchen wir also mal herauszufinden, was er für die Lagerung von 300 Disketten empfiehlt. Und sieh dir das an? Er gibt
00:05:06uns eine sehr schöne detaillierte Antwort. Und wie wir hier sehen können, empfiehlt er entweder einen Aufbewahrungsordner oder eine Kunststoff-Diskettenbox.
00:05:13Und er listet sogar die Preise und alles auf. Das ist ziemlich cool. Übrigens,
00:05:19ich habe bemerkt, dass 30 % unseres Publikums zur Generation Z gehört. Lasst mich in den Kommentaren wissen, ob ihr wisst, was eine Diskette ist.
00:05:26Alles klar. Versuchen wir jetzt eine benutzerdefinierte Abfrage. Ich möchte einen Computer für zu Hause, der stark genug ist, um
00:05:33Pac-Man zu spielen. Was kannst du empfehlen und wie sind die Preise? Und schau dir das an. Das ist interessant. Er sagt,
00:05:39dass er keinen Bezug zu Pac-Man in ihrem Katalog finden kann. Das ist eine häufige Eigenschaft von RAG-Engines,
00:05:45bei denen versucht wird, strikt innerhalb der Grenzen des Kontextes der bereitgestellten Daten zu bleiben,
00:05:50was eine sehr gute Sache ist. Aber er erwähnt ein ähnliches Spiel, das er im Katalog gefunden hat,
00:05:55das Pac-Man ähnelt. Und dann gibt er uns schließlich diese netten Empfehlungen für Gaming-Computer.
00:06:01Und das ist so lustig. Wenn Gaming dein Hauptziel ist, aber das Budget wichtig ist, dann können wir uns für
00:06:08den Interact-Familiencomputer für 500 Dollar entscheiden. Aber wenn du die beste Grafik und den besten Sound willst,
00:06:14dann musst du dich für den Texas Instruments TI-99 entscheiden. Er ist ein echter Hingucker und wird sogar mit seinem eigenen 13-Zoll-Farbmonitor geliefert.
00:06:22Farbmonitor, Alter. Lass uns gehen. Halt die Klappe und nimm mein Geld. Die Website sieht also absolut
00:06:30atemberaubend aus und der Chatbot funktioniert wie erwartet. Ich bin also mit diesem Ergebnis ziemlich zufrieden. Eine letzte Sache,
00:06:35die ich überprüfen möchte, ist das PowerBase-Dashboard. Und hier im Abschnitt “Runs” können wir alle Sitzungen sehen,
00:06:42die unser Chatbot mit allen detaillierten Antworten durchgeführt hat. Das ist also eine gute Möglichkeit, im Auge zu behalten,
00:06:48wie deine Benutzer den Chatbot tatsächlich nutzen. Da habt ihr es also, Leute. Das ist PowerBase in einer
00:06:53Nussschale. Ehrlich gesagt bin ich super beeindruckt von dieser Plattform. Sie hat so viele coole KI-Funktionen und die
00:06:59Einrichtung war so einfach und die RAG-Pipeline funktionierte nahtlos. Ich würde also sagen, dies ist ein perfektes Backend-as-a-Service,
00:07:07wenn du so schnell wie möglich eine MVP-Version deiner KI-App herausbringen musst. PowerBase bietet dir im Grunde
00:07:13alle notwendigen Tools, damit du dich nicht um das technische “Installations-Gedöns” kümmern musst, um
00:07:18alles miteinander zu verbinden. Also gut gemacht, PowerBase. Aber was denkt ihr über PowerBase? Habt ihr es ausprobiert?
00:07:24Werdet ihr es benutzen? Lasst es uns unten im Kommentarbereich wissen. Und Leute, wenn euch diese Art von
00:07:29technischen Breakdowns gefällt, lasst es mich wissen, indem ihr diesen Like-Button unter dem Video zerschmettert. Und vergesst auch nicht,
00:07:34unseren Kanal zu abonnieren. Das war Andres von Betterstack und wir sehen uns in den nächsten Videos.

Key Takeaway

PowerBase fungiert als spezialisiertes Backend-as-a-Service, das durch die Integration von Postgres, PGVector und agentischen Workflows die Entwicklung KI-gestützter Anwendungen mit RAG-Pipelines ohne komplexe Infrastrukturkopplung ermöglicht.

Highlights

  • PowerBase kombiniert eine Postgres-Datenbank, eine RAG-Engine und einen Builder für agentische Workflows in einem einheitlichen Backend.

  • Die Plattform nutzt Postgres als einzige Quelle der Wahrheit, wodurch relationale Daten und Vektoreinbettungen dieselbe ACID-Transaktionssicherheit teilen.

  • Das Dashboard bietet eine visuelle, knotenbasierte Arbeitsfläche für agentische Workflows, die deterministische Leitplanken und Geschäftsregeln erlaubt.

  • Neue Konten erhalten nach dem Ausfüllen eines Fragebogens 20 Dollar Startguthaben.

  • Die RAG-Pipeline von PowerBase bleibt strikt innerhalb der Kontextgrenzen der bereitgestellten Datenquelle, was unerwünschte externe Ausgaben unterbindet.

Timeline

Funktionsweise und Architektur von PowerBase

  • PowerBase integriert Postgres, RAG-Pipelines und agentische Workflows in eine einheitliche Plattform.
  • Die gemeinsame Nutzung der Postgres-Engine garantiert ACID-Transaktionssicherheit für relationale Daten und Vektoreinbettungen.
  • Das Backend ermöglicht die Definition deterministischer Regeln und Ausführungslimits bei gleichzeitiger dynamischer Tool-Nutzung durch LLMs.

Die Plattform adressiert die Komplexität, die bei der Verbindung eigenständiger Dienste für KI-Anwendungen entsteht. Durch die Basis auf Supabase und die Nutzung von PGVector als primäre Vektordatenbank entfällt die Notwendigkeit, unterschiedliche Datenquellen synchron zu halten. Die visuelle Benutzeroberfläche erlaubt Entwicklern, Geschäftsregeln direkt im Backend zu hinterlegen.

Praktische Anwendung: Retro-Produktkatalog

  • Ein 80er-Jahre Produktkatalog aus dem Internet Archive diente als Datengrundlage für eine RAG-Pipeline.
  • Claude Code extrahierte die Katalogdaten und baute die Wissensdatenbank ohne dedizierten Skill.
  • Der KI-Chatbot liefert detaillierte Empfehlungen inklusive Preisangaben auf Basis des bereitgestellten OCR-Textes.
  • Die RAG-Engine verhinderte erfolgreich halluzinierte Antworten, indem sie Anfragen außerhalb des Kontextes mit passenden Alternativen aus dem Katalog verknüpfte.

Der Testlauf umfasste den Aufbau einer Website mit Retro-Design unter Verwendung von Claude Code. Als Datenquelle diente eine Textdatei aus einem OCR-Scan. Der Chatbot agierte als Verkäufer, wobei die strikte Begrenzung auf den bereitgestellten Kontext sicherstellte, dass nur existierende Produkte empfohlen wurden.

Monitoring und Fazit

  • Das PowerBase-Dashboard protokolliert im Abschnitt 'Runs' alle Chatbot-Sitzungen detailliert.
  • Die Plattform eignet sich besonders für die schnelle Entwicklung von MVP-Versionen KI-basierter Anwendungen.
  • Technisches Installationsmanagement entfällt durch die integrierte Lösung weitgehend.

Die Nachverfolgung der Benutzerinteraktionen im Dashboard ermöglicht eine Analyse des Chatbot-Verhaltens. Aufgrund der nahtlosen Integration der verschiedenen KI-Komponenten bietet die Plattform einen effizienten Weg, um komplexe KI-Workflows ohne hohen technischen Wartungsaufwand bereitzustellen.

Community Posts

No posts yet. Be the first to write about this video!

Write about this video