Cube

Was ist Cube?

Cube ist eine Agentic Analytics Platform mit einem universellen Semantic Layer als Kern. Die Idee: Du modellierst deine Geschäftsdaten einmal zentral und stellst sie dann überall bereit, in BI-Tools, Spreadsheets, eigenen Anwendungen oder KI-Agenten.

Cube entstand aus Statsbot, einer BI-Plattform, die 2016 gegründet wurde. Die Gründer merkten, dass die darunter liegende Daten-Infrastruktur wertvoller war als das BI-Tool selbst. 2019 veröffentlichten sie den Kern als Open-Source-Projekt Cube.js. Heute nutzen Unternehmen wie IBM, PayPal und Webflow die Plattform. statsbot.co leitet direkt auf cube.dev weiter.

Für wen eignet sich Cube?

Cube richtet sich an Daten- und Engineering-Teams, die eine konsistente Datenschicht über mehrere Konsumenten hinweg brauchen. Typische Szenarien: Ein Unternehmen nutzt gleichzeitig Metabase für interne Dashboards, Google Sheets für Finance-Reports und eine eigene App für Kunden-Analytics. Cube sorgt dafür, dass überall dieselben Metriken und Definitionen gelten.

Für Teams ohne technische Ressourcen ist Cube nicht geeignet. Wer ein fertiges BI-Tool mit Drag-and-Drop-Oberfläche sucht, ist bei Metabase, Looker Studio oder Power BI besser aufgehoben. Cube ist Infrastruktur, kein Endanwender-Tool.

Cube im Arbeitsalltag

Ein E-Commerce-Unternehmen hat Umsatzdaten in einem Data Warehouse. Das Controlling braucht Dashboards in Metabase, das Marketing will Zahlen in Google Sheets, und die Produktentwicklung baut ein Kunden-Dashboard in die eigene App. Ohne Cube definiert jedes Team seine eigene “Umsatz”-Metrik, mit unterschiedlichen Filtern und Berechnungslogiken.

Mit Cube wird “Umsatz” einmal zentral definiert. Alle Konsumenten greifen auf dieselbe Definition zu. Ändert sich die Berechnungslogik, reicht eine Anpassung im Semantic Layer. Die neue KI-Funktion erlaubt es zusätzlich, Daten per natürlicher Sprache abzufragen, ohne SQL schreiben zu müssen.

Preise und Pläne

Cube Cloud bietet vier Pläne. Der Free-Plan enthält zwei Developer-Instanzen, 1.000 Queries pro Tag, Workbooks und Dashboards. Für kleine Projekte und Prototypen reicht das aus.

Starter kostet 40 USD pro Developer und Monat. Dafür gibt es 10.000 Development- und 50.000 Production-Queries, Cube Store Caching und Observability-Tools.

Premium liegt bei 80 USD pro Developer und Monat. Hier kommen Team-Rollen (Explorer, Viewer), Embedded Analytics, unbegrenzte Queries und ein 99,95%-SLA dazu.

Enterprise hat individuelle Preise und bietet Single-Tenant-Infrastruktur, Bring Your Own Cloud, SSO und ein 99,99%-SLA.

Der Open-Source-Kern Cube.js ist kostenlos und kann komplett selbst gehostet werden. Stand: März 2026.

Stärken und Schwächen

Die größte Stärke ist der Open-Source-Ansatz. Cube.js lässt sich komplett selbst hosten, ohne Vendor-Lock-in. Der Semantic Layer löst ein echtes Problem: inkonsistente Metriken über verschiedene Tools hinweg. Der Free-Plan ist großzügig genug für echte Tests. Die KI-Integration mit LLMs wie Claude ist ein spannender Ansatz für natürlichsprachige Analytics.

Auf der anderen Seite erfordert Cube solides technisches Know-how. Die Modellierung des Semantic Layers ist nicht trivial. Die Cloud-Plattform ist noch relativ jung, die Community kleiner als bei Platzhirschen wie dbt oder Looker. Und Cube ist bewusst keine End-to-End-BI-Lösung. Du brauchst weiterhin ein Frontend-Tool für die Visualisierung.

Alternativen zu Cube

dbt fokussiert sich auf die Transformation und Modellierung im Data Warehouse. Kein Semantic Layer im klassischen Sinn, aber ein etabliertes Tool für Data Engineering mit großer Community.

Looker (Google Cloud) bietet ebenfalls einen Semantic Layer (LookML), ist aber proprietär, teurer und stärker an das Google-Ökosystem gebunden.

Metabase ist ein Open-Source-BI-Tool mit eigener Modellierungsschicht. Einfacher zu bedienen, aber weniger flexibel als Cube bei komplexen Multi-Tool-Setups.

Wenn du eine Datenstrategie für dein Unternehmen aufbauen oder KI-gestützte Analytics implementieren willst, unterstützen wir dich gern.

Überblick

Cube ist die richtige Wahl für technische Teams, die eine zentrale Wahrheitsquelle für ihre Daten brauchen und diese in verschiedene Tools und Anwendungen einspeisen wollen. Für Endanwender, die einfach Dashboards bauen wollen, ist es das falsche Werkzeug.