Tech-USP: Jede Änderung an einer Entität ist ein Event auf einem Aggregat-Stream. Verlauf, Zeitreise und Rebuild sind Teil des Frameworks, ihr baut sie nicht selbst.
Käufer-Sicht: Wer hat den Datensatz am 12.3. um 14:32 geändert? Eine Abfrage. Derselbe Verlauf bedient ISO-27001-Audits, DSGVO-Auskünfte und interne Revisionen auf Knopfdruck statt im Sprint.
Was das konkret bedeutet
In Kumiko schreibt ein Write-Handler nicht direkt in eine Tabelle, sondern emittiert ein Event:
r.writeHandler({
name: "incident.open",
schema: openIncidentSchema,
handler: async (event, ctx) => {
await ctx.events.append("incident-opened", {
incidentId,
title: event.title,
severity: event.severity,
});
},
});
Das Event landet in der events-Tabelle (Postgres, kein Kafka). Die Read-Model-Tabelle (incidents) wird via Projection daraus aufgebaut, und zwar synchron in derselben Transaction. Read-after-write „funktioniert einfach”.
Was ihr dadurch gratis bekommt
Der vollständige Verlauf als Framework-Primitive
const events = await ctx.events.load(incidentId);
Liefert die komplette Event-History für die Entity: wer hat was wann geändert. Dafür braucht es keine separate Audit-Tabelle, keine Postgres-Trigger und kein Drift-Risiko.
„Wie sah’s am 12.3. um 14:32 aus”
const oldState = await ctx.events.load("incident", id, {
asOf: Temporal.Instant.from("2026-03-12T14:32:00Z"),
});
Time-Travel als Framework-Primitive.
Read-Models sind rebuildbar
Schema-Migration einer Read-Model-Tabelle = Projection neu rebuilden, alte Events upcasten. Hat ein Schema-Bug Daten zerstört, wird die Projection gedroppt und aus dem Event-Log neu gebaut. Die Original-Daten sind nie weg.
DSGVO-Erasure ohne Lücke im Verlauf
Crypto-Shredding: Verschlüsselte Felder mit User-spezifischen Keys. „Right to be forgotten” = Key löschen. Das Aggregate bleibt für Audits lesbar (Event-Struktur), PII ist mathematisch unleserlich.
Was es nicht ist
- Postgres ist Source-of-Truth: Kein Vendor-Lock auf einen externen Event-Bus. Kafka, NATS oder EventStoreDB lassen sich auf Wunsch andocken (siehe unten), aber ihr braucht sie nicht für den Start
- Keine Pflicht zu DDD-Vokabular: Ihr könnt Kumiko ohne ein einziges „Aggregate” oder „Bounded Context” lernen. Die Events sind unter der Haube, der Author-Layer ist
r.writeHandler({...}) - Kein Performance-Killer: Single-Stream-Projections laufen inline (read-after-write OK). Cross-Aggregate-Projections sind explizit async
- Kein Uber-Scale-Tool: Postgres + Kumiko ist für Business-Apps gebaut. Mehr als 100k Events pro Sekunde gehören zu Kafka
Ihr habt schon Kafka? Kein Problem
Zwei Wünsche, die in Enterprise-Gesprächen regelmäßig kommen. Beide liefern wir:
„Wir wollen Kumiko-Events in unseren Kafka-Cluster”
Outbox-Hook nach jedem ctx.events.append. Euer Data-Lake / BI / anderes System abonniert wie gewohnt, at-least-once garantiert. Postgres bleibt Source-of-Truth. Auf Anfrage.
„Wir wollen Kafka als Wakeup-Backbone für Multi-Datacenter” Der interne Event-Dispatcher (heute Postgres LISTEN/NOTIFY) bekommt einen Kafka-Adapter. Cross-Region-Replikation, höhere Schreiblast über mehrere Instanzen. Auf Anfrage.
Was wir nicht machen: Kafka als alleiniger Event-Store statt Postgres. Das würde Kumikos atomare Read-Model-Schreibvorgänge in derselben Transaction brechen.
Architektur-Tiefendoku
| Doc | Inhalt |
|---|---|
| event-dispatcher | Async-Delivery, MultiStreamProjection, Dead-Letter, Retention |
| projections | Projection-Patterns (Single-Stream, Cross-Aggregate) |
Weiter in der Doku (englisch)