dbt Cloud vs dbt Core 2026: Was die SaaS-Variante wirklich kostet

dbt hat sich von 2019 bis 2026 zur SQL-Transformations-Standard entwickelt. Der Open-Source-Kern (dbt Core) ist gratis, dbt Cloud verkauft Hosting, IDE, Scheduler und Governance — fuer $100 bis $1.000+ pro Developer-Seat im Monat.

Hier die Aufstellung, was du tatsaechlich bekommst, wann sich der Wechsel zu Cloud lohnt, und welche Open-Source-Alternativen 2026 ernsthaft konkurrieren. Stand: 14. Mai 2026.

TL;DR

• dbt Core: Open Source, Python-Package. Voller Transform-Engine. Du brauchst eigenen Scheduler (Airflow, Prefect, Dagster, GitHub Actions).
• dbt Cloud Developer: $100 / Seat / Monat. Lite-IDE, Scheduler, Job-Runs.
• dbt Cloud Team: $1.000 / Monat fuer bis zu 8 Seats + 250 Modell-Runs / Tag inklusive.
• dbt Cloud Enterprise: ab $1.500 / Monat, granulare RBAC, Single-Tenant-Option, Audit-Logs.
• Faustregel: Wenn dein Team < 3 Engineers und du schon Airflow/ GitHub Actions hast: dbt Core reicht. Sobald > 5 Analyst-Engineers oder Compliance-Anforderungen: dbt Cloud.

Was dbt Cloud bietet, das Core nicht hat

Konkret: dbt Cloud spart dir Engineering-Aufwand fuer Scheduler, CI/CD, Docs-Hosting und User-Management. Was es nicht spart: Modellieren, Tests schreiben, Reviewn.

Preise im Detail

Developer-Plan

$100 / Developer-Seat / Monat. Limits:

• 1 Developer-Seat
• 1 Project
• Single-Tenant Job-Runner (Concurrency 1)
• 250 Job-Runs / Tag (Soft Limit)
• Standard-Support

Geeignet fuer: Solo-Analyst-Engineers, kleine Startups.

Team-Plan

$100 / Developer-Seat / Monat (gleicher Per-Seat-Preis, aber Mindestabnahme).

• bis 8 Developer-Seats
• 5 Projects
• Concurrency 2 Runs parallel
• 250 Modell-Runs / Tag inklusive
• Slack + Email Support
• Job-CI-Trigger via GitHub Webhooks
• Semantic Layer

Pricing-Falle: dbt Cloud Team hat ein Soft-Limit fuer Modell-Runs / Tag. Wenn du oft hits, kontaktiert dich Sales fuer Enterprise. Ab ~1.000 Modell-Runs / Tag wird das relevant.

Enterprise-Plan

Ab $1.500 / Monat (variiert mit Team-Groesse und Features). Bei groesseren Teams typisch $4.000-15.000 / Monat.

• Unlimited Concurrency
• RBAC mit Custom Roles
• SSO / SAML
• Single-Tenant Option (Cloud + VPC peering moeglich)
• Audit-Logs
• Dedicated Success Manager
• Custom Job-Concurrency
• SLA mit 99,9 % Uptime

Konkrete Kostenrechnung

Szenario A: 3-Personen-Data-Team, mittlerer Verbrauch

Plus Engineering-Cost: bei 1 h DevOps = ~$80, sind das bei dbt Core ~$160-320 / Monat zusaetzlich. Insgesamt: Cloud kostet etwa gleich wie Core + DevOps fuer kleine Teams.

Szenario B: 12-Personen-Data-Team, Enterprise

Bei groesseren Teams nivellieren sich Software-Lizenzkosten und Engineering-Maintenance fast genau aus. Der Unterschied ist Operational-Risk: bei dbt Cloud hat dbt Labs SLA. Bei Self-Hosted hast du die Verantwortung.

Modell-Run-Berechnung

dbt Cloud rechnet in Modell-Runs, nicht in Engineering-Hours.

Ein Modell-Run = ein dbt-Lauf einer Resource (Modell, Test, Snapshot, Seed).

Bei taeglichem dbt build plus stuendlichen Inkrementellen landest du schnell bei 1.000-5.000 Modell-Runs / Tag.

Mit 250 inkludierten Runs im Team-Plan ist das eng. Daher zwingt dich Cloud oft frueher auf Enterprise.

Alternativen zu dbt Cloud

Self-Hosted-Stack

Beliebter Self-Hosted-Stack 2026:

• dbt Core + Dagster (Open Source) + GitHub Actions + DataHub + Slack-App
• Auf Hetzner CCX13 / CCX23 reicht (~30-60 € / Monat)

Konkurrenz: Coalesce, SqlMesh

• Coalesce: visueller dbt-Konkurrent, $400+ / Monat pro Seat
• SqlMesh: Open Source, ambitionierterer Transform-Engine, Cloud-Version in Beta. Schaut sich an, wer dbt-Limitierungen satt hat (Incremental Models, Snapshotting).

Wann Cloud klar gewinnt

1) Team waechst und du willst nicht mit Airflow kaempfen. Airflow ist 2026 immer noch ein Vollzeit-Job fuer eine Person. Wer das nicht hat, ist mit dbt Cloud schneller.

2) Compliance erfordert Audit-Logs / RBAC. SOX, ISO27001, HIPAA — Audit-Trails sind Pflicht. Self-Hosted ist hier mehr Arbeit als Wert.

3) Du brauchst dbt Semantic Layer. Ist Cloud-Only-Feature. Wenn du auf BI-Tool-Ebene wiederverwendbare Metriken willst, ist Cloud der schnellste Weg.

4) Du willst pre-built Connector-Notifications. Slack-/Teams-Pings bei Job-Failures sind Built-In.

Wann Core klar reicht

1) Solo / 1-2-Personen-Team. Setup-Aufwand fuer dbt Core + Scheduler ist 1-2 Tage. Lohnt sich ueber Lifetime.

2) Du hast schon Airflow/Dagster/Prefect. Add-on ist trivial — kein Mehrwert durch Cloud.

3) Open-Source-Stack-Praeferenz. Wenn dein Team aus Engineering-Hintergrund kommt, ist Cloud Sales-Pitch oft uberflexibel.

4) Kosten-Druck. $100 / Seat klingt klein, summiert sich aber. Bei 10 Seats = $12.000 / Jahr.

Migration: Cloud → Core oder umgekehrt

Migrationen in beide Richtungen sind 2026 gut moeglich:

Cloud → Core:

• dbt-Projekt-Code bleibt 100 % portierbar
• Scheduler muss extern gebaut werden (Airflow/Dagster)
• Job-Definitionen aus dbt_cloud_jobs.yml zu Airflow-DAGs portieren

Core → Cloud:

• Repo verbinden, projects laeuft sofort
• Profile in Cloud-Connection-Format umwandeln
• Jobs neu definieren (Cron-Strings statt Airflow-Schedules)

DACH-Aspekte

• EU-Hosting: dbt Cloud betreibt seit 2024 EU-Region (Frankfurt-based). Standard fuer DACH-Compliance.
• DPA: dbt Labs bietet Standard EU-DPA, US-Mutter, aber EU-Datenverarbeitung.
• Sprache: Cloud-UI nur Englisch, Support englisch.

Self-Hosted dbt Setup im Detail

Wer Self-Hosted geht, der typische Stack 2026:

Source-Daten → Fivetran/Airbyte → Snowflake/BigQuery/Redshift
                                           ↓
                              dbt Core (lokal + CI)
                                           ↓
                              Dagster/Airflow (Scheduler)
                                           ↓
                              Slack / DataDog (Alerting)
                                           ↓
                              DataHub / OpenMetadata (Catalog)

Konkrete Komponenten und Kosten:

Bei einem 5-Personen-Team und dbt Cloud Team: $500/Monat Lizenzkosten. Ueber 12 Monate gerechnet sparst du ~$4.500.

Aber: Setup-Cost ist real:

• Dagster Cluster konfigurieren: 2-3 Tage
• DataHub Catalog connections: 2 Tage
• CI/CD Pipeline-Templates: 1-2 Tage
• Alerting + Slack-Integration: 1 Tag
• Total ~7-9 Engineering-Tage

Bei ~$650/Tag Engineering-Cost (DACH-Markt) sind das einmalig ~$5.500. Break-Even gegen dbt Cloud nach 12-14 Monaten.

dbt Cloud Bottlenecks 2026

Was wir bei Kunden 2025/2026 oft an Cloud-Limitierungen sehen:

1. Job-Concurrency-Limits. Bei Team-Plan: 2 parallele Jobs. Wenn dein Marketing-Team morgens 8h CET einen Heavy-Refresh startet und gleichzeitig die nightly ETL nachzieht, blockierst du dich selbst.

2. Modell-Run-Soft-Limits. 250 / Tag Team-Plan ist meist nicht genug fuer mittlere Projekte. Sales drueckt auf Enterprise- Upgrade.

3. Single-Project pro Job. Wenn du Multi-Project hast (z. B. pro Mandant ein dbt-Projekt), wird Job-Konfiguration repetitiv.

4. Semantic Layer Cost. Pro Query gegen die Semantic Layer fallen Credits an, die getrennt budgetiert werden muessen.

5. Limited Custom-Macros / Adapter. Spezielle Connectoren (z. B. zu DuckDB, Trino, MotherDuck) sind im Cloud-Runner nicht installiert.

Migration-Realitaet

Aus eigener Praxis: drei Migrationen Cloud → Core in 2025:

Migrations-Schritte typisch:

1. dbt-Projekt-Code blieb 1:1 portierbar
2. dbt_project.yml profiles.yml an Self-Hosted-Setup anpassen
3. Job-Definitionen aus dbt_cloud_jobs.yml zu Dagster-Assets
4. CI-Workflows GitHub Actions oder GitLab CI bauen
5. Docs-Hosting via GitHub Pages oder Vercel
6. User-Migration: SSH-Keys / SSO-Verfahren

Risiko-faktor war jedes Mal Knowledge-Transfer: wenn die Cloud-Konfiguration unschriftlich war (z. B. Job-Schedules, Environment-Variables), gab es Verzoegerungen.

Faustregeln zum Mitnehmen

1. < 3 Engineers + DevOps-skill: dbt Core. Spart $300+ / Monat.
2. 3-8 Engineers: dbt Cloud Team. Kosten/Nutzen ausgewogen.
3. > 8 Engineers oder Compliance: Enterprise pruefen.
4. Semantic Layer Cloud-Only. Wenn du es willst, kommt Cloud automatisch dazu.
5. Self-Hosted-Setup einplanen: 5-10 Engineering-Tage. Cloud ist ~1 Tag.

Quellen

• dbt Cloud Pricing
• dbt Core Documentation
• dbt Cloud Job Concurrency
• dbt Semantic Layer
• SQLMesh vs dbt Comparison

Pricing-Stand: 14. Mai 2026. dbt Labs hat sich seit 2024 ueberraschend stabil gehalten — aber Plan-Strukturen aendern sich, aktuelle Pricing-Page pruefen.