Verhindern Sie Export-Timeouts mit asynchronen Export-Jobs, Fortschrittsanzeigen, Paginierung und Streaming-Downloads für große CSV- und PDF-Berichte.
Ein Export läuft aus, wenn der Server die Arbeit nicht vor einer Frist beendet. Diese Frist kann vom Browser, einem Reverse-Proxy, Ihrem App-Server oder der Datenbankverbindung gesetzt werden. Für Nutzer wirkt das oft zufällig, weil der Export manchmal klappt und manchmal fehlschlägt.
Auf dem Bildschirm sieht das meist so aus:
Große Exporte belasten mehrere Teile Ihres Systems gleichzeitig. Die Datenbank muss viele Zeilen finden und zusammensetzen. Der App-Server muss sie zu CSV formatieren oder in ein PDF rendern. Dann muss der Browser eine große Antwort empfangen, ohne dass die Verbindung abbricht.
Riesige Datensätze sind der offensichtliche Auslöser, aber auch "kleine" Exporte können schwer sein. Teure Joins, viele berechnete Felder, pro-Zeile Lookups und schlecht indexierte Filter können einen normalen Bericht in eine Timeout-Falle verwandeln. PDFs sind besonders riskant, weil Layout, Fonts, Bilder, Seitenumbrüche und oft zusätzliche Abfragen nötig sind, um verwandte Daten zu sammeln.
Wiederholte Versuche verschlimmern das Problem oft. Wenn ein Nutzer aktualisiert oder erneut auf Export klickt, startet Ihr System dieselbe Arbeit möglicherweise doppelt. Die Datenbank führt doppelte Abfragen aus, der App-Server baut doppelte Dateien, und genau dann haben Sie einen Lastspitzen-Moment, wenn das System schon kämpft.
Wenn Sie Export-Timeouts vermeiden wollen, behandeln Sie einen Export wie eine Hintergrundaufgabe, nicht wie einen normalen Seitenaufruf. Selbst in einem No-Code-Builder wie AppMaster zählt das Muster mehr als das Tool: lange Arbeit braucht einen anderen Ablauf als "Knopf klicken, auf Antwort warten."
Die meisten Exportfehler passieren, weil die App ein Muster für alle Situationen verwendet, selbst wenn Datenmenge und Verarbeitungszeit stark variieren.
Ein einfacher synchroner Export (Nutzer klickt, Server generiert, Download startet) ist okay, wenn der Export klein und vorhersehbar ist. Denken Sie an ein paar hundert Zeilen, einfache Spalten, keine aufwändige Formatierung und nicht zu viele gleichzeitige Nutzer. Wenn er zuverlässig in ein paar Sekunden fertig ist, ist Einfachheit meist die beste Wahl.
Für alles Längere oder Unvorhersehbare verwenden Sie asynchrone Export-Jobs. Das passt zu großen Datensätzen, komplexen Berechnungen, PDF-Layout-Arbeit und geteilten Servern, bei denen ein langsamer Export andere Anfragen blockieren kann.
Asynchrone Jobs sind besser geeignet, wenn:
Streaming-Downloads helfen ebenfalls, wenn der Export groß ist, aber in Reihenfolge produziert werden kann. Der Server beginnt sofort, Bytes zu senden, was schneller wirkt und vermeidet, die gesamte Datei zuerst im Speicher aufzubauen. Das ist großartig für lange CSV-Downloads, aber weniger hilfreich, wenn Sie alles berechnen müssen, bevor Sie die erste Zeile schreiben können.
Sie können Ansätze kombinieren: Führen Sie einen asynchronen Job aus, um den Export zu erzeugen (oder einen Snapshot vorzubereiten), und streamen Sie dann den Download, wenn er fertig ist. In AppMaster ist ein praktischer Ansatz, einen "Export Requested"-Datensatz zu erstellen, die Datei in einem Backend-Business-Process zu generieren und dem Nutzer den fertigen Download bereitzustellen, ohne die Browser-Anfrage offen zu halten.
Die größte Änderung ist einfach: Hören Sie auf, die Datei in derselben Anfrage zu erzeugen, in der der Nutzer klickt.
Ein asynchroner Export-Job teilt die Arbeit in zwei Teile: eine schnelle Anfrage, die einen Job erstellt, und Hintergrundarbeit, die die Datei baut, während die App responsiv bleibt.
Behalten Sie den Job-Datensatz als Quelle der Wahrheit. Wenn der Nutzer aktualisiert, das Gerät wechselt oder den Tab schließt, können Sie immer noch denselben Job-Status und denselben Download-Button anzeigen.
Beispiel: Eine Support-Managerin exportiert alle Tickets des letzten Quartals. Statt auf einen drehenden Tab zu warten, sieht sie, wie ein Job-Eintrag von queued auf done springt und der Download erscheint. In AppMaster können Sie die Job-Tabelle im Data Designer modellieren, die Hintergrundlogik im Business Process Editor bauen und ein Statusfeld verwenden, um den UI-Zustand zu steuern.
Eine gute Fortschrittsanzeige reduziert Angst und verhindert, dass Leute fünfmal auf Export klicken. Sie hilft auch indirekt, Export-Timeouts zu vermeiden, weil Nutzer eher warten, wenn die App echten Fortschritt zeigt.
Zeigen Sie Fortschritt in verständlichen Begriffen. Prozent allein ist oft irreführend; kombinieren Sie es mit etwas Konkretem:
Vermeiden Sie falsche Genauigkeit. Wenn Sie die Gesamtarbeit noch nicht kennen, zeigen Sie nicht 73% an. Nutzen Sie zuerst Meilensteine und wechseln Sie zu Prozent, sobald Sie den Nenner kennen. Ein einfaches Muster ist 0–10% für Setup, 10–90% basierend auf verarbeiteten Zeilen und 90–100% für die Finalisierung der Datei. Bei PDFs mit variablen Seitengrößen verfolgen Sie kleinere Wahrheiten wie "records rendered" oder "sections completed."
Aktualisieren Sie oft genug, damit es lebendig wirkt, aber nicht so oft, dass Sie die Datenbank oder Queue zuspammen. Ein gängiger Ansatz ist, Fortschritt alle 1 bis 3 Sekunden zu schreiben oder nach N Datensätzen (z. B. alle 500 oder 1.000 Zeilen), je nachdem, was seltener ist. Zeichnen Sie außerdem einen leichten Heartbeat-Zeitstempel auf, damit die UI "Arbeite noch" anzeigen kann, auch wenn sich der Prozentwert nicht bewegt.
Geben Sie Nutzern Kontrolle, wenn es länger dauert als erwartet. Lassen Sie sie einen laufenden Export abbrechen, einen neuen starten, ohne den ersten zu verlieren, und die Export-Historie mit Status (Queued, Running, Failed, Ready) plus einer kurzen Fehlermeldung ansehen.
In AppMaster sieht ein typischer Datensatz so aus: ExportJob (status, processed_count, total_count, step, updated_at). Die UI pollt diesen Datensatz und zeigt ehrlichen Fortschritt, während der asynchrone Job die Datei im Hintergrund erzeugt.
Die meisten Export-Timeouts entstehen, weil der Export versucht, alles auf einmal zu erledigen: zu viele Zeilen, zu viele Spalten, zu viele Joins. Die schnellste Lösung ist, die Arbeit zu begrenzen, sodass Nutzer einen kleineren, klareren Ausschnitt exportieren.
Beginnen Sie beim Ziel des Nutzers. Wenn jemand "letzten Monat fehlgeschlagene Rechnungen" braucht, stellen Sie nicht standardmäßig "alle Rechnungen jemals" ein. Machen Sie Filter normal und nicht wie lästige Pflichtarbeit. Ein einfaches Datumsfenster plus ein Statusfilter reduziert das Dataset oft um 90%.
Ein gutes Exportformular enthält normalerweise ein Datumsfeld (mit sinnvollen Standardwerten wie die letzten 7 oder 30 Tage), ein oder zwei Schlüsselstatus, optional Suche oder Kunden-/Team-Auswahl und nach Möglichkeit eine Zählvorschau (auch eine Schätzung).
Auf Serverseite lesen Sie Daten in Chunks mithilfe von Pagination. Dadurch bleibt der Speicher stabil und Sie erhalten natürliche Checkpoints für den Fortschritt. Verwenden Sie immer eine stabile Sortierung beim Paging (z. B. order by created_at, dann id). Ohne diese können neue Zeilen in frühere Seiten rutschen und Sie verpassen oder duplizieren Datensätze.
Daten ändern sich während langer Exporte, also entscheiden Sie, was "konsistent" bedeutet. Eine einfache Methode ist, beim Start der Arbeit eine Snapshot-Zeit zu speichern und nur Zeilen bis zu diesem Zeitstempel zu exportieren. Wenn Sie strikte Konsistenz benötigen, nutzen Sie konsistente Reads oder Transaktionen, wo Ihre Datenbank das unterstützt.
In einem No-Code-Tool wie AppMaster lässt sich das sauber in einem Business Process abbilden: Filter validieren, Snapshot-Zeit setzen, dann in Seiten durchlaufen, bis nichts mehr zu holen ist.
Streaming bedeutet, dass Sie anfangen, die Datei an den Nutzer zu senden, während Sie sie noch erzeugen. Der Server muss nicht die ganze CSV oder PDF zuerst im Speicher bauen. Das ist eine der zuverlässigsten Methoden, Export-Timeouts bei großen Dateien zu verhindern.
Streaming macht langsame Abfragen nicht schneller. Wenn die Datenbank fünf Minuten für das erste Byte braucht, kann die Anfrage trotzdem timeouten. Die übliche Lösung ist, Streaming mit Paging zu kombinieren: Sie holen einen Chunk, schreiben ihn und machen weiter.
Schreiben Sie, während Sie erzeugen, um den Speicher niedrig zu halten. Erzeugen Sie einen Chunk (z. B. 1.000 CSV-Zeilen oder eine PDF-Seite), schreiben Sie ihn in die Antwort und flushen Sie, damit der Client weiter empfängt. Vermeiden Sie das Sammeln von Zeilen in einem großen Array "um später zu sortieren." Wenn Sie eine stabile Reihenfolge brauchen, sortieren Sie in der Datenbank.
Verwenden Sie klare Header, damit Browser und Mobile-Apps den Download korrekt behandeln. Setzen Sie den richtigen Content-Type (z. B. text/csv oder application/pdf) und einen sicheren Dateinamen. Dateinamen sollten Sonderzeichen vermeiden, kurz bleiben und einen Zeitstempel enthalten, wenn Nutzer denselben Bericht mehrfach exportieren.
Entscheiden Sie früh, ob Sie Resume unterstützen. Einfaches Streaming unterstützt oft kein Byte-Range-Resume, besonders für generierte PDFs. Wenn Sie es unterstützen, müssen Sie Range-Requests behandeln und konsistente Ausgaben für denselben Job erzeugen.
Bevor Sie ausliefern, stellen Sie sicher, dass Sie:
Wenn Sie Exporte in AppMaster bauen, halten Sie die Generierungslogik in einem Backend-Flow und streamen Sie serverseitig, nicht aus dem Browser.
Behandeln Sie große CSVs nicht als einen einzigen Blob. Bauen Sie sie in einer Schleife: lesen Sie eine Daten-Scheibe, schreiben Sie Zeilen, wiederholen Sie. Das hält den Speicher flach und macht Retries sicherer.
Schreiben Sie die CSV Zeile für Zeile. Selbst wenn Sie den Export in einem asynchronen Job erzeugen, vermeiden Sie "alle Zeilen sammeln und dann stringifizieren." Halten Sie einen Writer offen und hängen Sie jede Zeile an, sobald sie fertig ist. Wenn Ihr Stack Cursors unterstützt, nutzen Sie einen DB-Cursor oder paginieren Sie Ergebnisse, damit Sie nie Millionen von Datensätzen auf einmal laden.
CSV-Korrektheit ist genauso wichtig wie Geschwindigkeit. Eine Datei wirkt vielleicht in einem Editor okay, bis jemand sie in Excel öffnet und die Spalten verrutschen.
Performance leidet oft am Datenzugriff, nicht am Schreiben. Achten Sie auf N+1-Lookups (z. B. jeden Kunden in einer Schleife laden). Holen Sie verwandte Daten in einer Abfrage oder preloaden Sie, was Sie brauchen, und schreiben Sie dann die Zeilen.
Bei sehr großen Exporten teilen Sie die Datei bewusst. Ein praktischer Ansatz ist eine Datei pro Monat, Kunde oder Entitätstyp. Ein "5 Jahre Bestellungen"-Export kann 60 monatliche Dateien werden, jede unabhängig generiert, sodass ein langsamer Monat nicht alles blockiert.
Wenn Sie AppMaster nutzen, modellieren Sie das Dataset im Data Designer und führen Sie den Export als Hintergrund-Business-Process aus, der beim Durchblättern Zeilen schreibt.
PDF-Generierung ist in der Regel langsamer als CSV, weil sie CPU-intensiv ist. Sie bewegen nicht nur Daten, sondern legen Seiten an, platzieren Fonts, zeichnen Tabellen und skalieren oft Bilder. Behandeln Sie PDFs als Hintergrundaufgabe mit klaren Grenzen, nicht als schnelle Antwort.
Template-Entscheidungen entscheiden, ob ein 2-Minuten-Export zu einem 20-Minuten-Export wird. Einfache Layouts gewinnen: weniger Spalten, weniger verschachtelte Tabellen und vorhersehbare Seitenumbrüche. Bilder verlangsamen alles besonders schnell, vor allem wenn sie groß, hochauflösend oder während des Renderns aus Remote-Speichern geladen werden.
Template-Entscheidungen, die Geschwindigkeit und Zuverlässigkeit verbessern:
Für große Exporte rendern Sie in Chargen. Erzeugen Sie einen Abschnitt oder einen kleinen Seitenbereich, schreiben Sie ihn in eine temporäre Datei und setzen Sie anschließend das finale PDF zusammen. Das hält den Speicher stabil und macht Retries sicherer, falls ein Worker mittendrin abstürzt. Es passt außerdem gut zu asynchronen Export-Jobs und nachvollziehbarem Fortschritt (z. B. "Preparing data", "Rendering pages 1–50", "Finalizing file").
Überlegen Sie auch, ob der Nutzer wirklich ein PDF braucht. Wenn er hauptsächlich Zeilen und Spalten für Analysen will, bieten Sie zusätzlich CSV an. Sie können weiterhin ein kleineres Zusammenfassungs-PDF für Reports erzeugen und die vollständigen Daten als CSV bereitstellen.
In AppMaster passt das natürlich: PDF-Generierung als Hintergrundjob ausführen, Fortschritt melden und die fertige Datei zum Download bereitstellen, sobald der Job abgeschlossen ist.
Export-Fehler sind meist nicht mysteriös. Einige Entscheidungen funktionieren mit 200 Zeilen gut und brechen bei 200.000 zusammen.
Die häufigsten Fehler:
Ein konkretes Beispiel: Eine Support-Leitung exportiert alle Tickets der letzten zwei Jahre und klickt zweimal, weil nichts zu passieren scheint. Jetzt konkurrieren zwei identische Exporte um dieselbe Datenbank, beide bauen große Dateien im Speicher und beide laufen aus.
Wenn Sie das in einem No-Code-Tool wie AppMaster bauen, gelten dieselben Regeln: Exporte aus dem Request-Pfad halten, Fortschritt nach verarbeiteten Zeilen tracken, Ausgabe beim Durchblättern schreiben und einfache Limits setzen, wie viele Exporte ein Nutzer gleichzeitig ausführen darf.
Bevor Sie eine Export-Funktion ausrollen, machen Sie einen kurzen Durchgang mit dem Mindset: Lange Arbeit läuft außerhalb der Anfrage, Nutzer sehen ehrlichen Fortschritt, und der Server versucht nicht, alles auf einmal zu erledigen.
Eine kurze Pre-Flight-Checkliste:
Ein guter Sanity-Check ist, Ihren schlimmsten Fall auszuprobieren: exportieren Sie den größten erlaubten Datumsbereich, während jemand anderes aktiv Datensätze hinzufügt. Wenn Sie Duplikate, fehlende Zeilen oder steckenden Fortschritt sehen, ist Ihre Sortierung oder Chunk-Strategie nicht stabil.
Wenn Sie auf AppMaster bauen, lassen sich diese Checks in echte Bestandteile übersetzen: ein Hintergrundprozess im Business Process Editor, ein Export-Job-Datensatz in der Datenbank und ein Statusfeld, das Ihre UI liest und aktualisiert.
Machen Sie Fehler sicher: Ein fehlgeschlagener Job sollte seine Fehlermeldung behalten, einen Retry erlauben und keine partiellen Dateien hinterlassen, die wie "fertig" aussehen, aber unvollständig sind.
Ein Ops-Manager braucht jeden Monat zwei Exporte: eine CSV mit den letzten 2 Jahren Bestellungen für Analysen und eine Reihe monatlicher Rechnungs-PDFs für die Buchhaltung. Wenn Ihre App versucht, eines davon in einer normalen Web-Anfrage zu bauen, stoßen Sie früher oder später auf Zeitlimits.
Beginnen Sie damit, die Arbeit zu begrenzen. Der Export-Screen fragt nach einem Datumsbereich (Standard: die letzten 30 Tage), optionalen Filtern (Status, Region, Sales-Rep) und einer klaren Spaltenauswahl. Diese eine Änderung verwandelt oft ein 2-Jahres-/2-Millionen-Zeilen-Problem in etwas Handhabbares.
Wenn der Nutzer auf Export klickt, erstellt die App einen Export-Job-Datensatz (type, filters, requested_by, status, progress, error_text) und legt ihn in eine Queue. In AppMaster ist das ein Data Designer-Modell plus ein Business Process, der im Hintergrund läuft.
Während der Job läuft, zeigt die UI einen vertrauenswürdigen Status: queued, processing (z. B. 3 von 20 Chunks), generating file, ready (Download-Button) oder failed (klare Fehlermeldung und Retry).
Chunking ist das entscheidende Detail. Der CSV-Job liest Bestellungen in Seiten (z. B. 50.000 auf einmal), schreibt jede Seite in die Ausgabe und aktualisiert den Fortschritt nach jedem Chunk. Der PDF-Job macht dasselbe pro Rechnungspaket (z. B. ein Monat), sodass ein langsamer Monat nicht alles blockiert.
Wenn etwas schiefgeht (falscher Filter, fehlende Berechtigung, Speicherfehler), wird der Job als Failed markiert mit einer kurzen, handlungsorientierten Nachricht: "Konnte März-Rechnungen nicht erzeugen. Bitte erneut versuchen oder Support mit Job-ID 8F21 kontaktieren." Ein Retry verwendet dieselben Filter, damit der Nutzer nicht von vorne beginnen muss.
Der schnellste Weg, Export-Timeouts langfristig zu verhindern, ist, Exporte nicht als einmaligen Button zu behandeln, sondern als Standardfunktion mit wiederholbarem Muster.
Wählen Sie einen Standardansatz und nutzen Sie ihn überall: Ein asynchroner Job erzeugt serverseitig eine Datei, und der Nutzer bekommt einen Download, wenn sie fertig ist. Diese eine Entscheidung entfernt die meisten "in Tests hat es funktioniert"-Überraschungen, weil die Nutzeranfrage nicht auf die komplette Dateierzeugung warten muss.
Machen Sie es leicht, bereits erzeugte Dateien wiederzufinden. Eine Export-Historie (pro Nutzer, Workspace oder Account) reduziert Wiederhol-Exporte, hilft Support-Teams bei Fragen wie "Wo ist meine Datei?" und bietet einen natürlichen Ort, Status, Fehler und Ablaufzeiten anzuzeigen.
Wenn Sie dieses Muster in AppMaster aufbauen, hilft es, dass die Plattform echten Quellcode generiert und Backend-Logik, Datenmodellierung sowie Web-/Mobile-UI an einem Ort unterstützt. Teams, die zuverlässige asynchrone Export-Jobs schnell liefern wollen, nutzen oft appmaster.io, um die Job-Tabelle, den Hintergrundprozess und die Fortschritts-UI zu erstellen, ohne alles von Hand verdrahten zu müssen.
Messen Sie anschließend, was wirklich Probleme macht. Tracken Sie langsame DB-Abfragen, Zeit für CSV-Generierung und PDF-Render-Zeiten. Sie brauchen keine perfekte Observability, um zu starten: Logging von Dauer und Zeilenanzahl pro Export zeigt schnell, welcher Bericht oder welche Filter-Kombination das Problem verursacht.
Behandeln Sie Exporte wie jedes andere Produkt-Feature: konsistent, messbar und leicht zu supporten.
Why do exports time out even when they sometimes work?Ein Export läuft aufgrund einer Zeitüberschreitung fehl, wenn die Arbeit nicht vor einer irgendwo im Anfrageweg gesetzten Frist abgeschlossen ist. Dieses Limit kann vom Browser, einem Reverse-Proxy, Ihrem App-Server oder einer Datenbankverbindung kommen, weshalb es sich für Nutzer oft zufällig anfühlt, obwohl die Ursache mit konstanter Last oder langsamen Abfragen zusammenhängt.
When is a normal “click and download” export okay, and when should I use async jobs?Verwenden Sie einen einfachen synchronen Export nur dann, wenn er verlässlich in ein paar Sekunden mit vorhersehbarer Datenmenge fertig wird. Wenn Exporte regelmäßig länger als 10–15 Sekunden dauern, große Datumsbereiche, komplexe Berechnungen oder PDFs involvieren, wechseln Sie zu einem asynchronen Job, damit die Browser-Anfrage nicht offen gehalten werden muss.
What’s the simplest async export flow I can implement in AppMaster?Erstellen Sie zuerst einen Job-Datensatz, führen Sie dann die schwere Arbeit im Hintergrund aus und lassen Sie den Nutzer die fertige Datei herunterladen. In AppMaster ist ein übliches Setup ein ExportJob-Modell im Data Designer sowie ein Backend-Business-Process, der status, Fortschrittsfelder und eine gespeicherte Dateireferenz während der Ausführung aktualisiert.
How do I show progress users actually trust?Tracken Sie echte Arbeit, nicht nur vergangene Zeit. Eine praktische Methode ist das Speichern von Feldern wie step, processed_count, total_count (wenn bekannt) und updated_at, sodass die UI pollt und klare Statusänderungen zeigt, damit Nutzer nicht das Gefühl haben, stecken zu bleiben und mehrfach zu klicken.
How do I stop users from starting the same export multiple times?Machen Sie die Export-Anfrage idempotent und behalten Sie den Job-Datensatz als Quelle der Wahrheit. Wenn der Nutzer erneut klickt, zeigen Sie den bestehenden laufenden Job (oder blockieren Sie Duplikate mit denselben Filtern), statt dieselbe teure Arbeit noch einmal zu starten.
What’s the safest way to paginate data for large exports?Lesen und schreiben Sie in Chunks, damit der Speicher flach bleibt und Sie natürliche Checkpoints erhalten. Verwenden Sie eine stabile Paginierung mit deterministischer Sortierung (z. B. nach created_at und dann id), damit Sie beim Ändern der Daten während eines langen Exports keine Zeilen verpassen oder duplizieren.
How do I keep exports consistent if data is changing while the job runs?Notieren Sie beim Start des Jobs eine Snapshot-Zeit und exportieren Sie nur Zeilen bis zu diesem Zeitstempel, damit sich die Ausgabe während der Ausführung nicht verschiebt. Wenn Sie strengere Garantien benötigen, nutzen Sie konsistente Reads oder Transaktionen, die Ihre Datenbank unterstützt – beginnen Sie aber am besten mit einer klaren Snapshot-Regel, die Nutzer verstehen.
Does streaming downloads prevent timeouts by itself?Streaming hilft, wenn Sie die Ausgabe in Reihenfolge produzieren und früh Bytes senden können, besonders bei großen CSVs. Es behebt jedoch keine langsamen Abfragen, die Minuten bis zum ersten Byte brauchen, und kann immer noch timeouten, wenn zu lange nichts geschrieben wird. Daher funktioniert Streaming am besten in Kombination mit Paging, das regelmäßig Chunks schreibt.
What are the most common causes of broken or slow CSV exports?Schreiben Sie Zeilen direkt beim Erzeugen und befolgen Sie striktes CSV-Escaping, damit die Datei nicht in Excel oder anderen Tools zerstört wird. Halten Sie die Kodierung konsistent (meist UTF-8), fixieren Sie Header und Spaltenreihenfolge und vermeiden Sie pro-Zeile Lookups, die aus einem Export tausende zusätzliche Abfragen machen.
Why do PDF exports fail more often than CSV, and how do I make them reliable?PDF-Generierung ist CPU-intensiv, weil Layout, Fonts, Bilder und Seitenumbrüche verarbeitet werden müssen. Behandeln Sie sie als Hintergrundjob mit klaren Limits. Halten Sie Templates einfach, vermeiden Sie während des Renderns große oder entfernte Bilder und berichten Sie Fortschritt in sinnvollen Schritten, damit Nutzer wissen, dass gearbeitet wird.
21. Jan. 2026
8 Min
20. Jan. 20268 Min
20. Jan. 20268 MinExperimentieren Sie mit AppMaster mit kostenlosem Plan.
Wenn Sie fertig sind, können Sie das richtige Abonnement auswählen.
