Row-Level Security (RLS)
Row-Level Security (RLS) ist eine Funktion von Datenbanken und BI-Tools, die filtert, welche Zeilen einer Tabelle ein Nutzer lesen oder ändern darf, und zwar anhand von Regeln, die an die Identität des Nutzers gebunden sind. So können viele Personen eine Tabelle teilen, während jede nur ihren eigenen Ausschnitt sieht.
Was ist Row-Level Security?
RLS verlagert die Regel, wer was sehen darf, aus dem Anwendungscode in die Datenschicht, die jede Abfrage passieren muss. Normale Tabellenberechtigungen kennen nur alles oder nichts: Ein Nutzer darf eine Tabelle lesen oder nicht. RLS ergänzt einen Filter für jede Zeile. Eine Policy legt zum Beispiel fest, dass ein Vertriebsmitarbeiter nur Zeilen sieht, deren Owner er selbst ist.
Die Datenbank wendet den Filter auf jede Abfrage an, ob sie aus einer App, einem BI-Tool oder einer direkten SQL-Sitzung kommt. Typische Einsätze sind eine Regionalleiterin, die nur ihre Region sieht, und ein SaaS-Produkt, bei dem jeder Kunde nur seine eigenen Datensätze in einer gemeinsamen mandantenfähigen Datenbank sieht.
RLS blendet Zeilen aus, keine Spalten. Um Felder wie Gehälter zu verbergen, nutzen Sie Spaltenberechtigungen oder Data Masking.
Wie funktioniert Row-Level Security in Postgres und BI-Tools?
Sie aktivieren RLS für eine Tabelle und schreiben dann Policies, die für jede Zeile wahr oder falsch zurückgeben. In PostgreSQL lautet das dokumentierte Beispiel ALTER TABLE accounts ENABLE ROW LEVEL SECURITY, gefolgt von CREATE POLICY account_managers ON accounts TO managers USING (manager = current_user).
Standardmäßig gesperrt: Ist RLS aktiv und existiert keine Policy, sind keine Zeilen sichtbar oder änderbar.
USING und WITH CHECK: USING bestimmt, welche vorhandenen Zeilen ein Befehl sehen kann; WITH CHECK bestimmt, welche neuen oder geänderten Zeilen erlaubt sind.
Wer sie umgeht: Superuser und Rollen mit BYPASSRLS umgehen RLS immer. Tabelleneigentümer umgehen sie normalerweise ebenfalls, außer die Tabelle ist auf FORCE ROW LEVEL SECURITY gesetzt.
Supabase: Der RLS-Leitfaden nutzt in Policies auth.uid(), die ID des anfragenden Nutzers, und empfiehlt, RLS für jede Tabelle in einem exponierten Schema zu aktivieren.
Power BI: Rollen nutzen DAX-Filter wie [UserEmail] = USERPRINCIPALNAME(). RLS gilt nur für Workspace-Viewer, nicht für die Rollen Admin, Member oder Contributor.
Snowflake: Dort heißt dasselbe Prinzip Row Access Policies.
Wie sieht Row-Level Security in der Praxis aus?
Das übliche Muster ist eine Zuordnungstabelle, die Nutzer mit den für sie sichtbaren Zeilen verknüpft, und eine Regel, die sie ausliest. Stellen Sie sich einen Großhändler mit 200 Mitarbeitenden vor, der Vertriebsdaten für fünf Regionen in einem Warehouse hält und darauf einen Power-BI-Bericht nutzt.
Das Datenteam legt eine Tabelle user_regions an. Jede Zeile verbindet eine Anmelde-E-Mail mit einer Region.
In Power BI filtert eine Rolle user_regions mit [Email] = USERPRINCIPALNAME(), und die Modellbeziehung gibt diesen Filter an die Vertriebstabelle weiter.
Die Regionalleitungen werden der Rolle hinzugefügt und erhalten im Workspace die Rolle Viewer.
Vor dem Start prüft das Team mit „Test as role“, was eine Regionalleitung sieht.
Angenommen, eine Leiterin wechselt von Nord nach West. Das Team ändert eine Zeile in user_regions. Kein Bericht muss angepasst werden.
Welche Fallstricke hat Row-Level Security?
Die meisten RLS-Fehler entstehen durch Personen oder Wege, die die Policy umgehen, nicht durch die Policy selbst.
Umgehung durch Admins: Eigentümer, Superuser und in Power BI Workspace-Bearbeiter sehen alles. Testen Sie mit einem echten Konto mit wenigen Rechten.
Vergessene Tabellen: Supabase warnt, dass eine Tabelle in einem exponierten Schema ohne RLS „für jede Rolle mit einem Grant darauf lesbar und beschreibbar“ ist.
Kopien und Extrakte: Daten, die außerhalb der gesicherten Tabelle exportiert oder zwischengespeichert werden, tragen die Policy nicht mehr.
Stille leere Berichte: Ein Nutzer, der in der Zuordnungstabelle fehlt, sieht keine Daten, was wie ein Fehler aussieht.
Geschwindigkeit: Die Policy fügt jeder Abfrage einen Filter hinzu. Indizieren Sie daher die verwendeten Spalten.
RLS ist eine Kontrolle, kein vollständiges Sicherheitsmodell. Sie wirkt zusammen mit Anmeldung, Netzwerkregeln und Data Governance.
Worin unterscheidet sich Row-Level Security von rollenbasierter Zugriffskontrolle?
Rollenbasierte Zugriffskontrolle bestimmt, welche Tabellen und Aktionen eine Rolle nutzen darf; RLS bestimmt, welche Zeilen innerhalb einer Tabelle diese Rolle sehen darf. Beide ergänzen sich. Die rollenbasierte Zugriffskontrolle gewährt Lesezugriff auf die Bestelltabelle, und RLS grenzt das Ergebnis auf die eigenen Bestellungen des Nutzers ein.
Spalten- und Objektberechtigungen verbergen ganze Felder. Laut der Power-BI-Dokumentation von Microsoft kann RLS keine Spalten einschränken; dafür wird auf Object-Level Security verwiesen. Nur im App-Code zu filtern ist fehleranfällig, weil jede neue Abfrage, jeder Export und jedes Tool denselben Filter erneut braucht.
Gängige Tools sind Policies in PostgreSQL und Supabase, Row Access Policies in Snowflake und Rollen in Power BI. RLS ist ein Kernbestandteil der Datensicherheit in gemeinsam genutzten Analysen und bei Self-Service Analytics.
Row-Level Security vs. rollenbasierte Zugriffskontrolle
Row-Level Security | Rollenbasierte Zugriffskontrolle | |
|---|---|---|
Steuert | Welche Zeilen ein Nutzer in einer Tabelle sieht | Welche Tabellen und Aktionen eine Rolle nutzen darf |
Granularität | Einzelne Zeilen | Objekte wie Tabellen, Schemata oder Berichte |
Typische Regel | Region entspricht der Region des Nutzers | Analysten dürfen das Vertriebsschema lesen |
Durchsetzung | Datenbank oder BI-Modell, bei jeder Abfrage | Datenbank, App oder Identity Provider |
Geeignet für | Gemeinsame Tabellen mit vielen Zielgruppen | Trennung von Aufgaben und Umgebungen |
Wie geht Vizio AI an Row-Level Security heran?
Das am nächsten liegende veröffentlichte Projekt von Vizio AI ist ein Dashboard mit eigenen Ansichten für verschiedene Rollen; die Fallstudie sagt nicht, ob diese Ansichten RLS nutzen. Für ein globales Medien- und Unterhaltungsunternehmen hat das DX Studio ein Power-BI-Dashboard für Cybersecurity Awareness mit rollenbasierten Ansichten für Führungskräfte, Sicherheitsanalysten und Abteilungsleitungen gebaut.
Abteilungsleitungen konnten die Awareness-Leistung ihrer eigenen Teams sehen. Die Fallstudie nennt „Reduced manual reporting time by 45%“ (manueller Reporting-Aufwand um 45 % reduziert). Ihr erster Schritt: Schreiben Sie jede Zielgruppe und die Zeilen, die sie sehen darf, als einfache Tabelle auf, bevor Sie eine Policy schreiben.