Die vorliegende Bachelorarbeit stellt die, Stand 2025, populärsten API-Technologien, REST und GraphQL, in einem grundlegendem und technischem Vergleich gegenüber, der anhand von Beispielskripten und Empfehlungen auch als kleiner Guide für andere Entwickler dienen soll. Für den technischen Aspekt wird ein reaktives Spring WebFlux Backend mit beiden APIs, PostgreSQL-Datenbank und Prometheus (Sammeln von Metriken wie Anfragerate oder Antwortzeit) erstellt, um einen weniger geläufigen Ansatz zu untersuchen und Vergleichbarkeit zu gewährleisten. Dazu kommt eine mittels Jetpack Compose entwickelte Android-App, die Testfälle über einen Zeitraum für unterschiedliche Anwendungsfälle (z.B. CRUD-Operationen) ausführt und manuell Metriken sammelt.

Im Ergebnis lassen sich zwischen dem REST-Standard und dem neueren GraphQL in der Testumgebung keine rein performancetechnischen Vorteile feststellen. Gleichwohl ermöglicht das typbasierte Konzept von GraphQL einen flexibleren Umgang mit Datenstrukturen, Anfragen und Streaming für Client und Server als das auf Standardisierung ausgelegte ressourcenbasierte von REST, wodurch es insbesondere bei komplexen Anwendungsfällen und weniger leistungsstarken Geräten Vorteile bietet. Das Nutzen dieser Funktionen führt allerdings zu einer flacheren Lernkurve durch mehr Konfigurationen und das Auseinandersetzen mit speziell auf GraphQL zugeschnittenen Tools.

This bachelor’s thesis presents a fundamental and technical comparison of the most popular API technologies, REST and GraphQL, as of 2025. Through example scripts and recommendations, it also serves as a concise guide for other developers. From a technical perspective, a reactive Spring WebFlux backend is implemented with both APIs, a PostgreSQL database, and a Prometheus integration for collecting metrics such as request rate and response time. This setup explores a less common approach while ensuring comparability. Additionally, an Android application developed with Jetpack Compose executes test cases over time for various use cases (e.g., CRUD operations) and manually collects relevant metrics.

The results show that within the test environment, there are no purely performance-based advantages between the REST standard and the newer GraphQL. However, GraphQL’s type-based approach allows for more flexible handling of data structures, queries, and streaming for both client and server compared to REST’s resource-based, standardized model. This makes it particularly beneficial for complex applications and less performance-efficient devices. Nevertheless, leveraging these capabilities leads to a flatter learning curve due to increased configuration complexity and the need to familiarize oneself with tools specifically designed for GraphQL.