Abstracts

Testdaten gehören in vielen Projekten zu den am wenigsten bewusst gestalteten Bestandteilen des Entwicklungsprozesses: Irgendetwas wird „gefaked“, ein Dump aus der Produktion kopiert, ein paar Skripte darum herum erstellt – und sobald Tests instabil werden, bleibt unklar, ob der Code oder die Daten das Problem sind. Gleichzeitig wachsen Systeme und ihre Komplexität mit der Zeit: Mehrere Datenbanken und Services werden erforderlich, um die Geschäftsrealität abzubilden, während die Dokumentation hinterherhinkt.

Ein Ausweg beginnt damit, Testdaten nicht länger als Zufallsprodukt, sondern als notwendiges und aktiv zu gestaltendes Artefakt zu betrachten. Ausgehend von einfachen, generierten Datensätzen, die sofort nutzbar sind, lässt sich schrittweise eine Testdatenlandschaft aufbauen, die auch komplexere Anforderungen erfüllt: szenariobasierte Daten für fachliche Abläufe, statistisch realitätsnahe Daten auf Basis von Analysen bestehender Systeme bis hin zu synthetischen Datensätzen, die eher einem Digital Twin der produktiven Datenwelt ähneln als klassischen „Dummy-Daten“.

Der Digital Twin stellt ein geplantes und organisiert erstelltes Abbild der Produktion dar. Dabei werden klare Definitionen für Fokus und Geltungsbereich festgelegt. Die Daten folgen einem Datenkatalog, lassen sich reproduzierbar erstellen und sind fachlichen Anforderungen zugeordnet. Darüber hinaus verfügen sie über eine klar definierte Ownership sowie festgelegte Refresh-Zeiträume.

In Geschäftsfeldern mit hohen regulatorischen Anforderungen lassen sich konsistente, plausible und reproduzierbare Testdaten gezielt generieren – bis hin zu komplexen Szenarien mit realistischen statistischen Verteilungen. Gleichzeitig gibt es Grenzen für den Einsatz synthetischer Daten: Wer historische Altlasten, versteckte fachliche Regeln und komplexe Integrationspfade über viele Systeme hinweg abbilden möchte, kommt an maskierten Produktionsdaten häufig nicht vorbei. Auf dieser Grundlage können generative Ansätze ihre volle Wirkung überhaupt erst entfalten.

Dieser Vortrag zeigt schrittweise die verschiedenen Verfahren zur Bereitstellung von Testdaten und erläutert, wie sich die Datenqualität in Testsystemen inkrementell verbessern lässt. Die gezeigten Beispiele lassen sich auf Testumgebungen in großen IT-Organisationen übertragen und bieten einen abstrakten Leitfaden für eine steuerbare Testdatenqualität.