Test mit synthetischen Daten: Beweis und Grenzen
Synthetische Daten prüfen Logik und Konsistenz, beweisen aber nicht, wie Schema und Schmutz eines echten Systems aussehen. Grenzen, Beispiel, richtige Reihenfolge.

Um eine Datenpipeline ohne Zugriff auf echte Kundendaten zu entwickeln, erzeugen die meisten Teams synthetische (künstliche) Daten. Das ist ein guter Anfang, kippt aber irgendwann in einen falschen Satz: Die Tests sind grün, also läuft es auch mit echten Daten. Dieser Satz überschätzt, was der Nachweis trägt.
Was synthetische Daten beweisen
- Dass die Logik in sich stimmig ist. Stimmen die Summen, sind Gutschriften negativ, wird der Rabatt auf die Zeilen verteilt?
- Das Verhalten bei bekannten Fallen. Stornierte Belege, Dienstleistungsrechnungen, Mehrwährungszeilen: Jeden Fall, den Sie bewusst einbauen, können Sie testen.
- Wiederholbarkeit. Liefert dieselbe Eingabe dieselbe Ausgabe? Mit echten Daten ist das schwer sauber zu messen.
Was sie nicht beweisen
- Dass das echte Schema gleich ist. Die synthetischen Daten schreiben Sie selbst; sie zeigen, wie Sie die Tabelle zu kennen glauben, nicht wie sie tatsächlich aussieht.
- Dass unbekannter Datenschmutz fehlt. Ein echtes System enthält Jahre handgetippter, korrigierter und halb fertiger Sätze. Synthetische Daten enthalten nur Fehler, an die man gedacht hat.
- Umfang und Verteilung. Volumen, saisonale Schwankungen und Ausreißer sehen in der Realität anders aus.
- Dass eine Regel im Alltag nützt. Ein Alarm, der bei künstlichen Daten auslöst, muss nicht das Ereignis erkennen, das ein echter Kunde für wichtig hält.
Ein Beispiel: sich beim Schema irren
In den Entwicklungsnotizen von Floemdata ist diese Lehre ausdrücklich festgehalten. Das Projekt nutzt eine simulierte SAP-Datenbank mit den echten Tabellen- und Spaltennamen von SAP Business One. Trotzdem zeigte sich beim Kontakt mit dem echten Schema, dass mehrere Spalten abweichen: In einer Bewegungstabelle fehlte die Nummernspalte, die die Simulation annahm, die Sperre der Geschäftsperioden steckte in einem anderen Feld, und die echte Periodentabelle führte Monats-Unterperioden, die simulierte nur Jahre. Die Quintessenz der Notiz: Beim Hinzufügen eines neuen Abrufs nicht der Simulation vertrauen, das echte Schema prüfen.
Die richtige Reihenfolge
- 1. Logik mit synthetischen Daten bauen und testen. Schnelles Feedback, sichere Umgebung.
- 2. Das echte Schema separat bestätigen. Spaltennamen aus dem Quellsystem selbst lesen, nicht raten.
- 3. Mit echten Daten nur lesend validieren. Summen mit dem eigenen Bericht des Quellsystems vergleichen.
- 4. Das Ergebnis ehrlich formulieren. »An synthetischen Daten geprüft« und »an Kundendaten geprüft« sind zwei verschiedene Sätze.
Stand bei Floemdata
Die einzige Quelle, die mit echten Daten lief, ist SAP Business One. Die Konnektoren für Logo und YouTube sind geschrieben und gegen simulierte Quellen getestet; an einer echten Logo- oder YouTube-Quelle wurden sie nicht erprobt. Die Anomalie-Engine ist programmiert und mit synthetischen Daten verifiziert (sie schweigt bei gesunden Daten und löst bei gezielt verfälschten aus); mit echten Kundendaten wurde sie nicht verifiziert. Die Regel dieses Beitrags gilt auch für unser eigenes Produkt: Auf synthetischen Daten zu funktionieren ist Voraussetzung dafür, dass es funktioniert, kein Beweis.
Beginnen Sie in Ihrem Projekt mit einer Liste: Schreiben Sie neben jeden Test, ob er mit synthetischen oder echten Daten lief. Fragen an info@floemdata.com oder über Floemdata.