Glossar von wichtigen Begriffen aus dem PIM Umfeld
Datenvalidierung
Definition
Datenvalidierung bezeichnet die Prüfung, ob einzelne Werte eines Datensatzes formal korrekt, vollständig und regelkonform sind. Sie stellt sicher, dass Attribute den erwarteten Formaten, Typen, Pflichtfeldern und Vorgaben entsprechen — bevor sie weiterverarbeitet oder ausgespielt werden.
Datenvalidierung prüft Felder, nicht Zusammenhänge.
Was Datenvalidierung prüft
- Pflichtfelder (z. B. Preis, Titel, EAN müssen gefüllt sein)
- Formate (z. B. EAN = 13 Ziffern, Datum = ISO‑Format)
- Datentypen (z. B. Zahl, Text, Boolean)
- Wertebereiche (z. B. Preis ≥ 0, Prozentwerte 0–100)
- Strukturregeln (z. B. HTML valide, JSON korrekt)
- Zulässige Werte (z. B. Kategorie muss in der Taxonomie existieren)
Beispiele aus der Praxis
- „Preis fehlt“ → ungültig
- „EAN hat 12 statt 13 Stellen“ → Formatfehler
- „Maße enthalten Text statt Zahlen“ → Datentypfehler
- „Datum ist 32.05.2024“ → ungültiges Datum
- „Kategorie existiert nicht im Mapping“ → Wert ungültig
Datenvalidierung ist die erste Verteidigungslinie gegen fehlerhafte Produktdaten.
Abgrenzung zur Plausibilitätsprüfung
Die Abgrenzung ist extrem wichtig — und wird häufig falsch erklärt. Hier kommt die saubere, fachlich korrekte Version:
Datenvalidierung = Syntax
Prüft einzelne Felder auf formale Korrektheit.
Beispiele:
- Pflichtfeld gefüllt?
- Format korrekt?
- Wert im erlaubten Bereich?
- Datentyp korrekt?
- Buchstaben in einem Nummernfeld eingetragen?
Plausibilitätsprüfung = Logik
Prüft Zusammenhänge zwischen Feldern.
Beispiele:
- Wenn Hunde erlaubt = nein, dann darf Hundepreis nicht gesetzt sein
- Wenn Material = Holz, dann muss Gewicht > 0 sein
- Wenn Kategorie = Zelt, dann muss Personenanzahl > 0 sein
- Wenn Lieferzeit = 24h, dann muss Lagerbestand > 0 sein
Der Satz, der alles erklärt:
Validierung prüft Felder. Plausibilitätsprüfung prüft Zusammenhänge.
Bezug zur Decision Engine
Die Decision Engine führt Validierungsregeln automatisch aus. Sie:
- prüft Pflichtfelder
- erkennt Formatfehler
- validiert Datentypen
- markiert ungültige Werte
- verhindert fehlerhafte Exporte
- dokumentiert Fehler auditierbar
Validierung ist die Grundlage für Plausibilitätslogik, Attribut‑Ableitungen und kanaloptimierte Daten.