Data Validation – Regelbasierte Prüfungen¶

KI-gestütztes Data Validation-Modul für Datenqualität und Observability – digna

Zweck¶

Das Data Validation-Modul sichert die Datenqualität durch präzise, regelbasierte Prüfungen.
Es ermöglicht Organisationen, deterministische geschäftliche und technische Validierungslogiken zu definieren und stellt sicher, dass Daten Compliance-Standards, vertragliche SLAs und regulatorische Anforderungen erfüllen.

Durch die Kombination von In-Database-Regelausführung, vollständigen Audit-Trails und Integration mit anderen digna-Modulen gewährleistet Data Validation konsistente und nachvollziehbare Datenqualität und Observability in komplexen Unternehmensumgebungen.

Technische Übersicht¶

Unterstützte Validierungstypen¶

• Gleichheitsprüfungen
  Bestätigen, dass Werte den erwarteten Ergebnissen entsprechen (z. B. Referenzcodes, boolesche Flags, kategoriale Zuordnungen).

• Schwellenwerte & Bereiche
  Validierung numerischer Messgrößen oder KPIs gegen definierte Grenzen — statisch oder dynamisch abgeleitet.

• Referenzlisten & Lookups
  Überprüfen, ob Feldwerte innerhalb genehmigter Stammdatensätze vorhanden sind (z. B. USt.-Codes, ISO-Länderliste, Produktkataloge).

• Spaltenübergreifende Konsistenz
  Sicherstellen relationaler Korrektheit (z. B. Währung stimmt mit Region überein, Risikokategorie passt zum Anlagetyp).

• Regeln zum Umgang mit Nullwerten
  Erkennen unerwarteter Null- oder Leerwerte in kritischen Spalten.

Ausführung und Protokollierung¶

• In-Database-Processing – Alle Validierungsregeln werden direkt in Ihrer Datenbank ausgeführt (Teradata, Snowflake, Databricks, PostgreSQL usw.).
• Keine Datenextraktion – digna überträgt niemals Rohdaten aus Ihrer Umgebung.
• Volle Nachvollziehbarkeit – Jedes Regelresultat wird mit Zeitstempel, verantwortlichem Dataset, Anzahl der Datensätze und Bestanden/Nicht bestanden protokolliert.
• Audit