Open-Source-Testdaten-Tools: Faker, DATAMIMIC CE und Alternativen

Redaktionell geprüft: 2026-10-11 · Quellen und Geltungsbereich unten

Welcher Einstieg passt zu deinem Projekt?

Eignung nach Ablauf, keine Rangliste
Tool / Umfang	Kommt infrage, wenn	Was bei dir bleibt
Python Faker · MIT	Du Werte direkt in Python-Tests brauchst.	Fixture-Beziehungen, Lebenszyklus und Assertions im Testcode. Quelle
DATAMIMIC CE · MIT	Du explizite, wiederverwendbare Modelle lokal oder in CI ausführen willst.	Modellregeln, Abhängigkeiten und die Einbindung in deine Pipeline. Quelle
generatedata.com als Download · GPL-3.0	Du eine konfigurierbare, selbst betriebene Browser-Anwendung bevorzugst.	Hosting, Updates und Erweiterungen; für den gehosteten Dienst gelten eigene Bedingungen. Quelle
Jailer · Apache-2.0	Du verbundene Quell-Teilmengen über JDBC brauchst.	Extraktionsmodelle, Filter, Laden ins Ziel und Datenschutzprüfung. Quelle
Greenmask · Apache-2.0	Du transformierte PostgreSQL-Dumps und verbundene Teilmengen brauchst.	PostgreSQL-Kompatibilität, YAML-Konfiguration, Salts und Restore-Prüfung. Quelle
MOSTLY AI SDK · Apache-2.0	Du lokale gelernte tabellarische Generierung brauchst.	Trainingsdaten, Rechenleistung, Evaluation und Bedingungen externer Dienste. Quelle

Wann reicht Faker?

Für Werte nahe am Unit-Test genügt oft die kleinste passende Abhängigkeit. Halte Objektaufbau und Bereinigung bei den Tests, solange das gut wartbar bleibt. Ein wiederverwendbares Modell wird interessant, wenn mehrere Testsuiten dasselbe Fachszenario brauchen und getrennte Kopien der Fixture-Logik auseinanderlaufen. Das ist eine Engineering-Abwägung, kein pauschaler Vorrang eines Modellgenerators.

Wann passt DATAMIMIC CE?

CE bietet einen lokalen Python-/CLI-Weg für modellbasierte Generierung. Prüfe sie, wenn Datenregeln getrennt vom Anwendungstestcode reviewbar sein sollen. CE ist eigenständig nutzbar und setzt keinen Kauf der Platform voraus. Beginne mit einem repräsentativen Szenario und prüfe konkrete CE-Laufzeit, Quelle und Exporter, bevor du ein größeres Projekt überträgst.

Was beantwortet Open Source noch nicht?

Prüfe die Lizenz der konkreten Komponente und ihrer Erweiterungen. Erfasse danach den Aufwand für Updates, Zugangsdaten, Bereinigung, parallele Läufe und Support. Generierte Zeilen herunterzuladen ist etwas anderes, als die Regeln zu besitzen, die sie erneut erzeugen. Prüfe exportiertes Projekt und Abhängigkeiten in einer sauberen Umgebung. Ein öffentliches Repository belegt nicht, dass jede Integration und Enterprise-Funktion Open Source ist.

Wann rechtfertigt ein gemeinsamer Dienst seine Kosten?

Ein gemeinsamer Dienst kann helfen, wenn mehrere Teams kontrollierten Quellzugriff, geplante Bereitstellung und wiederherstellbare Jobs benötigen. Erfasse zuerst, was deine bestehende CI- oder Datenbankumgebung bereits leistet. Prüfe dann Wartungsverantwortung, Projektexport und Abhängigkeiten vom Dienst. Eine kommerzielle Plattform und eine lokale Open-Source-Laufzeit lösen unterschiedliche Betriebsaufgaben.

Warum steht SDV nicht in der Open-Source-Tabelle?

SDV Community ist unter Business Source License 1.1 quelloffen einsehbar, mit zusätzlicher Nutzungsbeschränkung und versionsbezogenem Umstellungsdatum. Das öffentliche Repository ist keine uneingeschränkte Open-Source-Lizenz. Vergleiche Community- und Enterprise-Fähigkeiten separat. Jailer und Greenmask verarbeiten bestehende Quellen; SDK und SDV lernen Muster. Sie ersetzen einen Szenario-Generator nicht automatisch.

Beispielszenarien und redaktionelle Abnahmekriterien; keine gemessenen Produkt-Benchmarks.