Hersteller / Projekt: DataCebo / SDV project
Wann passt es?
SDV passt, wenn repräsentative Tabellen vorliegen und ihr die für eure Tests benötigten Muster messen könnt. Es bietet einen lokalen Ablauf für statistische Generierung und Prüfung. 1 · 2
Die Eignung hängt weiterhin von euren Muss-Anforderungen ab.
Was solltest du vor der Auswahl prüfen?
Für eine bestimmte Rückbuchung oder ein exaktes Regressionsergebnis braucht ihr explizite Fälle oder geprüfte Regeln. Community-HMA richtet sich an kleinere relationale Graphen und dokumentiert kein bedingtes Sampling. Ein gespeichertes Python-Modell läuft nicht automatisch in jeder Engine. 1 · 2 · 3 · 4 · 5 · 6
Was muss dein PoC beweisen?
Fremdschlüssel, Regeln, seltene Fälle und Überschneidungen mit Quelldaten prüfen. Evaluierungsdaten vom Training trennen. Modell mit festen Versionen neu laden und reset_sampling testen. Zulässigkeit der geplanten kommerziellen Nutzung bestätigen.
Abnahmeplan, kein Produkttestergebnis. Prüfumfang und Grenzen.
Betrieb und Lizenz
Community läuft lokal in Python auf CPU. Abhängigkeiten und Speicherung verantwortet euer Team. Geprüfter Release: 1.38.5 vom 28. September 2026. 1 · 2 · 3 · 4 · 5 · 6
Community ist source-available unter BSL 1.1 und nicht pauschal Open Source. Zusätzliche Nutzungsbeschränkung und Bedingungen der installierten Version prüfen. Enterprise benötigt eine separate Lizenz. 1 · 2 · 3 · 4 · 5 · 6
Lizenzierte Version und Betriebsvoraussetzungen bestätigen.
So arbeitest du damit
Synthesizer mit Quelltabellen trainieren, Dataframes erzeugen und prüfen. Save/Load erlaubt Wiederverwendung in kompatiblen SDV-/Python-Umgebungen. Python-Pickle-Dateien nur aus vertrauenswürdiger Quelle laden. 1 · 2 · 3 · 4 · 5 · 6
Export belegt keine Kompatibilität mit einer anderen Laufzeit.
Dokumentierte Fähigkeiten
Dokumentation ist kein gemessener Benchmark. Ungeklärt bedeutet fehlende Belege; die Vergleichsmatrix erklärt die Lücke.
Quellen und Geltungsbereich
Quellen können unterschiedliche Versionen beschreiben; sie belegen keine gemessene Leistung.
Zitierte Quellen öffnen (6)
- SDV Community
Local Python library for single-table, multi-table and sequential learned data; CPU operation.
Quelle geprüft: 2026-10-11 - SDV Business Source License 1.1
Source-available terms with additional-use restriction on commercial synthetic-data services to third parties; version-specific conversion terms.
Quelle geprüft: 2026-10-11 - HMA multi-table synthesizer
Community HMA guidance for small relational graphs; conditional sampling not supported in the reviewed HMA docs; Enterprise is separate.
Quelle geprüft: 2026-10-11 - Sampling and reset_sampling
Repeated sampling of the same fitted model; not identical training or cross-platform byte replay.
Quelle geprüft: 2026-10-11 - GaussianCopula fitting and model save/load
Statistical single-table fit, pandas data and local saved Python model; not vendor-neutral engine interchange.
Quelle geprüft: 2026-10-11 - SDV releases
Version 1.38.5 released 28 September 2026; release record only, not a hands-on test.
Quelle geprüft: 2026-10-11