Über

Dieser Abschnitt beschreibt DATAMIMICs Designphilosophie, die Herkunft des Produkts und wie es in der Dokumentation weitergeht.

Designphilosophie

DATAMIMIC ist modellgetrieben und deterministisch ausgelegt. Modelle werden in einer XML-DSL geschrieben und können über <include>, Fragment-<param>-Deklarationen und <property>-Overlays an Aufrufstellen aus vielen Bausteinen komponiert werden. Dasselbe seed-gesteuerte Modell erzeugt dieselbe Ausgabe — über Läufe und Umgebungen hinweg. Der Verarbeitungskern basiert auf Python und Rust und nutzt offene Standards.

Zwei Editionen, eine DSL

• Community Edition (CE) — Python-Bibliothek und datamimic-CLI. Entwickler:innen und Skripte sprechen die Bibliothek direkt an.
• Enterprise Edition (EE) — On-Prem-Plattform um dieselbe DSL: eine Web-UI, ein FastAPI-Server, ein Postgres-gestützter Scheduler, Celery-Worker, die die EE-Core-Engine kapseln, und ein optionaler LSP-Service für Editor-Unterstützung. Generierung wird aus der UI oder aus dem CI per REST ausgelöst und als Task an die Worker verteilt.

Ein für CE geschriebenes Modell läuft unverändert in EE-Workern; EE ergänzt die umliegende Plattform (Governance, RBAC, Audit, Scheduling, UI, Bereitstellung) um diese Engine herum.

Herkunft

DATAMIMIC ist aus der Testdaten-Beratungsarbeit von rapiddweller mit großen und mittelständischen Unternehmen in regulierten Branchen entstanden. Über Jahre gewachsene Praxis — Schema-Modellierung, referenzielle Integrität über Systeme hinweg, Anonymisierung, Audit-Anforderungen — ist direkt in das Produkt eingeflossen, das Engineering-Teams auf eigener Infrastruktur betreiben können.

Mehr entdecken

Weiter geht es im Tutorial mit einem durchgängigen Beispiel oder direkt in der Referenz für Details zu Modell, Generatoren und API.