Datenmapping bezeichnet die Definition der Zuordnung zwischen Datenfeldern zweier oder mehrerer Systeme: Welches Feld aus dem Quellsystem entspricht welchem Feld im Zielsystem? Diese Zuordnung – das Mapping – ist der Schlüssel zur korrekten Datenübertragung in jeder Integration und Automatisierung. Ohne Mapping weiß das Zielsystem nicht, wohin die eingehenden Daten gehören; mit einem falschen Mapping landen Daten in den falschen Feldern.
Datenmapping ist mehr als einfaches Kopieren: Es umfasst auch die Transformation von Daten während der Übertragung – Formatanpassungen, Berechnungen, Zusammenführungen und Aufspaltungen von Feldern sowie Konvertierungen zwischen Datentypen.
Mapping-Typen in der Praxis
Quellfelde → Zielfelder (mit Transformationsbeispielen)
first_name──→Vorname
last_name──→Nachname
first_name + last_name→ ƒ →Vollständiger Name
amount (USD)→ ƒ →Betrag (EUR, ×0,92)
created_at (Unix)→ ƒ →Erstellt (DD.MM.YYYY)
Herausforderungen beim Datenmapping
- Strukturunterschiede: Quell- und Zielsystem verwenden unterschiedliche Datenstrukturen – z. B. ein flaches Objekt vs. eine verschachtelte JSON-Struktur
- Typkonflikte: Das Quellfeld enthält eine Zahl als Text, das Zielfeld erwartet eine Ganzzahl
- Fehlende Felder: Das Zielsystem hat Pflichtfelder, für die im Quellsystem keine direkten Entsprechungen existieren
- Mehrwertfelder: Ein Quellfeld enthält mehrere Werte (z. B. „Berlin, Deutschland“), die im Zielsystem auf zwei Felder aufgeteilt werden müssen (Stadt + Land)
- Wertedomänen: Das Quellsystem verwendet andere Codes oder Bezeichnungen als das Zielsystem – z. B. „DE“ vs. „Deutschland“ für das gleiche Land
Statisches vs. dynamisches Mapping
Beim statischen Mapping wird jede Feldzuordnung fest konfiguriert – das Feld A aus System X geht immer in Feld B von System Y. Beim dynamischen Mapping werden Zuordnungen zur Laufzeit auf Basis von Regeln oder Lookup-Tabellen entschieden – das Mapping passt sich an unterschiedliche Eingaben an. Dynamisches Mapping ist mächtiger, aber komplexer zu konfigurieren und zu warten.
Praxisbeispiel
Ein Unternehmen überträgt Kundendaten aus seinem alten CRM-System in ein neues. Das alte System speichert den vollen Namen in einem einzigen Feld „Name“. Das neue CRM hat separate Felder für Vorname, Nachname und Anrede. Das Datenmapping muss drei Transformationen leisten: (1) Das Feld „Name“ wird per Regex-Regel in Vorname und Nachname aufgeteilt. (2) Die Anrede „Herr/Frau“ wird aus dem Namen extrahiert und in das Anrede-Feld geschrieben. (3) Alle Datumswerte werden vom Format MM/DD/YYYY in DD.MM.YYYY konvertiert. Ohne sorgfältiges Datenmapping würden 45.000 Kundendatensätze mit falschen oder fehlenden Feldinhalten importiert werden.
