Kann ich Objekte verschachteln (Objekt in Objekt)?

**Ja.** Wähle Typ "object" und der "Nested Fields"-Bereich klappt auf, wo du weitere Felder hinzufügst. Jedes kann wieder ein Objekt sein. Praktisch unbegrenzte Tiefe (der Browser erstickt lange vor dem Schema).

Wie funktionieren Arrays?

Wähle Typ "array", dann den **Item-Typ** (string, number usw.: noch kein Array-of-Array). Lege Min/Max-Länge fest. Der Generator baut ein Array zufälliger Länge in dieser Range, jedes Item unabhängig generiert. Beispiel: tags = array (string, min 1, max 3) liefert `["abc", "xyz"]` oder `["foo"]`.

Was ist der "faker"-Feldtyp?

Eine Abkürzung zu unseren [[Datenpools||Wortlisten: Namen, Städte, Firmen usw.]] aus dem Fake-Daten-Generator. Wähle einen Key (first_name, city, company, color usw.) und der Generator zieht aus der fertigen Liste. Schneller als ein eigenes 30-Wert-Enum zu tippen.

Welche Typen sind verfügbar?

Volle Liste: **string** (Text, Lorem-Option), **number** (Float), **integer**, **boolean** (mit konfigurierbarer True-Wahrscheinlichkeit), **date** (innerhalb einer Range), **email**, **uuid** (v4), **enum** (Pickliste), **array**, **object** (verschachtelt), **faker** (aus unseren Preset-Pools).

Was macht "True-Wahrscheinlichkeit" für Booleans?

Wert 0.5 = **50 % Chance auf true, 50 % auf false**. Wert 0.9 = 90 % true, 10 % false. Nützlich für realistische Daten. Beispiel: "isActive" in einer Nutzertabelle: **die meisten Nutzer sind aktiv**, setze 0.85. "isDeleted": sehr wenige, setze 0.05.

Kann ich mein Schema für später speichern?

Aktuell lebt das Schema im Browser-Speicher für die Session. **Schemas speichern (Presets)** ist auf der Roadmap. In der Zwischenzeit: **speichere das generierte JSON** plus einen Screenshot der Config.

Warum hat JSON doppelte Anführungszeichen, aber die TypeScript-Objekte einfache?

**TypeScript bevorzugt einfache Anführungszeichen** im Code (Prettier-Default). JSON ist der Standard mit doppelten. Wir folgen beiden Konventionen. Wenn du etwas anderes willst, kopiere und Suchen-Ersetzen im Editor.

Funktioniert das offline?

**Ja.** Alles läuft im Browser, null Server-Requests. Lade die Seite einmal, schalte WLAN aus, generiere weiter. Deine Daten werden nirgendwohin gesendet: **100 % privat**.

Kann ich 1 Million Datensätze generieren?

Hartes Limit ist **10.000** pro Operation. Darüber erstickt der Browser am Rendern der Ausgabe. Wenn du eine Million brauchst, lauf 100 Batches à 10.000 und verkette sie, oder nutze den Generator innerhalb eines lokal laufenden Node.js-Skripts.

Test-Daten Schema-Builder - kostenlos

Schema

Datenpool

MinMax

Wahrscheinlichkeit für true (0-1)

Anzahl Datensätze

Format

Seed (optional)

Ergebnis (10)

[
  {
    "id": "5dc13f4e-029a-4f5d-8d17-142e2f1a5725",
    "name": "David",
    "age": 23,
    "email": "nnavtuhe.hgpwpmsy@demo.org",
    "active": true
  },
  {
    "id": "5c60f807-36c8-4155-bcd8-6212289d399d",
    "name": "Sarah",
    "age": 56,
    "email": "izevzj.odeo@mail.com",
    "active": false
  },
  {
    "id": "535aa379-7a13-4eb9-96bb-dbef7c43677c",
    "name": "Hannah",
    "age": 41,
    "email": "kxkwquab.dhrszpew@test.com",
    "active": false
  },
  {
    "id": "7d1b4656-124d-4926-a13a-e3bd62e08c47",
    "name": "James",
    "age": 27,
    "email": "ofyqwuzh.noflhdki@example.com",
    "active": true
  },
  {
    "id": "f9b3d3c5-ad18-4798-bbd7-ec6ccfcfaff8",
    "name": "Sarah",
    "age": 22,
    "email": "jnlx.onek@test.com",
    "active": true
  },
  {
    "id": "f8dbdbd0-9246-488a-b7b4-4e79c7a7469f",
    "name": "Sophie",
    "age": 25,
    "email": "zxub.bmhwn@mail.com",
    "active": true
  },
  {
    "id": "806db121-462b-4770-a2ad-8a83155ef2b7",
    "name": "Olivia",
    "age": 42,
    "email": "xymc.ekapytn@mail.com",
    "active": true
  },
  {
    "id": "0de47f7b-b147-44b2-82a1-a77e49a3e52f",
    "name": "Olivia",
    "age": 63,
    "email": "vhfpuyoo.cujbul@mail.com",
    "active": false
  },
  {
    "id": "7bcd27b4-09c9-48a7-b110-953e5b1c0226",
    "name": "Robert",
    "age": 74,
    "email": "baedj.lshvtdvi@mail.com",
    "active": false
  },
  {
    "id": "1ee0150a-a201-4f2e-9105-97b46ee46737",
    "name": "Michael",
    "age": 63,
    "email": "mmnt.kuyckam@mail.com",
    "active": true
  }
]

Warum ein schemabasierter Testdaten-Builder?

Der Fake-Daten-Generator liefert dir fertige Profile (Name, Adresse, USt-IdNr.). Aber manchmal brauchst du dein eigenes Schema: ein Produkt mit SKU, Preis (10 bis 500), Kategorie (5-Wert-Enum), Tag-Array. Oder eine Bestellung mit einem Nested Object für den Kunden.

Hier entwirfst du die Struktur feldweise: Typ, Range, Pattern, Optionen. Generiere N Datensätze, die exakt passen. Export als JSON, CSV, SQL INSERT oder NDJSON zum Einfügen in deine App oder Datenbank.

Verfügbare Typen: string, number, integer, boolean, date, email, UUID, enum (Pickliste), array, nested object und "faker" (zieht aus unseren Pools: Vorname, Stadt, Firma).

So benutzt du das Tool

Klick "Feld hinzufügen": erstellt ein neues Feld im Schema. Tippe einen Namen (z.B. "preis").

Wähle einen Typ: string, number, date, enum, faker usw. Typ-spezifische Optionen erscheinen (Range, Länge).

Bei Objekten kannst du Felder in Feldern verschachteln (rekursiv). Bei Arrays wählst du den Item-Typ und Min/Max-Anzahl.

Lege die Datensatzanzahl fest: 1 bis 10.000.

Wähle das Ausgabeformat: JSON (am häufigsten), CSV (Excel), SQL INSERT (Datenbank), NDJSON (eine Zeile pro Datensatz, für Streaming).

Tippe optional einen Seed für deterministische Ausgabe. Klick "Kopieren" oder "Download".

Wann das nützlich ist

Echte Projekte, die ein eigenes Schema brauchen:

E-Commerce-App: generiere 100 Produkte: SKU (UUID), Name (faker), Preis (number 10-500 mit 2 Dezimalstellen), Kategorie (enum: "Elektronik", "Bekleidung", "Heim"), Tags (Array aus 1-3 Strings). Füllt eine Demo-Produktseite in 5 Sekunden.
Buchungssystem: Reservierungs-Datensatz: id (UUID), Kunde (Objekt mit Name und E-Mail), Datumsbereich (2024-2025), Status (enum: "bestätigt", "storniert", "ausstehend"), Gäste (Array aus 1-6 Namen).
GraphQL-APIs: Schema-First-Design. Definiere Typen im Tool, generiere Mock-Daten, drop sie in Apollo Server Mocked Resolvers. Frontend arbeitet, bevor das Backend eine Zeile schreibt.
Datenbank-Migration: teste ein neues Tabellen-Schema. Generiere 1000 Datensätze, die der Struktur entsprechen, lade sie per SQL INSERT, prüfe `WHERE`-Performance auf einem neuen Index.
Storybook-Stories: die React-Komponente `<ProductCard>` hat 8 Props. Generiere 5 Objekt-Varianten mit unterschiedlichen Werten, jede als eigene Story. Klickbare Palette statt hardcoded.
CSV/Excel-Samples: ein Kunde fragt "Wie würde der Verkaufsbericht aussehen?". Generiere ein CSV mit Datum, Betrag, Kunde, Status. Öffne in Excel, zeige.
Validator-Tests: dein `validateOrder(order)` muss 100 Edge-Case-Varianten handhaben. Generiere 100 Objekte, jedes mit unterschiedlichen Grenzwerten.
Live-Demos: ein "So funktioniert unsere App"-Talk braucht eine bevölkerte DB. Generiere 50 Datensätze, die der echten Form entsprechen.

Verwandt: fertige Profile im Fake-Daten-Generator, thematischer Platzhaltertext im thematischen Lorem ipsum.

Fragen und Antworten

Der andere hat feste Felder (Name, Telefon, USt-IdNr.). Dieser hat beliebige Felder, die du definierst. Der andere generiert "einen Nutzer". Dieser generiert was immer du willst: ein Produkt, eine Bestellung, eine Transaktion, ein Jira-Ticket, einen Reddit-Kommentar, eine Banktransaktion. Der andere ist schneller für "gib mir 100 fake Nutzer". Dieser ist mächtiger für "gib mir 100 Objekte mit diesen spezifischen Feldern und Constraints".

[ { "id": "5dc13f4e-029a-4f5d-8d17-142e2f1a5725", "name": "David", "age": 23, "email": "nnavtuhe.hgpwpmsy@demo.org", "active": true }, { "id": "5c60f807-36c8-4155-bcd8-6212289d399d", "name": "Sarah", "age": 56, "email": "izevzj.odeo@mail.com", "active": false }, { "id": "535aa379-7a13-4eb9-96bb-dbef7c43677c", "name": "Hannah", "age": 41, "email": "kxkwquab.dhrszpew@test.com", "active": false }, { "id": "7d1b4656-124d-4926-a13a-e3bd62e08c47", "name": "James", "age": 27, "email": "ofyqwuzh.noflhdki@example.com", "active": true }, { "id": "f9b3d3c5-ad18-4798-bbd7-ec6ccfcfaff8", "name": "Sarah", "age": 22, "email": "jnlx.onek@test.com", "active": true }, { "id": "f8dbdbd0-9246-488a-b7b4-4e79c7a7469f", "name": "Sophie", "age": 25, "email": "zxub.bmhwn@mail.com", "active": true }, { "id": "806db121-462b-4770-a2ad-8a83155ef2b7", "name": "Olivia", "age": 42, "email": "xymc.ekapytn@mail.com", "active": true }, { "id": "0de47f7b-b147-44b2-82a1-a77e49a3e52f", "name": "Olivia", "age": 63, "email": "vhfpuyoo.cujbul@mail.com", "active": false }, { "id": "7bcd27b4-09c9-48a7-b110-953e5b1c0226", "name": "Robert", "age": 74, "email": "baedj.lshvtdvi@mail.com", "active": false }, { "id": "1ee0150a-a201-4f2e-9105-97b46ee46737", "name": "Michael", "age": 63, "email": "mmnt.kuyckam@mail.com", "active": true } ]

Warum ein schemabasierter Testdaten-Builder?

Verfügbare Typen: string, number, integer, boolean, date, email, UUID, enum (Pickliste), array, nested object und "faker" (zieht aus unseren Pools: Vorname, Stadt, Firma).

So benutzt du das Tool

Klick "Feld hinzufügen": erstellt ein neues Feld im Schema. Tippe einen Namen (z.B. "preis").

Wähle einen Typ: string, number, date, enum, faker usw. Typ-spezifische Optionen erscheinen (Range, Länge).

Bei Objekten kannst du Felder in Feldern verschachteln (rekursiv). Bei Arrays wählst du den Item-Typ und Min/Max-Anzahl.

Lege die Datensatzanzahl fest: 1 bis 10.000.

Wähle das Ausgabeformat: JSON (am häufigsten), CSV (Excel), SQL INSERT (Datenbank), NDJSON (eine Zeile pro Datensatz, für Streaming).

Tippe optional einen Seed für deterministische Ausgabe. Klick "Kopieren" oder "Download".

Wann das nützlich ist

Echte Projekte, die ein eigenes Schema brauchen:

E-Commerce-App: generiere 100 Produkte: SKU (UUID), Name (faker), Preis (number 10-500 mit 2 Dezimalstellen), Kategorie (enum: "Elektronik", "Bekleidung", "Heim"), Tags (Array aus 1-3 Strings). Füllt eine Demo-Produktseite in 5 Sekunden.
Buchungssystem: Reservierungs-Datensatz: id (UUID), Kunde (Objekt mit Name und E-Mail), Datumsbereich (2024-2025), Status (enum: "bestätigt", "storniert", "ausstehend"), Gäste (Array aus 1-6 Namen).
GraphQL-APIs: Schema-First-Design. Definiere Typen im Tool, generiere Mock-Daten, drop sie in Apollo Server Mocked Resolvers. Frontend arbeitet, bevor das Backend eine Zeile schreibt.
Datenbank-Migration: teste ein neues Tabellen-Schema. Generiere 1000 Datensätze, die der Struktur entsprechen, lade sie per SQL INSERT, prüfe `WHERE`-Performance auf einem neuen Index.
Storybook-Stories: die React-Komponente `<ProductCard>` hat 8 Props. Generiere 5 Objekt-Varianten mit unterschiedlichen Werten, jede als eigene Story. Klickbare Palette statt hardcoded.
CSV/Excel-Samples: ein Kunde fragt "Wie würde der Verkaufsbericht aussehen?". Generiere ein CSV mit Datum, Betrag, Kunde, Status. Öffne in Excel, zeige.
Validator-Tests: dein `validateOrder(order)` muss 100 Edge-Case-Varianten handhaben. Generiere 100 Objekte, jedes mit unterschiedlichen Grenzwerten.
Live-Demos: ein "So funktioniert unsere App"-Talk braucht eine bevölkerte DB. Generiere 50 Datensätze, die der echten Form entsprechen.

Verwandt: fertige Profile im Fake-Daten-Generator, thematischer Platzhaltertext im thematischen Lorem ipsum.

Fragen und Antworten

Test-Daten Schema-Builder

Warum ein schemabasierter Testdaten-Builder?

So benutzt du das Tool

Wann das nützlich ist

Fragen und Antworten

Passende Tools

Test-Daten-Generator

Thematischer Lorem-Ipsum

Lorem-Ipsum-Generator

UUID-Generator

Passwort-Generator

Test-Daten Schema-Builder

Warum ein schemabasierter Testdaten-Builder?

So benutzt du das Tool

Wann das nützlich ist

Fragen und Antworten

Passende Tools

Test-Daten-Generator

Thematischer Lorem-Ipsum

Lorem-Ipsum-Generator

UUID-Generator

Passwort-Generator