In zunehmend hybriden IT-Landschaften stellt das Testen über Cloud- und On-Premises-Systeme hinweg eine Herausforderung dar – insbesondere dann, wenn echte Daten aus Datenschutz- oder Sicherheitsgründen nicht genutzt werden dürfen. Synthetische Testdaten bieten hier einen vielversprechenden Ausweg, doch häufig scheitern Initiativen an mangelnder Konsistenz und Kompatibilität zwischen verschiedenen Plattformen und Systemen.

Der Vortrag zeigt, wie ein zentral definiertes, fachlich orientiertes Datenmodell als Basis für die plattformübergreifende Generierung und Provisionierung synthetischer Testdaten in einer Privatbank dienen kann. Anhand konkreter Praxisbeispiele wird erläutert, wie testrelevante Daten über verschiedene Zielsysteme (z. B. Avaloq) hinweg konsistent generiert und flexibel bereitgestellt werden können – unabhängig davon, ob die Zielumgebung in der Cloud, On-Premises oder hybrid betrieben wird.

Durch die Anbindung verschiedener Testwerkzeuge und -frameworks (z. B. Tosca, UiPath, JUnit) ist gewährleistet, dass sämtliche Tools auf identische synthetische Testdaten zugreifen und diese flexibel bestellen können. Dies ermöglicht eine einheitliche und effiziente Testdatennutzung im gesamten Testprozess, unabhängig vom eingesetzten Automatisierungswerkzeug und unabhängig davon, ob in der Cloud oder On-Premise.

Teilnehmende erfahren,

wie sich ein zentrales, systemunabhängiges und fachlich geprägtes Datenmodell aufbauen lässt,

welche architektonischen Elemente eine flexible Provisionierung per API-, Pipeline- oder Self-Service-Mechanismen ermöglichen,

und wie sich Anforderungen an Datenschutz, Effizienz und Reproduzierbarkeit in Einklang bringen lassen.

Das Ergebnis: eine skalierbare, sichere und automatisierbare Bereitstellung synthetischer Testdaten für innovative, plattformübergreifende Teststrategien – mit Offenheit für die Integration verschiedenster Testwerkzeuge.