Datenstrukturen

Datenstrukturen sind ein zentrales Konzept in Xentral Connect. Import, Mapping, Transformation, Speicherung oder Export von Daten erfolgt immer auf Basis definierter Datenstrukturen.

1. Einführung

Eine Datenstruktur beschreibt die Form eines Datensatzes, nicht dessen Inhalte. Sie legt fest:

• wie die Felder heißen,

• welchen Datentyp sie besitzen,

• wie sie gruppiert oder verschachtelt sind,

• ob sie mehrfach vorkommen dürfen (Collections),

• ob sie Pflichtfelder oder eindeutig sein müssen.

Eine Datenstruktur ist vergleichbar mit dem Spaltenkopf einer CSV-Datei:

• Die Struktur definiert die Spaltennamen, Datentypen und Gruppierungen.

• Die Daten (z. B. im Data Explorer) entsprechen den Zeileninhalten.

Beispiel: Die Datenstruktur Connect-Product definiert alle Felder eines Produkts (SKU, Name, Preis, Attribute usw.). Die gespeicherten Produktdatensätze findest du dann im Data Explorer.

2. Übersicht der Datenstrukturen

Du findest die Datenstrukturen im Backend unter:

Daten → Datenstrukturen

Beim Öffnen des Menüpunkts siehst du eine Liste aller vorhandenen Datenstrukturen. Sie bietet dir:

• Such- und Filterfunktionen

• CSV-Export der Liste

• Zugriff auf Editieren, Konfiguration und Export

• Versionierung pro Struktur

2.1 Aktionen in der Übersicht

Jede Datenstruktur besitzt ein Set bekannter Icons:

Icon	Bedeutung
Pinsel	Öffnet den Datenstrukturen-Editor
Bleistift	Öffnet die Konfigurationsansicht
Export-Icon	Exportiert die Datenstruktur als Datei
Versions-Icon	Zeigt verfügbare Versionen der Struktur

Diese Icons verhalten sich analog zu anderen Bereichen in Connect.

4. Der Datenstruktur-Editor

Mit Klick auf den Pinsel öffnest du die No-Code-Editoransicht einer Datenstruktur. Hier kannst du – je nach Projektberechtigung – Strukturen anpassen.

4.1 Grundprinzipien

• Der Editor arbeitet vollständig No-Code.

• Elemente lassen sich per Drag & Drop verschieben oder hinzufügen.

• Lange Strukturen kannst du ein- und ausklappen.

• Du kannst Gruppen bilden, verschachteln und Collections anlegen.

5. Bestandteile einer Datenstruktur

5.1 Primärschlüssel

Jede Datenstruktur benötigt einen eindeutigen Primärschlüssel:

• Gekennzeichnet durch ein gelbes „Primary Key“-Icon

• Identifiziert jeden Datensatz eindeutig

• Nur ein Feld pro Struktur darf dieser Schlüssel sein

5.2 Datenfelder

Felder besitzen u. a.:

• Feldname

• Datentyp (String, Integer, Boolean, Datetime, JSON usw.)

• Flags:

  • nullable (darf leer sein)

  • unique (eindeutig)

  • index (für performante Abfragen)

5.3 Struktur-Elemente

Im Editor stehen unterschiedliche Elemente zur Verfügung:

Fieldset

• Gruppiert mehrere Felder

• Dient der Übersicht und Strukturierung

Collection

• Ein Array von Objekten

• Ein Feld oder eine Gruppe kann mehrfach im Datensatz vorkommen

• Beispiel: mehrere Bilder, mehrere Varianten, mehrere Adressen

Datenfelder

• Einzelne Wertefelder in unterschiedlichen Datentypen

• Beispiele:

  • String

  • Integer

  • Boolean

  • Datetime

  • JSON-Feld

  • Dynamisches Feld (regelbasierte Werteberechnung)

6. Rolle der Datenstrukturen im System

Datenstrukturen sind die Grundlage aller Datenverarbeitungsprozesse in Connect:

Bereich	Bedeutung der Datenstruktur
Datasets	Ein Dataset basiert immer auf einer Datenstruktur
Mappings	Mappings definieren Transformationen von Struktur A zu Struktur B
Texttemplates	Beim Export (z. B. CSV) basiert die Ausgabe auf der Datenstruktur
Data Explorer	Nutzt die Datenstruktur als Basis zum Speichern und Anzeigen
Workflows	Jede Datenstruktur kann mit der „Datenstruktur-Komponente“ gelesen/geschrieben werden

Kurz: Ohne Datenstruktur keine Datenverarbeitung.

7. Rechte und Projekte

Die Bearbeitbarkeit hängt vom Projekt ab:

Standard-Projekt (vererbt)

• Keine Schreibrechte

• Strukturen sind sichtbar, aber nicht editierbar

Default-Projekt

• Volle Schreibrechte

• Du kannst neue Strukturen anlegen

• Du kannst Strukturen aus anderen Projekten importieren

Diese Logik entspricht der gleichen Berechtigungsmechanik wie bei Workflows oder Datasets.

8. Best Practices

• Lege Datenstrukturen eindeutig und klar benannt an.

• Verwende verständliche Feldnamen ohne Sonderzeichen.

• Nutze Fieldsets für komplexe Objekte zwecks Lesbarkeit.

• Verwende Collections für Listen/Arrays statt mit Index durchnummerierter Felder.

• Strukturiere frühzeitig sauber, da spätere Änderungen Auswirkungen auf Workflows, Mappings und Daten haben können.