Lektion 03

Willkommen zu Modul 3! Nachdem wir gelernt haben, Daten abzurufen, kümmern wir uns heute darum, diese Daten zu verstehen, zu strukturieren und zu transformieren. Du wirst lernen, wie man Datenmodelle definiert, sie visuell mappt und für die spätere Verwendung zwischenspeichert.

Platz für deine Notizen:




Checkliste: Was du heute erreichen wirst


Übung 1: Eine Data Structure anlegen

Ziel: Eine wiederverwendbare Datenstruktur für einen einfachen Kunden anlegen.

1

Data Explorer öffnen

  • Navigiere in deiner Xentral Connect Instanz zum Data Explorer (Datenbank-Symbol links).

  • Wähle den Reiter Data Structures.

2

Neue Struktur erstellen

  • Klicke auf "Neu".

  • Gib als Namen SimpleCustomer ein.

3

Schema importieren

  • Klicke auf den Button "Import from JSON Schema".

  • Kopiere den folgenden JSON-Code in das Textfeld:

{
  "type": "object",
  "properties": {
    "external_id": {
      "type": "string"
    },
    "name": {
      "type": "string"
    },
    "email": {
      "type": "string",
      "format": "email"
    }
  },
  "required": ["external_id", "name", "email"]
}
  • Klicke auf "Import" und dann auf "Speichern".

4

Erwartetes Ergebnis

Du hast eine neue Data Structure namens SimpleCustomer mit den drei Feldern external_id, name und email. Alle drei sind als Pflichtfelder markiert.


Übung 2: Kunden-Workflow mit Mapping & Data Store

Ziel: Einen Xentral-Kunden auslesen, ihn auf die SimpleCustomer-Struktur mappen und im Data Store speichern.

1

Workflow erstellen

  • Erstelle einen neuen Workflow mit dem Namen M03-Map-And-Store-Customer.

2

Xentral-Kunden lesen

  • Füge einen Xentral-Knoten hinzu.

  • Konfiguriere ihn, um einen einzelnen Kunden zu lesen:

    • Ressource: customer

    • Operation: get

    • ID: Gib die ID eines existierenden Kunden aus deiner Demoinstanz ein (z.B. 1).

3

Mapping-Tool verwenden

  • Füge einen Mapping-Knoten hinzu.

  • Wähle als Target Structure deine SimpleCustomer-Datenstruktur aus.

  • Verbinde die Felder:

    • id (aus dem Xentral-Knoten) → external_id

    • name (aus dem Xentral-Knoten) → name

    • email (aus dem Xentral-Knoten) → email

  • Speichere die Konfiguration des Mapping-Knotens.

4

Daten im Data Store speichern

  • Füge einen Data Store-Knoten hinzu.

  • Wähle die Operation put.

  • Key: Wir wollen den Kunden unter seiner ID speichern. Nutze eine Expression, um auf die ID aus dem Mapping-Ergebnis zuzugreifen:

    • {{$node["Mapping"].json["external_id"]}}

  • Value: Hier wollen wir das gesamte gemappte Objekt speichern. Nutze die Expression:

    • {{$node["Mapping"].json}}

5

Workflow testen

  • Speichere, aktiviere und teste den Workflow.

6

Erwartetes Ergebnis

  • Der Workflow läuft erfolgreich durch.

  • Gehe zum Data Explorer und dort zum Reiter Data Store. Du solltest einen neuen Eintrag sehen. Der Schlüssel ist die Kunden-ID (z.B. 1) und der Wert ist ein JSON-Objekt, das deiner SimpleCustomer-Struktur entspricht.

Platz für deine Screenshots oder Notizen zum Ergebnis:


Cheat Sheet: Wichtige Begriffe aus Modul 3

Begriff
Erklärung

Data Structure

Ein "Bauplan" oder Schema für Daten in Connect. Definiert, welche Felder ein Objekt hat, welchen Datentyp sie haben und welche Pflicht sind.

JSON-Schema

Der offene Standard, der zur Definition von Data Structures verwendet wird.

Mapping-Tool

Ein visueller Editor in Connect, um Datenfelder von einer Quellstruktur (z.B. Xentral API) einer Zielstruktur (z.B. deine Data Structure) zuzuordnen.

Data Store

Ein einfacher Key-Value-Speicher innerhalb von Connect. Dient zum Zwischenspeichern von Daten oder zum Austausch von Daten zwischen Workflows.

Key-Value-Speicher

Eine einfache Art der Datenspeicherung, bei der jedem Wert (Value) ein eindeutiger Schlüssel (Key) zugeordnet wird, über den man ihn wiederfindet. Wie eine Garderobennummer.

Was this helpful?