FACHWISSEN · TECHNIK & PROZESSEINSIGHTS · TECHNOLOGY & PROCESSES
Datenmigration abnehmen: Warum gleiche Zeilenzahlen noch keine gleichen Daten bedeutenAccepting a data migration: Why matching row counts do not mean matching data

Quelle und Ziel einer Datenmigration enthalten jeweils 100.000 Datensätze. Das wirkt beruhigend, belegt aber noch keine vollständige und richtige Übernahme. Eine fehlende Zeile und eine zusätzliche Dublette können sich in der Gesamtzahl ausgleichen. Auch vertauschte oder abgeschnittene Inhalte bleiben beim bloßen Zählen unsichtbar.
Menge, Zuordnung und Inhalt getrennt prüfen
Ein belastbarer Datenabgleich verbindet Datensätze über einen geeigneten Schlüssel und vergleicht ihre relevanten Inhalte. Technische Migrationswerkzeuge können einen solchen zeilenweisen Vergleich unterstützen. Zuvor muss feststehen, welche Quelle, welcher Zielbereich und welcher Datenstand zusammengehören.
Eine gleiche Anzahl ist damit eine nützliche erste Kontrolle, aber kein vollständiger Nachweis. Ebenso beweist eine erfolgreiche Übertragung nicht, dass die Daten im neuen Fachprozess richtig verwendet werden.
Ein einfaches Beispiel mit Materialdaten
Eine fiktive Quelle enthält die Artikel A und B. Das Ziel enthält zweimal A. Beide Seiten haben zwei Zeilen. Erst der Abgleich über die Artikelkennung zeigt, dass B fehlt und A doppelt vorhanden ist. Danach wird geprüft, ob auch Bezeichnungen, Einheiten und Zuordnungen stimmen.
Für bewusst veränderte Darstellungen braucht es Vergleichsregeln. Wenn das Ziel beispielsweise andere interne Schlüssel verwendet, muss eine nachvollziehbare Zuordnung existieren. Eine pauschale Gleichheitsprüfung ohne diese Transformation würde korrekte Änderungen fälschlich als Fehler melden.
Einen gemeinsamen Stand herstellen
Während der Migration können Quelldaten weiter geändert werden. Ein Vergleich von Quelle „jetzt“ und Ziel „vor einer Stunde“ zeigt dann Unterschiede, die nicht unbedingt Übertragungsfehler sind. Prüfzeitpunkt, übernommener Änderungsstand und gegebenenfalls noch offene Nachläufe müssen deshalb sichtbar sein.
Auch Datentypen verdienen Aufmerksamkeit. Abgeschnittene Texte, veränderte Dezimaldarstellungen, unterschiedliche Zeichenkodierungen oder verlorene führende Nullen können trotz gleicher Zeilenanzahl relevant sein. Welche Unterschiede fachlich zulässig sind, gehört zu den Abnahmekriterien.
Technische Prüfung mit Nutzungstest verbinden
Nach dem Datenabgleich werden ausgewählte repräsentative Vorgänge im Zielsystem durchgeführt. Lässt sich ein Material finden, richtig zuordnen und im vorgesehenen Prozess verwenden? Diese Prüfung ergänzt den technischen Vergleich und ersetzt ihn nicht.
Eine nachvollziehbare Abnahme dokumentiert Prüfumfang, Abweichungen, bewusste Ausschlüsse und noch offene Fälle. Daten mit ungeklärter Bedeutung sollten nicht allein wegen einer grünen Gesamtzahl als vollständig übernommen gelten. Entscheidend ist die überprüfte fachliche Verwendbarkeit.
A migration’s source and target each contain 100,000 records. That is reassuring but does not establish complete and correct transfer. A missing row and an extra duplicate can cancel out in the total. Swapped or truncated content also remains invisible to a simple count.
Check quantity, identity and content separately
A dependable reconciliation matches records using a suitable key and compares relevant content. Migration tools can support row-by-row comparison. First establish which source, target scope and data state are being compared.
A matching count is therefore a useful initial check rather than complete evidence. Successful transfer also does not establish that the new business process uses the data correctly.
A simple material-data example
A fictional source contains items A and B. The target contains A twice. Both sides have two rows. Only matching by item identifier reveals that B is missing and A is duplicated. Descriptions, units and relationships then need checking too.
Deliberately changed representations require comparison rules. If the target uses different internal keys, a traceable mapping must exist. A blanket equality check without that transformation would incorrectly flag legitimate changes as errors.
Establish a common point of comparison
The source may continue to change during migration. Comparing the source “now” with the target “an hour ago” reveals differences that are not necessarily transfer errors. The comparison time, transferred change position and outstanding follow-up transfers must therefore remain visible.
Data types deserve attention too. Truncated text, changed decimal representations, different character encoding or lost leading zeroes can matter even when row counts match. Acceptance criteria should specify which differences are valid.
Combine technical validation with usage tests
After reconciliation, run selected representative cases in the target system. Can a material be found, assigned correctly and used in the intended workflow? This complements rather than replaces the technical comparison.
Traceable acceptance records the scope checked, differences, deliberate exclusions and open cases. Unclear data should not be treated as fully migrated solely because a total is green. The deciding factor is verified usefulness in the business process.