| Schwerpunkt | DATAMIMIC Enterprise Platform verbindet kundeneigene Datenmodelle mit Enterprise-Governance für die Ausführung. Rule Sets, Quelldaten-Transformationen und ML-Generatoren lassen sich in einem Engineering-Projekt kombinieren, über IDE, LSP und Agenten bearbeiten und mit Plattform-Provenance ausführen. | DATAMIMIC CE ist ein per pip installierbares Python-Developer-Tool für modellbasierte Generierung, SQL-selektierte Quelldaten-Teilmengen und explizite Feldtransformationen. Python-API, CLI und optionaler MCP-Adapter unterstützen lokale, CI- und agentengestützte Workflows. CE hat einen eigenen, von EE getrennten Ausführungskern. |
|---|
| Geeignet wenn | Geeignet, wenn die Modelllogik als versionierbares Engineering-Artefakt unter Kundenkontrolle bleiben soll und Teams gemeinsamen Zugriff, IDE-/Agenten-Authoring, Planung und nachvollziehbare Ausführung benötigen. Die vollständige Projektlogik lässt sich herunterladen; Modelle mit ausschließlich CE-unterstützten Funktionen können auch in CE laufen. | Geeignet für kundeneigene XML-Modelle, wiederverwendbare Fixtures und explizite Fachregeln in lokaler Entwicklung oder CI. Ein heruntergeladenes Enterprise-Projekt kann ohne Umschreiben des Modells laufen, wenn sämtliche Funktionen und Abhängigkeiten von CE unterstützt werden. |
|---|
| Projekt & Ausführungs-Workflow | Kundeneigene, herunterladbare Modell- und Projektlogik. Rule Sets und ML-Generatoren lassen sich im Modell kombinieren. IDE/LSP/Agenten bearbeiten das Projekt; Plattform-Dienste steuern Ausführung und Provenance. CE-kompatible Projekte laufen auch in CE. | Kundeneigene XML-Projekte laufen lokal oder in CI über Python, CLI und optionales MCP. Die gemeinsame Modellsprache eröffnet einen CE-Pfad für kompatible Enterprise-Projekte. |
|---|
| Zu prüfende Grenzen | CE-Portabilität gilt für den gemeinsamen, von CE unterstützten Modellumfang. EE-Funktionen wie Kafka-Nodes, Enterprise-ML und erweiterte Nodes benötigen EE. CE ersetzt weder Plattform-Governance noch deren Provenance-Dienste und hat andere Laufzeitoptimierungen. IDE-Versionen, Konnektoren und Replay-Bedingungen am konkreten Workload prüfen. | Die Auswahl personenbezogener Felder und Pseudonymisierungsmodelle erfolgt manuell. EE-ML-Engine, zentrale Plattform-Governance und Browser-IDE gehören zum Enterprise-Produkt. Seed-Replay-Nachweise gelten für die dokumentierte CE-Laufzeitmatrix und Ausgaben; ein Seed allein garantiert nicht jeden Exporter oder jede Umgebung. |
|---|
| Bereitstellung | Enterprise-Betrieb On-Premises mit unterstützten Containern oder Helm sowie getrenntem Backend, Workern, Scheduler und Task-Monitoring. Der Anbieter dokumentiert auch Air-Gap-Umgebungen. Der EE-Kern führt Daten-Workloads aus; Plattform-Dienste verantworten Projekte, Zugriff und Ausführungsverwaltung. | Installation mit pip install datamimic-ce und lokale Ausführung über Python oder die datamimic-CLI, auch in CI. Der optionale Adapter wird mit pip install "datamimic-ce[mcp]" installiert. Dieser lokale MCP-Adapter unterscheidet sich vom projektbezogenen MCP-Dienst der Plattform. |
|---|
| Lizenz / Preisbelege | Kommerzielles Enterprise-Produkt. Ein aktueller öffentlicher Listenpreis war nicht auffindbar; Umfang und Preis werden mit dem Anbieter vereinbart. CE ist ein separat vertriebenes Developer-Paket unter MIT-Lizenz. | Community Edition unter MIT-Lizenz laut Projekt-Repository. Die kommerzielle Enterprise-Plattform und ihr eigener EE-Kern haben eine separate Lizenzierung und Bereitstellung. |
|---|
| Synthetische Generierung | EE-Kern; modellbasiert | Lokale CE-Modelle und API |
|---|
| De-Identifizierung / Maskierung | Workbench-gestützte Feldzuordnung | Manuell modellierte Transformationen |
|---|
| Subsetting / Teilmengenplanung | FK-Abhängigkeiten · Modellplanung | SQL-definierte Quelldaten-Teilmengen |
|---|
| Datenvirtualisierung | Nicht verifiziert | Nicht verifiziert |
|---|
| Seed-Replay, mit Bedingungen | EE-Replay-Bedingungen beachten | Begrenzte CE-Laufzeitmatrix |
|---|