GxP-Datenmigration: Abgleich und Teststrategie

Einordnung und Geltungsbereich

Der Beitrag vertieft die Nachweisstrategie für Migrationen. Er nennt keine allgemeingültige Stichprobengröße oder erlaubte Fehlerquote. Solche Werte benötigen eine begründete Herleitung für den konkreten Datenbestand.

Quellen: [1] [2]

Drei Prüfungen beantworten drei unterschiedliche Fragen

Ordnen Sie Testfälle den tatsächlichen Umsetzungsregeln zu. Eine unveränderte Textübernahme benötigt andere Kontrollen als eine Einheitenumrechnung oder die Zusammenführung mehrerer Quellobjekte. Seltene, aber kritische Ausnahmen dürfen nicht allein deshalb aus dem Test fallen, weil eine zufällige Stichprobe sie nicht enthält.

Automatisierte Abgleiche können große Datenmengen unterstützen. Ihre Regeln, ausgeschlossenen Felder und Fehlerberichte müssen jedoch nachvollziehbar sein. Ein grünes Ergebnis ist wertlos, wenn der Vergleich gerade die kritischen Statuswerte ignoriert. Prüfen Sie die Vergleichslogik mit bewusst eingebauten Testabweichungen.

Quellen: [1] [2]

Die Aussage jedes Abgleichs ausdrücklich begrenzen

Ein Mengenabgleich prüft Anzahl oder Summe innerhalb eines bezeichneten Umfangs. Ein Inhaltsvergleich betrachtet Werte und Transformationen. Ein Beziehungsabgleich prüft, ob zusammengehörige Objekte richtig verbunden bleiben. Ein Geschäftsprozess test zeigt schließlich, ob die übernommenen Informationen wie vorgesehen verwendet werden. Diese Ebenen ergänzen sich, sind aber nicht austauschbar.

Beschreiben Sie die gewünschte Aussage je Datenbereich. Ein Artikelstamm benötigt andere Vergleiche als eine historische Laboruntersuchung mit Methodenbezug und Anhängen. Die Prüfstrategie sollte die tatsächlichen Risiken adressieren. Eine pauschale Forderung nach hundertprozentiger manueller Sichtprüfung kann unverhältnismäßig sein; eine zufällige Stichprobe ausschließlich einfacher Normalfälle kann unzureichend sein.

Annex 11 verlangt bei Datenübertragung geeignete Kontrollen, dass Wert und Bedeutung nicht verändert werden. Welche Kombination dies in Ihrem Projekt nachweist, muss begründet werden. Die folgenden Tabellen sind eigene methodische Arbeitshilfen. Sie legen keine universelle Stichprobengröße oder zulässige Fehlerquote fest.

Quellen: [1] [2]

Datenkritikalität und Transformation als Prüfgrundlage verwenden

Erfassen Sie, welche Daten eine Entscheidung beeinflussen und wie sie im Ziel verändert werden. Eine unveränderte Zeichenfolge besitzt andere Risiken als Einheitenumrechnung, Statusmapping oder Zusammenführung mehrerer Objekte. Besondere Aufmerksamkeit verdienen Schlüssel, Grenzwerte, Datumsbezug und ausgeschlossene Werte, soweit sie die fachliche Aussage beeinflussen.

Beschreiben Sie vorhandene Prüfmechanismen. Ein automatisierter Feldvergleich kann große Bestände abdecken, benötigt aber richtige Regeln und bekannte Grenzen. Eine manuelle Rekonstruktion kann Zusammenhänge zeigen, betrachtet jedoch häufig nur ausgewählte Fälle. Die Strategie sollte erklären, welche Risiken durch welchen Nachweis behandelt werden und welche Lücken bleiben.

Quellen: [1] [2]

Beispiel: 1.000 Proben stimmen, zwei Ergebnisbezüge nicht

Das Szenario ist konstruiert. Quelle und Ziel enthalten jeweils 1.000 Proben. Zwei Ergebniszuordnungen wurden vertauscht. Der Mengenvergleich besteht, ebenso die Summe der Ergebniswerte. Erst ein Schlüssel- und Beziehungsabgleich erkennt, dass die Ergebnisse den falschen Proben gehören. Die Zahl 1.000 ist ein Beispiel, keine Vorgabe für Ihren Prüfbestand.

Die eigene Prüfstrategie verbindet deshalb alle erwarteten Probenschlüssel mit ihren Ergebnisreferenzen. Für ausgewählte vollständige Untersuchungen werden zusätzlich Methode, Einheit und Bewertung rekonstruiert. Eine separate Testmenge enthält absichtlich vertauschte Beziehungen. Damit wird geprüft, ob der Abgleich solche Fehler überhaupt erkennt.

Wird die Differenz gefunden, wird nicht nur die einzelne Zeile repariert. Die Ursache kann in einer ungeeigneten Schlüssellogik liegen und weitere Objekte betreffen. Ermitteln Sie den möglichen Umfang, korrigieren Sie die Regel und wiederholen Sie die betroffenen Vergleiche. Dokumentieren Sie, welche neue Prüfaussage dadurch entsteht.

Quellen: [1] [2]

Automatisierte Vergleichsregeln selbst herausfordern

Versionieren Sie Skript oder Werkzeug, Eingangsdateien und relevante Einstellungen. Benennen Sie ignorierte Felder, Normalisierungen und Toleranzen. Ein Vergleich kann etwa Leerzeichen bewusst vereinheitlichen; er darf dadurch aber keine kritische Kennung oder Einheit unbemerkt gleichsetzen. Die Regeln müssen zur fachlichen Bedeutung passen.

Verwenden Sie bekannte positive und negative Testdaten. Bauen Sie fehlende Zeilen, doppelte Schlüssel, vertauschte Beziehungen und fehlerhafte Transformationen ein, soweit diese Risiken bestehen. Der Abgleich sollte die erwarteten Unterschiede erkennen und korrekt berichten. Ein fehlerfreier Lauf ohne solche Herausforderung zeigt wenig über die Fähigkeit, tatsächliche Fehler aufzudecken.

Prüfen Sie auch Berichtsvollständigkeit. Ein Werkzeug kann Unterschiede erkennen, aber in einer abgeschnittenen Ausgabe nicht vollständig zeigen. Dokumentieren Sie Summen, Fehlerklassen und die Möglichkeit zur Einzelklärung. Ein grüner Status ist nur aussagekräftig, wenn verarbeiteter Umfang und ausgeschlossene Daten bekannt sind.

Quellen: [1] [2]

Stichproben und gezielte Auswahl begründen

Eine Stichprobe braucht einen erklärten Auswahlzweck. Soll sie die Ausführung einer häufigen einfachen Regel unterstützen oder seltene kritische Beziehungen prüfen? Zufallsauswahl und gezielte Risikofälle erfüllen unterschiedliche Aufgaben. Beides kann kombiniert werden, wenn die Aussagegrenzen deutlich bleiben.

Berücksichtigen Sie Datenverteilung und Transformationsvarianten. Ein Migrationsbestand kann mehrere Jahre, Standorte, Statusmodelle oder historische Formate enthalten. Eine Auswahl nur neuer Datensätze deckt ältere Besonderheiten nicht automatisch ab. Benennen Sie relevante Gruppen und wählen Sie dafür geeignete Fälle. Statistische Aussagen dürfen nur mit passender methodischer Grundlage getroffen werden.

Dokumentieren Sie, warum ein automatisierter Vollvergleich bestimmter Felder mit manueller Rekonstruktion ausgewählter Vorgänge kombiniert wird. Der Begriff Vollvergleich bedeutet nur den vollständig bezeichneten Vergleichsumfang. Er ist keine Garantie, dass jede fachliche Eigenschaft geprüft wurde. Diese Grenze sollte in der Freigabeakte sichtbar bleiben.

Quellen: [1] [2]

Differenzen bewerten und finale Übernahme freigeben

Klassifizieren Sie Unterschiede nach Ursache und möglicher Wirkung. Eine beabsichtigte Formatänderung kann akzeptabel sein, wenn Bedeutung erhalten bleibt. Ein unbekannter Statuswechsel oder verlorener Bezug benötigt Klärung. Legen Sie Akzeptanzkriterien vor dem finalen Lauf fest, statt sie nach Betrachtung der Fehler passend zu machen.

Verknüpfen Sie jede relevante Differenz mit Untersuchung, Korrektur und Wiederholungsnachweis. Ein Sammelvermerk „bereinigt“ ist schwach, wenn betroffener Umfang und Ursache unklar bleiben. Bewerten Sie systematische Effekte auch über den ursprünglich gefundenen Einzelfall hinaus. Die Freigabe bezieht sich auf den tatsächlich korrigierten und geprüften Stand.

Erhalten Sie Quellstand, Mapping, Werkzeugversion, Vergleichsberichte und Entscheidungen. Zwischen Generalprobe und finaler Übernahme entstandene Änderungen benötigen einen passenden Deltaabgleich. Ein früher bestandener Test ist kein Ersatz für die Bestätigung des finalen Datenstands und seiner erlaubten Verwendung.

Quellen: [1] [2]

Arbeitsvorlage: Prüfregel und ihre Erkennungsfähigkeit dokumentieren

Beschreiben Sie für jeden automatisierten Vergleich, welche fachliche Eigenschaft er bestätigt. Im Beispiel wird die Beziehung zwischen Probe und Ergebnis geprüft. Notieren Sie verwendete Schlüssel, ausgeschlossene Felder und erwartete Befunde. Eine pauschale Aussage Vollvergleich ist ohne diesen Umfang unklar.

Bereiten Sie bekannte Unterschiede vor, bevor Sie das Werkzeug auf den echten Bestand anwenden. Damit wird seine Erkennungsfähigkeit geprüft. Ein absichtlich vertauschter Ergebnisbezug sollte im Bericht als konkreter Befund erscheinen. Die unabhängige Sollbefundliste darf nicht einfach durch dieselbe Vergleichslogik erzeugt werden.

Nutzen Sie denselben Denkweg für andere Regeln, etwa Einheitenumrechnung oder Statusmapping. Der Vergleich soll die richtigen Eigenschaften prüfen und seine Grenzen sichtbar machen. Erst danach kann ein großer verarbeiteter Bestand eine belastbare Aussage liefern. Menge allein ersetzt keine geeignete Prüfregel.

Quellen: [1] [2]

Eigene Stichprobenrechnung: Ein seltener Fehler bleibt oft unsichtbar

Angenommen, ein Bestand enthält genau 1.000 Datensätze, davon einen mit einem relevanten Fehler. Eine gleichverteilte Zufallsstichprobe von 20 verschiedenen Datensätzen ohne Zurücklegen enthält diesen einen Datensatz mit einer Wahrscheinlichkeit von 20 geteilt durch 1.000, also 2 Prozent. Sie verfehlt ihn mit 98 Prozent Wahrscheinlichkeit. Dieses bewusst einfache Rechenbeispiel ist keine Empfehlung für einen Stichprobenumfang und keine Aussage über eine konkrete reale Fehlerrate.

Der Fall zeigt, warum eine reine kleine Zufallsauswahl seltene kritische Varianten nicht zuverlässig abdeckt. Ergänzen Sie risikobasierte gezielte Fälle: historisches Format, geänderte Einheit, korrigiertes Ergebnis, viele-zu-eins-Beziehung oder fehlender Bezug. Eine gezielte Auswahl beantwortet wiederum keine statistische Schätzfrage für die gesamte Population. Halten Sie beide Zwecke getrennt fest. Die Entscheidung über Umfang und Methode wird mit der benötigten Aussage und ihren Grenzen begründet.

Befunde nicht hinter einer hohen Übereinstimmungsquote verbergen

Wenn 999 von 1.000 verglichenen Records passen, beträgt die einfache Übereinstimmungsquote 99,9 Prozent. Diese Zahl entscheidet nicht allein über die Eignung der Migration. Der eine Unterschied kann eine entscheidende Chargen- oder Ergebniszuordnung betreffen. Bewerten Sie Fehlerart, Reichweite, Ursache und fachliche Folge. Ein vorab gewählter pauschaler Prozentwert darf einen kritischen Befund nicht ohne Begründung neutralisieren.

Definieren Sie vor der finalen Übernahme, was bei einer Differenz geschieht. Wird die Regel korrigiert, der betroffene Bestand erneut geprüft oder die Population ausgeweitet? Prüfen Sie insbesondere systematische Ursachen. Ein einziger entdeckter Mappingfehler kann mehrere Datenklassen betreffen. Nach Korrektur werden der konkrete Fehler und seine mögliche Reichweite geeignet nachgeprüft. Akzeptierte Unterschiede bleiben einzeln oder nach klar definierten Klassen nachvollziehbar begründet; sie verschwinden nicht stillschweigend aus dem Nenner.

Quellen: [1] [2]

Die nächsten Schritte

• Kritische Datenarten und Transformationsregeln erfassen.
• Prüfebenen und begründete Auswahl festlegen.
• Automatische Regeln und fachliche Rekonstruktionen ausführen.
• Jede relevante Differenz klären und finale Übernahme freigeben.