Datenprüfung in der Siedlungsentwässerung: So geht’s effizient und pragmatisch

Tipps & Tricks: Daten der Siedlungsentwässerung #3

In Tipps + Tricks #2 habe ich euch bereits meine Herangehensweise gezeigt, um herauszufinden, in welchem Modell meine Interlis-Daten vorliegen. Denn bevor man sich mit möglichen Fehlern im Importprozess beschäftigt, sollte man diese potenzielle Fehlerquelle ausschliessen. Doch viele Herausforderungen im Umgang mit Daten entstehen, weil die Daten selbst Fehler enthalten.

Daher stellt sich die zentrale Frage: Wie können Daten der Siedlungsentwässerung effektiv geprüft werden?

Mein Ansatz zur Datenprüfung

Wenn ich mit Interlis-Daten aus der Siedlungsentwässerung arbeite, folge ich einem strukturierten Vorgehen, um sicherzustellen, dass die Daten ohne großen Mehraufwand weiterverarbeitet werden können.

1️⃣ Wichtige Fragen vorab klären

Bevor ich mit der eigentlichen Prüfung beginne, stelle ich mir folgende Fragen:

✅ Welche Daten brauche ich? 

✅ In welchem Modell und in welcher Version müssen die Daten vorliegen? 

✅ Welche Mindestqualitätsanforderungen müssen erfüllt sein?

Erst wenn diese Punkte geklärt sind, gehe ich zum nächsten Schritt über.

2️⃣ Modell prüfen

Zunächst überprüfe ich, ob die Daten im gewünschten Modell vorliegen (siehe Tipps + Tricks #2).

3️⃣ Inhaltliche Datenprüfung

Wie ich weiter vorgehe, hängt von den zuvor definierten Anforderungen ab. Die Datenprüfung soll zielgerichtet und pragmatisch sein:

🔹 Unnötigen Aufwand vermeiden 

🔹 Fehlerhafte Daten frühzeitig erkennen

Wenn ich meine Minimalanforderungen kenne, kann ich besser entscheiden, mit welchen Tools die Daten geprüft werden sollen. Je nach verwendetem Tool liegt der Fokus auf unterschiedlichen Aspekten.

Welche Tools nutze ich zur Datenprüfung?

🔹 ilivalidator – Prüfung der Modellkonformität

Der ilivalidator hilft mir zu überprüfen, ob die Daten modellkonform sind. Er prüft beispielsweise:

✔ Sind alle Pflichtattribute gefüllt? 

✔ Wurden Wertebereiche eingehalten? 

✔ Entsprechen die Datentypen den Vorgaben?

Doch Vorsicht: Modellkonform bedeutet nicht automatisch, dass die Daten eine hohe Qualität oder fachliche Korrektheit aufweisen! Ein Beispiel: Wenn ein Pflichtfeld den Wert unbekannt zulässt, könnte dieser Wert überall eingetragen werden – der ilivalidator würde dies nicht als Fehler erkennen, da der Wert gemäss Modell zulässig ist.

Den ilivalidator kannst du unter https://www.interlis.ch/downloads/ilivalidator herunterladen.

🔹 VSA-Checker – Prüfung der fachlichen Korrektheit

Für fachliche Prüfungen verwende ich den VSA-Checker. Dieser prüft spezifische fachspezifische Aspekte der Daten. Die durchgeführten Prüfungen sind im Prüfmodell definiert (VSADSSMINI_2020_1_LV95_CHECK_FP).

💡 Wichtig zu wissen: Der VSA-Checker prüft Daten im Modell VSA-DSS Mini. Auch wenn du ein VSA-DSS hochlädst, wird es für die Prüfung in ein VSA-DSS Mini umgewandelt. Dennoch können die Prüfergebnisse wertvolle Hinweise auf mögliche Unzulänglichkeiten im Datensatz liefern.

Den VSA-Checker kannst du über folgenden Link aufrufen: https://checkservice.infogrips.ch/de/login

🔹 QGIS – Visuelle Datenprüfung

Neben den automatisierten Prüfungen nutze ich auch QGIS, um mir die Daten visuell anzusehen. Oft lassen sich dabei Auffälligkeiten entdecken, die mit reinen Validierungstools nicht sichtbar wären.

Wann nutze ich QGIS?

🔹 Vollständigkeitsprüfung: Eine visuelle Überprüfung zeigt sehr schnell, ob die zum Beispiel die Liegenschaftsentwässerung erfasst ist oder nicht.

🔹 Plausibilitätsprüfung: Durch die Visualisierung nach bestimmten Themen erkenne ich schnell, ob die Daten plausibel sind.

🔹 Thematische Visualisierung: Ich visualisiere Daten z. B. hierarchisch nach Funktion, nach Nutzungsart oder auch nach hydraulischer Funktion. Dadurch lassen sich Unstimmigkeiten leichter identifizieren.

Fazit: Effektive Datenprüfung spart Zeit und Ärger

Eine gezielte Datenprüfung sorgt dafür, dass wir fehlerhafte Daten frühzeitig erkennen und vermeiden, mit unbrauchbaren Datensätzen weiterzuarbeiten. Mein Ansatz:

✅ Strukturiert vorgehen – Erst klären, welche Daten man braucht 

✅ Passende Tools nutzen – Je nach Prüfziel unterschiedliche Werkzeuge einsetzen 

✅ Pragmatisch bleiben – Unnötigen Aufwand vermeiden