Gatekeeper: Hash-Kette verifiziert 212 veröff. Claims · 0 unterdrückt · 256 PASSED-Records · 1024 Ed25519-Kritiker-Signaturen · Stand

Skill data_quality_audit · Version 0.1.0

Customer Data Quality Audit (CSV/NDJSON)

Deterministische Datenqualitätsprüfung für synthetische Kunden-, Rechnungs- und Bestelexporte. Der Skill lädt das Dataset-Profil des Ziels und prüft Schema-Konformität, Pflichtfelder, Format-/Typregeln (E-Mail, ISO-Datum, ISO-Ländercode, ISO-Währung, Enums), Eindeutigkeit von Primärschlüsseln, referentielle Integrität zwischen Tabellen, Wertebereiche, Whitespace-/ Encoding-Rauschen und Pflichtfeld-Vollständigkeit. Er liest ausschließlich Dateien unterhalb des Zielpfads, führt keinen Zielcode aus, nutzt kein Netzwerk und keine LLM-Aufrufe; zwei Läufe liefern byte-identische Findings. Dokumentierte sichere Muster (Decoy-Regeln DQ-*-900) werden über explizite Guards unterdrückt und im Summary nachweisbar ausgewiesen.

VALIDATED Kategorie: Daten-Intelligenz 1 Evidenz-Record(s)

Berechtigungen

  • Nur Lesen (Workspace)
  • Kein Netzwerk

Kosten- und Laufzeitmodell

Kostenmodell des Skills
FeldWert
LLM-Aufrufe erlaubt0
Netzwerkzugriffnein (erzwungen)
Max. Laufzeit120000 ms
Letzte Evidenzf7b559b7cfc14c33839eb2e6fb339f86 (2026-11-03T11:25:20Z)

Validierungs-Schwellenwerte

Schwellenwerte
FeldBedeutungWert
min_recallMindest-Recall1
min_precisionMindest-Precision0.9
max_runtime_msMax. Laufzeit (ms)120000
max_cost_usdMax. Kosten (USD)0.05

Grenzen des Skills

  • Nur deterministische Regelprüfung; keine ML-basierte Anomalie- oder Betrugserkennung und keine statistische Profilierung.
  • Der Regelsatz deckt die im Dataset-Profil deklarierten Schema-, Pflichtfeld-, Format-, Eindeutigkeits-, Referenz-, Wertebereichs-, Rausch- und Vollständigkeitsregeln ab; fachliche Plausibilität über Tabellen hinweg wird nur für die deklarierten Fremdschlüssel und Währungsregeln geprüft.
  • Die aktuelle Evidenz basiert ausschließlich auf dem synthetischen Lab-Target synthetic-customer-data, nicht auf Kundendaten.
  • Der Skill verarbeitet keine echten personenbezogenen Daten (PII) und ist nicht für die Verarbeitung von Produktionsdaten freigegeben.

Eingabe-Vertrag (JSON-Schema)

Der Runner validiert Eingaben gegen dieses Schema, bevor der Skill startet.

{
  "additionalProperties": false,
  "properties": {
    "max_findings": {
      "default": 200,
      "type": "integer"
    },
    "scope": {
      "default": [
        "schema",
        "required",
        "format",
        "uniqueness",
        "referential",
        "ranges",
        "noise",
        "completeness"
      ],
      "items": {
        "type": "string"
      },
      "type": "array"
    },
    "target_path": {
      "type": "string"
    }
  },
  "required": [
    "target_path"
  ],
  "type": "object"
}

Ausgabe-Vertrag (JSON-Schema)

Die Ausgabe wird nach dem Lauf gegen dieses Schema geprüft; Abweichungen brechen den Lauf ab.

{
  "additionalProperties": false,
  "properties": {
    "findings": {
      "maxItems": 500,
      "type": "array"
    },
    "summary": {
      "type": "object"
    }
  },
  "required": [
    "findings",
    "summary"
  ],
  "type": "object"
}

Evidenz für diesen Skill

Nur verifizierte Records, neueste zuerst. Ein Record belegt einen konkreten Lauf gegen ein synthetisches Lab-Ziel.

Evidenz des Skills
RecordZeitstempelStatusReifePrecision / RecallLaufzeitKosten
f7b559b7cfc14c33839eb2e6fb339f862026-11-03T11:25:20ZPASSEDVALIDATED1,000 / 1,000256 ms0,00 €

Verwendet von

Gatekeeper Evidence Inspector

Produkt-Manifest:

—

Evidence-Record-ID:

—

Record-Digest (SHA-256):

—
Record im Evidenz-Explorer