Realistische Testdaten (JSON & CSV) kostenlos erzeugen

Jeder Entwickler stößt irgendwann an dieselbe Wand: Sie brauchen Daten zum Testen, aber echte Nutzerdaten zu verwenden ist ein Risiko, Lorem Ipsum ist für alles jenseits von Absatzfüllung nutzlos, und 500 Testdatensätze in JSON von Hand zu erstellen, ist eine Methode, einen Nachmittag zu ruinieren. Generatoren für Fake-Daten gibt es, um genau dieses Problem zu lösen — und der BrowseryTools Fake-Daten-Generator tut es kostenlos, lokal, ohne Konto, ohne Zeilenbegrenzung und ohne Abonnement.

Dieser Leitfaden behandelt, warum realistische Fake-Daten wichtig sind, was der Generator erzeugt, wie Sie ihn in verschiedenen Arbeitsabläufen wirksam einsetzen und wie Sie die Ausgabe in jede gängige Datenbank und Toolchain importieren.

Warum Sie keine echten Nutzerdaten zum Testen verwenden können

Produktionsdaten in Entwicklungs- oder Testumgebungen zu verwenden, ist unter mehreren regulatorischen Rahmen ein Compliance- und Rechtsrisiko:

• DSGVO (Europa): Artikel 25 verlangt Datenminimierung durch Technikgestaltung. Echte Nutzerdatensätze — Namen, E-Mails, Adressen — in eine Staging-Datenbank zu kopieren, verstößt gegen dieses Prinzip, sofern die Daten nicht ordnungsgemäß anonymisiert wurden. Eine Verletzung dieser Staging-Umgebung legt die Daten echter Personen offen.
• HIPAA (US-Gesundheitswesen): Geschützte Gesundheitsinformationen (PHI) dürfen in Testumgebungen nicht verwendet werden, ohne entweder ein Business Associate Agreement oder eine ordnungsgemäße De-Identifikation nach der Safe-Harbor- oder Expert-Determination-Methode. Echte Patientendatensätze in einer Dev-Datenbank zu verwenden, ist ein direkter HIPAA-Verstoß.
• CCPA (Kalifornien): Personenbezogene Informationen von Einwohnern Kaliforniens unterliegen spezifischen Rechten und Beschränkungen. Echte Kundendatensätze in einem nicht-produktiven Kontext ohne angemessene Kontrollen zu verwenden, schafft eine unnötige Risikoexposition.

Über die Compliance hinaus gibt es praktische technische Gründe, echte Daten in Tests zu meiden: Echte Daten sind auf unvorhersehbare Weise unordentlich (sie haben Null-Felder, Sonderzeichen und Unicode, für deren Handhabung Tests möglicherweise nicht geschrieben wurden), sie ändern sich im Laufe der Zeit (was Tests nicht-deterministisch macht), und sie enthalten Werte, die versehentlich echte Nebenwirkungen auslösen können (E-Mails an echte Adressen senden, echte Zahlungsmethoden belasten).

Warum Lorem Ipsum das falsche Werkzeug für Daten ist

Lorem Ipsum ist gut, um Textblöcke in einem Layout-Mockup zu füllen. Es ist völlig falsch zum Testen datengetriebener Benutzeroberflächen und APIs, weil:

• Es testet reale Feldlängen nicht unter Belastung. E-Mail-Adressen, Telefonnummern und Postleitzahlen haben alle spezifische Formate und Maximallängen. „Lorem ipsum dolor sit amet" in einem E-Mail-Feld wird nicht aufdecken, dass Ihre Eingabevalidierung falsch ist, aber very.long.name.that.pushes.limits@subdomain.example.com wird es.
• Es deckt keine Randfälle in Ihrer Benutzeroberfläche auf. Ein Name wie „José García-López" testet Ihre Zeichenkodierung. Ein Firmenname wie „O'Brien & Associates, LLC" testet Ihr SQL-Escaping. „Lorem ipsum" testet keines von beidem.
• Es lässt Ihre Mockups und Prototypen auf eine Weise unecht aussehen, die von Bedeutung ist. Stakeholder, die einen Prototyp mit realistischen Namen, realistischen Städten und realistischen E-Mail-Adressen begutachten, können das Design richtig beurteilen. Platzhaltertext zerstört die Illusion und erschwert es, tatsächliche Usability-Probleme zu erkennen.

Was der BrowseryTools Fake-Daten-Generator erzeugt

Der Generator unterstützt eine breite Palette von Feldtypen über mehrere Kategorien hinweg. Sie wählen aus, welche Felder einbezogen werden, und jeder erzeugte Datensatz enthält realistische, ordnungsgemäß formatierte Werte für jedes ausgewählte Feld:

Persönliche Informationen

• Vollständiger Name — kulturell realistische Kombinationen aus Vor- und Nachname
• Vorname und Nachname getrennt (nützlich, wenn Ihr Schema sie in verschiedenen Spalten speichert)
• E-Mail-Adresse — ordnungsgemäß formatiert, mit dem erzeugten Namen als lokalem Teil
• Telefonnummer — US-Format mit Vorwahl
• Geburtsdatum — erzeugt Erwachsene zwischen 18 und 80 Jahren
• Geschlecht — männlich / weiblich / nicht-binär

Adresse

• Straßenanschrift — realistische Hausnummer und Straßenname
• Stadt — echte US-amerikanische und internationale Städtenamen
• Bundesland/Region — US-Bundesstaaten und internationale Entsprechungen
• Land
• PLZ / Postleitzahl — das Format entspricht dem ausgewählten Land

Internet & Identität

• Benutzername — aus dem Namen erzeugt, mit angehängten Zahlen für Realismus
• URL — realistische persönliche oder Unternehmens-Website-URLs
• IP-Adresse — gültige IPv4-Adressen in öffentlichen Bereichen
• User-Agent — echte Browser-User-Agent-Zeichenketten gängiger Browser

Finanzen

• Kreditkartennummer — besteht die Luhn-Algorithmus-Validierung, sodass sie von Formatprüfern nicht abgelehnt wird; verwendet realistische Kartennummer-Präfixe (Visa 4xxx, Mastercard 5xxx), ist aber keine echte Kartennummer
• IBAN — gültiges Format für europäische Bankkontonummern

Kennungen & Systemfelder

• UUID — v4-UUID für Datenbank-Primärschlüssel und Korrelations-IDs
• SSN — Format der US-Sozialversicherungsnummer (XXX-XX-XXXX)
• Daten und Zufallszahlen innerhalb konfigurierbarer Bereiche

So nutzen Sie den Generator

Öffnen Sie /tools/fake-data. Die Oberfläche bietet Ihnen drei Steuerelemente:

1. Wählen Sie Ihre Felder: Aktivieren Sie die Kontrollkästchen für jeden Feldtyp, den Sie in der Ausgabe haben möchten. Sie können so wenig wie ein Feld auswählen (zum Beispiel nur E-Mail-Adressen) oder den vollständigen Satz für umfassende Nutzerdatensätze.
2. Legen Sie die Datensatzanzahl fest: Geben Sie eine Zahl zwischen 1 und 1.000 ein. Für Seed-Daten zum Lasttest verwenden Sie 1.000. Für eine Storybook-Story oder ein Design-Mockup reichen 5–10 Datensätze in der Regel aus.
3. Wählen Sie das Ausgabeformat: Wählen Sie JSON oder CSV. JSON eignet sich besser für API-Tests und JavaScript-Toolchains. CSV eignet sich besser für Datenbankimporte, die Tabellenprüfung oder Tools wie Postman.

Klicken Sie auf „Generieren". Die Ausgabe erscheint im Textbereich darunter. Verwenden Sie die Schaltfläche „Kopieren", um sie in Ihre Zwischenablage zu kopieren, oder „Download", um die Datei lokal zu speichern. Die Erzeugung ist für bis zu 1.000 Datensätze augenblicklich — die gesamte Berechnung erfolgt in Ihrem Browser.

JSON-Ausgabebeispiel

Hier ist ein repräsentatives Snippet mit 3 Datensätzen JSON-Ausgabe, bei dem persönliche, Adress- und Internet-Felder ausgewählt sind:

[
  {
    "id": "a3f7c2e1-8b4d-4f6a-9c1e-2d5b8f3a0c7e",
    "firstName": "Meredith",
    "lastName": "Okafor",
    "email": "meredith.okafor47@mailbox.net",
    "phone": "(312) 554-8821",
    "dateOfBirth": "1988-03-14",
    "gender": "female",
    "street": "2841 Birchwood Drive",
    "city": "Columbus",
    "state": "OH",
    "zipCode": "43215",
    "country": "United States",
    "username": "meredith_okafor88",
    "ipAddress": "74.125.224.18"
  },
  {
    "id": "b8e2d5f1-3a9c-4e7b-8d2f-1c6a4e9b0d3f",
    "firstName": "Derek",
    "lastName": "Nascimento",
    "email": "d.nascimento@webfrontier.io",
    "phone": "(415) 703-2294",
    "dateOfBirth": "1995-11-02",
    "gender": "male",
    "street": "509 Elmwood Court",
    "city": "Portland",
    "state": "OR",
    "zipCode": "97201",
    "country": "United States",
    "username": "derek_n95",
    "ipAddress": "192.0.2.147"
  },
  {
    "id": "c1d4f9a2-7e3b-4c8d-a5f2-0b9e6c1d4f8a",
    "firstName": "Simone",
    "lastName": "Bertrand",
    "email": "simone.bertrand@alphamail.com",
    "phone": "(617) 889-4471",
    "dateOfBirth": "1979-07-28",
    "gender": "female",
    "street": "77 Harborview Terrace",
    "city": "Boston",
    "state": "MA",
    "zipCode": "02101",
    "country": "United States",
    "username": "simone_b79",
    "ipAddress": "203.0.113.42"
  }
]

CSV-Ausgabebeispiel

Dieselben Daten im CSV-Format, bereit zum Import in eine Tabellenkalkulation, eine Datenbank oder jedes Tool, das getrennte Dateien akzeptiert:

id,firstName,lastName,email,phone,dateOfBirth,gender,street,city,state,zipCode,country,username,ipAddress
a3f7c2e1-8b4d-4f6a-9c1e-2d5b8f3a0c7e,Meredith,Okafor,meredith.okafor47@mailbox.net,(312) 554-8821,1988-03-14,female,2841 Birchwood Drive,Columbus,OH,43215,United States,meredith_okafor88,74.125.224.18
b8e2d5f1-3a9c-4e7b-8d2f-1c6a4e9b0d3f,Derek,Nascimento,d.nascimento@webfrontier.io,(415) 703-2294,1995-11-02,male,509 Elmwood Court,Portland,OR,97201,United States,derek_n95,192.0.2.147
c1d4f9a2-7e3b-4c8d-a5f2-0b9e6c1d4f8a,Simone,Bertrand,simone.bertrand@alphamail.com,(617) 889-4471,1979-07-28,female,77 Harborview Terrace,Boston,MA,02101,United States,simone_b79,203.0.113.42

Praxisbeispiel 1: Befüllen einer Nutzerdatenbank für Lasttests

Das Lasttesten einer nutzerseitigen API erfordert eine befüllte Datenbank. Sie benötigen genügend Datensätze, um realistische Abfrageleistung, Paginierungsverhalten und Suchindizierung zu simulieren — aber Sie können keine echten Nutzerdaten verwenden, und Tausende von SQL-Inserts von Hand zu erstellen, ist nicht praktikabel.

Erzeugen Sie mit dem Fake-Daten-Generator 1.000 Datensätze mit allen nutzerrelevanten Feldern, laden Sie sie als CSV herunter und importieren Sie sie dann direkt in Ihre Datenbank:

-- PostgreSQL: import CSV directly into users table
COPY users (id, first_name, last_name, email, phone, date_of_birth, city, state, zip_code)
FROM '/path/to/fake_users.csv'
DELIMITER ','
CSV HEADER;

-- MySQL equivalent:
LOAD DATA LOCAL INFILE '/path/to/fake_users.csv'
INTO TABLE users
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;

-- MongoDB (using mongoimport):
mongoimport --db myapp --collection users --type csv --headerline --file fake_users.csv

Praxisbeispiel 2: Befüllen einer Storybook-Story oder eines Design-Mockups

Beim Erstellen einer UI-Komponente — einer Nutzertabelle, einer Kontaktkarte, einer Suchergebnisliste — prägen die Daten, gegen die Sie testen, ob Sie echte Probleme erkennen. Eine Tabelle mit 10 Nutzern, bei der einer einen sehr langen Namen hat, einer ein internationales Zeichen in seiner E-Mail und einer eine Stadt, die auf zwei Zeilen umbricht, deckt Layout-Fehler auf, die eine Tabelle mit identischen Platzhalterzeilen niemals zeigen würde.

Erzeugen Sie 10–20 Datensätze als JSON und fügen Sie die Ausgabe direkt in Ihre Storybook-Story oder Komponenten-Fixture-Datei ein:

// UserTable.stories.ts
import type { Meta, StoryObj } from '@storybook/react';
import { UserTable } from './UserTable';

// Paste generated JSON directly from BrowseryTools:
const fakeUsers = [
  { id: "a3f7c2e1...", firstName: "Meredith", lastName: "Okafor", email: "meredith.okafor47@mailbox.net", city: "Columbus" },
  { id: "b8e2d5f1...", firstName: "Derek", lastName: "Nascimento", email: "d.nascimento@webfrontier.io", city: "Portland" },
  // ... more records
];

const meta: Meta<typeof UserTable> = { component: UserTable };
export default meta;

export const WithData: StoryObj<typeof UserTable> = {
  args: { users: fakeUsers },
};

Praxisbeispiel 3: Fixtures für API-Integrationstests

Integrationstests für einen API-Endpunkt, der Nutzerdatensätze erstellt oder aktualisiert, benötigen einen zuverlässigen, deterministischen Satz von Eingabedaten. Anstatt Fixture-Objekte von Hand zu schreiben, erzeugen Sie einmal einen Satz von Datensätzen, speichern die JSON-Datei in Ihrem Test-Fixtures-Verzeichnis und importieren sie in Ihren Tests:

// tests/fixtures/users.json — generated by BrowseryTools, committed to version control
// tests/api/users.test.ts

import users from '../fixtures/users.json';
import { createUser } from '../../src/api/users';

describe('POST /api/users', () => {
  it.each(users.slice(0, 10))('creates user with valid data (%s)', async (user) => {
    const response = await createUser(user);
    expect(response.status).toBe(201);
    expect(response.body.email).toBe(user.email);
  });
});

Import in Postman-Collections

Für API-Tests mit Postman erzeugen Sie Ihre Testdatensätze als JSON und verwenden die Datendatei-Funktion von Postman, um eine Anfrage einmal pro Datensatz auszuführen. Speichern Sie die JSON-Ausgabe als Datei, dann in Postman: Öffnen Sie den Collection Runner, wählen Sie die Anfrage und hängen Sie die JSON-Datei als „Data"-Quelle an. Postman iteriert durch jeden Datensatz und setzt die Werte mithilfe von {{firstName}}, {{email}} und ähnlicher Variablensyntax in Ihren Anfragerumpf ein.

Das verwandelt eine von Hand geschriebene POST-Anfrage in einen automatisierten Test, der in Sekunden gegen 100 verschiedene realistische Nutzerdatensätze läuft — ohne dass irgendein Test-Framework eingerichtet werden muss.

BrowseryTools vs. Mockaroo

Mockaroo ist der bekannteste Online-Generator für Fake-Daten. Es ist ein solides Werkzeug, hat aber Reibung, die BrowseryTools vollständig beseitigt:

Wenn Sie hochspezialisierte Feldtypen oder SQL-Ausgabe benötigen, bleibt Mockaroo wertvoll. Für den häufigen Fall — die Erzeugung realistischer JSON- oder CSV-Daten für Nutzerdatensätze — erfordert BrowseryTools keine Kontoeinrichtung, keine Verwaltung von Tageslimits und keine Sorge darüber, dass Ihr Datenschema an einen Drittanbieterserver gesendet wird.

Datenschutz: Die gesamte Erzeugung erfolgt lokal

Jeder Name, jede E-Mail, jede Adresse und jede UUID, die der Generator erzeugt, wird von JavaScript erstellt, das in Ihrem Browser-Tab läuft. Die von Ihnen ausgewählten Feldtypen, die Anzahl der angeforderten Datensätze und die Ausgabedaten selbst werden niemals an einen Server übertragen. BrowseryTools hat keine Backend-Komponente, die an der Datenerzeugung beteiligt ist.

Das ist weniger wichtig, wenn man speziell Fake-Daten erzeugt (da diese per Definition allesamt fiktiv sind), aber es ist wichtig für das Schema, gegen das Sie sie testen. Wenn Ihre Feldauswahl die Struktur eines sensiblen internen Systems offenbart, bleibt auch diese Information lokal.

Erzeugen Sie jetzt Ihren ersten Datensatz

Ob Sie eine Lasttest-Datenbank befüllen, eine Storybook-Story bestücken, API-Test-Fixtures schreiben oder einfach eine Funktion mit etwas vorführen, das echt aussieht — realistische Fake-Daten sind die richtige Grundlage, und sie zu erzeugen sollte 30 Sekunden dauern.

Öffnen Sie den BrowseryTools Fake-Daten-Generator, wählen Sie Ihre Felder, legen Sie Ihre Datensatzanzahl fest, wählen Sie JSON oder CSV und klicken Sie auf Generieren. Kein Konto, keine Zeilenbegrenzung, keine Kosten, nichts irgendwohin hochgeladen.

Verwandte Tools: JSON-Formatierer · UUID-Generator · Regex-Tester · CSV zu JSON · Alle BrowseryTools