Im Fokus der Arbeit ist das Kernbankensystem, das über eine Plattform für Dritte zugänglich ist. Die Plattform ermöglicht es Fintechs und Start-ups, ihre Finanzdienstleistungen in einer realen Umgebung zu testen. Damit die Bankenplattform möglichst realitätsnahe Strukturen und Szenarien abbilden kann, werden Testdaten benötigt. Da es aus verschiedenen Gründen nicht möglich und empfehlenswert ist, Produktivdaten aus einem realen Bankensystem für diesen Zweck benutzen, muss ein anderer Weg gefunden werden, um an die benötigten Testdaten zu kommen.

Die Arbeiten wurden in vier Schritte unterteilt. In einer ersten Phase (Definitionsphase) wurden die Rahmenbedingungen geschaffen. Während der zweiten Phase (Literaturrecherche) verschaffte sich der Student einen Überblick über die Thematik und suchte nach passenden Quellen. Im Verlauf der dritten Phase (Konzeptphase) wurde mit den gewonnenen Erkenntnissen ein Konzept zum Einsatz von Datengeneratoren entwickelt. Die letzte Phase beschäftigte sich mit Fragen zur Implementation.

Im Verlauf der Arbeit konnten wichtige Erkenntnisse herausgearbeitet werden, die den Kunden bestärkten, den eingeschlagenen Weg weiterzuverfolgen. So hat es sich gezeigt, dass es nicht ausreichend ist, einen Datengenerator zu haben, um die Anwendung zufriedenstellend betreiben zu können. Vielmehr sollte für das Generieren und Einspeisen von Testdaten ein ganzer Prozess geschaffen werden. Weiter muss man sich während des Erstellens dieses Prozesses immer vor Augen führen, dass man nicht Testdaten im eigentlichen Sinne erstellt, um ein System zu testen, sondern man erstellt Testdaten, um ein produktives System zum Laufen zu bringen. Im Rahmen dieser Arbeit wurde aufgezeigt, wie komplex es sein kann, realitätsnahe Daten zu erstellen und dass ein eigens entwickelter Datengenerator sehr viel Ressourcen in Anspruch nehmen würde, um mit bereits bestehenden Generatoren mithalten zu können.