Datenformate
Damit unterschiedliche Computerprogramme und IT-Systeme Daten zuverlässig speichern, einlesen und untereinander austauschen können, müssen diese nach einheitlichen Regeln aufgebaut sein. Datenformate legen genau diese Struktur und Kodierung fest.
Definition
Ein Datenformat (auch Dateiformat, sofern die Daten als Datei auf einem Speicher abgelegt werden) bestimmt die genaue Syntax und Struktur, nach der Daten kodiert, gespeichert und interpretiert werden. Es definiert sowohl den formalen Aufbau (z. B. Trennzeichen, Tags oder Bytefolgen) als auch die zulässigen Datentypen und Zeichensätze, damit ein empfangendes System die gespeicherten Zeichen korrekt auslesen kann.
Unterscheidung nach Kodierung
Je nachdem, wie die Informationen technisch abgelegt werden, lassen sich Datenformate in zwei grundlegende Gruppen einteilen:
Textbasierte Datenformate
Textbasierte Datenformate speichern Informationen als lesbare Schriftzeichen auf Basis eines standardisierten Zeichensatzes (z. B. ASCII oder UTF-8).
- Vorteile: Sie sind plattformunabhängig, lassen sich mit jedem einfachen Texteditor öffnen und von Menschen direkt lesen sowie überprüfen.
- Nachteile: Durch lesbare Feldnamen, Klammern oder Tags benötigen sie mehr Speicherplatz und müssen beim Einlesen zunächst von einem Programm geparst (zerlegt) werden.
- Typische Formate: TXT, CSV, JSON, XML, HTML.
Binäre Datenformate
Binäre Datenformate speichern Informationen unmittelbar als kompakte Folge von Bytes, die direkt auf die Verarbeitung durch bestimmte Programme zugeschnitten sind.
- Vorteile: Sie benötigen deutlich weniger Speicherplatz, lassen sich sehr schnell einlesen und eignen sich für komplexe Medien- oder Programmdaten.
- Nachteile: Ohne das passende Anwendungsprogramm sind die Inhalte für Menschen nicht lesbar; zudem können sie plattform- oder versionsabhängig sein.
- Typische Formate: PNG, MP3, PDF, ZIP, kompilierte Datenbankdateien.
Unterscheidung nach Strukturierungsgrad
In der Informatik und Datenbankentwicklung werden Datenformate außerdem danach unterschieden, wie streng ihr Aufbau vorgegeben ist:
- Strukturierte Daten: Die Daten folgen einem festen, einheitlichen Schema mit klar definierten Feldern und Datentypen. Jeder Datensatz besitzt exakt dieselben Attribute (z. B. Tabellen in relationalen Datenbanken oder CSV-Dateien).
- Semistrukturierte Daten: Die Daten besitzen kein starres Tabellenschema, enthalten aber Strukturinformationen (Metadaten) in Form von Schlüsseln oder Tags direkt im Datensatz. Dadurch sind auch verschachtelte Hierarchien und optionale Felder möglich (z. B. JSON oder XML).
- Unstrukturierte Daten: Die Daten folgen keinem formalen Datenmodell, sodass einzelne Informationsbestandteile nicht ohne Weiteres maschinell getrennt ausgelesen werden können (z. B. Fließtexte, E-Mails, Bilder oder Videoaufnahmen).
Wichtige textbasierte Austauschformate
Für den Datenaustausch zwischen verschiedenen Softwaresystemen (z. B. über Web-Schnittstellen oder beim Import und Export in Datenbanken) haben sich drei textbasierte Formate etabliert:
| Format | Bedeutung | Aufbau und Syntax | Typischer Einsatzbereich |
|---|---|---|---|
| CSV | Comma-Separated Values | Zeilenweise Darstellung wie in einer Tabelle; Spalten werden durch ein Trennzeichen (meist ; oder ,) getrennt. |
Import und Export einfacher tabellarischer Daten (z. B. Excel, Datenbanken) |
| JSON | JavaScript Object Notation | Kompakte Darstellung über Schlüssel-Wert-Paare ("Schlüssel": Wert), Objekte ({ }) und Listen ([ ]). |
Datenaustausch über Web-APIs (z. B. REST-Schnittstellen) und Webanwendungen |
| XML | Extensible Markup Language | Hierarchische Baumstruktur mithilfe selbst definierter öffnender und schließender Tags (<tag>...</tag>). |
Konfigurationsdateien, komplexe Dokumente, elektronische Rechnungen (z. B. XRechnung) |
Beispiele
Um den Unterschied zwischen den wichtigsten Austauschformaten zu verdeutlichen, wird derselbe Artikelbestand aus einem Warenwirtschaftssystem in CSV, JSON und XML dargestellt.
Tabellarische Darstellung im CSV-Format
Im CSV-Format steht in der ersten Zeile üblicherweise die Kopfzeile mit den Spaltennamen, gefolgt von einem Datensatz pro Zeile (hier mit dem Semikolon als Trennzeichen):
ArtikelNr;Bezeichnung;Bestand;Preis
4711;USB-C Kabel 2m;120;8,99
4712;Funktastatur;35;29,50Objektorientierte Darstellung im JSON-Format
Im JSON-Format werden die Artikel als Liste ([ ]) von Objekten ({ }) mit Schlüssel-Wert-Paaren gespeichert. Gemäß der Syntax von JSON werden Zeichenketten in doppelte Anführungszeichen gesetzt und Dezimalzahlen mit einem Punkt geschrieben:
{
"artikel": [
{
"artikelNr": 4711,
"bezeichnung": "USB-C Kabel 2m",
"bestand": 120,
"preis": 8.99
},
{
"artikelNr": 4712,
"bezeichnung": "Funktastatur",
"bestand": 35,
"preis": 29.50
}
]
}
Hierarchische Darstellung im XML-Format
Im XML-Format umschließt ein Wurzelelement (<lagerbestand>) mehrere untergeordnete <artikel>-Elemente mit jeweils eigenen Tags für jedes Attribut:
<?xml version="1.0" encoding="UTF-8"?>
<lagerbestand>
<artikel nr="4711">
<bezeichnung>USB-C Kabel 2m</bezeichnung>
<bestand>120</bestand>
<preis>8.99</preis>
</artikel>
<artikel nr="4712">
<bezeichnung>Funktastatur</bezeichnung>
<bestand>35</bestand>
<preis>29.50</preis>
</artikel>
</lagerbestand>