---
title: Altova-Blog
date: 2026-06-11
description: "Technologie- und Produktinformationen von Altova: XMLSpy (XML-Editor), SQL, UML, Datenintegration, mobile Entwicklung und mehr"
---

# [Lassen Sie künstliche Intelligenz Ihre EDI-Zuordnungen in MapForce analysieren](/blog/de/2026/06/letting-ai-decode-your-edi-mappings-in-mapforce.md)
Von allen Datenformaten, mit denen ein Integrationsentwickler zu tun hat, ist EDI das, das am wahrscheinlichsten in der Mapping-Phase zu Verzögerungen führt. Die Standards sind Jahrzehnte alt, die Identifikatoren sind bewusst kurz gehalten, und die Struktur ist stark verschachtelt. Ein Segment wie `NAD` oder eine Gruppe wie `SG29` trägt eine konkrete, spezifische geschäftliche Bedeutung, aber der Name allein verrät nichts über diese Bedeutung. Bevor Sie ein einzelnes EDI-Feld mit einer Zieldatenbank verbinden können, müssen Sie wissen, was es repräsentiert, was in der Regel bedeutet, dass Sie die Nachrichtenspezifikation konsultieren müssen.

Diese Dekodierungsarbeit ist der Teil der EDI-Integration, der sich der Automatisierung widersetzt. Das Herausfinden, welches kryptische Queldelement welchem Zielspalte zugeordnet wird, ist ein langsamer, manueller Prozess, der vollständig von jemandem abhängt, der bereits mit dem Format vertraut ist.

Genau hier kommt Altova AI in MapForce am besten zum Einsatz. Es versteht die Bedeutung hinter diesen undurchsichtigen EDI-Identifikatoren, schlägt die richtigen Verbindungen vor und ermöglicht es Ihnen, diese einzeln zu akzeptieren – ohne dass Sie vorher die Spezifikation übersetzen müssen.

![Dekorative Darstellung, die die datengestützte Analyse mit Hilfe von künstlicher Intelligenz veranschaulicht](/blog/images/ai-data-mapping.png)

[Mehr lesen](/blog/de/2026/06/letting-ai-decode-your-edi-mappings-in-mapforce.md)

# [KI-gestützte Datenzuordnungen in MapForce – Lernen Sie Altova AI kennen](/blog/de/2026/06/ai-built-data-mappings-in-mapforce-meet-altova-ai.md)
Die meiste Zeit, die man in einem Datenintegrationsprojekt aufwendet, wird nicht mit der eigentlichen Ausführung verbracht. Sie wird für die Definition des Projekts benötigt. Die Verbindung eines Quellschemas mit einem Zielschema bedeutet, Felder einzeln miteinander abzugleichen, und das in Systemen, die selten in Bezug auf Struktur, Benennung oder Sprache übereinstimmen. Eine Quelle nennt es "`cust_nm;`", das Ziel möchte "`CustomerName`". Ein EDI-Partner sendet die Segmente "`N1`" und "`PO1`", die erst dann eine Bedeutung haben, wenn man sie mit einer Spezifikation abgeglichen hat. Die eine Seite ist auf Chinesisch, die andere auf Englisch.

Und die Zuordnung der Felder ist nur die halbe Arbeit – die Verbindung zwischen ihnen bedeutet selten eine direkte Linie. Sie müssen auch die Datenverarbeitungsfunktionen und Filter definieren, die einen Quellwert so anpassen, dass er zum Ziel passt: das Zusammenfügen oder Aufteilen von Zeichenketten, die Umformatierung von Datumsangaben, die Umrechnung von Einheiten oder Codes, die Anwendung von bedingter Logik und das Filtern von Datensätzen, die überhaupt nicht weitergeleitet werden sollen. Multiplizieren Sie all das mit einigen Hundert Feldern, und Sie erhalten den Teil der Arbeit, der am längsten dauert und das spezialisierteste Wissen erfordert.

Die Ausführungsphase von ETL-Prozessen ist seit Jahren gelöst. Die _Erstellung_ von Datenzuordnungen hingegen noch nicht. Hier schließt Altova AI die Lücke.

![Dekoratives Bild, das künstliche Intelligenz in MapForce symbolisiert](/blog/images/mapforce-ai.png)

[Mehr lesen](/blog/de/2026/06/ai-built-data-mappings-in-mapforce-meet-altova-ai.md)

# [Neue Altova AI: Intelligente Unterstützung für XMLSpy, MapForce und DatabaseSpy](/blog/de/2026/05/new-altova-ai-smart-assistance-for-xmlspy-mapforce-and-databasespy.md)
Die Version 2026, Release 2 von Altova Software ist jetzt verfügbar und bietet eine Reihe neuer Funktionen, darunter die Einführung des **Altova AI Servers**. Als optionales Abonnement, das sich nahtlos in die Altova MissionKit-Produkte integriert, bringt Altova AI intelligente, kontextbezogene Unterstützung in MapForce, XMLSpy und DatabaseSpy – direkt in den Tools, die Sie bereits verwenden.

![Neuigkeiten über Altova AI](/blog/images/v2026r2_blog.jpg)

[Mehr lesen](/blog/de/2026/05/new-altova-ai-smart-assistance-for-xmlspy-mapforce-and-databasespy.md)

# [Biometrische Authentifizierung für Anwendungen in MobileTogether 10.3](/blog/de/2026/04/biometric-authentication-for-apps-in-mobiletogether-103.md)
Version 10.3 von Altova MobileTogether, dem plattformübergreifenden Framework für die Entwicklung von datenzentrierten Unternehmens- und mobilen Anwendungen, ist jetzt verfügbar. Diese Version bietet biometrische Authentifizierung für Endbenutzer, neue Funktionen zur Bildbearbeitung, Sicherheitsverbesserungen für den MobileTogether Server und eine Reihe von Produktivitätssteigerungen für App-Entwickler, die mit MobileTogether Designer arbeiten.

![Frau entsperrt ihr Smartphone mithilfe der Gesichtserkennung](/blog/images/MT10.3_blog.jpg)

[Mehr lesen](/blog/de/2026/04/biometric-authentication-for-apps-in-mobiletogether-103.md)

# [XSLT-Debugging: Fehler in Transformationen finden und beheben](/blog/de/2026/04/xslt-debugging-finding-and-fixing-transformation-errors.md)
Für alle, die mit XML arbeiten, ist XSLT ein mächtiges und unverzichtbares Werkzeug – aber es ist auch berüchtigt dafür, schwer zu debuggen zu sein. Transformieren Sie eine große XML-Datei und erhalten unerwartete Ergebnisse? Sie könnten Stunden damit verbringen, herauszufinden, ob das Problem in Ihrer Template-Logik, Ihren XPath-Ausdrücken oder Ihren Quelldaten liegt. Ohne geeignete Debugging-Tools wird die XSLT-Entwicklung zu einer frustrierenden Angelegenheit. Lassen Sie uns untersuchen, wie der richtige Ansatz zum Debugging Ihnen enorme Mengen an Zeit sparen kann.

![Softwareentwickler, der an seinem Arbeitsplatz arbeitet](/blog/images/developer-workstation.png)

[Mehr lesen](/blog/de/2026/04/xslt-debugging-finding-and-fixing-transformation-errors.md)


# [Der umfassende Leitfaden zur XML-Bearbeitung](/blog/de/2026/03/the-complete-guide-to-xml-editing.md)
Wenn Sie mit Daten, Konfigurationsdateien, Webdiensten, Finanzberichten oder strukturierten Inhalten arbeiten, besteht eine gute Chance, dass Sie bereits mit XML in Berührung gekommen sind. Ob Sie APIs entwickeln, Unternehmensdaten verwalten oder XBRL-Dokumente bearbeiten, XML ist nach wie vor eines der am weitesten verbreiteten Datenformate im professionellen Bereich. Die effektive Bearbeitung von XML ist jedoch eine andere Geschichte. In dieser Anleitung werden wir Ihnen erklären, was die Bearbeitung von XML wirklich bedeutet, warum sie im Jahr 2026 wichtig ist und wie die richtigen Werkzeuge Ihren Arbeitsablauf verändern können.

![Ein Softwareentwickler für XML-Technologie arbeitet an einem Schreibtisch mit zwei Computerbildschirmen](/blog/images/xml-developer.png)

[Mehr lesen](/blog/de/2026/03/the-complete-guide-to-xml-editing.md)

# [Automatisieren Sie Datenintegrations- und -transformationsprozesse mit dem FlowForce Server](/blog/de/2026/03/automate-data-integration-and-transformation-workflows-with-flowforce-server.md)
Organisationen, die große Mengen an eingehenden Daten verarbeiten, wissen, wie schnell die manuelle Bearbeitung zu einem Engpass wird. Dateien kommen in unterschiedlichen Formaten an, Geschäftsprozesse variieren je nach Region oder Kunde, und der Spielraum für Fehler ist gering. Was benötigt wird, ist eine zuverlässige Datenverarbeitungspipeline, die Daten automatisch weiterleiten, transformieren und berechnen kann, ohne menschliches Zutun.

Genau das ist die Aufgabe, für die Altova FlowForce Server und MapForce Server entwickelt wurden. In unserem neuesten Video-Tutorial zeigen wir Ihnen ein komplettes, praxisnahes Automatisierungsszenario von Anfang bis Ende.

![Dekorative Darstellung, die eine Datenumwandlung visualisiert](/blog/images/visualize-data-transformation.png)

[Mehr lesen](/blog/de/2026/03/automate-data-integration-and-transformation-workflows-with-flowforce-server.md)

# [Vergleich von Markdown-Dateien im Zeitalter der agentenbasierten KI: Warum DiffDog](/blog/de/2026/02/comparing-markdown-files-in-the-age-of-agentic-ai-why-diffdog.md)
Markdown hat sich unauffällig zu einem der wichtigsten Dateiformate in der Softwareentwicklung entwickelt. Von README-Dateien und Dokumentationen bis hin zu Konfigurationen und Projektmanagement sind .md-Dateien allgegenwärtig. Aber es gibt einen neueren, faszinierenden Anwendungsfall, der Markdown in den Vordergrund rückt: die Konfiguration von KI-Persönlichkeiten.

Modern Plattformen wie OpenClaw, ein Open-Source-Framework für KI-Assistenten, verwenden eine Reihe spezieller Markdown-Dateien mit den Namen SOUL.md, IDENTITY.md, MEMORY.md, HEARTBEAT.md und TOOLS.md, um die Persönlichkeit, das Verhalten, das Gedächtnis und die Funktionsweise eines KI-Agenten zu definieren. Jedes Mal, wenn ein OpenClaw-Assistent eine neue Sitzung startet, liest er diese Markdown-Dateien als Teil des System-Prompts und "liest sich sozusagen selbst in die Existenz". Dadurch werden SOUL.md und die anderen Dokumente zu lebendigen Konfigurationsdateien, die im Laufe der Zeit angepasst und verfeinert werden, ähnlich wie Quellcode.

Wo iterative Verbesserungen erforderlich sind, braucht man ein zuverlässiges Tool zum Vergleichen und Zusammenführen von Dateien. Hier kommt Altova DiffDog ins Spiel.

![Lustiges Bild, das Cartoon-Hummer zeigt, die sich über die Dokumentation "soul.md" austauschen](/blog/images/DiffDog-Markdown-AI-Lead-Image.png)

[Mehr lesen](/blog/de/2026/02/comparing-markdown-files-in-the-age-of-agentic-ai-why-diffdog.md)

# [Verkettete Datentransformation](/blog/de/2026/02/how-to-create-a-chained-data-transformation.md)
Komplexe ETL- und Datenintegrationsprojekte passen selten in eine einzige Transformation. Entwickler erstellen oft mehrstufige Datenverarbeitungsprozesse, bei denen die Ausgabe eines Schritts zur Eingabe für den nächsten wird. Dieser Ansatz erleichtert das Management von Abhängigkeiten, die Wiederverwendung von Logik und die Wartbarkeit großer Arbeitsabläufe. Durch die Aufteilung von Transformationen in kleinere, gestaffelte Zuordnungen werden auch Tests, die Fehlersuche und die langfristige Skalierbarkeit vereinfacht.

Altova MapForce unterstützt diesen Ansatz durch die Verwendung von **verketteten Datenabbildungen**, die es ermöglichen, mehrere Transformationen zu einer strukturierten Verarbeitung abzuleiten. Dieser Artikel erläutert, wann verkettete Transformationen sinnvoll sind, welche Probleme sie in realen Datenverarbeitungsprozessen lösen und wie Sie in MapForce einen modularen, mehrstufigen Workflow erstellen können.

![Dekoratives Bild: Drei Geschäftsleute, die an Laptops arbeiten](/blog/images/shutterstock_72066103.jpg)


[Mehr lesen](/blog/de/2026/02/how-to-create-a-chained-data-transformation.md)


# [Automatische Konvertierung von EDI in XML](/blog/de/2026/01/automatically-convert-edi-to-xml.md)
EDI bleibt eine grundlegende Technologie für den Datenaustausch im Bereich Business-to-Business, auch wenn sich moderne Integrationsarchitekturen ständig weiterentwickeln. Seit Jahrzehnten ermöglichen EDI-Standards wie X12 und EDIFACT eine zuverlässige und strukturierte Kommunikation zwischen Geschäftspartnern in verschiedenen Branchen, darunter Einzelhandel, Gesundheitswesen, Logistik und Finanzen. Ihre lange Lebensdauer ist ein Beweis für ihre Stabilität, Skalierbarkeit und ihre breite Akzeptanz – insbesondere bei Transaktionen mit hohem Volumen und hoher Bedeutung.

Gleichzeitig stützen sich moderne Unternehmenssysteme zunehmend auf XML, JSON, Datenbanken, APIs und cloudbasierte Dienste. Obwohl EDI sich hervorragend für den standardisierten Datenaustausch eignet, sind seine kompakten, positionsbasierten Formate nicht für die Lesbarkeit durch Menschen oder die direkte Nutzung durch moderne Anwendungen konzipiert. Daher müssen EDI-Daten übersetzt und transformiert werden, um sich nahtlos in moderne Geschäftssysteme und -prozesse zu integrieren.

Altova MapForce begegnet dieser Herausforderung mit einem leistungsstarken, grafischen Ansatz zur Umwandlung von EDI-Daten in andere gängige Datenformate. Es bietet sogar eine automatische Umwandlung von EDI in XML. 

![Kommunikationstürme](/blog/images/49721323_700px.jpg)


[Mehr lesen](/blog/de/2026/01/automatically-convert-edi-to-xml.md)

# [Einfache Werkzeuge zur Bearbeitung von YAML-Dateien](/blog/de/2026/01/easy-tools-for-yaml-editing.md)
Da YAML in Konfigurationsdateien und beim Datenaustausch immer häufiger eingesetzt wird, ist es für Entwickler sinnvoll, sich auf spezialisierte YAML-Editoren zu konzentrieren, um diese in ihren täglichen Werkzeugkoffer aufzunehmen.

Obwohl YAML einfach ist, kann seine strikte Abhängigkeit von Einrückungen und Formatierung zu Fehlern führen. Intelligente YAML-Tools bieten Funktionen, die das Programmieren beschleunigen und gleichzeitig diese Probleme minimieren. XMLSpy enthält einen einfach zu bedienenden, textbasierten YAML-Editor sowie eine einzigartige YAML-Tabellenansicht. Die YAML-Tabellenansicht stellt die Dokumentstruktur visuell dar, was das Verständnis erleichtert und gleichzeitig zusätzliche Funktionen für eine effiziente Bearbeitung bietet.

![Softwareentwickler, die zusammenarbeiten ](/blog/images/yaml-dev-2.png)


[Mehr lesen](/blog/de/2026/01/easy-tools-for-yaml-editing.md)

# [Erstellen Sie eine App, die MQTT unterstützt](/blog/de/2026/01/build-an-mqtt-enabled-app.md)
Mit der zunehmenden Verbreitung des Internets der Dinge (IoT) werden Entwickler immer häufiger damit beauftragt, eine große Anzahl verteilter Geräte über unzuverlässige oder bandbreitenbeschränkte Netzwerke zu verbinden. In solchen Umgebungen ist die Wahl des Kommunikationsprotokolls entscheidend. MQTT hat sich aufgrund seines geringen Ressourcenbedarfs, der geringen Latenz und des effizienten Publish/Subscribe-Nachrichtenmodells zu einem weit verbreiteten Standard für IoT- und ereignisgesteuerten Systemen entwickelt.

MQTT ist flexibel genug, um sowohl kleine Automatisierungsprojekte zur Machbarkeitsprüfung als auch große, produktionsreife Anwendungen zu unterstützen. Es ermöglicht den Austausch von Daten in Echtzeit zwischen Geräten und minimiert gleichzeitig den Netzwerkaufwand, was es für Anwendungsfälle wie Sensornetzwerke, industrielle Automatisierung und Fernüberwachung sehr gut geeignet macht.

Altova MobileTogether bietet native Unterstützung für die Entwicklung von MQTT-fähigen Anwendungen für iOS, Android und Windows. Der Ansatz des Unternehmens für die schnelle Entwicklung von mobilen Anwendungen (RMAD) ermöglicht es Entwicklern, MQTT-Messaging schnell in plattformübergreifende Anwendungen zu integrieren, während sie gleichzeitig die Kontrolle über die Anwendungslogik und die Datenverarbeitung behalten.

Schauen wir uns an, wie es funktioniert.

![MQTT in einem industriellen Automatisierungsszenario](/blog/images/MQTT_blog.jpg)


[Mehr lesen](/blog/de/2026/01/build-an-mqtt-enabled-app.md)


# [Datenmapping leicht gemacht](/blog/de/2025/12/data-mapping-made-easy.md)
Mit seinem visuellen Ansatz und der einfachen Drag-and-Drop-Funktionalität wurde MapForce stets so konzipiert, dass die Datenzuordnung und -integration unkompliziert erfolgen. In der neuesten Version erleichtern zwei neue Funktionen den Einstieg für Nutzer, die nicht täglich mit Datenintegration oder ETL-Tools arbeiten. Heutige Datenanalysten, fortgeschrittene Excel-Anwender und technisch versierte Geschäftsanwender müssen oft im Rahmen ihrer täglichen Arbeit Daten zuordnen und konvertieren, und jetzt können sie die Leistungsfähigkeit von MapForce nutzen, um dies zu erledigen.

Eine neue **Führungsstange** führt Anfänger durch die Einrichtung eines Kartierungsprojekts, und eine **Galerie visueller Komponenten** bietet eine übersichtliche und strukturierte Möglichkeit, die benötigten Komponenten für verschiedene Datenformate und Verarbeitungsprozesse zu finden und einzufügen.

Diese Erweiterungen helfen neuen Nutzern, sich schnell einzuarbeiten und mit der Erstellung ihres ersten Datenmapping-Projekts zu beginnen.

![Ein Datenanalyst, der an einem Computer arbeitet](/blog/images/data-analyst.png)


[Mehr lesen](/blog/de/2025/12/data-mapping-made-easy.md)

# [Wie man BSON-Daten anzeigt und bearbeitet](/blog/de/2025/11/how-to-view-and-edit-bson.md)
Wenn Anwendungen immer komplexer werden, benötigen Entwickler Datenformate zur Serialisierung, die kompakt sind, schnell geparst werden können und einfach in modernen Datenbanken verwendet werden können. Ein Format, das zunehmend an Bedeutung gewinnt, ist BSON (binäres JSON).

Obwohl BSON effizient und auf Leistung ausgelegt ist, ist die direkte Bearbeitung von rohen BSON-Daten nicht praktikabel, da es sich um ein binäres Format handelt, das für Menschen praktisch unlesbar ist. Hier kommt ein professioneller BSON-Editor ins Spiel, der eine für Menschen lesbare, hierarchische Ansicht bietet, um die Daten einfach zu überprüfen, zu bearbeiten und Fehler zu beheben.

Um diesen Bedarf zu decken, enthält XMLSpy jetzt einen **voll ausgestatteten BSON-Editor**, mit dem BSON-Dokumente bearbeitet und konvertiert werden können. Dies geschieht in der gleichen, vertrauten Umgebung, die Entwickler bereits für die Arbeit mit XML, JSON und YAML verwenden.

![Softwareentwickler, der in einem Büro arbeitet](/blog/images/developer-office.png)


[Mehr lesen](/blog/de/2025/11/how-to-view-and-edit-bson.md)

# [Die Verwendung von Entscheidungsregeln zur Vereinfachung der Logik bei der Datenzuordnung](/blog/de/2025/11/using-decision-tables-to-simplify-data-mapping-logic.md)
Ein wesentlicher Aspekt jedes Datenmapping-Projekts ist die Definition von Datenverarbeitungsregeln, um Daten von ihrer Quelle in die Zielstruktur zu transformieren. Wenn diese Regeln jedoch mehrere Bedingungen und Ausnahmen beinhalten, kann die Logik schnell komplex und schwer zu warten werden.

Wenn Ihre Datenzuordnungen durch ein komplexes Netzwerk von Bedingungen zusammengehalten werden, sind Sie nicht allein. **Entscheidungstabellen** vereinfachen diese Komplexität, indem sie es Ihnen ermöglichen, Geschäftsregeln in einem übersichtlichen, tabellarischen Format zu definieren, das einfach zu lesen, zu testen und zu warten ist. Für ETL- und Datenintegrationsteams bieten sie Wartbarkeit und Konsistenz, insbesondere wenn sie direkt in MapForce implementiert werden.

![Das Entwirren einer komplexen Verknüpfung von Bedingungen](/blog/images/untangle-web.png)


[Mehr lesen](/blog/de/2025/11/using-decision-tables-to-simplify-data-mapping-logic.md)

# [Das Entsperren von gescannten PDF-Dateien mit OCR-Unterstützung in MapForce](/blog/de/2025/10/unlocking-scanned-pdfs-with-ocr-support-in-mapforce.md)
Für viele Organisationen sind PDFs sowohl eine wichtige Datenquelle als auch ein ständiges Hindernis in ETL- und Datenintegrationsprozessen. Während moderne PDFs mit auswählbarem Text relativ einfach zu verarbeiten sind, ist ein erheblicher Teil der geschäftskritischen Daten in gescannten Dokumenten eingeschlossen – digitalisierten Papierarchiven, veralteten Aufzeichnungen und bildbasierten Dateien, in denen Text nur als Pixel, nicht aber als maschinenlesbare Zeichen existiert. Die Herausforderung besteht darin, ihren unstrukturierten Inhalt in nutzbare Daten umzuwandeln.

Die OCR-Funktion (Optical Character Recognition) im MapForce PDF-Extraktor schließt diese Lücke, indem sie Inhalte aus PDF-Dokumenten, die auf Bildern basieren, in strukturierte, extrahierbare Daten umwandelt, die für die Verarbeitung und die Übertragung in andere Formate bereitstehen.

![Texterkennungstechnologie auf einem Laptop](/blog/images/ocr-pdf.png)


[Mehr lesen](/blog/de/2025/10/unlocking-scanned-pdfs-with-ocr-support-in-mapforce.md)

# [Neu in der Altova Software 2026](/blog/de/2025/10/new-in-altova-software-2026.md)

Die Version 2026 von Altova bietet wichtige neue Unterstützung für verschiedene Industriestandards und -technologien, von BSON über OCR bis hin zu XBRL. Für Kunden der Desktop-Entwicklungswerkzeuge, der Serversoftware und der regulatorischen Lösungen von Altova umfasst diese Version eine Kombination aus neuen Tools und Funktionen sowie aktualisierte Unterstützung für neue Datenbank- und Standardversionen in der gesamten Produktpalette.

Schauen wir uns die wichtigsten Punkte an.

![dekoratives Bild](/blog/images/v2026_blog.jpg)

[Mehr lesen](/blog/de/2025/10/new-in-altova-software-2026.md)

# [US-GAAP-Berichterstattung im XBRL-Format: Anforderungen, Herausforderungen und Lösungen](/blog/de/2025/09/us-gaap-xbrl-reporting-requirements-challenges-and-solutions.md)

In den Vereinigten Staaten müssen Unternehmen, die Berichte bei der Securities and Exchange Commission (SEC) einreichen, ihre Finanzberichte gemäß den allgemein anerkannten Rechnungslegungsprinzipien, oder US GAAP, erstellen. Diese Regeln bilden die Grundlage für eine einheitliche, transparente und vergleichbare Finanzberichterstattung bei börsennotierten Unternehmen.

In den letzten zehn Jahren hat die SEC eine weitere Anforderung hinzugefügt: Finanzberichte müssen nicht nur in für Menschen lesbaren Formaten wie PDF oder HTML veröffentlicht werden, sondern müssen auch im XBRL-Format eingereicht werden. Obwohl die Standardisierung von Daten auf diese Weise zahlreiche Vorteile bietet, kann die Kennzeichnung von Finanzdaten für XBRL eine Herausforderung für Buchhalter und Analysten darstellen, die Experten im Bereich der Finanzdaten sind – aber keine Experten in Auszeichnungssprachen.

Angesichts dieser Herausforderungen greifen Unternehmen oft auf spezielle Tools zurück, um die Kennzeichnung von Finanzberichten gemäß US-GAAP im XBRL-Format zu vereinfachen. Eine solche Lösung ist [xbrl-tagging.com](https://xbrl-tagging.com/), die Organisationen eine einfache, visuelle Möglichkeit bietet, die Komplexität der strukturierten Berichterstattung zu bewältigen – und das kostenlos.

![Eine weibliche Buchhalterin arbeitet an einem Jahresabschluss](/blog/images/accountant.png)

[Mehr lesen](/blog/de/2025/09/us-gaap-xbrl-reporting-requirements-challenges-and-solutions.md)

# [ESEF-Tools](/blog/de/2025/09/esef-tools.md)

Seit Mitte 2019 steht der Begriff ESEF im Fokus von Finanzexperten in der gesamten Europäischen Union und im Vereinigten Königreich, seitdem die Berichtspflichten der Europäischen Wertpapier- und Marktaufsichtsbehörde (ESMA) bekannt gegeben wurden.  

ESEF, was für "European Single Electronic Format" steht, ist ein digitaler Standard für die Finanzberichterstattung, der auf XBRL basiert. Seit Anfang 2020 sind Unternehmen, die an EU-regulierten Märkten tätig sind, verpflichtet, ihre Jahresberichte gemäß den ESEF-Richtlinien zu erstellen.

Was genau bedeutet die Einhaltung der ESEF-Richtlinien, und welche Anforderungen müssen erfüllt werden, um die Berichtspflichten zu erfüllen? Lassen Sie uns einen Blick auf die Grundlagen und einige Tools werfen, die dies vereinfachen.

![Finanzexperten ](/blog/images/finance-pros.jpg)

[Mehr lesen](/blog/de/2025/09/esef-tools.md)

# [Eine einfache Lösung für die XBRL-Kennzeichnung (und sie ist kostenlos!)](/blog/de/2025/09/an-easy-solution-for-xbrl-tagging-and-its-free.md)

In den letzten zehn Jahren hat sich die eXtensible Business Reporting Language (XBRL) von einem speziellen Berichtformat zu einem zentralen Bestandteil der Finanzberichterstattung entwickelt. Zahlreiche Behörden weltweit, darunter die SEC, ESMA und viele andere, haben mittlerweile Vorschriften erlassen, die den Einsatz von XBRL vorschreiben. Obwohl dieser Wandel eine größere Standardisierung, Transparenz und Vergleichbarkeit von Finanzdaten ermöglicht, stellt er auch erhebliche Herausforderungen für die Unternehmen dar, die Berichte erstellen müssen.

Organisationen müssen sich in komplexen und umfangreichen Klassifikationssystemen zurechtfinden, sich an unterschiedliche rechtliche Anforderungen anpassen und mit häufigen Aktualisierungen Schritt halten – und das alles unter Wahrung der Genauigkeit bei der Verarbeitung von Daten, die sowohl aus strukturierten Tabellen als auch aus textlichen Ausführungen stammen, die für menschliche Nutzer erstellt werden.

Traditionelle, stark auf Programmierung basierende Ansätze verlangsamen oft die Arbeit von Reporting-Teams und erhöhen die Abhängigkeit von externen Beratern. Aus diesem Grund hat Altova einen rein visuellen Ansatz zur Erstellung von XBRL-Berichten entwickelt.

Wir stellen die **Altova XBRL-Tagging-Lösung** vor – ein kostenloses, cloudbasiertes Tool zum Markieren bestehender Berichte für XBRL, ohne dass Sie sich mit der Komplexität der zugrunde liegenden Syntax auseinandersetzen müssen.

![Dekoratives Bild für die XBRL-Kennzeichnung](/blog/images/XBRL_tagging_blog.jpg)

[Mehr lesen](/blog/de/2025/09/an-easy-solution-for-xbrl-tagging-and-its-free.md)

# [KI-Tools für die schnelle Erstellung von Anwendungen](/blog/de/2025/06/ai-tools-for-instant-app-creation.md)

Visuelle, codefreie Tools wie Altova RecordsManager haben die Entwicklung von datenzentrierten Anwendungen revolutioniert und sie schneller und zugänglicher gemacht. Stellen Sie sich nun vor, Sie könnten Ihre Datenbankvorstellung _in einem einzigen Satz_ beschreiben und diese automatisch umsetzen – und zwar nicht nur die Datenbankstruktur und die Tabellen, sondern auch Formulare und Berichte. Genau das ermöglicht der neue KI-Assistent in RecordsManager.

**Mit einer einzigen KI-Anweisung** können Nutzer aller Erfahrungsstufen ihre Ideen in funktionierende Datenbanklösungen umsetzen, ohne dass Programmierkenntnisse oder Fachwissen im Bereich Datenbankdesign erforderlich sind. RecordsManager ermöglicht es Ihnen, den manuellen Aufwand bei der Datenbankgestaltung zu vermeiden, sodass Sie sich stärker auf die übergeordneten Aspekte Ihres Projekts konzentrieren können.

Schauen wir uns an, wie es funktioniert.

![dekoratives Bild](/blog/images/RM3_1_blog.jpg)

[Mehr lesen](/blog/de/2025/06/ai-tools-for-instant-app-creation.md)

# [Verwalten Sie Ihre Verträge in der Cloud](/blog/de/2025/06/manage-your-contracts-in-the-cloud.md)

In der heutigen, zunehmend papierlosen Welt stehen Unternehmen jeder Größe weiterhin vor der Herausforderung, Verträge effizient zu speichern und zu verwalten. Während physische Aktenordner zunehmend durch digitale Speichermöglichkeiten ersetzt werden, werden gemeinsame Ordner oft unübersichtlich und bieten nicht die notwendigen Zugriffskontrollen und Sicherheitsmaßnahmen, die Unternehmen benötigen.

Viele Unternehmen greifen auf Lösungen für das Vertragsmanagement zurück. Das haben wir auch getan. Aber nach eingehender Prüfung der verschiedenen Optionen stellten wir fest, dass keine davon das richtige Gleichgewicht zwischen Benutzerfreundlichkeit, Sicherheit und Flexibilität für unsere Anforderungen bot. Deshalb haben wir eine eigene Lösung entwickelt.

Altova ContractManager ist eine sichere, cloudbasierte App zur Vertragsverwaltung, die eine Vielzahl von Funktionen bietet, hochgradig anpassbar ist und für Unternehmen jeder Größe erschwinglich ist. Hier erfahren Sie, wie sie alle Anforderungen erfüllt.

![Anwälte, die Verträge unterzeichnen](/blog/images/contract_manager_blog2.jpg)

[Mehr lesen](/blog/de/2025/06/manage-your-contracts-in-the-cloud.md)

# [Länderübergreifende Berichterstattung leicht gemacht](/blog/de/2025/05/cbc-reporting-made-easy.md)

Die Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) schreibt vor, dass große, multinationalen Unternehmen jährlich sogenannte "Country-by-Country"-Berichte (CbC-Berichte) bei den lokalen Steuerbehörden einreichen müssen. Diese Berichte müssen in einem bestimmten XML-Format vorliegen, das dem offiziellen Schema der OECD entspricht, um Konsistenz und Vergleichbarkeit über verschiedene Rechtsordnungen zu gewährleisten.

Obwohl diese Verpflichtung seit fast einem Jahrzehnt besteht, stellt die Erstellung von konformen CbC-XML-Berichten weiterhin eine technische Herausforderung für die Steuerabteilungen von Unternehmen dar, die stark auf Excel oder traditionellen Buchhaltungssystemen basieren. Mit der Annäherung der Fristen jedes Jahres sehen sich Unternehmen einem erneuten Druck ausgesetzt, Finanzdaten in korrekt strukturierte XML-Dateien umzuwandeln, oft ohne die internen Werkzeuge oder das Fachwissen, um dies effizient zu tun.

Um diese Lücke zu schließen, bietet Altova eine benutzerfreundliche, cloudbasierte Lösung, die automatisch einen gültigen, korrekt formatierten CbC-XML-Bericht auf Basis vorhandener Daten erstellt. Benutzer können Daten manuell eingeben oder über eine Excel-Vorlage, und die Altova CbC Reporting App erledigt den Rest. Sehen wir uns an, wie das funktioniert.
![Ein Mann arbeitet an einem Laptop](/blog/images/shutterstock_229608694.jpg)

[Mehr lesen](/blog/de/2025/05/cbc-reporting-made-easy.md)

# [Wie man Projekte zur Massenverarbeitung von Daten erstellt](/blog/de/2025/05/how-to-create-batch-data-mapping-projects.md)

In der schnelllebigen Welt der modernen Anwendungsentwicklung sind APIs das Bindeglied, das Systeme, Dienste und Geräte miteinander verbindet. Insbesondere REST-APIs werden aufgrund ihrer Einfachheit, Skalierbarkeit und Flexibilität weit verbreitet eingesetzt. Doch mit zunehmender Komplexität und Größe von APIs wird ein effektives Management zu einer Herausforderung. Hier kommt die OpenAPI-Spezifikation (OAS) ins Spiel.

OpenAPI bietet eine standardisierte Möglichkeit, RESTful-APIs in einem für Maschinen und Menschen lesbaren Format zu beschreiben. Dies verbessert nicht nur die Zusammenarbeit zwischen Entwicklungsteams, sondern optimiert auch den gesamten Lebenszyklus von APIs, von der Konzeption über die Dokumentation, Integration und das Testen. Und mit leistungsstarken Tools wie Altova XMLSpy und Altova MapForce wird die Arbeit mit OpenAPI schneller, visueller und deutlich effizienter.
![Dekoratives Bild: Gelbe Rohre in einer Fabrikumgebung](/blog/images/shutterstock_5778442.jpg)

[Mehr lesen](/blog/de/2025/05/how-to-create-batch-data-mapping-projects.md)

# [OpenAPI-Tools für Entwickler](/blog/de/2025/04/openapi-tools-for-developers.md)

In der schnelllebigen Welt der modernen Anwendungsentwicklung sind APIs das Bindeglied, das Systeme, Dienste und Geräte miteinander verbindet. Insbesondere REST-APIs werden aufgrund ihrer Einfachheit, Skalierbarkeit und Flexibilität weit verbreitet eingesetzt. Doch mit zunehmender Komplexität und Größe von APIs wird ein effektives Management zu einer Herausforderung. Hier kommt die OpenAPI-Spezifikation (OAS) ins Spiel.

OpenAPI bietet eine standardisierte Möglichkeit, RESTful-APIs in einem für Maschinen und Menschen lesbaren Format zu beschreiben. Dies verbessert nicht nur die Zusammenarbeit zwischen Entwicklungsteams, sondern optimiert auch den gesamten Lebenszyklus von APIs, von der Konzeption über die Dokumentation, Integration und das Testen. Und mit leistungsstarken Tools wie Altova XMLSpy und Altova MapForce wird die Arbeit mit OpenAPI schneller, visueller und deutlich effizienter.
![Ein Mann arbeitet an einem Laptop](/blog/images/openapi-development-blog.png)

[Mehr lesen](/blog/de/2025/04/openapi-tools-for-developers.md)

# [Aktualisierung des Shopify-Bestands über eine mobile App](/blog/de/2025/04/updating-shopify-inventory-from-a-mobile-app.md)

Einer der Vorteile der Nutzung von Shopify als E-Commerce-Plattform ist, dass sie umfassende Funktionen zur Lagerverwaltung bietet. Die Pflege genauer Lagerbestandsdaten in Echtzeit kann jedoch eine Herausforderung darstellen, insbesondere für Händler, die bei der Inventur oder beim Nachbestellen manuell Daten eingeben.

Handheld-Barcode-Scanner sind eine hervorragende Lösung, um die Geschwindigkeit und Genauigkeit bei Inventurkontrollen zu erhöhen. Allerdings fehlt es vielen Einzelhändlern oft an einer nahtlosen Möglichkeit, die Daten des Scanners direkt mit dem Shopify-System zu verbinden. Ohne eine ordnungsgemäße Integration müssen Mitarbeiter möglicherweise die gescannten Daten weiterhin manuell in Shopify eingeben, wodurch ein Teil der Effizienzgewinne, die Barcode-Scanner eigentlich bieten sollen, verloren geht.

Schauen wir uns ein reales Beispiel an: die Entwicklung einer mobilen App mit Barcode-Scanfunktion, die direkt in Shopify integriert ist, um eine Echtzeit-Bestandsverwaltung zu ermöglichen.
![Mobile App für Shopify](/blog/images/Shopify-updating_inventory.jpg)

[Mehr lesen](/blog/de/2025/04/updating-shopify-inventory-from-a-mobile-app.md)

# [Produkte aus Shopify als CSV-Datei exportieren](/blog/de/2025/03/exporting-products-from-shopify-as-csv.md)

Shopify ist eine äußerst beliebte E-Commerce-Plattform, die von großen und kleinen Einzelhandelsunternehmen weit verbreitet ist. Obwohl Shopify benutzerfreundliche Tools zur Einrichtung und zum Betrieb eines Online-Shops bietet, kann die Verwaltung der großen Datenmengen im Hintergrund, wie z. B. Produktkataloge, Kundeninformationen, Bestellhistorien und Lagerbestände, schnell komplex werden.

Unternehmen benötigen oft eine Integration von Shopify-Daten mit Backend-Datenbanken, ERP-Systemen, CRM-Systemen, Data-Warehouses oder anderen Plattformen, um Abläufe zu optimieren, detailliertere Analysen durchzuführen oder Automatisierungsprozesse zu unterstützen.

Hier wird ein Tool zur Datenabgleichung mit Shopify-Unterstützung unerlässlich. Es ermöglicht Unternehmen, Daten effizient und präzise zwischen Shopify und anderen Systemen zu transformieren, zuzuordnen und zu übertragen.

Betrachten wir ein Beispiel für eine typische Situation: das Extrahieren von Produktdaten von Shopify in eine CSV-Datei – und zwar unter Verwendung visueller Werkzeuge in MapForce.

![Shopify-Blogbeitrag](/blog/images/Shopify_CSV1_blog.jpg)

[Mehr lesen](/blog/de/2025/03/exporting-products-from-shopify-as-csv.md)

# [Neue Tools für Shopify, OpenAPI und mehr](/blog/de/2025/03/new-tools-for-shopify-openapi-more.md)

Mit der Version 2025, Release 2, haben wir die Funktionalität für die Arbeit mit YAML, OpenAPI und XBRL erweitert und gleichzeitig eine neue Unterstützung für die Integration von Shopify-Daten eingeführt.

Unser kontinuierliches Engagement für die Integration und Verbesserung der Unterstützung für gängige Technologien bedeutet, dass Entwickler die Funktionalitäten erhalten, die sie benötigen, um mit den sich entwickelnden Branchenstandards Schritt zu halten – und das mit Werkzeugen, die sie bereits kennen und denen sie vertrauen.

Schauen wir uns die wichtigsten Neuerungen in dieser Version an.

![dekoratives Bild](/blog/images/v2025r2_blog_api.jpg)

[Mehr lesen](/blog/de/2025/03/new-tools-for-shopify-openapi-more.md)

# [Was ist ETL?](/blog/de/2025/02/what-is-etl.md)

ETL – Extrahieren, Transformieren, Laden – bildet das Rückgrat der modernen Datenintegration. Während die meisten technischen Fachleute die Grundlagen verstehen, liegt die eigentliche Herausforderung in der Entwicklung effizienter und skalierbarer ETL-Prozesse, die komplexe Datentransformationen bewältigen und gleichzeitig Leistung und Genauigkeit gewährleisten.

In unserer neuesten Video-Serie erklären wir, [wie ETL funktioniert](https://www.altova.com/de/etl), welche typischen Herausforderungen bei der Definition von ETL-Workflows auftreten und wie grafische Tools wie Altova MapForce dabei helfen können. Wir zeigen anhand von praktischen Beispielen, wie man beispielsweise CSV-Berichte in eine SQL-Datenbank transformiert und lädt, und wie man skalierbare Automatisierungslösungen implementiert.

Ob Sie einen bestehenden Prozess optimieren oder neue ETL-Tools recherchieren, diese Reihe deckt alle relevanten Aspekte ab.

![farbenfrohes ETL-Diagramm](/blog/images/etl-diagram-altova.jpg)

[Mehr lesen](/blog/de/2025/02/what-is-etl.md)

# [ETL-Tutorial: Video](/blog/de/2025/02/etl-tutorial-video.md)

ETL-Prozesse umfassen ein breites Spektrum an Komplexität, von einfachen Aufgaben wie der direkten Übertragung von Daten aus einer API in eine Datenbank, bis hin zu hochkomplexen Szenarien, die umfangreiche Datenfilterung, -transformation und -manipulation erfordern.

Altova MapForce kann diese gesamte Bandbreite an ETL-Aufgaben bewältigen. Sehen Sie sich das Video an, um mehr zu erfahren.

![Extrahieren / Transformieren / Laden](/blog/images/extract-transform-load.png)

[Mehr lesen](/blog/de/2025/02/etl-tutorial-video.md)

# [Grundlagen der ETL-Verarbeitung: Daten von CSV-Dateien in eine Datenbank importieren mit MapForce](/blog/de/2025/01/etl-basics-csv-to-database-in-mapforce.md)

ETL-Prozesse werden in modernen Unternehmen immer wichtiger, da Organisationen Daten in verschiedenen Formaten erhalten, die transformiert und in Zieldatenbanken oder Geschäftssysteme geladen werden müssen. ETL-Projekte reichen von einfachen bis hin zu hochkomplexen Aufgaben, abhängig von den jeweiligen Anforderungen.

Ein typisches Beispiel für einen einfachen ETL-Prozess umfasst das Extrahieren von CSV-Daten aus eingehenden Dateien, die Zuordnung der Datenstruktur, die Anwendung grundlegender Transformationen zur Anpassung an das Zielschema, die Entfernung von Duplikaten und schließlich das Laden der verarbeiteten Daten in eine SQL-Datenbank.

Ob ein ETL-Projekt einfach ist und lediglich eine einfache Zuordnung von Daten beinhaltet, oder komplexer ist und anspruchsvolle Anforderungen an die Datenverarbeitung stellt, benötigen Entwickler Werkzeuge, die den erforderlichen Umfang an Komplexität bewältigen können, ohne eine steile Lernkurve oder hohe Kosten. Hier kommt MapForce ins Spiel.

![Grundlegendes ETL-Diagramm](/blog/images/etl-basics-diagram.jpg)

[Mehr lesen](/blog/de/2025/01/etl-basics-csv-to-database-in-mapforce.md)

# [Erfahren Sie mehr über XULE für XBRL](/blog/de/2025/01/learn-about-xule-for-xbrl.md)

XBRL (eXtensible Business Reporting Language) ist ein offener, auf XML basierender Standard für die elektronische Übermittlung von Geschäfts- und Finanzdaten. Obwohl XBRL festlegt, welche Daten gemeldet werden müssen und eine standardisierte Methode dafür bietet, benötigen Unternehmen und Aufsichtsbehörden eine Möglichkeit, die Qualität der übermittelten Daten sicherzustellen. Ein Ansatz besteht in der Verwendung von Geschäftsregeln zur Validierung, und XULE ist eine Methode, die im Jahr 2025 zunehmend an Bedeutung gewinnt.

![Softwareentwickler, die in einem Büro arbeiten](/blog/images/shutterstock_584181011.jpg)

[Mehr lesen](/blog/de/2025/01/learn-about-xule-for-xbrl.md)


# [Wie man die Altova Server-Software in Docker ausführt](/blog/de/2024/12/how-to-run-altova-server-software-in-docker.md)

Docker hat die Art und Weise, wie Entwickler Anwendungen erstellen, bereitstellen und ausführen, grundlegend verändert, indem es eine leichte und portable Lösung für die Containerisierung von Software bietet. Container verpacken Anwendungen zusammen mit all ihren Abhängigkeiten, wodurch sichergestellt wird, dass sie in verschiedenen Umgebungen konsistent laufen, sei es auf dem Rechner eines Entwicklers, auf einem Testserver oder in der Cloud. Im Vergleich zu herkömmlichen virtuellen Maschinen starten Docker-Container schneller, verbrauchen weniger Ressourcen und erleichtern die Skalierung von Anwendungen. Diese Effizienz hat Docker zu einem unverzichtbaren Werkzeug für die Softwareentwicklung und -bereitstellung gemacht.

Die Ausführung der **Altova Server-Software** in Docker bietet folgende Vorteile für datenverarbeitende und Automatisierungsaufgaben im Unternehmensbereich. Durch die Containerisierung von Tools wie FlowForce Server, MapForce Server oder RaptorXML Server erhalten Entwickler eine hochportierbare, skalierbare und effiziente Lösung zur Verwaltung komplexer Arbeitsabläufe sowie zur Automatisierung von Datentransformationen, Validierungen und Berichtserstellungen.

Um den Einstieg noch einfacher zu gestalten, bietet Altova ein Open-Source-Projekt zur Automatisierung des Einrichtungsprozesses in einer Docker-Umgebung an.

![Server in einem Docker-Container in der Cloud](/blog/images/docker-server.png)

[Mehr lesen](/blog/de/2024/12/how-to-run-altova-server-software-in-docker.md)

# [Textsuche für die präzise Extraktion von Daten aus PDF-Dokumenten](/blog/de/2024/12/text-search-for-precise-pdf-data-extraction.md)

PDF-Dokumente werden in vielen Phasen moderner Geschäftsprozesse eingesetzt und dienen oft als bevorzugtes Format für Rechnungen, Berichte, rechtliche Verträge und andere wichtige Dokumente. Obwohl PDFs ideal sind, um die Inhaltstreue und ein bestimmtes Layout zu gewährleisten, erschwert ihre Struktur die automatisierte Datenextraktion. Für Unternehmen, die sich mit Datenintegration und ETL-Prozessen (Extract, Transform, Load) beschäftigt sind, ist es unerlässlich, Informationen aus PDFs zu extrahieren – und hier kommt der MapForce PDF Extractor ins Spiel.

Der MapForce PDF-Extraktor enthält verschiedene Werkzeuge, mit denen Sie Extraktionsregeln visuell definieren können, um PDF-Daten in andere Formate zu übertragen. Eine besonders nützliche Funktion, um sich auf bestimmte Inhalte zu konzentrieren, ist die Textsuche. Hier erfahren Sie, wie sie funktioniert – einschließlich einer Video-Demonstration. 

![Cartoon-Darstellung eines Computerbildschirms, von dem PDF-Diagramme abfallen](/blog/images/extract-pdf-data.png)

[Mehr lesen](/blog/de/2024/12/text-search-for-precise-pdf-data-extraction.md)

# [Wie man Qualitätsprüfungen für EBA-XBRL-Daten implementiert](/blog/de/2024/11/how-to-implement-eba-xbrl-data-quality-checks.md)

Die Europäische Bankaufsichtsbehörde (EBA) verlangt von Banken, dass diese für ihre Berichte das Datenformat XBRL verwenden. XBRL ist ein standardisiertes Format, das die Erfassung, Analyse und den Vergleich von Daten aus verschiedenen Finanzinstituten erleichtert. Durch die Einhaltung der EBA-XBRL-Taxonomie reichen Banken Daten ein, die konsistent und leicht zu überprüfen sind, was den Berichtsprozess sowohl für die Berichtspflichtigen als auch für die Aufsichtsbehörden vereinfacht. Dieser optimierte Ansatz verbessert die Genauigkeit der Berichterstattung und hilft der EBA, eine bessere Überwachung des europäischen Bankensektors zu gewährleisten.

Zusätzlich zu den obligatorischen Validierungen in der EBA-XBRL-Taxonomie empfiehlt die EBA eine Reihe von optionalen Prüfungen der Datenqualität, die es Unternehmen ermöglichen, die Genauigkeit ihrer Daten und die Einhaltung der regulatorischen Anforderungen weiter zu verbessern. Diese zusätzlichen Validierungen helfen Unternehmen, die Genauigkeit und Integrität ihrer gemeldeten Daten zu erhöhen – vorausgesetzt, dass ihre XBRL-Reporting-Tools diese Prüfungen unterstützen.

Im Rahmen ihrer umfassenden XBRL-Unterstützung können die optionalen Datenqualitätsprüfungen von EBA XBRL in verschiedenen Altova-Produkten ausgeführt werden. Sehen wir uns an, wie das funktioniert.

![Eine Comic-Figur einer Frau, die an einem Laptop arbeitet. Im Hintergrund sind Euro-Symbole und ein Häkchen zu sehen. ](/blog/images/eba-data-quality-blog.png)

[Mehr lesen](/blog/de/2024/11/how-to-implement-eba-xbrl-data-quality-checks.md)

# [Einfache Werkzeuge zur Bearbeitung von YAML-Dateien](/blog/de/2026/01/easy-tools-for-yaml-editing.md)

Da YAML in Konfigurationsdateien und beim Datenaustausch immer häufiger eingesetzt wird, ist es für Entwickler sinnvoll, sich auf spezialisierte YAML-Editoren zu konzentrieren, um diese in ihren täglichen Werkzeugkoffer aufzunehmen.

Obwohl YAML einfach ist, kann seine strikte Abhängigkeit von Einrückung und Formatierung zu Fehlern führen. Intelligente YAML-Editoren bieten Funktionen, die das Programmieren beschleunigen und gleichzeitig diese Probleme minimieren. XMLSpy enthält einen intelligenten, textbasierten YAML-Editor sowie eine einzigartige YAML-Tabellenansicht. Die YAML-Tabellenansicht stellt die Dokumentstruktur visuell dar, was das Verständnis erleichtert und gleichzeitig zusätzliche Funktionen für eine effiziente Bearbeitung bietet.

Schauen wir uns an, wie es funktioniert.

![Softwareentwickler, die zusammenarbeiten ](/blog/images/yaml-dev-2.png)

[Mehr lesen](/blog/de/2026/01/easy-tools-for-yaml-editing.md)

# [Altova Version 2025 mit YAML-Unterstützung und weiteren Verbesserungen](/blog/de/2024/10/altova-version-2025-with-yaml-grid-and-more.md)

Die neueste Version der Altova-Produktreihe bietet eine Vielzahl neuer Funktionen und Möglichkeiten. Kunden haben jetzt Zugriff auf neue, visuelle YAML-Bearbeitungswerkzeuge, verbesserte Optionen zur Extraktion von PDF-Daten zur Umwandlung in andere Formate, aktualisierte Unterstützung für die Integration von SQL- und NoSQL-Daten sowie weitere Neuerungen.

Ob Sie mit den Entwicklertools von Altova, den Server-Softwareprodukten oder den XBRL-Erweiterungen für Excel arbeiten: diese Version bietet für jeden etwas. Hier ein Überblick über die wichtigsten Neuerungen.

![Was ist neu in Altova Version 2025](/blog/images/v2025_blog.jpg)

[Mehr lesen](/blog/de/2024/10/altova-version-2025-with-yaml-grid-and-more.md)

# [Führen Sie die Altova Server-Software in der Azure-Cloud aus](/blog/de/2024/10/run-altova-server-software-on-azure-cloud.md)

Die Altova Server-Plattform umfasst die gesamte Produktfamilie von Altovas leistungsstarke Serversoftware, die für die Automatisierung von Datenverarbeitungsprozessen und Datenintegrationsworkflows entwickelt wurde. Diese serverbasierten Softwareprodukte, die auf verschiedenen Plattformen verfügbar sind, ermöglichen eine flexible Installation, entweder lokal oder in jeder privaten oder öffentlichen Cloud-Infrastruktur.

Für Kunden, die die Microsoft Azure-Cloud nutzen, haben wir eine praktische, **kostenlose VM-Vorlage** erstellt, die die Altova Server Platform vorinstalliert enthält, um eine einfache Bereitstellung zu ermöglichen. Diese Vorlage ist im Azure Marketplace verfügbar.

![ein Server-Cluster in der Cloud](/blog/images/cloud-server.png)

[Mehr lesen](/blog/de/2024/10/run-altova-server-software-on-azure-cloud.md)

# [Wie man Anwendungen für Barcode-Scanner entwickelt](/blog/de/2024/10/how-to-build-apps-for-barcode-scanners.md)

Handliche Barcode-Scanner sind heutzutage in vielen Bereichen unverzichtbar, von Einzelhandel und Logistik bis hin zum Gesundheitswesen, der Spedition und der Fertigung. Diese Geräte spielen eine entscheidende Rolle bei der Erfassung von Echtzeitdaten, wie beispielsweise Lagerbestandsaktualisierungen, Auftragsverfolgung und Kundendaten. Allerdings ist die nahtlose Integration der gescannten Daten in die Backend-Systeme genauso wichtig wie die Datenerfassung selbst. Barcode-Scanner-Apps können diese Lücke schließen, indem sie die Möglichkeit bieten, die gescannten Informationen an Datenbanken und Geschäftssysteme zu übertragen.

Obwohl die Integration von Barcode-Scannerdaten in mobile Anwendungen eine häufige Anforderung ist, stellt die Entwicklung solcher Apps oft eine Herausforderung dar. Traditionelle Entwicklungsmethoden erfordern spezielles Fachwissen und können sehr zeitaufwendig sein, insbesondere in Branchen, die eine schnelle Implementierung erfordern.

Die Unterstützung für die Verbindung mit Barcode-Scannern in Altova MobileTogether verändert all das. Mit diesem Low-Code-Framework für die App-Entwicklung können Sie Barcode-Lösungen erstellen, testen und bereitstellen – und das in einem Bruchteil der Zeit, die herkömmliche Programmieransätze erfordern.

![Ein Lagerarbeiter scannt einen Barcode, um Daten an ein Tablet zu übertragen](/blog/images/barcode-scan-to-app.png)

[Mehr lesen](/blog/de/2024/10/how-to-build-apps-for-barcode-scanners.md)

# [Neu in MobileTogether 10.0:](/blog/de/2024/09/new-in-mobiletogether-100.md)

Die neueste Version von Altova MobileTogether bietet nun die lang erwartete Unterstützung für die Entwicklung von Anwendungen, die sich mit mobilen Barcode-Scannern verbinden können. Diese Erweiterung macht das Low-Code-Entwicklungsframework noch nützlicher für die Erstellung von Lösungen in verschiedenen Branchen, die auf Barcodes und QR-Codes angewiesen sind, um Daten in Echtzeit zu aktualisieren.

Version 10.0 enthält außerdem einen neuen Stil-Inspektor im App-Simulator, neue Steuerelemente, Optionen zur Verbesserung der Flexibilität und Leistung sowie weitere Neuerungen.

Hier sind die wichtigsten Punkte.

![Die Arbeit besteht darin, in einem Lager zu arbeiten und Kartons mit einem tragbaren Barcode-Scanner zu scannen](/blog/images/MT10.0_blog.jpg)

[Mehr lesen](/blog/de/2024/09/new-in-mobiletogether-100.md)

# [Modulare Entwicklung für Anwendungen](/blog/de/2024/09/modularization-for-app-development.md)

In der Programmierung bezeichnet Modularisierung die Praxis, Funktionalitäten in separate, unabhängige Module zu unterteilen. In der App-Entwicklung ist Modularisierung eine effiziente Methode, um App-Komponenten zu organisieren und die Zusammenarbeit innerhalb von Entwicklungsteams zu fördern. Ein modularer Ansatz erleichtert zudem das Testen, die Fehlersuche und die Wartung der App.

MobileTogether bietet sowohl bewährte als auch innovative Ansätze zur Modularisierung.

![Ein App-Entwickler tippt auf einer Tastatur](/blog/images/image_1746946307.jpg)

[Mehr lesen](/blog/de/2024/09/modularization-for-app-development.md)

# [Erfahren Sie mehr über die Update-Funktionen von XQuery](/blog/de/2024/05/learn-about-xquery-update-facility.md)

Die XQuery-Update-Funktion ist eine Erweiterung der XQuery-Sprache, die es ermöglicht, Änderungen an einem XML-Dokument vorzunehmen, indem sogenannte "Update-Ausdrücke" verwendet werden, mit denen Knoten eingefügt, gelöscht, ersetzt oder umbenannt werden können. Diese Erweiterung bietet eine komfortable Möglichkeit, intelligente Aktualisierungen von XML-Dokumenten vorzunehmen, und XMLSpy bietet eine einzigartige Implementierung, die dies noch einfacher macht. Sehen wir uns an, wie es funktioniert.

![Neuigkeiten zu XML-Funktionen zum Suchen und Ersetzen](/blog/images/shutterstock_113438227.jpg)

[Mehr lesen](/blog/de/2024/05/learn-about-xquery-update-facility.md)

# [Die strukturierte Datenmodellierung mit erweiterten Knotfunktionen](/blog/de/2024/05/mapping-structured-data-with-enhanced-node-functions.md)

Wir haben bereits zuvor über die [Unterstützung für Knotenfunktionen](https://www.altova.com/blog/node-functions-simplify-mapping-hierarchical-data-structures/) berichtet, die die Verarbeitung strukturierter Daten vereinfachen, indem sie die Notwendigkeit eliminieren, eine Funktion mehrfach in eine Zuordnung zu kopieren und einzufügen. Das wiederholte Verwenden derselben Funktion ist unnötig und erschwert die Übersichtlichkeit der Zuordnung, wodurch die Datenverarbeitung schwieriger zu verstehen oder zu ändern wird.

MapForce bietet außerdem zusätzliche Filter, die für die Definition von Knotenfunktionen verfügbar sind. Diese Parameter ermöglichen es Entwicklern, Funktionen und Standardwerte auf bestimmte Knoten anzuwenden, basierend auf benutzerdefinierten Kriterien. Beispielsweise können Sie eine Knotenfunktion basierend auf Metadaten des Knotens anwenden, wie z. B. den Knotennamen, die Knotenlänge, die Genauigkeit des Datentyps des Knotens, benutzerdefinierte Knotenanmerkungen und mehr.

Schauen wir uns eine Zuordnung mit erweiterten Knotfunktionen an.

![](/blog/images/mapping-structured-data-with-node-functions.jpg)

[Mehr lesen](/blog/de/2024/05/mapping-structured-data-with-enhanced-node-functions.md)

# [YAML-Bearbeitungswerkzeuge](/blog/de/2024/05/yaml-editing-tools.md)

YAML erfreut sich zunehmender Beliebtheit aufgrund seiner Kombination aus Lesbarkeit, Einfachheit und Vielseitigkeit. YAML wird häufig in Konfigurationsdateien und zur Datenserialisierung verwendet und kann in modernen Systemen zusammen mit JSON und XML eingesetzt werden. Daher ist es sinnvoll, dass Entwickler eine IDE wählen, die alle drei Standards unterstützt.

Die neuen YAML-Tools in XMLSpy erweitern die umfassende Unterstützung für die Entwicklung von XML- und JSON-Dokumenten und bieten den Benutzern die Flexibilität, das am besten geeignete Serialisierungsformat für ihre spezifischen Anwendungsfälle und Präferenzen auszuwählen.

Schauen wir uns die YAML-Unterstützung im XML- und JSON-Editor an.

![Dekoratives Bild: Ein Softwareentwickler, der an Code arbeitet](/blog/images/image_1171172626.jpg)

[Mehr lesen](/blog/de/2024/05/yaml-editing-tools.md)

# [Version 2024r2 führt Unterstützung für YAML, FORTRAS EDI und weitere Funktionen ein](/blog/de/2024/04/version-2024r2-introduces-support-for-yaml-fortras-edi-and-more.md)

Die neueste Version der Desktop-Entwicklungstools und Server-Softwareprodukte von Altova umfasst Unterstützung für neue Industriestandards, aktualisierte Datenbankunterstützung und Leistungsverbesserungen.

Mit jeder neuen Produktversion möchten wir unseren Kunden eine Kombination aus von Entwicklern gewünschten Funktionen, Unterstützung für neue Standards und Leistungsverbesserungen bieten. Auch die Version 2024r2 ist keine Ausnahme: Sie enthält neue Tools zur Arbeit mit YAML, FORTRAS EDI und XBRL-Berichtsmodulen, sowie zahlreiche Verbesserungen in Bezug auf Leistung und Benutzerfreundlichkeit über die gesamte Produktpalette.

Hier sind die wichtigsten Punkte.

![Dekoratives Bild: Laptop mit YAML-Code im Hintergrund ](/blog/images/v2024r2_blog.jpg)

[Mehr lesen](/blog/de/2024/04/version-2024r2-introduces-support-for-yaml-fortras-edi-and-more.md)