Lastenheft: Secure CaseTracker Data & Process Track 07 - Fehlerhafte Daten, Bias-Risiken und Entscheidungsgrenzen
- Stand / Date: 2026-07-07
- Übungsfirma / Training company: EuFPA - Europäische Firma Programmiert Alles
- Lehrjahr / Training year: ab dem 3. Lehrjahr
- Spezialisierung / Specialization: DPA - Daten- und Prozessanalyse
- Zielsprachen / Target languages: C#, Go, Java, Python, Rust, Swift
- Spec-Kit-Nutzung / Spec Kit use: eigenständiger späterer Spec-Kit-Intake
- Sandbox-Bezug / Sandbox relation: Vorbereitung für spätere Arbeit in
absdd-image-sandbox
DE: Fehlerhafte Daten, Bias-Risiken, Ausreißer, Entscheidungsgrenzen und Warnhinweise werden dokumentiert.
EN: Learners can work on this specialization task and document decisions, risks, evidence paths, and boundaries.
| Fachrichtung | Eignung | Reflexionsfrage |
|---|---|---|
| DPA | hoch (Schwerpunkt) | Welcher Fehler oder Bias ist echt, welcher ist ein Datenartefakt, und wo liegt die Entscheidungsgrenze? |
| AE | mittel | Welche Feld-, Ausreißer- oder Warnlogik macht Datenrisiken im Code sichtbar? |
| SI | mittel | Welche Betriebs- oder Erfassungsbedingung erzeugt fehlerhafte oder verzerrte Daten? |
| DV | mittel | Welche Schnittstellen- oder Verfügbarkeitslücke verzerrt die ausgewerteten Daten? |
DE: Die Aufgabe unterstützt die Spezialisierung im 3. Lehrjahr. Sie verbindet Projektarbeit, sichere Entwicklung, Qualitätssicherung, Betrieb oder Datenbewertung mit auditfähiger Dokumentation.
EN: The task supports third-year specialization. It connects project work, secure development, quality assurance, operation, or data assessment with audit-ready documentation.
DE: Konkrete Lernfelder (Quelle: Rahmenlehrplan-Lernfeld-Mapping.md): primär LF 10c („Werkzeuge des maschinellen Lernens einsetzen"); berührt LF 5 („Software zur Verwaltung von Daten anpassen"). Vertiefte Erklärung und Verständnisfragen: lernbegleiter/Secure-CaseTracker-Data-Process-Track_07_Fehlerhafte-Daten-Bias-Risiken-und-Entscheidungsgrenzen.Lernbegleiter.md.
EN: Concrete learning fields (source: Rahmenlehrplan-Lernfeld-Mapping.md): primary LF 10c ("Werkzeuge des maschinellen Lernens einsetzen"); touched LF 5 ("Software zur Verwaltung von Daten anpassen"). Deeper explanation and comprehension questions: lernbegleiter/Secure-CaseTracker-Data-Process-Track_07_Fehlerhafte-Daten-Bias-Risiken-und-Entscheidungsgrenzen.Lernbegleiter.md.
- Prinzipien: sichere Architektur, sichere Programmierung, Testbarkeit, Datenschutz, N/A-Begründung und auditfähige Evidenz.
- Checklisten: CL_01, CL_04, CL_08, CL_10, CL_12.
- Mitgeltende Dokumente: Richtlinie Secure Development Life Cycle, Leitlinie für sichere Programmierung, Testmanagement, Zugangssteuerung und Lieferkettenbezug nach Bedarf.
- Presets: security-governance, architecture-governance, isaqb-architecture-governance, a11y-governance, cross-platform-governance, agent-parity-governance.
DE: Erarbeite für eine Risikoanalyse zu Datenqualität und Entscheidungen eine fokussierte Spezifikation für die Spezialisierung DPA - Daten- und Prozessanalyse. Berücksichtige: Fehlerhafte Daten, Bias-Risiken, Ausreißer, Entscheidungsgrenzen und Warnhinweise werden dokumentiert.
EN: Prepare the corresponding specialization-focused feature specification. Keep the later implementation separate from this intake.
- R-01: Der fachliche Umfang ist klar beschrieben.
- R-02: Sicherheits-, Datenschutz-, Betriebs- oder Datenannahmen sind getrennt dokumentiert.
- R-03: Test-, Review- oder Evidenzpfade sind benannt.
- R-04: Alle
Applicable,N/AundOpenPunkte werden mit Evidenzpfad oder Begründung dokumentiert. - R-05: Die Lösung bleibt vergleichbar für C#, Go, Java, Python, Rust und Swift, soweit das Lernziel sprachneutral ist.
- Keine echten personenbezogenen Daten verwenden.
- Eingaben, Dateien, Konfiguration, Logs, Abhängigkeiten und Auswertungen als mögliche Vertrauensgrenzen prüfen.
- Positive Sicherheits-, Qualitäts- oder Compliance-Aussagen nur mit Nachweis treffen.
- Nicht anwendbare Standards als
N/Amit kurzer technischer Begründung dokumentieren.
- Der fachliche Vertrag zu Fehler-, Bias- und Entscheidungsgrenzen bleibt für C#, Go, Java, Python, Rust und Swift vergleichbar.
- Sprachspezifische Bibliotheken für Statistik oder Ausreißererkennung dürfen gewählt, müssen aber begründet und in der Lieferkette bewertet werden.
- MSL-Status ersetzt keine sichere API-, I/O-, Auth-, Crypto-, Logging- oder Dependency-Prüfung.
- fokussierte
spec.mdfür diese Aufgabe. plan.mdmit Spezialisierungs-, Sicherheits-, Test- und Nachweispfaden.tasks.mdmit umsetzbaren Review-, Test- und Dokumentationsschritten.- Projektspezifische Markdown-Nachweise oder begründete
N/A-Einträge. - Erwartete Evidenz: Bias-/Fehlerrisiken, Ausreißerregeln, Warnhinweise, Restrisiken.
- Das Ergebnis ist für Auszubildende im 3. Lehrjahr verständlich.
- Die Spezialisierung DPA ist klar sichtbar.
- Fachliche Entscheidung, Sicherheitsbezug und erwarteter Nachweis sind getrennt sichtbar.
- Offene Punkte sind als
Openmit Folgeaktion notiert. - Markdown bleibt DE-first, EN-second, CEFR B2 und WCAG-2.2-AA-orientiert.
/speckit-specify Nutze docs/learning-units/Lastenheft_Secure-CaseTracker-Data-Process-Track_07_Fehlerhafte-Daten-Bias-Risiken-und-Entscheidungsgrenzen.md als verbindliche Eingabedatei. Erstelle eine fokussierte Feature-Spezifikation für eine Risikoanalyse zu Datenqualität und Entscheidungen der EuFPA-Lernreihe Secure CaseTracker Data & Process Track. Erzeuge keine Implementierung und starte keinen Sammellauf für die gesamte Lernreihe.