Skip to content

Lastenheft_Secure-InventoryHub_05_Import-Export-und-Datenbereinigung.md

Latest commit

 

History

History
92 lines (63 loc) · 5.55 KB

Lastenheft_Secure-InventoryHub_05_Import-Export-und-Datenbereinigung.md

File metadata and controls

92 lines (63 loc) · 5.55 KB
Raw

Lastenheft: Secure InventoryHub 05 - Import, Export und Datenbereinigung

Metadaten / Metadata

  • Stand / Date: 2026-07-05
  • Übungsfirma / Training company: EuFPA - Europäische Firma Programmiert Alles
  • Lehrjahr / Training year: ab dem 2. Lehrjahr
  • Zielsprachen / Target languages: C#, Go, Java, Python, Rust, Swift
  • Primär geeignet für / Primary fit: AE, DPA
  • Spec-Kit-Nutzung / Spec Kit use: eigenständiger späterer Spec-Kit-Intake
  • Sandbox-Bezug / Sandbox relation: Vorbereitung für spätere Arbeit in absdd-image-sandbox

Lernziel / Learning Goal

DE: CSV/JSON-Importe, Exporte, Dubletten, ungültige Datensätze und sichere Fehlermeldungen werden geplant.

EN: Learners can work on this topic in a language-neutral way and document security, privacy, test, and evidence decisions.

Fachrichtungsbezug / Specialization Fit

Fachrichtung Eignung Reflexionsfrage
AE hoch Welche Implementierungsentscheidung folgt aus dieser Aufgabe?
SI hoch Welche Betriebs-, Toolchain- oder Sandbox-Annahme muss dokumentiert werden?
DPA mittel bis hoch Welche Datenqualität, Datenschutzfrage oder Aussagegrenze ist betroffen?

Rahmenlehrplanbezug / Curriculum Relation

DE: Die Aufgabe verbindet Kundenauftrag, Projektplanung, sichere Entwicklung, Qualitätssicherung, Betrieb und dokumentierte Bewertung auf dem Niveau ab dem 2. Lehrjahr.

EN: The task connects customer task, project planning, secure development, quality assurance, operation, and documented assessment at second-year level.

DE: Konkrete Lernfelder (Quelle: Rahmenlehrplan-Lernfeld-Mapping.md): primär LF 8 („Daten systemübergreifend bereitstellen"); berührt LF 5 („Software zur Verwaltung von Daten anpassen"). Vertiefte Erklärung und Verständnisfragen: lernbegleiter/Secure-InventoryHub_05_Import-Export-und-Datenbereinigung.Lernbegleiter.md.

EN: Concrete learning fields (source: Rahmenlehrplan-Lernfeld-Mapping.md): primary LF 8 ("Daten systemübergreifend bereitstellen"); touched LF 5 ("Software zur Verwaltung von Daten anpassen"). Deeper explanation and comprehension questions: lernbegleiter/Secure-InventoryHub_05_Import-Export-und-Datenbereinigung.Lernbegleiter.md.

Bezug zur Richtlinie Sichere Entwicklung / Relation to Secure Development Guideline

  • Prinzipien: sichere Architektur, sichere Programmierung, Testbarkeit, Datenschutz, N/A-Begründung und auditfähige Evidenz.
  • Checklisten: CL_01, CL_03, CL_04, CL_08, CL_10.
  • 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.

Aufgabenstellung / Task

DE: Erarbeite für eine sichere Import-/Export- und Bereinigungslogik eine fokussierte Spezifikation. Berücksichtige: CSV/JSON-Importe, Exporte, Dubletten, ungültige Datensätze und sichere Fehlermeldungen werden geplant.

EN: Prepare the corresponding feature specification. Keep the later implementation separate from this intake.

Anforderungen / Requirements

  • R-01: Der fachliche Umfang ist klar beschrieben.
  • R-02: Sicherheits-, Datenschutz- und Betriebsannahmen sind getrennt dokumentiert.
  • R-03: Test- oder Reviewpfade sind benannt.
  • R-04: Alle Applicable, N/A und Open Punkte werden mit Evidenzpfad oder Begründung dokumentiert.
  • R-05: Die Lösung bleibt vergleichbar für C#, Go, Java, Python, Rust und Swift.

Sicherheits- und Datenschutzanforderungen / Security and Privacy Requirements

  • Keine echten personenbezogenen Daten verwenden.
  • Eingaben, Dateien, Konfiguration, Logs und Abhängigkeiten als mögliche Vertrauensgrenzen prüfen.
  • Positive Sicherheitsbehauptungen nur mit Nachweis treffen.
  • Nicht anwendbare Standards als N/A mit kurzer technischer Begründung dokumentieren.

Sprachneutrale Anforderungen / Language-Neutral Requirements

  • Der fachliche Vertrag bleibt für C#, Go, Java, Python, Rust und Swift vergleichbar.
  • Sprachspezifische Frameworks dürfen gewählt werden, müssen aber begründet werden.
  • MSL-Status ersetzt keine sichere API-, I/O-, Auth-, Crypto-, Logging- oder Dependency-Prüfung.

Erwartete Artefakte / Expected Artifacts

  • fokussierte spec.md für diese Aufgabe.
  • plan.md mit Architektur-, Sicherheits-, Test- und Nachweispfaden.
  • tasks.md mit umsetzbaren Review-, Test- und Dokumentationsschritten.
  • Projektspezifische Markdown-Nachweise oder begründete N/A-Einträge.
  • Erwartete Evidenz: Formatregeln, Dublettenregeln, Negativtests, Datenschutzgrenzen.

Akzeptanzkriterien / Acceptance Criteria

  • Das Ergebnis ist für Auszubildende ab dem 2. Lehrjahr verständlich.
  • Fachliche Entscheidung, Sicherheitsbezug und erwarteter Nachweis sind getrennt sichtbar.
  • Mindestens ein Test- oder Reviewpfad ist benannt.
  • Offene Punkte sind als Open mit Folgeaktion notiert.
  • Markdown bleibt DE-first, EN-second, CEFR B2 und WCAG-2.2-AA-orientiert.

Optimaler Specify-Prompt / Optimal Specify Prompt

/speckit-specify Nutze docs/learning-units/Lastenheft_Secure-InventoryHub_05_Import-Export-und-Datenbereinigung.md als verbindliche Eingabedatei. Erstelle eine fokussierte Feature-Spezifikation für eine sichere Import-/Export- und Bereinigungslogik der EuFPA-Lernreihe Secure InventoryHub. Erzeuge keine Implementierung und starte keinen Sammellauf für die gesamte Lernreihe.