ArcGIS Data Reviewer Fahrplan (Q2 2026)

JayCary

Die ArcGIS Data Reviewer Roadmap skizziert den geschätzten Zeitplan für geplante Funktionen und Verbesserungen in zukünftigen Versionen. Diese Zeitpläne können sich ändern, da Kundenfeedback und Prioritäten sich weiterentwickeln.<\/P>

Fehlt eine Funktion oder ist nicht priorisiert, die Ihr Datenqualitätsmanagementprogramm beeinflusst? Wir ermutigen Sie, Ihr Feedback im Data Reviewer Ideas<\/A>-Bereich in der Esri Community zu teilen. Ihre Vorschläge beeinflussen direkt die zukünftige Entwicklung. Nachdem Sie eine Idee eingereicht haben, wird diese vom Produktteam überprüft und für die Aufnahme in kommende Versionen berücksichtigt, um sicherzustellen, dass Data Reviewer weiterhin Ihren Anforderungen entspricht.<\/P>

Für weitere Informationen zur neuesten Version von

ArcGIS Data Reviewer<\/A> verweisen wir auf den What’s New in ArcGIS Data Reviewer<\/A>-Blog.<\/P>

Kurzfristige Ziele<\/STRONG><\/H3>Kurzfristige Ziele umfassen neue und verbesserte Funktionen, die in den nächsten Softwareversionen geplant sind. In der Regel veröffentlicht Data Reviewer zweimal jährlich zusammen mit ArcGIS Pro und ArcGIS Enterprise. Zu den kurzfristigen Zielen gehören:<\/P>Kurzfristige Ziele für Data Reviewer<\/span><\/span><\/P> <\/P>Datenqualitätsprüfung vereinfachen<\/H4>Um die Benutzererfahrung zu verbessern, wird ArcGIS Data Reviewer eine Reihe von Verbesserungen einführen, die häufige Herausforderungen bei der Implementierung automatisierter Qualitätskontroll-Workflows adressieren. Dies umfasst die Minimierung von Fehlern beim Teilen von Validierungsserver-aktivierten Web-Layern, insbesondere solchen mit Attributregeln, die mit Data Reviewer-Prüfungen erstellt wurden. Diese Verbesserungen helfen dabei, fehlende Layer zu erkennen und Probleme im Zusammenhang mit der Lizenzierung und Version eines föderierten Servers zu identifizieren. <\/P>Zusätzlich sind Verbesserungen geplant, die die Beobachtbarkeit bei der Fehlerbehebung der Leistung von Validierungsattributregeln erhöhen. Administratoren erhalten bessere Werkzeuge und Einblicke zur Diagnose und Lösung von Datenvalidierungsproblemen, was zu effizienteren und leistungsfähigeren Qualitätskontrollprozessen führt.<\/P>KI-gestützte Fehlererkennung<\/H4>Der ArcGIS Pro assistant bringt KI-gestützte Produktivität direkt in ArcGIS Pro und hilft Anwendern, alltägliche GIS-Aufgaben in intuitive, konversationelle Erlebnisse zu verwandeln. Mit der ArcGIS Pro assistant 3.7 Beta-Version<\/A> führen die Data Reviewer-Funktionen intelligentere automatisierte Datenqualitäts-Workflows ein, die Anwendern helfen, Validierungsprüfungen vorherzusagen, Dateninsights zu entdecken und Qualitätsprüfungen effizienter zu konfigurieren. Die anfängliche Unterstützung konzentriert sich auf Wasser- und Elektrizitätsnetz-Datensätze mit zusätzlicher Unterstützung für Indoor-Mapping. Während sich diese Funktionen weiterentwickeln, werden sie auf weitere Branchen ausgeweitet und durch Kundenfeedback aus der Beta-Testphase verfeinert.<\/P>

Automatisierte Qualitätskontrollverbesserungen<\/H4>Automatisierte Datenqualitätsprüfungen gehören zu den am häufigsten genutzten Funktionen in Data Reviewer. Data Reviewer-Prüfungen<\/A> unterstützen mehrere Workflows, einschließlich Attributregeln und dem Befehl Run Data Checks in ArcGIS Pro. Diese Funktionen helfen Organisationen, im Vergleich zu manuellen Ansätzen Zeit bei der Datenqualitätskontrolle zu sparen.<\/P>

Geplante Verbesserungen konzentrieren sich darauf, die automatisierte Prüfung vollständiger, flexibler und leichter anwendbar auf gängige GIS-Datenverwaltungsworkflows zu machen.<\/P>

• Erweiterte Unterstützung für Z-fähige Features.<\/STRONG> Die Weiterentwicklung wird die automatisierte Prüfung von Z-bewussten Daten verbessern. Beispielsweise benötigen Kunden aus dem Bereich Oberflächenverkehr und Pipeline eine verbesserte

Evaluate Intersection Count<\/A>-Prüfung, um falsch-positive Ergebnisse bei der Identifizierung von Z-fähigen Rohrleitungs- oder Straßenmittelachse-Features zu vermeiden, die andere Features schneiden.<\/LI>Verbesserte Konnektivitätsvalidierung.<\/STRONG> Kunden, die Indoor-Karten oder Straßenmittelachsen für Routing verwalten, benötigen Verbesserungen an der Feature on Feature<\/A>-Prüfung zur Bewertung der Konnektivität zwischen linearen Features. Für Indoor-Mapping umfasst dies das Erkennen von Übergangsfeatures wie Treppen, die nicht an beiden Enden mit Wegfeatures wie Fluren verbunden sind.<\/LI>Erweiterte Unterstützung für SQL in Prüfungen.<\/STRONG> Kunden aus verschiedenen Branchen haben Updates für die Query Attributes<\/A>-Prüfung angefordert, um zusätzliche SQL-Operatoren und -Funktionen zu unterstützen. Beispiele sind die Verwendung der Modulus-Funktion zur Identifizierung nicht übereinstimmender Adressbereiche auf Straßenmittelachsen sowie der Cast-Funktion zum Vergleichen von Attributwerten in unterschiedlichen Feldtypen.<\/LI>Neue Prüfungen für doppelte und fehlende Werte.<\/STRONG> Neue automatisierte Prüfungsfunktionen werden das Identifizieren doppelter Attributwerte unterstützen, wie z.B. doppelte Asset-IDs in einem Wasserversorgungsdatensatz über mehrere Feature-Klassen und Tabellen einer Geodatabase hinweg. Eine neue Prüfung wird auch das Erkennen von Features und Zeilen vereinfachen, die null-, leer- oder leere Attributwerte enthalten.<\/LI>

Flexible Fehlerverwaltung<\/H4>Die Verwaltung von während der Datenqualitätsprüfung erstellten Fehlern kann erheblich sein, da jedes GIS-Feature potenziell mehrere Fehlerzustände aufweisen kann. Um diese Herausforderungen anzugehen, konzentrieren sich geplante Verbesserungen darauf, Fehlerverwaltungsprozesse durch größere Flexibilität und Kontrolle zu optimieren.<\/P>Eine wichtige Verbesserung ist die Bereitstellung von Werkzeugen zur automatisierten Entfernung von Fehlerfeatures, die für das Datenqualitätsreporting nicht mehr benötigt werden. Beispielsweise können Organisationen das Entfernen verifizierter Fehler nach einer festgelegten Aufbewahrungsfrist (monatlich, vierteljährlich usw.) automatisieren.<\/P>Für Kunden ohne Bedarf an Verfolgung verifizierter Fehler wird eine neue Option angeboten, um sich vom Fehlerlebenszyklus<\/_a>-Prozess von Data Reviewer abzumelden. Wenn diese Option in der Geodatabase aktiviert ist, werden Fehlerfeatures automatisch gelöscht, sobald der zugehörige Fehlerzustand behoben ist. Dies eliminiert unnötige Schritte und bietet einen effizienteren Workflow für Benutzer mit weniger komplexem Reporting-Bedarf.<\/_p>

Einige Organisationen müssen Fehler und Korrekturschritte aus regulatorischen Gründen verfolgen. Geplante Verbesserungen erhöhen die Nachverfolgbarkeit und Berichterstattung während des gesamten Fehlerverwaltungsprozesses. Wenn aktiviert in der Geodatabase werden Fehlerfeatures nach Behebung des Fehlers nicht mehr automatisch verifiziert. Stattdessen verwalten Benutzer manuell den Status jedes Fehlers und dokumentieren Maßnahmen bei Korrektur und Verifizierung eines Fehlers.<\/_p>

Datenqualitätsberichterstattung<\/_h4>Datenqualitätsberichterstattung spielt eine entscheidende Rolle bei der Erhöhung der Transparenz innerhalb einer Organisation. Durch klare Einblicke in den Status und die Ergebnisse von Datenqualitätsprüfungen können Stakeholder besser verstehen, wo Probleme bestehen und wie sie behoben werden können. Diese Sichtbarkeit fördert Verantwortlichkeit, ermöglicht fundierte Entscheidungen und unterstützt eine Kultur kontinuierlicher Verbesserung bei Datenverwaltungspraktiken.<\/_p>Geplante Funktionen zur Datenqualitätsberichterstattung umfassen Verbesserungen des bestehenden Tools zur Berichterstattung über Datenpräzision<\/_a>, um branch-versionierte Geodatabases zu unterstützen sowie Zusammenfassungs- und Trendberichte zur Datenqualität mittels Dashboards.<\/_p>

Unterstützung auf Kubernetes<\/_h4>Mit der kürzlichen Zertifizierung von Data Reviewer für ArcGIS Enterprise unter Linux wird das Team weiterhin Bemühungen fortsetzen, neue und aufkommende Kundenbereitstellungsmuster anzusprechen. Dies umfasst die Ermöglichung der Unterstützung von Data Reviewer-basierten Datenqualitätsmanagementfunktionen in ArcGIS Enterprise auf Kubernetes.<\/_p>Mittelfristige Ziele<\/_strong><\/_h3>Mittelfristige Ziele umfassen Funktionen und Fähigkeiten, die für drei bis vier Versionen in der Zukunft geplant sind (typischerweise 18–24 Monate). Dazu gehören Unterstützung für die automatisierte Erstellung von reviewer-basierten Constraint- und Validierungsattributregeln, Integration von Data Reviewer-Prüfungen in automatisierte Workflows mittels Python, Möglichkeit zur Integration von Datenqualitätsfeedback in Webanwendungen sowie Unterstützung für Datenqualitätsprüfung in ArcGIS Online. <\/_p>Mittelfristige Ziele für Data Reviewer Langfristige ZieleLangfristige Ziele sind Punkte auf der Roadmap, die noch keiner bestimmten Version zugewiesen wurden. Sie sind bewusst offen gehalten, um Kundenfeedback und Diskussionen einzuladen.Diese Ziele umfassen die Unterstützung für die automatisierte Überprüfung von 3D-Features, die entweder als multipatch oder 3D-Objekt-Features gespeichert sind, die Möglichkeit, Multipoint-Fehler-Features in Validierungsattributregeln zu speichern, Unterstützung für die automatisierte Überprüfung von Metadateninhalten und KI-Fähigkeiten, die Fehlerkorrekturen in gängigen Datenbearbeitungsanwendungen unterstützen.Langfristige Ziele für Data Reviewer