Architektur

Zurückziehen statt löschen

Wenn eine Aussage sich als falsch erweist, ist die naheliegende Reaktion, sie zu löschen. Genau das passiert hier nicht: Sie wird zu einem Zeitpunkt zurückgezogen und bleibt mit ihrem Gültigkeitszeitraum abrufbar. Das Datenmodell führt dafür zwei Zeitachsen — wann etwas galt und wann es erfasst wurde. Eine Abfrage kann damit den heutigen Stand liefern oder den von vor einem Jahr,…

Aktualisiert:

Wenn eine Aussage sich als falsch erweist, ist die naheliegende Reaktion, sie zu löschen. Genau das passiert hier nicht: Sie wird zu einem Zeitpunkt zurückgezogen und bleibt mit ihrem Gültigkeitszeitraum abrufbar. Das Datenmodell führt dafür zwei Zeitachsen — wann etwas galt und wann es erfasst wurde. Eine Abfrage kann damit den heutigen Stand liefern oder den von vor einem Jahr, samt der Frage, wann sich das änderte. Die Motivation ist nicht Ordnungsliebe: In einem System, das Behauptungen dokumentiert statt sie zu bewerten, ist die Veränderung über die Zeit selbst eine Information — wer wann was zurückgezogen hat, gehört zum Bild. Beim Vergleich zweier Fassungen wird unterschieden, ob sich nichts, nur Zahlen oder der Text geändert hat; nur letzteres erzeugt eine neue Aussage. Eine Falle steckt darin, die im Betrieb schon zugeschlagen hat: Wer beim Lesen den Zeitbezug vergisst, bekommt zurückgezogene Aussagen als gültige zurück.

Einordnung

Diese Erläuterung gehört zur DaWN-Dokumentation und gibt den Stand der Projektdokumentation vom September 2026 wieder.

Zurückziehen statt löschen in drei Sätzen

Wenn eine Aussage sich als falsch erweist, ist die naheliegende Reaktion, sie zu löschen. Genau das passiert hier nicht: Sie wird zu einem Zeitpunkt zurückgezogen und bleibt mit ihrem Gültigkeitszeitraum abrufbar. Das Datenmodell führt dafür zwei Zeitachsen — wann etwas galt und wann es erfasst wurde. Eine Abfrage kann damit den heutigen Stand liefern oder den von vor einem Jahr,…