Börsennotierter Anbieter aus Sydney für KI-Trainingsdaten, RLHF, Sprach- und Multimodaldaten mit Plattform ADAP und weltweitem Mitwirkenden-Netz.

SDV (Synthetic Data Vault) Überblick und Eckdaten (Oktober 2026)
Python-Bibliothek von DataCebo zur Erzeugung synthetischer Tabellen- und relationaler Daten mit generativen Modellen.
ab 500 $ pro Monat
Was ist SDV (Synthetic Data Vault)?
SDV (Synthetic Data Vault) ist eine Python-Bibliothek für Data Scientists, die synthetische Fassungen einzelner Tabellen oder ganzer relationaler Datenbanken zum Testen, Teilen oder Trainieren von Modellen brauchen.
SDV wird von DataCebo entwickelt, das auch SDMetrics zur Bewertung und SDGym für Benchmarks pflegt. Das GitHub-Repository hatte rund 3.600 Sterne mit Commits am 28. September 2026, DataCebo nennt über 18 Millionen Downloads von SDV Community. Die Community-Version enthält neun Modelle und einfache Randbedingungen und steht unter der Business Source License, die kommerzielle Nutzung einschränkt. SDV Enterprise ergänzt weitere Modelle, Datentypen und Support und läuft innerhalb der Sicherheitsgrenzen des Kunden.
KI-Funktionen von SDV (Synthetic Data Vault) und ihr Nutzen
- Ganze Datenbanken synthetisierenSynthesizer für mehrere Tabellen lernen die Beziehungen zwischen Tabellen und erzeugen eine synthetische Datenbank mit stimmigen Schlüsseln. Entwickler erhalten realistische Testdaten, ohne Produktionsdaten zu kopieren.
- Geschäftsregeln einhaltenRandbedingungen halten erzeugte Werte in gültigen Bereichen und logischen Kombinationen. Testdaten bleiben für Anwendungen nutzbar, die solche Regeln prüfen.
- Qualität und Datenschutz messenSDMetrics vergleicht synthetische und echte Daten auf statistische Ähnlichkeit und Datenschutzrisiko. Teams können dokumentieren, ob der synthetische Datensatz für seinen Zweck taugt.
Was SDV (Synthetic Data Vault) besonders macht
- Deckt relationale Daten über mehrere verknüpfte Tabellen ab.
- Community-Version unter Business Source License, kommerzielle Enterprise-Ausgabe mit nutzungsabhängigem Preis und Ausgabengrenze.
Wo SDV (Synthetic Data Vault) am stärksten ist
SDV ist eine weltweit genutzte Python-Bibliothek; DataCebo nennt über 18 Millionen Downloads der Community-Version.
Vor dem Kauf von SDV (Synthetic Data Vault) klären
Prüfen Sie die Business Source License vor kommerzieller Nutzung von SDV Community, denn diese ist eingeschränkt. Lokal betrieben bleiben die Daten in Ihrer Umgebung, Ihr Team pflegt dann die Python-Umgebung. Lassen Sie prüfen, ob aus personenbezogenen Daten erzeugte synthetische Daten für Ihren Zweck als anonym gelten.
SDV (Synthetic Data Vault) in Deutschland und der EU: Datenschutz und AI Act
- DatenhaltungVom Anbieter nicht veröffentlicht.
- AuftragsverarbeitungsvertragVom Anbieter nicht veröffentlicht: anfordern (Art. 28 DSGVO).
- EU AI ActPrüfen, ob die KI Entscheidungen über Menschen vorbereitet. Wenn nicht, greifen die Hochrisiko-Regeln meist nicht. Die Hochrisiko-Pflichten gelten ab dem 2. Dezember 2027 (Digital-Omnibus).
Bewertungen zu SDV (Synthetic Data Vault)
Noch keine Bewertung. Erzählen Sie als Erste:r, wie Ihr Team es nutzt.
Jede Bewertung zeigt ihre Prüfstufe. Wir lesen jede vor der Veröffentlichung. So prüfen wir Bewertungen
Häufige Fragen zu SDV (Synthetic Data Vault)
Ist SDV für Unternehmen kostenlos?
SDV Community ist kostenlos, steht aber unter der Business Source License mit eingeschränkter kommerzieller Nutzung. SDV Enterprise beginnt bei 500 US-Dollar im Monat plus Nutzung.
Wer pflegt SDV?
DataCebo entwickelt SDV zusammen mit SDMetrics und SDGym.
Kann SDV mehrere verknüpfte Tabellen verarbeiten?
Ja. SDV enthält Synthesizer für relationale Daten, die die Beziehungen zwischen Tabellen erhalten.
Updatearchiv zu SDV (Synthetic Data Vault)noch keine Updates
Für SDV (Synthetic Data Vault) sind noch keine Änderungen erfasst.
Änderungen beim Anbieter und bestätigte Hinweise aus Nutzermeldungen, jeweils an den Seiten des Anbieters geprüft. Wir prüfen jedes Tool monatlich.
Alternativen zu SDV (Synthetic Data Vault)
Tools aus derselben Kategorie (Synthetische Daten) mit den meisten gemeinsamen Märkten.
Plattform und Open-Source-SDK aus Wien für synthetische Tabellendaten mit Differential Privacy und KI-Assistent für Datenanalyse.
Plattform aus Amsterdam für synthetische Testdaten mit KI-Generierung, Maskierung und Sensitivity Scanner, betrieben in der Kundenumgebung.
Mischung aus 939.344 Beispielen für Instruction Tuning vom Allen Institute for AI, mit der die Tulu-3-Modelle trainiert wurden.
SDV (Synthetic Data Vault) mit diesen Alternativen vergleichen →



