In der Personalverrechnung arbeitest du täglich mit Mitarbeiterdaten. Jede Person hat eine Sozialversicherungsnummer, ein Bruttogehalt, ein Eintrittsdatum, ein Beschäftigungsausmaß - und je nach Kollektivvertrag noch einiges mehr.
Software macht dasselbe - nur strukturierter. Wenn du verstehst, wie ein System wie P&I LogaHR Mitarbeiterdaten speichert, wirst du schneller erkennen, wo ein Fehler sitzt: in den Daten, oder in der Berechnungslogik.
Wenn Software einen Mitarbeiter speichert, nennt man das einen Datensatz (englisch: record). Ein Datensatz ist wie eine digitale Karteikarte: alle Informationen zu einer Person, zusammen an einem Ort. Entwickler nennen das oft auch Object oder Employee Object - du wirst diesen Begriff in Tickets und Gesprächen hören.
Jede einzelne Information in einem Datensatz heißt Feld (englisch: field). „Bruttogehalt" ist ein Feld. „SV-Nummer" ist ein Feld. „Eintrittsdatum" ist ein Feld.
Jedes Feld hat zwei Teile: einen Namen - was ist das für eine Information? - und einen Wert - was steht konkret drin. Entwickler sagen statt „Name" oft auch Key - gemeint ist dasselbe. In Modul 02 wirst du sehen, wie Key und Value in der Praxis aussehen.
Im Datensatz oben siehst du rechts kleine Angaben: Text, Zahl, Datum. Das ist der Datentyp (englisch: data type).
Warum ist das wichtig? Weil Software nur rechnen kann, wenn ein Feld als Zahl gespeichert ist — und nur Abstände messen kann, wenn ein Feld als Datum gespeichert ist. Ein Datum-Feld ohne Datumstyp hätte für das System keine zeitliche Bedeutung mehr: es wären nur Buchstaben, keine Zeitangabe. In der Praxis gibt LogaHR den Typ vor — das ist kein Bereich, in dem du als QS-Spezialistin eingreifst. Das wirkliche Risiko liegt woanders: wenn der Typ stimmt, aber der Wert falsch ist. Das fällt nirgends auf — kein Alarm, kein Fehler.
Ein Unternehmen hat nicht einen Mitarbeiter, sondern viele. Software speichert viele Datensätze hintereinander - das nennt man eine Liste (englisch: list).
Wenn P&I LogaHR den monatlichen Abrechnungslauf startet, geht das System diese Liste durch - Datensatz für Datensatz - und berechnet für jeden Mitarbeiter das Netto. 147 Mitarbeiter = 147 Berechnungen, alle nach denselben Regeln, aber mit den individuellen Daten aus dem jeweiligen Datensatz.
Wenn ein Kunde meldet: „Das Gehalt von Frau Huber ist falsch berechnet" - ist deine erste Frage als QS-Spezialistin: Stimmen die Daten im Datensatz?
Zwei häufige Beispiele aus der Praxis: Frau Schreiber arbeitet Teilzeit (50 %), aber im System steht Beschäftigungsausmaß: 100. Die Berechnung ist korrekt - nur auf Basis falscher Daten. Ergebnis: sie bekommt doppeltes Netto, kein Fehler wird gemeldet. Oder: Eintrittsdatum steht auf 01.03.2014 statt 01.03.2024 - zehn falsche Dienstjahre führen zu zu frühen Abfertigungsansprüchen. Auch hier: kein Systemfehler, falsche Zahl. Das sind Datenprobleme, keine Berechnungsfehler - und das bestimmt, wer im Team zuständig ist.
Denke mal nach: Welche Felder aus deinem Berufsalltag würden in einen Mitarbeiter-Datensatz gehören, die hier noch fehlen? Was wäre davon Text, was Zahl, was Datum?
Modul 01 von 05 · Pfad 1 · 2026