Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com20. September 2026 · Q009640

SwiftData: Some Predicates that Look FINE but Error on build or Just CRASH!

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor berichtet von drei problematischen SwiftData-Prädikaten: Enum-Vergleiche, Array-Prüfungen und `ClosedRange.contains` können laut seinen Beispielen beim Bauen oder Abfragen fehlschlagen. Er nennt funktionierende Alternativen, darunter einen vorab gespeicherten Enum-Rohwert, Tags als eigene Modelle mit einer Zählprüfung sowie explizite Datumsgrenzen; die Beobachtungen sind ein persönlicher, nicht umfassender Erfahrungsbericht.

Mittel

Der Autor beschreibt drei SwiftData-Prädikate, die trotz plausibler Syntax laut seinen Versuchen beim Kompilieren scheitern oder zur Laufzeit abstürzen. Beim Enum-Filter funktionieren weder der Vergleich mit einer berechneten Enum-Eigenschaft noch der direkte Zugriff auf `rawValue` im Prädikat. Erfolgreich ist, den Rohwert vorab in einer lokalen String-Variablen abzulegen und diese zu vergleichen.

Ein `isEmpty`-Filter auf einem String-Array lässt sich zwar übersetzen, kann aber bei einer Abfrage abstürzen; auch `count` auf diesem Array scheitert. Der Autor erklärt das mit der internen Core-Data-Behandlung gewöhnlicher Arrays und modelliert Tags stattdessen als eigene Entitäten mit Beziehungen. In diesem Modell scheitert `isEmpty` weiterhin, während eine Null-Prüfung mit `count > 0` bei ihm funktioniert. Ebenso stürzt `ClosedRange.contains` für Datumswerte laut Bericht beim Abfragen ab; zwei explizite Vergleiche mit den Bereichsgrenzen lösen das Problem im Beispiel.

Der Text ist ein begrenzter Erfahrungsbericht, keine umfassende Dokumentation. Der Autor vermutet weitere Fehlerfälle; die Ergebnisse sind nicht als allgemeingültig belegt.

Ausführlich lesen

Der Bericht schildert drei Fälle, in denen SwiftData-Prädikate laut Autor plausibel aussehen, aber entweder beim Übersetzen scheitern oder während einer Abfrage abstürzen. Als Beispiel dient ein Aufgabenmodell mit einem Aufzählungswert für Wiederholungen, einem Tag-Array und einem Erstellungsdatum. Der Autor beschreibt eigene Versuche und nennt jeweils eine Variante, die in seinem Beispiel funktioniert.

Beim Filtern nach dem Aufzählungswert scheitert dem Bericht zufolge sowohl der Vergleich mit einer berechneten Enum-Eigenschaft als auch der Vergleich des gespeicherten Rohwerts mit `targetType.rawValue` direkt im Prädikat. Abhilfe schafft laut Autor, den Rohwert vorher in einer lokalen String-Variablen zu speichern und im Prädikat mit dieser Variablen zu vergleichen.

Der zweite Fall betrifft das Filtern nach nicht leeren Tags. Ein `isEmpty`-Vergleich auf einem String-Array lässt sich zwar kompilieren, kann laut Bericht aber bei der Abfrage abstürzen. Auch der direkte Zugriff auf `count` beim Array löst einen Fehler aus. Der Autor erklärt dies damit, dass Core Data solche gewöhnlichen Arrays intern als Attribute behandelt, auf denen diese Aggregatoperationen problematisch sind. Er schlägt vor, Tags stattdessen als eigene SwiftData-Modelle mit einer Beziehung zu den Aufgaben abzubilden. Bei diesem Modell scheitern wiederum `isEmpty` und ein darauf basierender Ausdruck schon beim Kompilieren; ein Ausdruck mit Null-Prüfung und `count > 0` funktioniert laut seinem Versuch sowohl beim Übersetzen als auch zur Laufzeit.

Im dritten Fall soll nach Aufgaben innerhalb eines geschlossenen Datumsbereichs gesucht werden. `dateRange.contains(model.createdAt)` lässt sich laut Autor kompilieren, führt bei der Abfrage aber zu einem Core-Data-Laufzeitfehler. Der Vergleich des Datums mit unterer und oberer Grenze, verbunden durch ein logisches Und, funktioniert in seinem Beispiel.

Der Beitrag ist ein Erfahrungsbericht mit konkreten Swift-Codebeispielen und Fehlermeldungen, keine vollständige Untersuchung des Predicate-Systems. Der Autor betont selbst, dass es vermutlich weitere problematische Fälle gibt. Die beschriebenen Lösungen sind daher als Ergebnisse seiner Versuche zu verstehen; der Text belegt nicht, dass sie für alle SwiftData-Versionen, Modelle oder Umgebungen gelten.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Bewertet wurde nur die angegebene Sammelfrage SF-H3; Lunas Angabe zum Anteil (29 %) ist im Schema nicht vorgesehen und wurde nicht geprüft.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV offen
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung umfangreiche Belege

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →