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.com6. Juli 2024 · Q010652

SwiftUI + SwiftData: Explained in Super Detail with A Todo Demo App!

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der vollständige Beitrag erklärt SwiftData-Grundlagen in SwiftUI anhand einer Todo-App: Modelle, Beziehungen, Abfragen und Datenänderungen über `@Model`, `@Query`, `modelContext` und `modelContainer`. Der Autor schildert außerdem Aktualisierungsprobleme in Ansichten und mögliche Lösungen, macht aber keine Angaben zu den betroffenen Versionen; seine Empfehlung für SwiftData ist eine persönliche Einschätzung.

Mittel

Itsukis vollständiger Beitrag führt anhand einer einfachen Todo-App in SwiftData für SwiftUI ein. Der Autor zeigt, wie Klassen mit `@Model` zu Modellen werden und wie sich mit `modelContainer`, `modelContext` und `@Query` Daten speichern, abfragen, sortieren, filtern, einfügen, ändern und löschen lassen. Er beschreibt außerdem eindeutige Attribute, Viele-zu-viele-Beziehungen zwischen Aufgaben und Tags, Löschregeln sowie nicht zu speichernde Eigenschaften. Komplexe Werttypen sollen `Codable` entsprechen; Bilder werden als Daten abgelegt. Für Vorschauen empfiehlt er einen In-Memory-Container. Änderungen an Modelldaten erfolgen laut Beitrag direkt an den Eigenschaften; explizites Speichern sei bei aktivem Autosave nicht nötig, könne aber über `modelContext.save()` ausgelöst werden.

Der Autor berichtet von einem Problem, bei dem eine Todo-Karte nach dem Löschen eines verknüpften Tags nicht aktualisiert wurde. Ein eigener Observable-Wrapper habe in seinem Beispiel geholfen. Ein späterer Hinweis sagt, dass ein anderes Problem mit Kindansichten inzwischen behoben sei. Für diese Beobachtungen nennt der Bericht keine SwiftData-Versionen oder klaren Bedingungen. Die Empfehlung für SwiftData gegenüber Core Data ist die Einschätzung des Autors; die behauptete iCloud-Synchronisierung wird nicht praktisch vorgeführt.

Ausführlich lesen

Der vollständige Bericht ist ein SwiftUI- und SwiftData-Tutorial von Itsuki, das die Grundlagen anhand einer einfachen Aufgaben-App erklärt. Der Autor bewertet SwiftData als leichter zugänglich als Core Data und empfiehlt, es vor anderen Datenbanklösungen auszuprobieren. Das ist seine Einschätzung, kein im Bericht belegter Vergleichstest.

Im Mittelpunkt stehen Modellerstellung und Datenverwaltung in einer SwiftUI-Ansicht: Daten abfragen, einfügen, ändern und löschen. SwiftData-Modelle entstehen laut Artikel, indem eine Klasse `SwiftData` importiert und mit `@Model` markiert wird. Der Autor erklärt, dass dadurch Änderungen beobachtet werden können und SwiftUI Ansichten mit abgefragten Modellen aktualisiert. Gespeichert würden standardmäßig kompatible, nicht berechnete Eigenschaften. Für komplexe Werttypen wie Enums nennt er `Codable`; Bilder sollen als Daten abgelegt und bei Bedarf in eine `Image`-Ansicht umgewandelt werden. Eine berechnete Farbeigenschaft werde nicht gespeichert, weshalb etwa Farbwerte separat repräsentiert werden müssten.

Für die Persistenz erläutert der Bericht `@Attribute(.unique)` zur Kennzeichnung eines eindeutigen Bezeichners sowie `@Relationship` für Beziehungen zwischen Modellen. Am Beispiel von Aufgaben und Tags wird eine Viele-zu-viele-Beziehung gezeigt. Die Standardregel beim Löschen sei `nullify`; mit `.cascade` könnten abhängige Objekte mitgelöscht werden. `@Transient` wird als Möglichkeit vorgestellt, eine Eigenschaft von der Speicherung auszunehmen.

Die App erhält ihren Speicher über den SwiftUI-Modifier `modelContainer`. Laut Autor kann SwiftData verbundene Modelltypen über Beziehungen automatisch einbeziehen; für Vorschauen empfiehlt er einen nur im Arbeitsspeicher gehaltenen Container. Der `modelContext` dient dem Einfügen, Löschen und Abrufen. Für Abfragen verwendet das Beispiel `@Query`; Sortierung, Animation, Filter über Prädikate sowie Fetch-Limit und -Sortierung über einen `FetchDescriptor` werden erläutert. Änderungen an Modelleigenschaften wie `isDone` erfolgen direkt, während Einfügen und Löschen über den Kontext laufen.

Der Artikel erklärt, dass automatisches Speichern standardmäßig aktiviert sei, und zeigt `modelContext.save()` als explizite Alternative. Zugleich berichtet der Autor von einem Aktualisierungsproblem: In seinem Todo-Beispiel werde eine Kartenansicht nach dem Löschen eines verknüpften Tags nicht zuverlässig erneuert, wenn das Modell direkt weitergereicht wird. Ein selbst definierter `ObservableModel`-Wrapper habe das Problem dort behoben; der Autor vermutet einen SwiftData-Fehler und verweist auf eine Stack-Overflow-Lösung. Ein nachträglich eingefügter Hinweis sagt, dass ein separates Problem mit nicht aktualisierten Kindansichten inzwischen verschwunden sei und Modelle einfach weitergereicht werden könnten. Der Bericht grenzt nicht ein, für welche Versionen oder Bedingungen diese Beobachtungen gelten.

Als weiteren Hinweis nennt der Autor den Anwendungssupport-Ordner als Ort, an dem sich die Simulator-Datenbankdateien ansehen lassen. Der Beitrag ist eine praktische Einführung mit Beispielcode und Demo-App, aber keine systematische Dokumentation oder Untersuchung der genannten Verhaltensweisen. Die Aussage, SwiftData speichere Modelle und synchronisiere sie mit iCloud, wird im Tutorial nicht näher erläutert oder anhand einer Synchronisierung demonstriert.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Geprüft wurde die mittlere Zusammenfassung; die kurze Fassung ist ebenfalls weitgehend treu, formuliert das Kindansicht-Problem aber als offene Lösungssuche, obwohl der Bericht es als behoben angibt.

Im Bericht, aber nicht in der Zusammenfassung

  • Fetch-Limit als Abfrageoption über FetchDescriptor
  • Hinweis, dass Color nicht direkt gespeichert werden kann und Alternativen wie hex oder rgb nötig sind
  • Counter-Beispiel zur Weitergabe des Modells an Kindansichten

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
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %beantwortet teilweise oder widerspricht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
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 43 %einzelne zitierbare Belege
    • JEV 41 %beantwortet teilweise oder widerspricht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

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 →