Datenwörterbuch · Snapshot 2026.09

Spezifikation des relationalen Schemas

Fünf Tabellen, exportiert als pipe-getrenntes UTF-8-CSV und Apache Parquet mit identischen Spalten. Jede Anreicherungsspalte ist entweder aus einer benannten öffentlichen Quelle mit dokumentiertem Join befüllt oder NULL. Es gibt keine Standardwerte und keine Platzhalterzeilen.

Tabelle	Zeilen
`products`	18.583
`brands`	5.925
`ingredients`	46.973
`product_ingredients`	318.758
`ingredient_name_map`	55.426

1. brands

5.925 Markenidentitäten wie in Open Beauty Facts erfasst.

Feld	Typ	Beschreibung	Beispiel
`brand_id`	`INTEGER`	Primärschlüssel	`1`
`name`	`STRING`	Markenname wie in der Quelle erfasst	`Laneige`

2. products

18.583 Produkte, je eine Zeile, jedes mit einer verwertbaren Zutatenliste auf der Verpackung.

Feld	Typ	Beschreibung	Beispiel
`product_id`	`INTEGER`	Primärschlüssel	`68597`
`brand_id`	`INTEGER`	FK → `brands.brand_id`. NULL, wenn das Quelletikett keine Marke angibt	`55`
`barcode_ean`	`STRING`	GTIN/EAN-Barcode	`4006381333931`
`name`	`STRING`	Produktname wie in der Quelle erfasst	`Good Genes Lactic Acid Treatment`
`obf_categories_tags`	`STRING`	Die eigene Tag-Liste von Open Beauty Facts, verbunden mit `;`, unverändert — vorhanden bei 12.860 von 18.583 Produkten (69,2%), NULL, wo die Quelle keine hat	`en:hygiene;en:soaps`
`raw_ingredient_text`	`STRING`	Die ungeparste Deklaration, wörtlich beibehalten, damit sich das Parsing nachvollziehen lässt	`Water, Glycerin, ...`
`created_at`	`STRING`	Zeitstempel der Erfassung (ISO 8601)	`2026-07-02T14:01:48Z`

3. ingredients

Eine Zeile pro eindeutigem kanonischem INCI-Namen — 46.973 insgesamt. Jede aus CosIng abgeleitete Spalte ist nur befüllt, wenn der kanonische Name exakt mit einem Namen im CosIng-Verzeichnis der Europäischen Kommission übereinstimmt, und andernfalls NULL.

Feld	Typ	Quelle	Beschreibung
`ingredient_id`	`INTEGER`	—	Primärschlüssel
`inci_name`	`STRING`	Kanonisierung	Der kanonische Name, dem jedes rohe Etikett-Token zugeordnet wurde
`cosing_matched`	`INTEGER`	CosIng	`1`, wenn der kanonische Name im Verzeichnis gefunden wurde. Steuert alle CosIng-Spalten darunter
`cosing_ref_no`	`STRING`	CosIng	CosIng-Referenznummer
`cas_number`	`STRING`	CosIng	CAS-Registrierungsnummer — nur aus CosIng, niemals abgeleitet
`ec_number`	`STRING`	CosIng	EG-Nummer
`functions`	`STRING`	CosIng	CosIng-Funktionskategorien, mehrwertig, durch `;` getrennt
`chemical_description`	`STRING`	CosIng	Chemische / IUPAC-Beschreibung aus CosIng
`cosing_restriction`	`STRING`	CosIng	Verweis auf die Beschränkung, z. B. ein Eintrag in Anhang V
`cosing_update_date`	`STRING`	CosIng	In diesem Snapshot immer `NULL` — der Export enthält kein Aktualisierungsdatum
`annex_ii` … `annex_vi`	`FLOAT`	CosIng	Zugehörigkeit zu den Anhängen II (verboten), III (eingeschränkt), IV (Farbstoffe), V (Konservierungsstoffe), VI (UV-Filter)
`is_common_allergen`	`INTEGER`	EU-Anhang III	EU-Markierung für Duftstoffallergene — siehe Methodenhinweis unten
`allergen_source`	`STRING`	EU-Anhang III	Die Liste, aus der eine Markierung stammt
`comedogenic_rating`	`FLOAT`	authored	Bewertung 0–5 für die Inhaltsstoffe, die die zitierte Arbeit abdeckt; sonst `NULL`
`is_fungal_acne_trigger`	`FLOAT`	rule	Regelbasierte Markierung — eine Heuristik, keine gemessene Eigenschaft
`rating_source`	`STRING`	authored / rule	Die Quellenangabe oder der Regeltext pro Zeile hinter den beiden Spalten oben

Gemessene Abdeckung der CosIng-Spalten

Spalte	Anteil der 46.973 eindeutigen Namen	Anteil der 318.758 Vorkommen auf Etiketten
CosIng-Treffer (beliebig)	11,0%	82,5%
`functions`	10,9%	81,5%
`cas_number`	8,3%	76,4%
`chemical_description`	8,5% · 3.965 eindeutige Werte	—

Die linke Spalte zählt eindeutige Namen; die rechte zählt Inhaltsstoffvorkommen auf Produktetiketten. Sie unterscheiden sich um eine Größenordnung, weil ein Etikettenkorpus weit mehr eindeutige Zeichenketten enthält — botanische Varianten, mehrsprachige Schreibweisen, Marketing-Begriffe — als jedes regulatorische Verzeichnis führt, während die Positionen auf einem realen Etikett ganz überwiegend von Inhaltsstoffen belegt werden, die CosIng abdeckt. Keine der beiden Zahlen allein beschreibt die Daten. ec_number, cosing_restriction und die Anhang-Markierungen sind nur für die in CosIng gefundene Teilmenge befüllt, jeweils mit eigener Rate — siehe die mit dem Archiv gelieferte build_report.json.

Methode — Allergen-Markierungen. Nur eine Liste: die Duftstoffallergene aus Anhang III der EU-Kosmetikverordnung (Verordnung (EG) 1223/2009, geändert durch Verordnung (EU) 2023/1545), abgeglichen über den exakten kanonischen Namen. 99 Namen sind markiert. Die US-amerikanische FDA hat ihre MoCRA-Liste der Duftstoffallergene noch nicht veröffentlicht, daher enthält dieser Datensatz keine US-Markierung.

Methode — Komedogenitätsbewertungen. 145 Inhaltsstoffe tragen eine Bewertung auf der Skala 0–5, übernommen aus Table I (S. 324–326) von Fulton JE Jr., Comedogenicity and irritancy of commonly used ingredients in skin care products, J Soc Cosmet Chem 1989;40:321–333. Wo die Arbeit statt eines einzelnen Grades einen Bereich angibt, bleibt die Bewertung NULL. Das Fehlen einer Bewertung bedeutet „von der zitierten Quelle nicht abgedeckt“, niemals „unbedenklich“.

Methode — Pilzakne-Markierung. Eine regelbasierte Heuristik, keine gemessene Eigenschaft: Es gibt keinen Malassezia-Test pro Inhaltsstoff, der übernommen werden könnte. Die Regel markiert C11–C24-Fettsäuren und deren Ester sowie Polysorbate 20/40/60/80, nur auf in CosIng gefundene Inhaltsstoffe angewendet, und ergibt 270 Markierungen. Grundlage: Saunte et al., Front Cell Infect Microbiol 2020 (DOI 10.3389/fcimb.2020.00112), mit dem Kettenlängenfenster aus Liebregts et al., FEMS Yeast Res 2025 (DOI 10.1093/femsyr/foaf043). Bestimmte Öle, Butter und Wachse werden nicht markiert — die Literatur stützt keine Aussagen auf Ebene einzelner Inhaltsstoffe für sie.

4. product_ingredients

318.758 geordnete Zusammensetzungsverknüpfungen, die die Reihenfolge erhalten, in der die Inhaltsstoffe auf dem Etikett deklariert sind.

Feld	Typ	Beschreibung	Beispiel
`product_id`	`INTEGER`	FK → `products.product_id`	`68597`
`ingredient_id`	`INTEGER`	FK → `ingredients.ingredient_id`	`1214`
`position_index`	`INTEGER`	Position auf dem Etikett, ab 1 gezählt; niedriger bedeutet früher deklariert, d. h. in einem höheren Anteil enthalten	`1`
`concentration_percentage`	`STRING`	In diesem Snapshot immer `NULL` — Etiketten geben so gut wie nie Prozentangaben an

5. ingredient_name_map

55.426 Zeilen: die Belege der Kanonisierung, mit den Daten ausgeliefert, damit jede Entscheidung der Pipeline geprüft oder übersteuert werden kann.

Feld	Typ	Beschreibung	Beispiel
`raw_name`	`STRING`	Das Token, wie es in `products.raw_ingredient_text` vorkam	`AQUA (WATER)`
`canonical_name`	`STRING`	Der kanonische INCI-Name, dem es zugeordnet wurde	`AQUA`
`method`	`STRING`	Wie es aufgelöst wurde — siehe unten	`paren_stripped`
`confidence`	`FLOAT`	Der Methode zugeordnete Konfidenz	`0.9`
`ingredient_id`	`INTEGER`	FK → `ingredients.ingredient_id`	`162`

method	Bedeutung
`exact`	Das bereinigte Token ist bereits ein Name im CosIng-Verzeichnis
`cleaned`	Aufgelöst nach Entity-Dekodierung, Entfernen von Zeichen und Zusammenfassen von Leerraum
`typo_map`	Über eine kleine, explizite, belegte Tippfehlertabelle aufgelöst
`percent_stripped`	Eine deklarierte Prozentangabe wurde entfernt
`paren_stripped`	Ein Klammerausdruck wurde entfernt
`synonym_map`	Über eine explizite Synonymtabelle aufgelöst
`slash_variant`	Eine mehrsprachige Variante mit Schrägstrich
`split`	Ein zusammengeschriebenes Token, aufgeteilt in zwei Namen, die beide im Verzeichnis gefunden wurden
`unresolved`	Keine kanonische Entsprechung — wörtlich beibehalten und markiert, niemals geraten

unresolved ist nach eindeutigen Tokens die größte Gruppe und nach Vorkommen auf Etiketten eine kleine — derselbe Long-Tail-Effekt, der die beiden Abdeckungsspalten oben erzeugt.