Produktentscheidungen

Woran man sieht, wie ich denke

Drei Entscheidungen, die die Datenbank prägen, jeweils mit dem Preis, den sie gekostet haben.

01

Quelle pro Eintrag

Jeder Wert hat eine Herkunft: Herstellerangabe, Erfahrungsbericht, eigene Messung.

PreisLaufende Pflege. Aber ohne Herkunft ist eine Zahl hier wertlos, weil der ganze Sinn die Verlässlichkeit gegenüber den Laborwerten ist.

02

Unbelegte Werte bleiben null, nicht geschätzt

Wo ich keinen belastbaren Wert habe, steht null, keine Schätzung.

PreisSieht unvollständiger aus. Aber eine Schätzung, die wie eine Messung aussieht, ist genau die stille Unehrlichkeit, gegen die die Datenbank gebaut ist. Lieber eine sichtbare Lücke als eine Zahl, der man nicht trauen kann.

03

Drei generische Trucks für den einfachen Einstieg

Der geführte Modus verträgt keine Auswahl aus 28 Modellen, das überfordert den, der neu im Thema ist. Also habe ich aus den 28 realen drei generische abgeleitet, die die typischen Klassen abbilden.

PreisDieselbe Datengrundlage in zwei Auflösungen: ein Gefühl für den Einsteiger, die volle Datenbank für alle, die tiefer wollen.

Datengrundlage

Jeder Wert mit Herkunft

Das Schema liegt in derselben Datei wie die Daten, damit Feldbeschreibung und Inhalt nicht auseinanderlaufen.

Die JSON-Datei der E-Truck-Datenbank mit Feldbeschreibungen und Datensätzen
Vierzehn Felder je Eintrag, Quelle inklusive. Gut zu sehen: mcs_kw, ac_kw und range_km_oem stehen hier auf null, weil es dafür keinen belegten Wert gibt. Keine Schätzung, die wie eine Messung aussieht.
Im Einsatz

Die Datenbank im Flotten-Rechner

Der eigentliche Zweck: Statt abstrakter Kilowattstunden wählt man ein Fahrzeug, das man kennt.

Fahrzeugauswahl im Flotten-Rechner, nach Hersteller gruppiert
Nach Hersteller gruppiert, mit Akku-Kapazität je Modell. Ganz oben der generische Fallback für alle, die noch kein bestimmtes Fahrzeug im Kopf haben.