pointblank 0.8.6__tar.gz → 0.8.7__tar.gz

{pointblank-0.8.6 → pointblank-0.8.7}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: pointblank
-Version: 0.8.6
+Version: 0.8.7
 Summary: Find out if your data is what you think it is.
 Author-email: Richard Iannone <riannone@me.com>
 License: MIT License
@@ -102,9 +102,18 @@ _Data validation made beautiful and powerful_
 
 </div>
 
+<div align="right">
+   <a href="translations/README.fr.md">Français</a> |
+   <a href="translations/README.de.md">Deutsch</a> |
+   <a href="translations/README.it.md">Italiano</a> |
+   <a href="translations/README.es.md">Español</a> |
+   <a href="translations/README.pt-BR.md">Português</a> |
+   <a href="translations/README.zh-CN.md">简体中文</a>
+</div>
+
 ## What is Pointblank?
 
-Pointblank is a modern data validation framework for Python that helps you trust your data with confidence. It provides a fluent, expressive API to validate your data against a wide range of constraints and presents results in beautiful, interactive reports.
+Pointblank is a powerful, yet elegant data validation framework for Python that transforms how you ensure data quality. With its intuitive, chainable API, you can quickly validate your data against comprehensive quality checks and visualize results through stunning, interactive reports that make data issues immediately actionable.
 
 Whether you're a data scientist, data engineer, or analyst, Pointblank helps you catch data quality issues before they impact your analyses or downstream systems.
 
@@ -134,9 +143,9 @@ validation
 
 <br>
 
-Why Choose Pointblank?
+## Why Choose Pointblank?
 
-- **Works with your existing stack** - Seamlessly integrates with Polars, Pandas, DuckDB, MySQL, PostgreSQL, SQLite, Parquet, and more!
+- **Works with your existing stack** - Seamlessly integrates with Polars, Pandas, DuckDB, MySQL, PostgreSQL, SQLite, Parquet, PySpark, Snowflake, and more!
 - **Beautiful, interactive reports** - Crystal-clear validation results that highlight issues and help communicate data quality
 - **Composable validation pipeline** - Chain validation steps into a complete data quality workflow
 - **Threshold-based alerts** - Set 'warning', 'error', and 'critical' thresholds with custom actions
@@ -213,6 +222,8 @@ validation.get_step_report(i=3).show("browser")  # Get failing records from step
 <img src="https://posit-dev.github.io/pointblank/assets/pointblank-step-report.png" width="800px">
 </div>
 
+<br>
+
 ## Features That Set Pointblank Apart
 
 - **Complete validation workflow** - From data access to validation to reporting in a single pipeline

{pointblank-0.8.6 → pointblank-0.8.7}/README.md

@@ -20,9 +20,18 @@ _Data validation made beautiful and powerful_
 
 </div>
 
+<div align="right">
+   <a href="translations/README.fr.md">Français</a> |
+   <a href="translations/README.de.md">Deutsch</a> |
+   <a href="translations/README.it.md">Italiano</a> |
+   <a href="translations/README.es.md">Español</a> |
+   <a href="translations/README.pt-BR.md">Português</a> |
+   <a href="translations/README.zh-CN.md">简体中文</a>
+</div>
+
 ## What is Pointblank?
 
-Pointblank is a modern data validation framework for Python that helps you trust your data with confidence. It provides a fluent, expressive API to validate your data against a wide range of constraints and presents results in beautiful, interactive reports.
+Pointblank is a powerful, yet elegant data validation framework for Python that transforms how you ensure data quality. With its intuitive, chainable API, you can quickly validate your data against comprehensive quality checks and visualize results through stunning, interactive reports that make data issues immediately actionable.
 
 Whether you're a data scientist, data engineer, or analyst, Pointblank helps you catch data quality issues before they impact your analyses or downstream systems.
 
@@ -52,9 +61,9 @@ validation
 
 <br>
 
-Why Choose Pointblank?
+## Why Choose Pointblank?
 
-- **Works with your existing stack** - Seamlessly integrates with Polars, Pandas, DuckDB, MySQL, PostgreSQL, SQLite, Parquet, and more!
+- **Works with your existing stack** - Seamlessly integrates with Polars, Pandas, DuckDB, MySQL, PostgreSQL, SQLite, Parquet, PySpark, Snowflake, and more!
 - **Beautiful, interactive reports** - Crystal-clear validation results that highlight issues and help communicate data quality
 - **Composable validation pipeline** - Chain validation steps into a complete data quality workflow
 - **Threshold-based alerts** - Set 'warning', 'error', and 'critical' thresholds with custom actions
@@ -131,6 +140,8 @@ validation.get_step_report(i=3).show("browser")  # Get failing records from step
 <img src="https://posit-dev.github.io/pointblank/assets/pointblank-step-report.png" width="800px">
 </div>
 
+<br>
+
 ## Features That Set Pointblank Apart
 
 - **Complete validation workflow** - From data access to validation to reporting in a single pipeline

{pointblank-0.8.6 → pointblank-0.8.7}/docs/blog/intro-pointblank/index.qmd

@@ -3,7 +3,7 @@ jupyter: python3
 html-table-processing: none
 title: "Introducing Pointblank"
 author: Rich Iannone
-date: 2024-04-04
+date: 2025-04-04
 freeze: true
 ---
 

{pointblank-0.8.6 → pointblank-0.8.7}/docs/index.qmd

@@ -11,7 +11,7 @@ _Data validation made beautiful and powerful_
 
 </div>
 
-Pointblank is a modern data validation framework for Python that helps you trust your data with confidence. It provides a fluent, expressive API to validate your data against a wide range of constraints and presents results in beautiful, interactive reports.
+Pointblank is a powerful, yet elegant data validation framework for Python that transforms how you ensure data quality. With its intuitive, chainable API, you can quickly validate your data against comprehensive quality checks and visualize results through stunning, interactive reports that make data issues immediately actionable.
 
 Whether you're a data scientist, data engineer, or analyst, Pointblank helps you catch data quality issues before they impact your analyses or downstream systems.
 

{pointblank-0.8.6 → pointblank-0.8.7}/pointblank/_interrogation.py

@@ -1089,14 +1089,20 @@ class Interrogator:
     def isin(self) -> FrameT | Any:
         # Ibis backends ---------------------------------------------
 
+        can_be_null: bool = None in self.set
+
         if self.tbl_type in IBIS_BACKENDS:
-            return self.x.mutate(pb_is_good_=self.x[self.column].isin(self.set))
+            base_expr = self.x[self.column].isin(self.set)
+            if can_be_null:
+                base_expr = base_expr | self.x[self.column].isnull()
+            return self.x.mutate(pb_is_good_=base_expr)
 
         # Local backends (Narwhals) ---------------------------------
+        base_expr: nw.Expr = nw.col(self.column).is_in(self.set)
+        if can_be_null:
+            base_expr = base_expr | nw.col(self.column).is_null()
 
-        return self.x.with_columns(
-            pb_is_good_=nw.col(self.column).is_in(self.set),
-        ).to_native()
+        return self.x.with_columns(pb_is_good_=base_expr).to_native()
 
     def notin(self) -> FrameT | Any:
         # Ibis backends ---------------------------------------------

{pointblank-0.8.6 → pointblank-0.8.7}/pointblank/validate.py

@@ -87,6 +87,8 @@ from pointblank.thresholds import (
 )
 
 if TYPE_CHECKING:
+    from collections.abc import Collection
+
     from pointblank._typing import AbsoluteBounds, Tolerance
 
 __all__ = [
@@ -4311,7 +4313,7 @@ class Validate:
     def col_vals_in_set(
         self,
         columns: str | list[str] | Column | ColumnSelector | ColumnSelectorNarwhals,
-        set: list[float | int],
+        set: Collection[Any],
         pre: Callable | None = None,
         thresholds: int | float | bool | tuple | dict | Thresholds = None,
         actions: Actions | None = None,
@@ -4471,7 +4473,13 @@ class Validate:
         assertion_type = _get_fn_name()
 
         _check_column(column=columns)
-        _check_set_types(set=set)
+
+        for val in set:
+            if val is None:
+                continue
+            if not isinstance(val, (float, int, str)):
+                raise ValueError("`set=` must be a list of floats, integers, or strings.")
+
         _check_pre(pre=pre)
         _check_thresholds(thresholds=thresholds)
         _check_boolean_input(param=active, param_name="active")

{pointblank-0.8.6 → pointblank-0.8.7}/pointblank.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: pointblank
-Version: 0.8.6
+Version: 0.8.7
 Summary: Find out if your data is what you think it is.
 Author-email: Richard Iannone <riannone@me.com>
 License: MIT License
@@ -102,9 +102,18 @@ _Data validation made beautiful and powerful_
 
 </div>
 
+<div align="right">
+   <a href="translations/README.fr.md">Français</a> |
+   <a href="translations/README.de.md">Deutsch</a> |
+   <a href="translations/README.it.md">Italiano</a> |
+   <a href="translations/README.es.md">Español</a> |
+   <a href="translations/README.pt-BR.md">Português</a> |
+   <a href="translations/README.zh-CN.md">简体中文</a>
+</div>
+
 ## What is Pointblank?
 
-Pointblank is a modern data validation framework for Python that helps you trust your data with confidence. It provides a fluent, expressive API to validate your data against a wide range of constraints and presents results in beautiful, interactive reports.
+Pointblank is a powerful, yet elegant data validation framework for Python that transforms how you ensure data quality. With its intuitive, chainable API, you can quickly validate your data against comprehensive quality checks and visualize results through stunning, interactive reports that make data issues immediately actionable.
 
 Whether you're a data scientist, data engineer, or analyst, Pointblank helps you catch data quality issues before they impact your analyses or downstream systems.
 
@@ -134,9 +143,9 @@ validation
 
 <br>
 
-Why Choose Pointblank?
+## Why Choose Pointblank?
 
-- **Works with your existing stack** - Seamlessly integrates with Polars, Pandas, DuckDB, MySQL, PostgreSQL, SQLite, Parquet, and more!
+- **Works with your existing stack** - Seamlessly integrates with Polars, Pandas, DuckDB, MySQL, PostgreSQL, SQLite, Parquet, PySpark, Snowflake, and more!
 - **Beautiful, interactive reports** - Crystal-clear validation results that highlight issues and help communicate data quality
 - **Composable validation pipeline** - Chain validation steps into a complete data quality workflow
 - **Threshold-based alerts** - Set 'warning', 'error', and 'critical' thresholds with custom actions
@@ -213,6 +222,8 @@ validation.get_step_report(i=3).show("browser")  # Get failing records from step
 <img src="https://posit-dev.github.io/pointblank/assets/pointblank-step-report.png" width="800px">
 </div>
 
+<br>
+
 ## Features That Set Pointblank Apart
 
 - **Complete validation workflow** - From data access to validation to reporting in a single pipeline

{pointblank-0.8.6 → pointblank-0.8.7}/pointblank.egg-info/SOURCES.txt

@@ -265,4 +265,10 @@ tests/tbl_files/tbl_xyz.parquet
 tests/tbl_files/tbl_xyz.sqlite
 tests/tbl_files/tbl_xyz_missing.ddb
 tests/tbl_files/tbl_xyz_missing.parquet
-tests/tbl_files/tbl_xyz_missing.sqlite
+tests/tbl_files/tbl_xyz_missing.sqlite
+translations/README.de.md
+translations/README.es.md
+translations/README.fr.md
+translations/README.it.md
+translations/README.pt-BR.md
+translations/README.zh-CN.md

{pointblank-0.8.6 → pointblank-0.8.7}/tests/test_validate.py

@@ -14,6 +14,7 @@ import contextlib
 import datetime
 
 import pandas as pd
+
 import polars as pl
 import ibis
 
@@ -347,6 +348,30 @@ def test_validate_class_lang_locale():
         Validate(tbl_pd, lang="invalid")
 
 
+@pytest.mark.parametrize(
+    "data",
+    (
+        pl.from_dict({"foo": [1, 2, None], "bar": ["winston", "cat", None]}).to_pandas(),
+        pl.from_dict({"foo": [1, 2, None], "bar": ["winston", "cat", None]}),
+        ibis.memtable(pl.from_dict({"foo": [1, 2, None], "bar": ["winston", "cat", None]})),
+    ),
+)
+def test_null_vals_in_set(data: Any) -> None:
+    validate = (
+        Validate(data)
+        .col_vals_in_set(["foo"], set=[1, 2, None])
+        .col_vals_in_set(["bar"], set=["winston", "cat", None])
+        .interrogate()
+    )
+
+    validate.assert_passing()
+
+    validate = Validate(data).col_vals_in_set("foo", [1, 2]).interrogate()
+
+    with pytest.raises(AssertionError):
+        validate.assert_passing()
+
+
 def test_validation_info():
     v = _ValidationInfo(
         i=1,

pointblank-0.8.7/translations/README.de.md

@@ -0,0 +1,240 @@
+<div align="center">
+
+<a href="https://posit-dev.github.io/pointblank/"><img src="https://posit-dev.github.io/pointblank/assets/pointblank_logo.svg" width="75%"/></a>
+
+_Datenvalidierung, schön und leistungsstark_
+
+[![Python Versions](https://img.shields.io/pypi/pyversions/pointblank.svg)](https://pypi.python.org/pypi/pointblank)
+[![PyPI](https://img.shields.io/pypi/v/pointblank)](https://pypi.org/project/pointblank/#history)
+[![PyPI Downloads](https://img.shields.io/pypi/dm/pointblank)](https://pypistats.org/packages/pointblank)
+[![License](https://img.shields.io/github/license/posit-dev/pointblank)](https://img.shields.io/github/license/posit-dev/pointblank)
+
+[![CI Build](https://github.com/posit-dev/pointblank/actions/workflows/ci-tests.yaml/badge.svg)](https://github.com/posit-dev/pointblank/actions/workflows/ci-tests.yaml)
+[![Codecov branch](https://img.shields.io/codecov/c/github/posit-dev/pointblank/main.svg)](https://codecov.io/gh/posit-dev/pointblank)
+[![Repo Status](https://www.repostatus.org/badges/latest/active.svg)](https://www.repostatus.org/#active)
+[![Documentation](https://img.shields.io/badge/docs-project_website-blue.svg)](https://posit-dev.github.io/pointblank/)
+
+[![Contributors](https://img.shields.io/github/contributors/posit-dev/pointblank)](https://github.com/posit-dev/pointblank/graphs/contributors)
+[![Discord](https://img.shields.io/discord/1345877328982446110?color=%237289da&label=Discord)](https://discord.com/invite/YH7CybCNCQ)
+[![Contributor Covenant](https://img.shields.io/badge/Contributor%20Covenant-v2.1%20adopted-ff69b4.svg)](https://www.contributor-covenant.org/version/2/1/code_of_conduct.html)
+
+</div>
+
+<div align="right">
+   <a href="../README.md">English</a> |
+   <a href="README.fr.md">Français</a> |
+   <a href="README.it.md">Italiano</a> |
+   <a href="README.es.md">Español</a> |
+   <a href="README.pt-BR.md">Português</a> |
+   <a href="README.zh-CN.md">简体中文</a>
+</div>
+
+## Was ist Pointblank?
+
+Pointblank ist ein leistungsstarkes und zugleich elegantes Datenvalidierungsframework für Python, das die Art und Weise verändert, wie Sie Datenqualität sicherstellen. Mit seiner intuitiven, verkettbaren API können Sie Ihre Daten schnell gegen umfassende Qualitätsprüfungen validieren und die Ergebnisse durch beeindruckende, interaktive Berichte visualisieren, die Datenprobleme sofort handhabbar machen.
+
+Ob Sie Data Scientist, Data Engineer oder Analyst sind - Pointblank hilft Ihnen dabei, Datenqualitätsprobleme zu erkennen, bevor sie Ihre Analysen oder nachgelagerte Systeme beeinträchtigen.
+
+## In 30 Sekunden loslegen
+
+```python
+import pointblank as pb
+
+validation = (
+   pb.Validate(data=pb.load_dataset(dataset="small_table"))
+   .col_vals_gt(columns="d", value=100)             # Validiere Werte > 100
+   .col_vals_le(columns="c", value=5)               # Validiere Werte <= 5
+   .col_exists(columns=["date", "date_time"])       # Prüfe, ob Spalten existieren
+   .interrogate()                                   # Ausführen und Ergebnisse sammeln
+)
+
+# Validierungsbericht im REPL mit:
+validation.get_tabular_report().show()
+
+# In einem Notebook einfach:
+validation
+```
+
+<div align="center">
+<img src="https://posit-dev.github.io/pointblank/assets/pointblank-tabular-report.png" width="800px">
+</div>
+
+<br>
+
+## Warum Pointblank wählen?
+
+- **Funktioniert mit Ihrem bestehenden Stack** - Nahtlose Integration mit Polars, Pandas, DuckDB, MySQL, PostgreSQL, SQLite, Parquet, PySpark, Snowflake und mehr!
+- **Schöne, interaktive Berichte** - Kristallklare Validierungsergebnisse, die Probleme hervorheben und die Kommunikation der Datenqualität unterstützen
+- **Komponierbare Validierungs-Pipeline** - Verketten Sie Validierungsschritte zu einem vollständigen Datenqualitäts-Workflow
+- **Schwellenwertbasierte Warnungen** - Setzen Sie 'Warnung', 'Fehler' und 'Kritisch'-Schwellenwerte mit benutzerdefinierten Aktionen
+- **Praktische Ausgaben** - Nutzen Sie Validierungsergebnisse, um Tabellen zu filtern, problematische Daten zu extrahieren oder nachgelagerte Prozesse auszulösen
+
+## Praxisbeispiel
+
+```python
+import pointblank as pb
+import polars as pl
+
+# Laden Sie Ihre Daten
+sales_data = pl.read_csv("sales_data.csv")
+
+# Erstellen Sie eine umfassende Validierung
+validation = (
+   pb.Validate(
+      data=sales_data,
+      tbl_name="sales_data",           # Name der Tabelle für Berichte
+      label="Praxisbeispiel",          # Label für die Validierung, erscheint in Berichten
+      thresholds=(0.01, 0.02, 0.05),   # Schwellenwerte für Warnungen, Fehler und kritische Probleme festlegen
+      actions=pb.Actions(              # Aktionen für Schwellenwertüberschreitungen definieren
+         critical="Schwerwiegendes Datenqualitätsproblem in Schritt {step} gefunden ({time})."
+      ),
+      final_actions=pb.FinalActions(   # Abschlussaktionen für die gesamte Validierung definieren
+         pb.send_slack_notification(
+            webhook_url="https://hooks.slack.com/services/your/webhook/url"
+         )
+      ),
+      brief=True,                      # Automatisch generierte Kurzbeschreibungen für jeden Schritt hinzufügen
+   )
+   .col_vals_between(            # Zahlenbereiche mit Präzision prüfen
+      columns=["price", "quantity"],
+      left=0, right=1000
+   )
+   .col_vals_not_null(           # Sicherstellen, dass Spalten mit '_id' am Ende keine Null-Werte haben
+      columns=pb.ends_with("_id")
+   )
+   .col_vals_regex(              # Muster mit Regex validieren
+      columns="email",
+      pattern="^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$"
+   )
+   .col_vals_in_set(             # Kategorische Werte prüfen
+      columns="status",
+      set=["pending", "shipped", "delivered", "returned"]
+   )
+   .conjointly(                  # Mehrere Bedingungen kombinieren
+      lambda df: pb.expr_col("revenue") == pb.expr_col("price") * pb.expr_col("quantity"),
+      lambda df: pb.expr_col("tax") >= pb.expr_col("revenue") * 0.05
+   )
+   .interrogate()
+)
+```
+
+```
+Schwerwiegendes Datenqualitätsproblem in Schritt 7 gefunden (2025-04-16 15:03:04.685612+00:00).
+```
+
+```python
+# HTML-Bericht erhalten, den Sie mit Ihrem Team teilen können
+validation.get_tabular_report().show("browser")
+```
+
+<div align="center">
+<img src="https://posit-dev.github.io/pointblank/assets/pointblank-sales-data.png" width="800px">
+</div>
+
+```python
+# Bericht über fehlgeschlagene Datensätze aus einem bestimmten Schritt abrufen
+validation.get_step_report(i=3).show("browser")  # Fehlgeschlagene Datensätze aus Schritt 3 abrufen
+```
+
+<div align="center">
+<img src="https://posit-dev.github.io/pointblank/assets/pointblank-step-report.png" width="800px">
+</div>
+
+<br>
+
+## Funktionen, die Pointblank auszeichnen
+
+- **Vollständiger Validierungs-Workflow** - Von Datenzugriff über Validierung bis hin zur Berichterstattung in einer einzigen Pipeline
+- **Für die Zusammenarbeit konzipiert** - Teilen Sie Ergebnisse mit Kollegen durch schöne interaktive Berichte
+- **Praktische Ausgaben** - Erhalten Sie genau das, was Sie brauchen: Zählungen, Auszüge, Zusammenfassungen oder vollständige Berichte
+- **Flexible Einsatzmöglichkeiten** - Verwenden Sie es in Notebooks, Skripten oder Datenpipelines
+- **Anpassbar** - Passen Sie Validierungsschritte und Berichterstattung an Ihre spezifischen Anforderungen an
+- **Internationalisierung** - Berichte können in über 20 Sprachen generiert werden, darunter Englisch, Spanisch, Französisch und Deutsch
+
+## Dokumentation und Beispiele
+
+Besuchen Sie unsere [Dokumentationswebsite](https://posit-dev.github.io/pointblank) für:
+
+- [Das Benutzerhandbuch](https://posit-dev.github.io/pointblank/user-guide/)
+- [API-Referenz](https://posit-dev.github.io/pointblank/reference/)
+- [Beispielgalerie](https://posit-dev.github.io/pointblank/demos/)
+- [Der Pointblog](https://posit-dev.github.io/pointblank/blog/)
+
+## Werden Sie Teil der Community
+
+Wir freuen uns, von Ihnen zu hören! Verbinden Sie sich mit uns:
+
+- [GitHub Issues](https://github.com/posit-dev/pointblank/issues) für Fehlerberichte und Feature-Anfragen
+- [_Discord-Server_](https://discord.com/invite/YH7CybCNCQ) für Diskussionen und Hilfe
+- [Richtlinien für Mitwirkende](https://github.com/posit-dev/pointblank/blob/main/CONTRIBUTING.md), wenn Sie bei der Verbesserung von Pointblank helfen möchten
+
+## Installation
+
+Sie können Pointblank mit pip installieren:
+
+```bash
+pip install pointblank
+```
+
+Sie können Pointblank auch von Conda-Forge installieren:
+
+```bash
+conda install conda-forge::pointblank
+```
+
+Wenn Sie Polars oder Pandas nicht installiert haben, müssen Sie eines davon installieren, um Pointblank zu verwenden.
+
+```bash
+pip install "pointblank[pl]" # Pointblank mit Polars installieren
+pip install "pointblank[pd]" # Pointblank mit Pandas installieren
+```
+
+Um Pointblank mit DuckDB, MySQL, PostgreSQL oder SQLite zu verwenden, installieren Sie Ibis mit dem entsprechenden Backend:
+
+```bash
+pip install "pointblank[duckdb]"   # Pointblank mit Ibis + DuckDB installieren
+pip install "pointblank[mysql]"    # Pointblank mit Ibis + MySQL installieren
+pip install "pointblank[postgres]" # Pointblank mit Ibis + PostgreSQL installieren
+pip install "pointblank[sqlite]"   # Pointblank mit Ibis + SQLite installieren
+```
+
+## Technische Details
+
+Pointblank verwendet [Narwhals](https://github.com/narwhals-dev/narwhals) für die Arbeit mit Polars- und Pandas-DataFrames und integriert sich mit [Ibis](https://github.com/ibis-project/ibis) für Datenbank- und Dateiformatunterstützung. Diese Architektur bietet eine konsistente API zur Validierung von Tabellendaten aus verschiedenen Quellen.
+
+## Beitrag zu Pointblank
+
+Es gibt viele Möglichkeiten, zur kontinuierlichen Entwicklung von Pointblank beizutragen. Einige Beiträge können einfach sein (wie die Korrektur von Tippfehlern, die Verbesserung der Dokumentation, das Einreichen von Problemen für Feature-Anfragen oder Probleme usw.), während andere mehr Zeit und Sorgfalt erfordern können (wie das Beantworten von Fragen und das Einreichen von PRs mit Codeänderungen). Wissen Sie einfach, dass alles, was Sie zur Unterstützung beitragen können, sehr geschätzt wird!
+
+Bitte lesen Sie die [Beitragsrichtlinien](https://github.com/posit-dev/pointblank/blob/main/CONTRIBUTING.md) für Informationen darüber, wie Sie beginnen können.
+
+## Roadmap
+
+Wir arbeiten aktiv daran, Pointblank mit folgenden Funktionen zu verbessern:
+
+1. Zusätzliche Validierungsmethoden für umfassende Datenqualitätsprüfungen
+2. Erweiterte Protokollierungsfunktionen
+3. Benachrichtigungsaktionen (Slack, E-Mail) für Schwellenwertüberschreitungen
+4. LLM-gestützte Validierungsvorschläge und Datenwörterbucherstellung
+5. JSON/YAML-Konfiguration für Pipeline-Portabilität
+6. CLI-Tool für Validierung über die Kommandozeile
+7. Erweiterte Backend-Unterstützung und -Zertifizierung
+8. Hochwertige Dokumentation und Beispiele
+
+Wenn Sie Ideen für Funktionen oder Verbesserungen haben, zögern Sie nicht, diese mit uns zu teilen! Wir sind immer auf der Suche nach Möglichkeiten, Pointblank zu verbessern.
+
+## Verhaltenskodex
+
+Bitte beachten Sie, dass das Pointblank-Projekt mit einem [Verhaltenskodex für Mitwirkende](https://www.contributor-covenant.org/version/2/1/code_of_conduct/) veröffentlicht wird. <br>Durch die Teilnahme an diesem Projekt erklären Sie sich mit dessen Bedingungen einverstanden.
+
+## 📄 Lizenz
+
+Pointblank ist unter der MIT-Lizenz lizenziert.
+
+© Posit Software, PBC.
+
+## 🏛️ Verwaltung
+
+Dieses Projekt wird hauptsächlich von
+[Rich Iannone](https://bsky.app/profile/richmeister.bsky.social) gepflegt. Andere Autoren können gelegentlich
+bei einigen dieser Aufgaben unterstützen.