Mockomat
Session starten
EN English DE Deutsch FR Français ES Español IT Italiano TR Türkçe
v2 · Visuelle Datenmodellierung, live im Browser

Visuelle Datenmodellierung, live-API.
Echte Datensätze, ausgeliefert sobald du speicherst.

Skizziere Tabellen und Relationen gemeinsam auf einer geteilten Leinwand. Das Modell wird zur Live-GraphQL-API auf echten Datensätzen — keine Fixtures, keine handbearbeiteten JSON-Dateien.

01 Attribut bearbeiten
Identifier: id
displayName
handle
avatarUrl
bio
role
verified
Add attribute
displayName
displayName
Use camelCase (e.g. firstName, createdAt)
STRING
Try it → rename this attribute or remap it to a different mock-dataset field. The JSON and avatars on the right respond live.
02 query users { … } 
{
  "data": {
    "users": [
      {
        "id": "7f2a-…",
        "displayName": "Lena Hartmann",
        "handle": "lena.h",
        "role": "Designer",
        "verified": true
      },
      {
        "id": "a1c4-…",
        "displayName": "Tomás Iglesias",
        "handle": "tomas",
        "role": "Engineer",
        "verified": true
      },
      {
        "id": "b903-…",
        "displayName": "Yuki Tanabe",
        "handle": "yuki",
        "role": "Product",
        "verified": false
      }
    ]
  }
}
03 Gerendert in deiner UI
LH
Lena Hartmann
@lena.h Designer
TI
Tomás Iglesias
@tomas Engineer
YT
Yuki Tanabe
@yuki Product
Eine Leinwand · ein Modell · Live-GraphQL auf echten Datensätzen.
Keine Registrierung · 24h Sessions Session starten
01 Der Ablauf

Drei Säulen. Eine Leinwand.

Visuelle Modellierung, Echtzeit-Zusammenarbeit und eine Live-API auf echten Datensätzen — alles an einem Ort.

01 Modellieren

Skizziere Tabellen und Relationen auf einer geteilten Leinwand. Live-Cursor, Thread-Kommentare, vollständige Historie.

02 Zuordnen

Verknüpfe jedes Feld mit einer Quelle echter Datensätze oder einer Faker-Voreinstellung — deine Wahl, pro Attribut.

03 Ausliefern

Ein Live-GraphQL-Endpunkt startet sobald du speicherst. Auf echten Datensätzen, abfragbar aus deiner App.

A new way to model

Datenbank­modellierung,
endlich kollaborativ.

Der erste Ort, an dem dein Team Schemas so entwirft wie Produkte — gemeinsam, auf einem Live-Canvas. Keine Slack-Threads über einen Screenshot eines Spec-Dokuments.

  • Live-Cursor & Präsenz Sieh, wer wo auf dem Canvas ist
  • Echtzeit-Zusammenarbeit Ziehen, umbenennen, verbinden — zusammen
  • Kommentare an Attributen Diskutiere das Modell, nicht Screenshots
  • Threads direkt auflösen Entscheidungen leben beim Schema
Modelling Board · acme · main
L T Y A
4 bearbeiten gerade
User
*id
*displayNameString
*handleString
avatarUrlString
Lena · editing
TeamMember
*id
*teamId
*userId
*roleEnum
joinedAtDT
#1 System Admin −
Lena Hartmann · today, 11:54 LH
Are the values for this enum already reviewed?
Add Comment
02 Realistisch, mit Absicht

Daten, die wie echte Nutzer aussehen, nicht wie Lorem ipsum.

Ein Katalog kuratierter Feldtypen ordnet jedem Attribut plausible Werte zu. Personennamen passen zu Regionen. Adressen passen zu Ländern. Daten passen zu Geburtsjahren. Die Daten bestehen den Plausibilitätstest in deiner UI.

Person 5 fields
Internet 4 fields
Location 4 fields
Commerce 4 fields
Lorem 3 fields
Custom 4 fields
Feldkatalog
28 Kategorien · 240+ Felder
Person name.full → “Lena Hartmann”
Internet internet.email → “l.hartmann@northvale.io”
Location address.street → “42 Rue de Bercy”
Custom regex.pattern → “/^USR-\d{4}-[A-Z]{3}$/”
Beispielantwort
200 OK · 6ms
{
“displayName” : "Lena Hartmann" ,
“email” : "lena.hartmann@northvale.io" ,
“address” : "42 Rue de Bercy, 75012 Paris" ,
“avatarUrl” : "https://cdn.mock/avatars/lena.png" ,
“role” : "engineering_manager"
}
03 Der Pool, dann die Auswahl

Ein Pool, tausende Spalten.
Wähle die passenden für dein Modell.

Mockomat basiert auf einem tiefen, breiten Mock-Daten-Pool, der die Kontexte abdeckt, die Entwickler tatsächlich brauchen — Produkte, Personen, Orte, Finanzen, Zeit. Du seedest keine Daten; du mappst sie. Richte ein Attribut auf eine Spalte aus und die Runtime erledigt den Rest. Enterprise-Tenants erhalten ihren eigenen privaten Pool für proprietäre Strukturen, die öffentliche Datensätze nicht abbilden können.

Public pool 37 columns × 2.4M rows · shared
Synthetic Faker engine · 240+ field types
Private pool Bring your own data · enterprise
mockomat.pool / public · read-only · 2.4M rows
commerce person internet address business finance
product_name brand price_eur sku category_main description image_url stock_quantity rating_avg first_name last_name full_name email username avatar_url phone birthdate street city country_iso postal_code lat lng company job_title department salary_band tax_id iban currency transaction_id amount created_at updated_at expires_at tag locale
↓ 2,431,508 rows ↓
pool.full_name
pool.email
pool.avatar_url
map
map
map
UserProfile.displayName STRING
UserProfile.email STRING
UserProfile.avatarUrl STRING
Der Pool ist geteilt. Die Auswahl gehört dir. Die Struktur bestimmt dein Modell. Eigenen Pool mitbringen
04 Ein Modell, zwei Oberflächen

Eine Live-API für deinen Code.
Eine gerenderte Vorschau für alle anderen.

Dasselbe Modell bedient beides — dein Frontend greift auf den GraphQL-Endpoint zu, während Design, PMs und Stakeholder die Daten als Karten, Tabellen und Formulare sehen. Eine einzige Quelle der Wahrheit, zwei Zielgruppen.

GraphQL-Endpoint Für deinen Code — von überall abrufbar 
{
  "data": {
    "users": [
      {
        "displayName": "Lena Hartmann",
        "role": "Designer",
        "verified": true
      },
      {
        "displayName": "Tomás Iglesias",
        "role": "Engineer",
        "verified": true
      },
      {
        "displayName": "Yuki Tanabe",
        "role": "Product",
        "verified": false
      }
    ]
  }
}
LH
Lena Hartmann
@lena.h Designer
TI
Tomás Iglesias
@tomas Engineer
YT
Yuki Tanabe
@yuki Product
POST https://api.mockomat.com/s/abc-123/graphql
Gerenderte Vorschau Für alle anderen — Daten ansehen, kein Postman nötig
LH
Lena Hartmann
@lena.h Designer
TI
Tomás Iglesias
@tomas Engineer
YT
Yuki Tanabe
@yuki Product
GET mockomat.com/s/abc-123/preview
05 Multi-Tenant von Haus aus

Workspaces für das Team.
Sessions für den Moment.

Persistente Workspaces speichern deine echten Schemas und Rollen. Einweg-Sessions mit 24 Stunden Laufzeit lassen dich eine Sandbox aufsetzen und einen Link mit einem Stakeholder teilen — keine Registrierung, kein Aufräumen.

Rollen & Berechtigungen pro Workspace Owner, Editor, Viewer — per E-Mail oder Link einladen
Einweg-Sandbox-Sessions 24h URL · keine Registrierung · automatisches Ablaufen · Upgrade zum Speichern
SSO-fähig (SAML, OIDC) — Team-Plan Bring deinen IdP mit. Wir kümmern uns um den Rest.
Workspaces 3 aktiv
N
Northvale Studio 12 members
ACTIVE
A
Acme Inc. 5 members
L
Lena · Persönlich 1 members
Sandbox-Session läuft ab in 23h 12m · per Link teilen
06 AI-Integration

Mockomat ist auch ein Prompt.

Sag Claude, Cursor oder einem beliebigen LLM, dass es eine Mock-GraphQL-API aufsetzen soll. Es baut, du schaust zu — wie ein Film. Das ganze Team sieht, wie das Schema auf demselben Board Gestalt annimmt, in Echtzeit. Noch bevor das Modell seinen Satz beendet hat, ist der Link in deiner Zwischenablage.

Prompt Sag einem beliebigen LLM, Mockomat zu nutzen.
MCP Native Tool-Nutzung in Claude, Cursor, Copilot.
OpenAPI Spec hochladen, funktionierenden Mock zurückbekommen.
Die vollständige AI-Integrationsstory ansehen
claude · mockomat-mcp · session
LIVE
Reply to Claude…
Zuschauer →
POARDVC
PM, Architekt, Entwickler — und Claude — auf demselben Board.
Product Owner sieht die Datenstruktur, die Stakeholder brauchen
Architekt prüft Beziehungen + Kardinalitäten live
Entwickler fragt den Mock ab, sobald er da ist
07 Unter der Haube

Schema-first. Zustandsloses Replay.
Zum Nachschauen bereit.

Dein Modell kompiliert zu einem deterministischen GraphQL-Schema. Jede Anfrage wird vom Seed aus replayed — gleiche Eingabe, gleiche Ausgabe — damit deine Tests zuverlässig bleiben. Self-Hosting der Runtime, wenn du soweit bist.

Architektur lesen
schema.graphql deterministic runtime stateless · seedable /graphql JSON /preview Rendered UI
08 Starthilfe

Blueprints zum Loslegen, nicht zum Anstarren.

Zwölf kuratierte Schemas, modelliert wie echte Produkte. Forke eines, benenne es um — und du bist jedem leeren Canvas-Tutorial voraus.

User-CRM 8 Entitäten · 24 Attribute
E-Commerce 12 Entitäten · 38 Attribute
Blog & Kommentare 5 Entitäten · 14 Attribute
Projekt-Tracker 9 Entitäten · 31 Attribute
Buchung & Events 7 Entitäten · 22 Attribute
Social Feed 6 Entitäten · 18 Attribute
Zu den Blueprints
09 Preise

Kostenlos starten. Zahlen, wenn dein Team loslegt.

Starter Kostenlos Für Einzelentwickler
  • 5 Projekte
  • 1.000 API-Anfragen / Tag
  • GraphQL-Endpoint
  • KI-Integration
Jetzt starten
EMPFOHLEN Professional €12 pro Nutzer / Monat
  • 25 Projekte
  • Private Endpoints & API-Keys
  • Team-Zusammenarbeit
  • 50.000 Anfragen / Monat
Kostenlos testen
Business €31 pro Nutzer / Monat
  • Unbegrenzte Projekte
  • 250.000 Anfragen / Monat
  • Endpoint-Analysen
  • SLA-gestützter Support
Jetzt starten
Alle Features vergleichen →
10 Fragen

Was uns häufig gefragt wird.

Can't find yours? Get in touch

Ist das nur ein weiteres Mock-API-Tool?
Nein. Mockomat startet mit einem kollaborativen ER-Modell — Schemas, die du gemeinsam bearbeiten, kommentieren und versionieren kannst. Die Mock-API ist das Nebenprodukt, nicht die Oberfläche.
Nur GraphQL oder auch REST?
Aktuell GraphQL. Das Modell kompiliert zu einem stark typisierten Schema mit Paginierung, Filtern und Beziehungen. REST-Adapter sind auf der Roadmap.
Wie realistisch sind die Daten?
Personennamen passen zu Regionen, Adressen zu Ländern, Daten zu Geburtsjahren. Du kannst einzelne Werte fixieren, Enums angeben oder eine Regex für eigene IDs anhängen.
Kann ich selbst hosten?
Ja — im Team-Plan. Die Runtime ist ein einzelnes Binary; platziere es neben deinen Services und verknüpfe dein Modell damit.
Was passiert mit einer Sandbox-Session?
Sie läuft 24 Stunden und verfällt dann. Jeder mit dem Link kann sie bearbeiten. Upgrade auf einen Workspace, um sie dauerhaft zu behalten — mit Rollen und Verlauf.
Unterstützt die API eigene Auth-Regeln & Rollen?
Ja. Jedes Modell kann Auth-Regeln pro Query definieren. Der Mock-Endpoint setzt diese durch, damit dein Frontend die echten Autorisierungspfade testet.