Wer steuern will, braucht Datenlogik

Daten sind da. Steuerbarkeit oft nicht
 

In vielen Unternehmen fehlt es nicht an Informationen, sondern an Struktur. Daten liegen in Excel-Dateien, E-Mails, PDFs, Portalen, ERP-Auszügen oder bei externen Partnern. Sie sind vorhanden, aber oft nicht in einer Form, die schnell auffindbar, eindeutig zuordenbar und für Entscheidungen nutzbar ist. Genau hier entsteht der größte Reibungsverlust: nicht, weil zu wenig erhoben wird, sondern weil Informationen nicht zusammenlaufen.

Der eigentliche Engpass ist Datenlogik

Viele Organisationen behandeln Informationen noch immer wie Material für einzelne Anfragen, Audits oder Berichte. Dann beginnt jedes Mal dieselbe Suche: Welche Daten werden überhaupt benötigt? Wo liegen sie? Wer ist zuständig? Welche Quelle ist belastbar? Fehlen Nachweise? Wer muss intern oder extern eingebunden werden?

Der erste Schritt ist deshalb nicht das Reporting selbst, sondern ein sauberer Datenkatalog: also die strukturierte Festlegung, welche Informationen für bestimmte Anforderungen gebraucht werden, aus welchen Quellen sie kommen und wer sie liefern oder freigeben kann. Erst wenn diese Logik klar ist, wird aus verstreuten Informationen eine belastbare Grundlage. Bei finanziellen Daten wäre ein anderer Umgang kaum vorstellbar. Niemand würde Liquidität, Kosten oder Erträge einmal jährlich aus unterschiedlichsten Dateien zusammensammeln und hoffen, dass das Bild schon stimmen wird. Genau deshalb sind Finanzdaten strukturiert, laufend gepflegt und Teil der Unternehmenssteuerung. Für viele andere geschäftskritische Informationen gilt das noch nicht in gleichem Maß.

Gute Datenerhebung ist auch eine Usability-Frage

Selbst die beste Struktur hilft wenig, wenn die Beteiligten nicht mitmachen. In vielen Unternehmen scheitert Datensammlung nicht an mangelnder Relevanz, sondern an zu komplexen Prozessen, unklaren Eingabemasken, zu hohem Schulungsaufwand oder an Tools, die außerhalb des Kernteams niemand gerne nutzt.

Wer Daten über mehrere Abteilungen oder externe Partner*innen hinweg einsammeln will, muss deshalb nicht nur fachlich sauber denken, sondern auch in Nutzbarkeit. Je einfacher, verständlicher und reibungsärmer die Datenerhebung funktioniert, desto höher die Beteiligung - und desto besser die Qualität der Ergebnisse.

Steuerung braucht Wiederverwendbarkeit

Entscheidend ist nicht nur, ob Daten vorliegen, sondern ob sie wiederverwendbar sind. Eine belastbare Informationsbasis bedeutet: klare Zuständigkeiten, eindeutige Datenpunkte, nachvollziehbare Quellen, aktuelle Nachweise und eine Struktur, die interne wie externe Informationen zusammenführt. Erst dann wird aus einzelnen Informationen ein System, mit dem sich Entwicklungen beobachten, Risiken früher erkennen und neue Anforderungen effizient beantworten lassen. Wer jedes Mal neu einsammelt, arbeitet projektartig. Wer Daten logisch aufbaut, schafft eine Grundlage, die dauerhaft nutzbar bleibt - für Analysen, Zusammenarbeit, Nachweise und Berichte.

KI ist nur dann ein Hebel, wenn Fachwissen eingebunden bleibt

Künstliche Intelligenz kann Daten schneller strukturieren, Dokumente auslesen, Zusammenhänge sichtbar machen, Lücken erkennen und erste Analysen vorbereiten. Verlässlich wird das aber erst dann, wenn zwei Voraussetzungen erfüllt sind: Erstens braucht es eine saubere Datenbasis. Zweitens braucht es Fachwissen im Prozess.

Genau deshalb ist ein Expert-in-the-loop-Ansatz so wichtig. Die Maschine beschleunigt, der Mensch bewertet. KI kann Vorschläge machen und Vorarbeit leisten. Die Einordnung, Priorisierung und Freigabe muss aber dort bleiben, wo Verantwortung getragen wird. Wer KI ohne Fachschleife einsetzt, automatisiert im Zweifel auch Fehler. Wer KI mit Expert:innen kombiniert, gewinnt Tempo ohne Kontrollverlust.

Fazit

Wer steuern will, braucht Datenlogik. Unternehmen haben heute oft nicht zu wenig Daten, sondern zu wenig Struktur, zu wenig Wiederverwendbarkeit und zu wenig Verbindung zwischen Quellen, Verantwortlichkeiten und Auswertung. Ebenso wichtig ist, dass Datenerhebung in der Praxis funktioniert. Wenn Prozesse zu kompliziert sind und Menschen nicht mitmachen, bleibt jede Logik lückenhaft. Der stärkste Ansatz ist daher weder reine Datensammlung noch blinde Automatisierung, sondern das Zusammenspiel aus belastbarer Informationslogik, praktikabler Erhebung, intelligenter Unterstützung und Expert in the loop.

Über den Autor

Simon Rauscher ist Co-Founder von aitark und kommt aus der Nachhaltigkeitsberatung. In Projekten, Gesprächen und Interviews mit potenziellen Nutzer*innen zeigte sich immer wieder dasselbe Muster: Nicht das Fachwissen ist meist der Engpass, sondern die fehlende Struktur und Nutzbarkeit von Daten. Genau an diesem Problem arbeitet er heute mit aitark.

Über das Unternehmen

aitark hilft Unternehmen KI-gestützt dabei, relevante Daten systematisch festzulegen, sie mit hoher Usability intern und extern einzuholen und daraus Analysen, Nachweise und Berichte abzuleiten. So wird aus Datensammlung eine nutzbare Grundlage für Zusammenarbeit und Steuerung.

aitark Unternehmenswebsite: aitark: Nachhaltigkeit managen im Flow – CO₂, Scopes & Reporting

Simon Rauscher LinkedIn: Simon Rauscher | LinkedIn