Kollaborative Dateninventur und Visualisierung von Datenflüssen in Organisationen

Zusammenfassung

Ziel des Meetings war die Vorstellung und Diskussion einer kollaborativen Methode zur Erfassung und Visualisierung von Datenflüssen in Organisationen, insbesondere im öffentlichen Sektor.
Motivation: In Beratungsprojekten besteht häufig Unklarheit über bestehende Datenflüsse; sowohl Entscheider als auch Praktiker haben oft kein vollständiges Bild.
Zitat:

„Ich war es irgendwann leid, ganz viele Meetings zu haben ... und nach ganz vielen Meetings immer noch kein Bild zu haben und zu merken, die haben auch kein Bild davon.“

Zentrale Methode: Gemeinsames Sammeln von Wissen über Datenflüsse in einer Organisation, idealerweise in einer einfach zugänglichen, kollaborativen Tabelle.
Fokus auf Beziehungen: Wer erstellt, empfängt, verarbeitet oder leitet Daten weiter?
Grundprinzip: Jede Person trägt ihr Wissen über Datenbeziehungen ein, um ein vollständiges Bild zu erhalten.
Ziel: Aggregation von verstreutem Wissen zu einer gemeinsamen, strukturierten Datenbasis.
Zitat:

„Mein Ansatz war immer, wir haben ganz viel verstreutes Wissen oder Information in der Organisation und lassen diese Teilaspekte dieses Wissens, diese Datenbeziehungen zusammen in eine Tabelle schmeißen.“

Startpunkt: Nutzung von einfachen Tools wie Excel- oder Cloud-Tabellen, da diese für alle Beteiligten leicht verständlich und zugänglich sind.
Alternative: Formularbasierte Erfassung, jedoch weniger effizient bei großen Datenmengen.
Visualisierung: Aus den Tabellen werden Netzwerkkarten („Datengraf“) erstellt, um Datenflüsse und zentrale Akteure sichtbar zu machen.
Beispiel: Fiktive Datenflüsse zwischen Ortsgruppe Hamburg, Regionalstelle Nord, Bundesverband etc., inklusive Attributen wie Zyklus, Format (Excel), DSGVO-Relevanz, manuelle Übergabe.
Zitat:

„Die einfachste Darstellung davon ist, ich bin jemand, der Daten versendet an dich. Und diese Beziehung möchte ich darstellen.“

Beteiligung: Schwierig, alle relevanten Personen zur Mitarbeit zu bewegen; oft sehen Beteiligte zunächst nicht den Mehrwert.
Abgrenzung: Definition, was als „Daten“ gilt (z.B. strukturierte Informationen vs. E-Mails).
Skalierung: In großen Organisationen kann die Netzwerkkarte schnell unübersichtlich werden; Filter und Kategorisierung sind notwendig.
Zitat:

„Die größte Schwierigkeit ist Menschen zusammenzubringen, und zwar fast alle. Alle haben ja Partikulärwissen.“

Netzwerkkarten ermöglichen die Identifikation zentraler Akteure („Gatekeeper“, „Flaschenhälse“), Redundanzen und Optimierungspotenziale.
Beispielhafte Interpretation: Bundesverband als zentraler Datenempfänger – Ansatzpunkt für Standardisierung oder Dezentralisierung.
Zitat:

„Das Ziel ist ja nicht, eine fancy Grafik zu haben. Das Ziel ist ja zu gucken, wollen wir was optimieren? Gibt es irgendwas, was wir nicht gesehen haben?“

Bewusstseinsbildung: Die Methode zwingt alle Beteiligten, sich mit ihren Datenflüssen auseinanderzusetzen und fördert organisationsweites Verständnis.
Redundanzen: Mehrfacherhebung und parallele Datenhaltung werden sichtbar, was zu effizienterer Zusammenarbeit führen kann.
Narrative: Nutzung von Rollenbezeichnungen wie „Datensilo“, „Gatekeeper“, „Datensauger“ zur besseren Vermittlung und Diskussion.
Zitat:

„Ich finde an der Methode auch toll, dass es Organisationen zwingt, alle zu Datendetektiven zu machen.“

Komplexität: Bei zu breiter Erfassung wird die Visualisierung schnell unübersichtlich; Filterung und Fokussierung sind notwendig.
Intensität von Datenflüssen: Häufigkeit und Wichtigkeit der Beziehungen sollten berücksichtigt werden (z.B. durch Pfeildicke in der Grafik), aktuell noch nicht vollständig umgesetzt.
Weiterentwicklung: Methode und Tool sind offen für Anpassungen; Open-Source-Ansatz wird empfohlen.
Empfehlung: Zunächst kollaborative Datenbasis schaffen, dann Visualisierung und Interpretation; Methode ist wichtiger als das konkrete Tool.
Zitat:

„Ohne das hier oder das hier haben sich in meiner Beratungsleistung so viele Meetings, so viel Zeit, sind ins Land gegangen mit Dingen, die keiner so wirklich weiß.“

Wichtige Fakten und offene Punkte:

Fälligkeitsdaten oder konkrete nächste Schritte: (nicht genannt)
Konkrete Organisationen oder Projekte: (nur beispielhaft, keine realen Namen)
Tool-Name: „Datengraf“ (Wortspiel mit „Graf“)
Open-Source-Verfügbarkeit: Möglichkeit, das Tool auf GitHub anzupassen (konkrete URL nicht genannt)
DSGVO/Datenschutz: Kann als Attribut in der Tabelle gepflegt werden

Zentrale Takeaways:

Gemeinsame, kollaborative Dateninventur ist Grundvoraussetzung für effektive Datenstrategie und Optimierung.
Visualisierung von Datenflüssen schafft Transparenz, deckt zentrale Akteure und Redundanzen auf.
Die Methode fördert organisationsweites Datenbewusstsein und Zusammenarbeit.
Fokus liegt auf der Methode, nicht auf einem spezifischen Tool; Anpassbarkeit und Offenheit sind entscheidend.
Herausforderungen bestehen insbesondere in der Beteiligung und sinnvollen Abgrenzung der zu erfassenden Daten.

Ende der Zusammenfassung.