Im LernXP Podcast (Folge Data Literacy entwickeln mit der Toolbox Datenkompetenz) hatte ich die Gelegenheit, mit Leo Marose, CEO von Stackfuel, über ein Thema zu sprechen, das in der heutigen datengetriebenen Welt immer relevanter wird: Datenkompetenz – und die kostenfreie Toolbox Datenkompetz, welche bei der Entwicklung der Datenkompetenz unterstützt. In einer Zeit, in der Daten oft als das neue Öl bezeichnet werden, ist es entscheidend zu verstehen, wie wir dieses „Öl“ nicht nur fördern, sondern auch raffinieren und nutzen können. Dieser Artikel fasst unsere Diskussion zusammen¹ und bietet Einblicke in die Bedeutung von Datenkompetenz und wie du sie in deinem Unternehmen oder deiner Organisation fördern kannst.

Was versteht man unter Datenkompetenz?

Datenkompetenz oder Data Literacy umfasst die Fähigkeit, Daten zu identifizieren, zu analysieren, zu interpretieren und schließlich zu verstehen. Dabei geht es nicht nur darum, mit Tools wie Excel umgehen zu können – obwohl dies sicherlich ein Teil davon ist – sondern vielmehr darum, ein kritisches Verständnis dafür zu entwickeln, wie Daten gesammelt, verarbeitet und kommuniziert werden.

Einige besonders wichtige Fähigkeiten in diesem Zusammenhang sind

• relevanten Daten aus dem riesigen Datendschungel herauszufiltern
• Daten effektiv in Entscheidungsprozessen zu nutzen
• Daten zu visualisieren, um sie zu analysieren und Muster zu erkennen
• Erkenntnisse durch gute Datenkommunikation und geschickte Visualisierung zu vermitteln

Warum ist Datenkompetenz wichtig?

Eine hohe Datenkompetenz wird immer wichtiger, hier einige ausgewählte Argumente:

• Faktencheck: In Zeiten von Fake News und Informationsüberflutung ist es wichtiger denn je, Informationen kritisch hinterfragen zu können. Ohne eine grundlegende Kompetenz im Umgang mit Daten sind wir leichter manipulierbar.
• Aha-Momente: Durch den Umgang mit Daten können wir Muster und Zusammenhänge besser erkennen. Dies führt nicht nur zu einem tieferen Verständnis der Welt um uns herum, sondern kann auch zu innovativen Lösungen für komplexe Probleme inspirieren.
• Wirtschaftlicher Erfolg: Unternehmen wie Tesla oder Apple demonstrieren eindrucksvoll den Wert von datengestützten Entscheidungen. Die Fähigkeit Big Data zu nutzen, kann ein entscheidender Wettbewerbsvorteil sein. So können umfangreiche Datensätze nicht nur zur Optimierung der eigenen Produkte und Dienstleistungen genutzt werden, sondern auch zur Erschließung neuer Geschäftsfelder.

Praktische Anwendungsfälle

Als Beispiele für den Mehrwert der Datennutzung haben wir unter anderem Diskutiert:

Aus dem Corporate Learning Umfeld:

• Optimierung von Lerninhalten durch Learning Analytics: Die Analyse des Lernverhaltens hilft Bildungsanbietern herauszufinden, welche Inhalte verstanden werden und wo Nachbesserungsbedarf besteht. Beispielsweise kann eine Heatmap bei Online-Tests zeigen, welche Fragen am häufigsten falsch beantwortet werden.
• Adaptives Lernen: Eine Weiterentwicklung von Learning Analytics wäre ein adaptives Lernprogramm, bei dem die Lerninhalte direkt and das Lernverhalten der Teilnehmer angepasst werden. (siehe auch Artikel: Adaptives Lernen durch künstliche Intelligenz)

Weitere Beispiele:

• Predictive Maintenance: Durch die Analyse von Maschinendaten können Wartungsbedarfe vorhergesagt werden, bevor es zum Ausfall kommt.
• Analyse von Marktstrategien: Durch die Analyse des Nutzerverhaltens auf Webseiten können Unternehmen herausfinden, an welcher Stelle potentielle Kunden verloren gehen. Dies kann z.B. auch im Rahmen der Kommunikation von Lernangeboten geschehen (Artikel: Analyse der Kommunikation von Lernangeboten ).

Toolbox Datenkompetenz

Das Forschungsprojekt Toolbox Datenkompetenz, welches vom Institut für Angewandte Informatik zusammen mit Stackfuel durchgeführt wird, hat das Ziel hat eine zentrale Anlaufstelle für das Erlernen von Datenkompetenz in Deutschland zu schaffen.

Die Plattform soll eine erste Anlaufstelle für alle sein die ihre Kompetenzen im Bereich Data Literacy ausbauen möchten – sei es durch direktes Ausprobieren von Tools oder durch den Zugriff auf kuratierte Datensätze. Dazu gibt es einen einfachen Zugang zu verschiedenen Tools, kuratierten und vorbereiteten Datensätzen. Darüber hinaus werden verschiedene Kurse angeboten und Datenwettbewerbe durchgeführt. Dabei verfolgt das Projekt einen inklusiven Ansatz: Von Universitäten über mittelständische Unternehmen bis hin zur breiten Öffentlichkeit soll jeder kostenfrei auf die Ressourcen zugreifen und so seine persönliche Datenkompetenz stärken können.

Datenkompetenz im Unternehmen fördern: Erste Schritte

Für Unternehmen und Organisationen stellt sich oft die Frage: Wie fangen wir an? Hier ein Vorschlag, wie man anfangen sollte:

1. Strategischen Fokus setzen: Überlege dir welche Use-Cases du umsetzen möchtest.
2. Überblick verschaffen: Wo und wie wird bereits erfolgreich mit Daten gearbeitet?
3. Spezialistenpositionen aufbauen, aber gleichzeitig sicherstellen, dass ein breites Grundverständnis im gesamten Unternehmen vorhanden ist. So können relativ schnell Ansprechpartner etabliert werden, die andere Bereiche bei der Umsetzung von Lösungen unterstützen können.
4. Ängste abbauen z.B. indem transparent gemacht wird, was künstliche Intelligenz kann und was nicht. (siehe auch: Künstliche Intelligenz: Möglichkeiten und Grenzen)

Fazit

Die Welt der Daten bietet unendliche Möglichkeiten zur Optimierung bestehender Prozesse sowie zur Entwicklung neuer Geschäftsmodelle und Innovationen. Doch ohne eine grundlegende Kompetenz im Umgang mit diesen Informationen bleiben diese Potentiale ungenutzt oder schlimmer noch: Wir werden manipuliert ohne es zu merken.

Datenkompetenz ist daher keine optionale Zusatzqualifikation mehr, sondern eine grundlegende Notwendigkeit für jeden der in der modernen Arbeitswelt erfolgreich sein möchte – sei es als Individuum oder als Organisation.

Neben der Datenkompetenz und der Toolbox Datenkompetenz braucht es natürlich auch eine Kompetenz im Bereich der künstlichen Intelligenz. Hier sei auch auf den „KI-Campus“ verwiesen, eine Lernplattform, die sich auf das Thema KI spezialisiert hat.

1. Artikel erstellt mit Unterstützung von GPT / generativer KI.
   Titelbild erstellt mit Dall-E3 / Bing ↩︎