Eine Emissionszahl mit drei Dezimalstellen hinter dem Komma erweckt den Eindruck von Präzision. Doch Präzision sagt nichts über Zuverlässigkeit aus. Eine Zahl kann bis hinter das Komma berechnet worden sein und trotzdem auf einer falschen Einheit, einem veralteten Umrechnungsfaktor oder einer Schätzung beruhen, die jemand vor Jahren eingegeben hat und die nie wieder überprüft wurde. Genau das ist Scheinpräzision: eine Zahl, die genauer aussieht, als sie ist.
Das passiert nicht, weil Menschen nachlässig sind. Es passiert, weil ein Bericht der letzte Schritt in einer langen Kette ist, und am Ende dieser Kette ist nicht mehr erkennbar, was unterwegs geschehen ist. Eine Tabelle mit drei Dezimalstellen sieht genauso aus, ob der Ausgangswert nun eine gemessene Zahl war oder eine grobe Schätzung. Ohne Regeln, die festlegen, was ein gültiger Wert ist, bleibt dieser Unterschied unsichtbar.
Jeder Datenpunkt hat Grenzen, innerhalb derer ein Wert plausibel ist. Ein Energieverbrauch pro Standort kann nicht negativ sein. Ein Emissionsfaktor ändert sich nicht jedes Quartal um das Zehnfache. Eine Mitarbeiterzahl weicht nicht ohne erkennbaren Grund um Tausende vom Vormonat ab. Das sind keine komplizierten statistischen Modelle, sondern einfache, festlegbare Grenzen pro Datenpunkt.
Die Frage, was ein gültiger Wert ist, lässt sich nicht überall gleich beantworten. Was für den einen Datenpunkt als akzeptable Bandbreite zählt, ist für einen anderen zu weit oder zu eng gefasst. Diese Wahl gehört zum Datenpunkt selbst, ebenso wie die Frage was ein gültiger Wert ist und wer es merkt, wenn es schiefgeht. Wird diese Wahl nicht ausdrücklich getroffen, wird jeder eingehende Wert stillschweigend als korrekt betrachtet, auch wenn er es nicht ist.
Neben einer harten Grenze gibt es eine zweite Ebene: Abweichungen, die nicht ungültig, aber auffällig sind. Ein Wert, der innerhalb der zulässigen Bandbreite liegt, aber stark vom Muster vorheriger Perioden abweicht, ist nicht falsch, aber ein Signal, das jemand betrachten sollte.
Der Unterschied zwischen einer harten Ablehnung und einem Signal ist eine bewusste Entscheidung. Eine Gültigkeitsprüfung blockiert; ein Signal fordert Aufmerksamkeit, ohne zu blockieren. Beide sind notwendig, und beide sollten auf Ebene des Datenpunkts festgelegt werden, mit der Frage wie Sie eine Signalabweichung einstellen und wer es merkt, wenn es geschieht als Ausgangspunkt. Ohne diese Festlegung bleibt es Zufall, wer einen ungewöhnlichen Wert bemerkt, und wann.
Eine Regel ohne Empfänger ist eine Regel, die niemand liest. Fällt ein Wert außerhalb der Grenze oder gibt er ein Signal ab, muss festgelegt sein, wer das zu sehen bekommt: der Erfasser, der Data Owner, der Controller, der die Zahl weiterverarbeitet. Ohne diesen Schritt verschwindet eine Abweichung in einer Protokolldatei, die niemand einsieht, und ein erkannter Fehler wird zu einem unbemerkten Fehler.
Genau hier bleiben viele Kontrollmechanismen in der Praxis stehen. Es wird eine Regel eingerichtet, aber es ist nicht festgelegt, wer darauf reagiert. Die Regel besteht, die Meldung erscheint, und es passiert nichts. Welche Kontrollen zu einem Datenpunkt gehören und wer sie sieht, hängt mit dem umfassenderen Überblick zusammen über welche Kontrollen zu einem Datenpunkt gehören und wer es merkt, wenn etwas schiefgeht. Eine Kontrolle, die niemand sieht, ist in der Praxis keine Kontrolle.
Es gibt Systeme, die automatisch Abweichungen erkennen und Meldungen versenden. Diese Systeme sind nützlich, aber sie lösen nichts, wenn die zugrunde liegenden Fragen nicht beantwortet sind: Was ist für diesen konkreten Datenpunkt ein gültiger Wert, was ist ein Signal, und wer ist der zuständige Empfänger. Ein Tool, das auf Regeln läuft, die niemand durchdacht hat, erzeugt Meldungen, die niemand ernst nimmt, oder Warnungen, die dauerhaft ignoriert werden. Das Ergebnis sieht aus wie Kontrolle, ist es aber nicht.
Deshalb müssen diese Fragen zuerst auf Ebene des Datenpunkts beantwortet werden, bevor ein System sie ausführen kann. Die Regel gehört zum Datenpunkt, nicht zur Software, die ihn zufällig überwacht.
Scheinpräzision entsteht häufig in Kombination mit einem anderen Problem: Organisationsteile, die einen Datenpunkt unterschiedlich definieren. Wenn der eine Standort Quadratmeter Bürofläche mitzählt und der andere nicht, reicht eine Kontrolle auf plausible Werte nicht aus, denn die Werte sind untereinander nicht vergleichbar. Was Sie mit Definitionen tun, die je Unternehmensteil abweichen, und wie das mit der Kontrolle gültiger Werte zusammenhängt, steht beschrieben auf der Seite über abweichende Definitionen und die zugehörige Kontrollfrage. Wer Qualitätsregeln einrichtet, ohne zuvor diese Definitionsfrage zu betrachten, kontrolliert womöglich plausible Werte, die faktisch nicht miteinander vergleichbar sind.
Dieser Scan bildet pro Datenpunkt ab, was ein gültiger Wert ist, was ein Signal ist und wer der zuständige Empfänger ist. Dieser Überblick ist nicht der Endpunkt, sondern der Ausgangspunkt: Er legt fest, wo aktuell keine Regel besteht, wo eine Regel ohne Empfänger besteht, und wo die Definition eines Datenpunkts selbst bereits für Verwirrung zwischen Unternehmensteilen sorgt. Sobald dieses Bild vorliegt, ist erkennbar, welche Kontrollen am meisten Gewicht tragen und wohin die Aufmerksamkeit zuerst gerichtet werden muss.
Sobald dieser Überblick vorliegt, lässt sich eine weitere Frage beantworten: welcher Teil der Arbeit, die derzeit noch manuell erfolgt, sich nach dieser Einordnung an einen automatisierten Prozess übertragen lässt. Dafür ist der Werkscan von FTE TO AI gedacht: Er berechnet pro Aufgabe, welcher Teil der Arbeit von KI übernommen werden kann, nicht als Ersatz für die hier festgelegten Qualitätsregeln, sondern als Folgeschritt auf den damit entstehenden Überblick.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.