Kennisbank

Was ist ein gültiger Wert — und wer merkt es, wenn es schiefgeht?

Eine Kennzahl in einer Nachhaltigkeitsberichterstattung kommt irgendwo her: ein Zähler, eine Rechnung, eine Schätzung, ein Export aus einem System. In dem Moment, in dem diese Zahl eingegeben, kopiert oder übernommen wird, ist meist niemand da, der kontrolliert, ob sie stimmt. Nicht weil niemand das möchte, sondern weil keine Regel festgelegt ist, die angibt, was für diesen spezifischen Datenpunkt eigentlich ein gültiger Wert ist.

Ein gültiger Wert ist keine Meinungssache

"Stimmt diese Zahl" ist keine Frage, die jemand nach Gefühl beantworten kann, schon gar nicht bei hunderten Datenpunkten verteilt über Tabellen und Systeme. Ein gültiger Wert ist etwas, das vorab definiert ist: ein Bereich, eine Einheit, ein Verhältnis zu einem anderen Datenpunkt, eine erwartete Richtung im Vergleich zum Vorjahr. Ohne diese Definition ist im Prinzip jeder Wert gültig, und genau das ist das Problem. Eine Verbrauchszahl, die zehnmal zu hoch ist, weil die Einheit falsch übernommen wurde, fällt dann nicht auf — sie steht einfach da, wie alle anderen Zahlen auch.

Das Festlegen dessen, was gültig ist, ist einer der Bausteine neben dem Datenpunktregister und den Quelldaten: welche Kontrollen zu einem Datenpunkt gehören und wer darauf Einblick hat. Das ist keine Frage strengerer Excel-Formeln, sondern des Festlegens pro Datenpunkt, was akzeptabel ist und was nicht, und warum.

Ein Signal ist etwas anderes als ein Fehler

Nicht jede Abweichung ist ein Fehler, und nicht jeder Fehler löst ein Signal aus. Ein Wert kann außerhalb des erwarteten Bereichs liegen, ohne unrichtig zu sein — eine Fabrik, die vorübergehend stillsteht, eine Fusion, die die Zahlen verzerrt. Umgekehrt kann ein Wert völlig normal aussehen und trotzdem falsch sein, etwa weil zwei Teile der Organisation einen anderen Ausgangspunkt für das anlegen, was sie messen. Ein Signal ist also kein Urteil, es ist ein Hinweis, dass jemand sich das ansehen muss.

Die Frage ist dann: Unter welcher Bedingung schlägt ein solches Signal an, und wie empfindlich ist es eingestellt. Zu weit gefasst, und Abweichungen schlüpfen durch. Zu eng, und alle ignorieren die Meldung, weil es zu viele gibt. Wie diese Schwelle pro Datenpunkt bestimmt wird, hängt vom Datenpunkt selbst ab und davon, was logischerweise schwanken kann. Dieses Thema wird separat behandelt in wie Sie eine Signalabweichung einstellen und wer sie dann betrachtet.

Wer merkt es — und ist das Zufall

Die Kernfrage dieser Seite ist nicht nur, was ein gültiger Wert ist, sondern wer es bemerkt, wenn ein Wert das nicht ist. In vielen Organisationen lautet die Antwort: niemand, bis eine externe Partei bei der Prüfung der Berichterstattung eine Frage stellt. Zu diesem Zeitpunkt ist es bereits spät, und der Ersteller muss zur Quelle zurückkehren, um zu rekonstruieren, was passiert ist.

Eine Qualitätsregel ohne Eigentümer ist keine Regel, sie ist eine Beobachtung. Zu jedem Datenpunkt gehört also nicht nur ein Grenzwert, sondern auch ein Name: wer erhält die Meldung, wer bewertet, ob es sich um einen Fehler oder eine erklärbare Ausnahme handelt, und wer legt diese Erklärung fest, sodass die nächste Person, die den Datenpunkt verwendet, nicht erneut nachforschen muss. Ohne diese Zuweisung hängt es vom Zufall ab, ob jemand das Signal sieht, bevor die Zahl weiter durch die Kette geht.

Diese Zuweisung ist direkt mit einem anderen Problem verbunden, das oft neben Qualitätsregeln auftaucht: Teams, die denselben Begriff unterschiedlich auslegen. Was für den einen Teil der Organisation ein gültiger Wert ist, kann für einen anderen ein Signal auslösen, einfach weil die Definition abweicht. Das berührt die Frage was Sie mit Definitionen tun, die pro Organisationsteil abweichen. Ohne eindeutige Definition ist eine Qualitätsregel bestenfalls eine Vermutung.

Warum das nicht bei einem Tool beginnt

Es ist verlockend, diese Frage zu lösen, indem man ein Tool anschafft, das automatisch signalisiert. Aber ein Tool kann nur auf Grundlage eingegebener Regeln signalisieren, und diese Regeln repräsentieren Wissen, das jetzt oft nur im Kopf jemandes vorhanden ist — der Kollege, der weiß, dass diese Zahl meist zwischen zwei Grenzen liegt, oder dass dieser andere Wert immer von einer bestimmten Person nachgeprüft wird. Dieses Wissen zuerst festzuhalten, pro Datenpunkt, ist eine andere Arbeit als die Auswahl eines Systems. Die Reihenfolge, in der das am besten geschieht, ist beschrieben in zuerst ein Tool kaufen oder zuerst den Prozess einrichten.

Von Qualitätsregeln zu Arbeitslast

Sobald pro Datenpunkt festgelegt ist, was ein gültiger Wert ist, wer ein Signal bewertet und wer eine Abweichung erklärt, entsteht ein Bild der Arbeit, die tatsächlich rund um die Daten geschieht — kontrollieren, vergleichen, nachfragen, festhalten. Dieses Bild ist nützlich für eine andere Frage: welcher Teil dieser Aufgaben sich auf eine Weise wiederholt, die sich für Automatisierung eignet, und welcher Teil eine Beurteilung erfordert, die einem Menschen zukommt. Der Werkscan von FTE TO AI berechnet pro Aufgabe, welcher Teil der Arbeit von KI übernommen werden kann, basierend darauf, wie diese Arbeit jetzt eingerichtet ist — nicht basierend auf einer vorab getroffenen Schätzung.