Dashboards per Prompt?

Warum Amazon QuickSight für Behörden jetzt neu bewertet wird

Öffentliche Verwaltungen stehen vor einer unbequemen Gleichzeitigkeit. Daten sollen transparenter werden, Open-Data-Anforderungen steigen, Fachbereiche brauchen schnellere Auswertungen – und gleichzeitig bleiben Budgets, Personal und IT-Kapazitäten knapp. Genau in diesem Spannungsfeld entscheidet sich, ob Business Intelligence ein weiterer Kostenblock bleibt oder zu einem echten Modernisierungsschritt wird.

Amazon QuickSight rückt deshalb gerade neu in den Fokus. Nicht, weil Behörden einfach ein weiteres Dashboard-Tool brauchen. Die Frage hat sich verändert: Wie lassen sich Daten so bereitstellen, dass sie sicher, wirtschaftlich und verständlich genutzt werden können?

Für Thanh Binh Ngo, Senior Consultant für Analytics, BI-Modernisierung und Datenplattformen bei M2, beginnt moderne BI genau an dieser Stelle. QuickSight ist für ihn nicht nur die Oberfläche, auf der am Ende Diagramme erscheinen. Der eigentliche Wert entsteht darunter: in der Datenbasis, im semantischen Modell, in der Berechtigungslogik und in der Frage, wie Fachbereiche künftig selbstständiger mit Informationen arbeiten können.

Der strategische Wandel bei AWS

Diese Perspektive wird durch die aktuellen Entwicklungen bei AWS noch relevanter. Mit der Funktion „Generate Analysis" in Amazon Q für QuickSight können Analysen aus natürlichsprachlichen Eingaben erstellt werden. Nutzerinnen und Nutzer beschreiben, welche Auswertung sie benötigen, wählen passende Datensätze aus und erhalten daraus einen Vorschlag für eine Analyse, inklusive Visualisierungen, Struktur und berechneten Feldern. Was bisher oft Stunden manueller Dashboard-Arbeit bedeutete, kann dadurch deutlich schneller vorbereitet werden. 

Das klingt zunächst nach einer reinen Produktneuigkeit. In der Praxis ist es aber mehr. AWS entwickelt QuickSight erkennbar in Richtung KI-gestützter Analyse. Dieser strategische Wandel verändert, worauf es bei der Einführung und beim Betrieb der Plattform ankommt. Wenn Dashboards schneller entstehen, wird die Qualität der zugrunde liegenden Daten noch wichtiger. Eine KI-Funktion kann nur dann sinnvolle Analysen vorschlagen, wenn Begriffe eindeutig sind, Kennzahlen sauber definiert wurden, Datenquellen verlässlich sind und Berechtigungen korrekt greifen. Sonst entsteht Geschwindigkeit ohne Verlässlichkeit.

Was heißt das für die Beratung? Generative BI löst nicht automatisch das Problem schlecht strukturierter Daten. Sie macht es sichtbarer. Wenn zwei Fachbereiche unter derselben Kennzahl Unterschiedliches verstehen, wenn regionale Ebenen uneinheitlich gepflegt sind oder wenn Daten nur manuell zusammengetragen werden, dann hilft auch das beste Analyse-Feature nur begrenzt. Der entscheidende Schritt besteht darin, Amazon QuickSight bereits beim Datenmodell zu denken.

Praxisbeleg: Sachsen-Anhalt

Das zeigt auch die Arbeit von M2 für das Ministerium für Arbeit, Soziales, Gesundheit und Gleichstellung des Landes Sachsen-Anhalt. Dort entstand auf Basis von AWS und Amazon QuickSight eine moderne Analytics-Plattform für Gesundheits- und Versorgungsdaten. Daten werden zentral zusammengeführt, regional vergleichbar gemacht und über interaktive Dashboards verständlich bereitgestellt. Aus einer abzulösenden Altlösung wurde damit eine skalierbare Grundlage für Verwaltung, Fachbereiche und öffentliche Kommunikation. Mehr Einblicke in das Projekt bietet die Customer Story.

Solche Projekte zeigen, was QuickSight im öffentlichen Sektor leisten kann, wenn es richtig eingebettet wird. Es geht nicht darum, bestehende Berichte möglichst unverändert nachzubauen, sondern darum, eine BI-Landschaft zu schaffen, die langfristig wartbar ist, Fachbereiche entlastet und Daten für unterschiedliche Zielgruppen zugänglich macht.

Migration als Markttrend

Dazu passt ein zweiter aktueller Entwicklungstrend: AWS hat mit BI Migration Agents in AWS Transform eine Funktion angekündigt, die die Migration bestehender Tableau- und Power-BI-Landschaften in Richtung Amazon QuickSight unterstützen soll. Für viele Organisationen ist das ein wichtiger Gesprächsanlass, denn zahlreiche BI-Umgebungen sind über Jahre gewachsen. Es gibt viele Dashboards, unterschiedliche Kennzahlenlogiken, hohe Lizenzkosten und oft wenig Transparenz darüber, welche Inhalte wirklich noch genutzt werden. Wie reif diese Migrationsfunktion für den produktiven Einsatz ist, wird die Praxis zeigen – der Marktimpuls ist aber real. 

Ein Wechsel zu QuickSight wäre jedenfalls keine rein technische Migration. Er wäre eine Gelegenheit, die eigene BI-Landschaft neu zu bewerten. Welche Dashboards sind fachlich kritisch? Welche Berichte sind redundant? Welche Datenmodelle müssen konsolidiert werden? Welche Inhalte lassen sich migrieren, welche sollten neu gedacht werden, und wo entsteht durch QuickSight ein echter Mehrwert?

Zwei Einstiegswege

Für bestehende QuickSight-Kunden stellt sich eine andere Frage. Sie müssen nicht bei null anfangen. Viele haben bereits Dashboards, Datenquellen und Nutzergruppen. Der nächste Schritt ist dann die Optimierung. Sind die Datensätze bereit für KI-gestützte Analyse? Sind Kennzahlen so definiert, dass Fachbereiche ihnen vertrauen? Gibt es ein klares Rollen- und Berechtigungsmodell? Werden Dashboards tatsächlich genutzt? Und ist QuickSight bereits eine Self-Service-Plattform – oder bisher nur ein weiteres Reporting-Werkzeug?

Für Organisationen, die noch mit Tableau, Power BI, Qlik oder älteren Reporting-Lösungen arbeiten, ist der Einstieg anders. Hier geht es zunächst um Orientierung. Lohnt sich QuickSight als Zielplattform? Welche Kosten können perspektivisch reduziert werden? Welche Dashboards sind migrationsfähig? Welche Datenquellen müssen vorbereitet werden? Und welcher Pilot eignet sich, um Nutzen schnell sichtbar zu machen?

Damit wird QuickSight zu einem konkreten Modernisierungspfad. Bestehende Kunden können ihre Umgebung für Self-Service BI und KI-gestützte Analyse vorbereiten. Wechselkandidaten können ihren BI-Bestand strukturiert bewerten und QuickSight als Zielplattform prüfen. Behörden können Open-Data- und Transparenzanforderungen pragmatischer adressieren, ohne jedes Reporting-Vorhaben neu aufzusetzen.

Was aus dem Webinar geblieben ist

Am 24. Juni 2026 haben Dietrich Bartsch und Thanh Binh Ngo von M2 gemeinsam mit dem Behörden Spiegel genau diese Fragen live diskutiert, moderiert von Frederik Steinhage. Drei Punkte sind aus den Gesprächen im Anschluss besonders hängen geblieben:

• Lizenzkosten: Was QuickSight gegenüber klassischen BI-Tools in der Praxis tatsächlich einspart, anhand konkreter Zahlen aus laufenden Projekten.
• Sachsen-Anhalt als Praxisbeweis: Dashboards für alle 14 Landkreise, DSGVO-konform, ohne dass die IT-Abteilung des Landes zusätzliche Last trägt.
• KI-gestützte Analyse: Was im öffentlichen Sektor heute schon möglich ist, und wo die Grenze zwischen "geht schon" und "noch Zukunftsmusik" wirklich verläuft.

Genau diese drei Themen tauchen erfahrungsgemäß in fast jedem Behörden-Gespräch wieder auf, unabhängig von Ressort oder Hausgröße. Deshalb haben wir die Aufzeichnung und die Zusammenfassung gebündelt.

Sie haben das Webinar verpasst, oder wollen einen Punkt noch einmal nachlesen? Auf unserer Landingpage finden Sie beides: die vollständige Aufzeichnung und die Kernpunkte aus den anschließenden Gesprächen, kompakt zusammengefasst. Schauen Sie gerne vorbei, wir freuen uns, wenn eine Ihrer offenen Fragen dabei ist.