Daten sind harmlos, bis jemand auf ihnen entscheidet

Die meisten Daten der Verwaltung führen ein ruhiges Leben. Sie werden erhoben, gespeichert und veröffentlicht, weil eine Pflicht es verlangt. Ob sie stimmen, fragt kaum jemand. Solange niemand auf ihnen entscheidet, fällt das auch nicht auf. Das ändert sich in dem Moment, in dem an den Daten etwas hängt: Fördergeld, eine Begründung gegenüber dem Rechnungshof, das Ergebnis einer KI. Dann wird aus einer Bereitstellungsaufgabe eine Entscheidungsgrundlage, und die Zeit zum Prüfen fehlt. 

Wie schnell das gehen kann, habe ich im Workshop zur Datenqualität auf der Smart Country Convention 2026 an einem Szenario gezeigt. Ein Land vergibt ab 2027 Fördermittel für saubere Luft, maßgeblich ist die Belastung je Kreis. Die Grundlage liegt bereit: offene Messdaten von Bund und Ländern, 5,1 Millionen Tageswerte seit 2016, aufbereitet in einem übersichtlichen Dashboard. Das Förderprogramm ist angenommen, die Daten sind echt.

Würden Sie auf dieser Basis eine Förderentscheidung treffen?

1. Kein Messwert, keine Förderung

Die naheliegende Antwort lautet ja. Die Daten sind amtlich, das Dashboard wirkt vertrauenswürdig. Ein Blick auf die Abdeckung ändert das Bild: 155 von 400 Kreisen haben keine Messstation und damit keinen Kreiswert. 

Im Szenario heißt das: Diese Kreise erhalten keine Förderung, unabhängig davon, wie belastet die Luft dort tatsächlich ist. Das ist kein Datenfehler. Es ist eine Grenze des Messnetzes, und sie ist schnell zu sehen, sobald man nach der Abdeckung fragt. Genau darin liegt die Falle. Wer die Abdeckung geprüft hat, hat das Gefühl, sich mit diesem einen plausiblen Befund bereits einen Überblick über die Datenqualität verschafft zu haben, und vertraut dem Rest. Die übrigen Daten sind dadurch aber keineswegs automatisch von guter Qualität.

2. An der Quelle geprüft heißt nicht für jeden Zweck geprüft

In unserem Whitepaper „Die letzte Meile öffentlicher Daten“ zeigen wir am Beispiel der Luftqualität, wie Behörden ihre Daten in wenigen Tagen verständlich und offen bereitstellen. Ausgangspunkt sind die amtlichen Messwerte, die das Umweltbundesamt aus den Messnetzen der Länder zusammenführt. Diese Daten werden an der Quelle sorgfältig gesichert. Für den Workshop sind wir einen Schritt weitergegangen. Statt zu fragen, woher ein Wert stammt, haben wir geprüft, ob er die Entscheidung tragen kann, die auf ihm beruhen soll. Das Ergebnis: Neben der Lücke im Messnetz zeigten sich Auffälligkeiten in allen sechs Dimensionen der Datenqualität. Nur ein Teil davon sind Messfehler, andere entstehen erst in der Verwendung der Werte.

Geprüfte Daten an der Quelle sind die Voraussetzung für gute Entscheidungen. Eine Garantie dafür sind sie nicht.

3. Sechs Fragen, die jeder Datensatz beantworten muss

Datenqualität beschreibt, wie gut Daten für den Zweck geeignet sind, für den man sie nutzt. So definiert es auch die Verwaltung selbst im Bericht des IT-Planungsrats. Das klingt nach Bauchgefühl, lässt sich aber messen, mit einem Raster, das sich international durchgesetzt hat. Die britische Sektion der Data Management Association (DAMA UK) hat 2013 sechs Kerndimensionen beschrieben, die britische Regierung hat sie 2020 in ihr Government Data Quality Framework übernommen. Jede Dimension beantwortet eine einfache Frage.

Darin liegt der Nutzen des Rasters. Die sechs Fragen lassen sich an jeden Datensatz stellen, ob es um Fördergeld, ein Register oder die Datenbasis einer KI-Anwendung geht, und zwar bevor auf ihm entschieden wird. Genau dabei unterstützen wir: Wir prüfen die Datensätze aus Ihren Anwendungen und Projekten entlang der sechs Dimensionen und entscheiden gemeinsam mit Ihnen, was behoben werden muss und was für den Zweck tragbar ist. Das Ziel sind Daten, die nutzbar sind, nicht perfekte.

Was wir daraus lesen: Weil die sechs Dimensionen stabil und an kein Werkzeug gebunden sind, lässt sich Datenqualität über Jahre und über Datensätze hinweg vergleichen. Wer heute misst, kann morgen belegen, dass seine Daten besser geworden sind.

4. Harmlos, bis es darauf ankommt

Das Muster ist kein Sonderfall der Luftdaten. In einer Umfrage des IT-Planungsrats vom Sommer 2026 halten drei Viertel der knapp 1.500 Teilnehmenden aus Bund, Ländern und Kommunen Datenqualität für wichtig. Knapp die Hälfte prüft sie trotzdem nie oder höchstens einmal im Jahr, klar geregelte Verantwortlichkeiten haben nur 10 Prozent. Die Umfrage war offen und ist nicht repräsentativ, ihr Befund ist dennoch deutlich. 

Wie weit das reicht, zeigt der Blick auf die Register. Nach einer Analyse von PwC erfassen bis zu 15 Register dieselben Angaben, teils mit abweichenden Einträgen. Von solchen Daten hängt auch die Zuweisung staatlicher Mittel an Kommunen ab. Hinzu kommt Druck von außen: Die Bundesregierung will einen Rechtsanspruch auf offene Daten schaffen. Der Bundesrechnungshof weist darauf hin, dass Nutzer qualitativ hochwertige Daten dann notfalls einklagen könnten. 

Was wir in Projekten sehen: Gute Datenqualität bemerkt niemand, eine falsche Zahl dagegen sofort. Deshalb wird das Thema verschoben, bis es drängt. Dann fehlt die Zeit.

5. Belastbar statt perfekt

Wer entscheidet, braucht keine perfekten Daten, wohl aber die Antwort auf eine Frage: Hält meine Entscheidung, wenn jemand nachprüft?Diese Antwort beginnt mit Sichtbarkeit. Prüfregeln machen den Zustand der Daten messbar, bevor auf ihnen entschieden wird. Was dabei auffällt, braucht eine Stelle, die es klärt: Im Luftbeispiel korrigieren die Messnetze unplausible Messungen, Fehler in der Aufbereitung behebt der Dienstleister. Am Ende steht eine bewusste Entscheidung. Manche Mängel lassen sich beheben, andere akzeptiert man, weil sie für den Zweck nicht ins Gewicht fallen.

Wie eine solche Entscheidung aussieht, zeigen die 155 Kreise ohne Messstation. Die Lücke lässt sich nicht schnell schließen, nur mit großem Aufwand, etwa durch weitere Datenquellen oder neue Messstationen. Ob man diesen Aufwand treibt oder die Kreise anders berücksichtigt, ist eine politische Frage. Beantworten lässt sie sich aber nur, wenn die Lücke sichtbar ist.

6. Schlussfolgerung: Wer früh misst, entscheidet in Ruhe

Für die Luftqualität wird die Frage bald praktisch. Ab 2030 gelten in der EU deutlich strengere Grenzwerte. 2025 lagen nach Angaben des Umweltbundesamts rund 39 Prozent der Messstationen über dem künftigen Jahresmittel für Stickstoffdioxid und rund 18 Prozent über dem für Feinstaub PM2,5. Länder und Kommunen werden auf Grundlage genau dieser Daten Maßnahmen beschließen. Genau hier setzt M2 an. Wir arbeiten nach einem eigenen Data Quality Framework, das auf unserer Projekterfahrung mit Verwaltungen und Unternehmen aufbaut. Damit spüren wir Schwachstellen auf, bevor auf den Daten entschieden wird, beheben, was sich beheben lässt, und legen offen, was bleibt. Der Einstieg ist klein: ein Datensatz, die sechs Fragen, benannte Zuständigkeiten. 
 

Die nächste Entscheidung wird auf Ihren Daten beruhen. Wollen Sie erst an den Folgen erkennen, wie belastbar sie waren?

Im zweiten Teil dieser Reihe zeigen wir, wie sich Fehler einschleichen, wo sie bei Migration, Dashboard und KI teuer werden und wie die 20 Prüfregeln aus dem Workshop im Detail arbeiten.

Wer Daten veröffentlicht, findet in unserem Whitepaper „Die letzte Meile öffentlicher Daten“ konkrete Unterstützung: Es zeigt, wie Behörden aufbereitete Daten in wenigen Tagen verständlich bereitstellen – ergänzt um Prüffragen für den eigenen Datensatz und eine FAQ zur Datenqualität.

Und wenn auf Ihrem Datensatz bald eine Förderrichtlinie, ein Ministeriumsbericht oder ein öffentliches Dashboard beruht, schauen wir gemeinsam genauer hin. In einem kostenlosen, 30-minütigen Erstgespräch gehen wir die sechs Fragen anhand Ihrer Beschreibung durch, ohne dass Sie Daten herausgeben müssen. Sie erhalten eine erste Orientierung, wo Prüfbedarf besteht und welcher nächste Schritt sinnvoll ist.

Erstgespräch vereinbaren

Quellenanhang

• IT-Planungsrat, Kompetenzteam Data Governance – Kurzbericht Datenqualität im öffentlichen Sektor, CC BY 4.0. Quelle
• Bundesrechnungshof – Open Data: Datenqualität, Strategie und IT-Unterstützung. Quelle
• PwC Deutschland – Zuverlässige Daten für eine leistungsfähige Verwaltung. Quelle
• Government Data Quality Hub (UK) – The Government Data Quality Framework. Quelle
• Umweltbundesamt – Auch 2025 wurden alle Grenzwerte zur Luftqualität eingehalten. Quelle
• Eigene Auswertung – Befunde zum Luftdatensatz, auf Basis der Quelldaten von Umweltbundesamt und BKG (VG250-EW).