Sitzungszimmer, Dienstagmorgen. Das neue Dashboard leuchtet auf dem Bildschirm, alle schauen auf dieselben Zahlen. Dann fällt der Satz: «Sollten wir uns von Produktgruppe A verabschieden?» Die Daten stimmen, die Schlussfolgerung nicht.
Business Intelligence verspricht Transparenz: Daten werden analysiert, Fragestellungen werden beantwortet und Zusammenhänge werden sichtbar gemacht. Dies begünstigt die Entscheidungsfindung. Besonders in kleinen und mittleren Unternehmen (KMU) ohne eigene BI-Abteilung entstehen Dashboards oft dezentral – ohne einheitliche Standards und Definitionen. Gerade deshalb benötigen wir zu den jeweiligen Dashboards Kontext und Dokumentation, damit keine falschen Schlüsse gezogen werden. Die Herausforderung liegt nicht in den Daten, sondern in dem, was rund um das Dashboard fehlt.
Gleiche Zahlen, verschiedene Wahrheiten
Eine Kennzahl wie «Umsatz» oder «Netto-Marge» klingt eindeutig. Doch was genau fliesst in die Berechnung ein? Welche Positionen sind berücksichtigt, welche nicht? Ohne eine klare Definition liest jede Person ein Dashboard durch ihre eigene Brille. Was für die Erstellenden selbstverständlich ist, ist für die Nutzenden unsichtbar.
Ein simples Beispiel: Der Vertrieb meldet 10’000 aktive Kunden – das Marketing kommt auf 6’000. Der Vertrieb zählt alle Kunden der letzten 12 Monate. Das Marketing nur jene der letzten 6 Monate. Nirgends ist dokumentiert, was «aktive Kunden» wirklich bedeutet. Dieses simple Beispiel spiegelt ein alltägliches Phänomen: Die fehlende Datendefinition.
Was beim Weiterreichen verloren geht
Ein Dashboard wird entwickelt, getestet, präsentiert und dann von immer mehr Personen genutzt. Die Berechnungslogik und Hintergründe dahinter bleiben im Kopf der Erstellenden. Wie schnell das zum Problem wird, zeigt folgendes Beispiel, welches ich selbst erlebt habe.
Ein Dashboard signalisierte, dass Produktgruppe A eine tiefere Profitabilität aufwies als Produktgruppe B. Was auf den ersten Blick nicht sichtbar war: Die Berechnungsgrundlage der beiden Gruppen war unterschiedlich aufgebaut. Bei Produktgruppe A waren bestimmte Personalaufwände bereits eingerechnet, bei Produktgruppe B nicht.
Diese Information war zwar separat dokumentiert – doch wurde sie bei der Veröffentlichung des Dashboards an zusätzliche Mitarbeitende nicht transparent mitgegeben. Das führte zu falschen Schlüssen, intensiven Diskussionen und beinahe zu einer strategischen Fehlentscheidung.
Dasselbe Muster zeigt sich auch auf globaler Ebene: Uber zahlte Fahrern zweieinhalb Jahre zu wenig, weil die Berechnungslogik der Provision undokumentiert war. Laut Nutzungsbedingungen hätte die Kommission nur auf den Fahrpreis nach Abzug von Steuern und Gebühren anfallen dürfen. Tatsächlich wurde sie auf den vollen Fahrpreis berechnet und zog Fahrern systematisch zu viel ab.
Was das für mich in der Praxis bedeutet
- Dokumentiere direkt im Dashboard. Erkläre bei jeder Kennzahl, was gemessen wird und was nicht. Ein kurzer Hinweistext, eine Legende oder ein Tooltip genügt und verhindert Fehlinterpretationen.
- Führe ein Glossar. Lege für jede Kennzahl/KPI fest, was sie misst, wie sie berechnet wird und was sie bewusst ausschliesst – verbindlich und nachvollziehbar für alle Beteiligten.
- Sorge dafür, dass das Wissen mitgeht. Wer ein Dashboard weitergibt, fügt die wichtigsten Hintergründe und Kontext aktiv dazu. Wer es in zwei Jahren übernimmt, soll die Entstehungsgeschichte nicht rekonstruieren müssen. Dokumentation nützt nur, wenn sie auch mitgegeben wird.
- Dokumentation ist kein Projekt – sie ist eine Gewohnheit. Kennzahlen entwickeln sich, Berechnungslogiken ändern sich. Die Dokumentation muss aktuell gehalten werden.
- Trenne Zahlen und Interpretation. Ein Dashboard zeigt Fakten. Die Schlussfolgerung gehört in einen separaten Kommentar oder eine Präsentation.
Fazit
Ein Dashboard ist nur so gut wie das Wissen, das es begleitet. Technisch korrekte Zahlen können in die Irre führen – nicht weil die Daten falsch sind, sondern weil der Kontext fehlt. Das ist kein technisches Problem, es ist ein menschliches. Die Verantwortung dafür liegt nicht allein bei denen, die Dashboards bauen, sondern bei jedem, der sie nutzt, weitergibt und darauf basierend entscheidet.
Daten lügen nicht. Aber sie schweigen über das, was nicht dokumentiert ist.
Dieser Blogbeitrag wurde mit Unterstützung von KI erstellt.
