Ein Modell wird nicht dadurch besser, dass seine Felder vollständig wirken. Es wird besser, wenn andere Menschen darin Lücken, Spannungen und Anschlussstellen erkennen. Im thinkBI Podcast stehen diesmal genau diese Rückmeldungen zum Entscheidungswirkraster im Mittelpunkt.
Eine dieser Rückmeldungen trifft einen besonders wichtigen Punkt. Organisationen können sehr viel Energie in Ideen, Analysen und Entscheidungsunterlagen investieren – und trotzdem zu wenig über Wirkung sprechen. Das Problem ist nicht, dass Denken unwichtig wäre. Das Problem entsteht, wenn Denken und Ausführung gedanklich getrennt werden.
Die Ausführung ist nicht bloß der letzte Schritt nach der guten Idee. Sie ist ein Erkenntnisraum. Erst im Tun zeigt sich, ob eine Annahme trägt, ob eine Entscheidung praktisch umsetzbar ist, welche Nebenwirkungen entstehen und welche Informationen tatsächlich gefehlt haben. Wer die Ausführung als billigen Rest behandelt, verliert genau die Rückkopplung, aus der bessere Entscheidungen entstehen.
Das sind keine Formalismen. Wirkung entsteht nicht im Canvas, sondern im Zusammenspiel von Entscheidung, Handlung und Lernen.
Ein Modell braucht auch eine Qualitätsfrage
Das Entscheidungswirkraster führt von der Entscheidungsfrage über Optionen und Informationsbedarf zur Datenbasis, Handlung und Rückkopplung. Die Community ergänzt nun eine notwendige Frage: Mit welcher Zuverlässigkeit und Qualität müssen die Informationen vorliegen?
Diese Frage verhindert zwei gegensätzliche Fehler. Der erste lautet: „Mach das Datenprodukt schnell, die Genauigkeit wird schon reichen.“ Der zweite lautet: Jede Information müsse in höchster Qualität vorliegen, bevor sie überhaupt genutzt werden darf. Beides löst sich erst auf, wenn der Informationsbedarf im Kontext der Entscheidung verstanden wird.
Eine operative Entscheidung unter Zeitdruck braucht vielleicht einen schnellen, ausreichend verlässlichen Hinweis. Eine strategische Investition verlangt eine andere Absicherung. Informationsqualität ist deshalb keine technische Eigenschaft, die losgelöst neben dem Fachbereich steht. Sie ist Teil der Entscheidung, die eine Information unterstützen soll.
Damit wird auch sichtbar, warum Informationsarchitektur mehr ist als eine Sammlung von Berichten und Datenquellen. Sie muss nicht nur klären, welche Information gebraucht wird, sondern auch, wie belastbar sie für ihren Zweck sein muss. Qualität wird so von einer nachgelagerten Fehlerdiskussion zu einer bewussten Investitionsentscheidung.
Zielbild und Reifegrad verlaufen in unterschiedliche Richtungen
Ein weiterer Kommentar beschreibt eine pragmatische Kette aus vorhandenen Ansätzen: Strategiearbeit, die Operationalisierung über Leading und Lagging KPIs, kollaborative Datenmodellierung und ein strukturierter Prozess für die Dashboard-Entwicklung. In ihrer fachlichen Logik ist diese Reihenfolge überzeugend. Strategie gibt die Richtung vor. Messgrößen machen Ergebnisse und Fortschritt beobachtbar. Datenmodell und Semantik schaffen eine gemeinsame Grundlage. Informationsprodukte bringen den Kontext in die Arbeit der Nutzer.
In vielen Organisationen beginnt die reale Entwicklung jedoch am anderen Ende. Zuerst gibt es ein Dashboard, dann die Frage nach einem tragfähigen Informationsmodell, später die Klärung der KPIs und erst danach wird sichtbar, welche strategische Logik eigentlich fehlt.
Das ist kein Grund, die vorhandene Praxis abzuwerten. Es ist ein Grund, sie richtig einzuordnen. Die Zielarchitektur wird häufig von oben nach unten gedacht. Der Reifegrad entwickelt sich oft von unten nach oben. Ein vorhandenes Dashboard kann deshalb ein sinnvoller Einstieg sein, wenn es nicht zum Endpunkt erklärt wird. Es kann die Fragen freilegen, die bisher nicht geklärt wurden: Welche Entscheidung soll unterstützt werden? Welche Begriffe meinen wir einheitlich? Welche Datenereignisse und Strukturen müssen wir verstehen? Und welche Kennzahlen machen die gewünschte Wirkung überhaupt sichtbar?
Semantik bleibt ein eigener Baustein
Die Diskussion zeigt zugleich eine wichtige Abgrenzung. Informationsdesign darf nicht ausschließlich an einer einzelnen aktuellen Entscheidung hängen. Eine Organisation braucht auch ein gemeinsames Verständnis ihrer Sachverhalte: von Kunden, Aufträgen, Produkten, Prozessen, Zeitbezügen und Kennzahlen.
Ein semantisches Modell schafft diese Grundlage. Es beschreibt die fachliche Welt so, dass verschiedene Entscheidungen darauf aufbauen können. Der Anlass einer Entscheidung bestimmt, welche Ausschnitte und welche Qualität gerade benötigt werden. Die Semantik verhindert dagegen, dass jede neue Anforderung ihre eigene Sprache, ihre eigenen Definitionen und ihr eigenes Datenverständnis erfindet.
Beide Ebenen gehören zusammen. Die konkrete Entscheidungsfrage schützt vor abstrakter Datenarbeit ohne Nutzen. Das semantische Modell schützt vor einer Folge isolierter Einzelfalllösungen. Erst zusammen entsteht eine Informationsarchitektur, die handlungsnah und wiederverwendbar ist.
Auch der Vergleich mit dem Double Diamond ist hilfreich: Problemraum öffnen, Problem schärfen, Lösungsraum öffnen, Lösung präzisieren und erproben. Für BI ist entscheidend, diesen Weg nicht mit einem einmaligen Projektabschluss zu verwechseln. Jede Erprobung erzeugt neues Wissen. Jede Ausführung kann die Entscheidungsfrage, die Bewertungskriterien oder die Informationsqualität verändern.
Ein Framework nimmt diese Arbeit nicht ab. Es macht sie sichtbar und besprechbar. Seine Qualität zeigt sich daran, ob es bessere Workshops, klarere Verantwortlichkeiten, angemessenere Datenprodukte und tragfähigere Lernschleifen ermöglicht. Nicht daran, ob es auf einer Folie vollständig aussieht.
Als Literaturimpulse aus der Diskussion wurden genannt: Hoffnung ist keine Strategie von Christian Underwood und Jürgen Weigand zum StrategyFrame, KPI Checklists von Bernie Smith zur ROKS-Methode, Agile Data Warehouse Design von Lawrence Corr und Jim Stagnitto zum kollaborativen dimensionalen Modellieren sowie Dashboards That Deliver von Andy Cotgreave, Amanda Makulec, Jeffrey Shaffer und Steve Wexler zur Dashboard-Entwicklung. Sie bilden keine fertige Standardmethode. Gemeinsam eröffnen sie aber eine produktive Frage: Wie verbinden wir Strategie, Messung, fachliche Semantik und Informationsprodukte so, dass daraus bessere Entscheidungen entstehen?
🎧 Die komplette Folge findest du im thinkBI Podcast.
Musik: Great Podcast Intro (short & long) von Lundstroem
Quelle: freemusicarchive.org (Creative Commons) – https://freemusicarchive.org/music/lundstroem/songs-for-leona/great-podcast-intro-both-short-and-long-version-included/
