Warum Sie Datenkultur nicht “designen” können

loading="lazy" width="400px">Datenkultur ist nichts, was Führungskräfte nach ihren Vorstellungen entwerfen und durchsetzen können. Unsere Experten erklären, warum – und wie es mit Data-driven trotzdem klappt.SFIO CRACHO | shutterstock.com



Trotz Milliardeninvestitionen in Daten, Analytics und KI verfehlen die meisten Unternehmensinitiativen ihre geschäftliche Wirkung. Führungskräfte reagieren oft, indem sie den Fokus auf eine „stärkere Datenkultur“ legen und diese als fehlende Zutat behandeln, um dateninspiriert arbeiten zu können.



Doch diese Logik ist ein Irrtum: Kultur entzieht sich direkter Steuerung. Sie ist das Ergebnis – nicht die Voraussetzung – erfolgreicher Wertschöpfung mit Daten, Analytics und KI. Zudem lassen sich Rezepte für Veränderungsinitiativen, die in einer Organisation funktioniert haben, nicht einfach auf eine andere übertragen. Jeder Versuch, eine Datenkultur „nach Wunsch“ am Reißbrett zu entwerfen, hat daher systembedingt geringe Erfolgsaussichten. Wie Führungskräfte es besser machen können, lesen Sie in diesem Beitrag.



Daran scheitern Dateninitiativen



Organisationen investieren seit Jahrzehnten massiv in Daten, Analytics und KI. Die Versprechen sind klar und ambitioniert:




besseres Reporting,



höhere Automatisierung,



schärfere Entscheidungen und



neue Erkenntnisse, die Durchbrüche in der Innovation versprechen.




Seit dem Aufkommen generativer KI steht die Wertschöpfung aus Daten noch weiter oben auf der Agenda der Entscheider. Doch obwohl Milliarden in Technologie, Talente und Beratungsleistungen fließen, bleiben die meisten Dateninitiativen hinter den Erwartungen zurück: Reports werden nicht genutzt, Dashboards verstauben und KI-Piloten skalieren eher selten.



Das Problem ist dabei nicht die Technologie. Infrastruktur und Werkzeuge sind verfügbar, Konzepte für Datenmanagement, Business Intelligence, Data Science und KI ausgereift. Der wahre Engpass liegt darin, wie Organisationen in täglichen Entscheidungen mit Daten arbeiten. Neben der mangelnden strategischen Klarheit darüber, wie Daten im Unternehmen Wettbewerbsvorteile erzeugen, führen Führungskräfte zunehmend Datenkultur als die Zutat an, die fehlt, um wirklich dateninspiriert zu arbeiten. Daraus ergeben sich Fragen:




Was genau ist Datenkultur und wie verhält sie sich zur Unternehmenskultur im Allgemeinen?



Welche Rolle spielt sie in der Transformation zu einem Data-driven Enterprise?



Wie können Führungskräfte die oft zitierten, hohen Misserfolgsraten bei der Veränderung von Organisationskultur vermeiden?




Um sie zu beantworten, werfen wir zunächst einen Blick auf die Organisationskultur, bevor wir uns der Datenkultur im Besonderen zuwenden.



Die Organisationskultur



Führungskräfte erkennen Kultur schon lange als entscheidenden Treiber für den Unternehmenserfolg. Dennoch scheinen groß angelegte Kulturveränderungen hartnäckig schwierig zu bleiben. Untersuchungen zitieren oft Misserfolgsraten von bis zu 70 Prozent. Auch wenn Wissenschaftler über solche Statistiken debattieren, wissen die meisten Führungskräfte aus Erfahrung: Kultur zu verändern, gehört zu den härtesten Management-Herausforderungen. Warum ist das so?



Die moderne Organisationslehre, basierend auf den Arbeiten von Niklas Luhmann, bietet eine Erklärung. Aus dieser Perspektive entzieht sich Kultur der direkten Steuerung. Sie kann nur indirekt beeinflusst werden – durch die Art und Weise, wie Arbeit organisiert ist und wie Entscheidungen getroffen werden. Mit anderen Worten: Kultur ist nicht die Ursache von Performance-Problemen oder -Erfolgen, sondern eine Wirkung dessen, wie die Organisation kontinuierlich mit diesen umgeht.



Folglich kann Kultur nicht als etwas behandelt werden, das Führungskräfte aktiv gestalten – etwa durch neue Werte-Statements, Trainingsprogramme oder Rebranding-Maßnahmen. Sie entsteht vielmehr aus wiederholten Interaktionen und geteilten Erfahrungen. Eine weitere Implikation der systemtheoretischen Sichtweise auf Organisationen ist, dass Führungskräfte der Versuchung widerstehen sollten, Menschen oder ihre vermeintliche Haltung (Mindset) zu „reparieren“. Gezeigtes Verhalten ergibt im organisatorischen Kontext, der es hervorbringt, immer einen Sinn. Der größere Hebel für einen Kulturwandel ist daher, den Kontext zu verändern – nicht den Menschen. Wenn dieser organisatorische Kontext – wie Entscheidungsroutinen, Anreize und Kommunikationsmuster – angepasst wird, entstehen neue Verhaltensweisen von selbst.



Für Führungskräfte ist dieser Denkwandel entscheidend: Sie sollten sich auf die Wertschöpfung konzentrieren und damit beginnen, jene kulturellen Barrieren zu identifizieren, die dieser entgegenstehen. Sobald die kulturellen Ursachen aufgedeckt und verstanden sind, können sie gezielte Interventionen entwerfen, die Möglichkeitsräume schaffen, wie Mitarbeiter Entscheidungen treffen, Probleme lösen und zusammenarbeiten. Die Kultur wird durch gezielte Impulse in Bewegung gebracht. Gut gemacht, überwinden diese Interventionen die Barrieren zur Wertschöpfung – und die Kulturveränderung erfolgt „als Nebenwirkung“. Statt Kultur aktiv zu gestalten, wird sie als Seismograf genutzt.



Was bedeutet diese Perspektive nun für das Bestreben, ein dateninspiriertes Unternehmen zu werden?



Datenkultur in der Theorie



Um das Konzept der Datenkultur greifbar zu machen, beginnen wir mit einer Definition:




Datenkultur umfasst die kollektiven Werte, Überzeugungen, Verhaltensweisen und Praktiken eines Unternehmens im Umgang mit Daten. Sie ist damit ein klares Bekenntnis zu daten-inspiriertem Handeln.




Datenkultur kann damit als das Muster wiederkehrender Entscheidungen und Handlungen verstanden werden, mit denen eine Organisation Daten, Analytics und KI nutzt, um Wertschöpfung zu erzeugen oder zu schützen. Diese Muster zeigen sich beispielsweise darin,




wie viel Gewicht Führungskräfte Fakten in der Entscheidungsfindung beimessen,



ob Daten proaktiv geteilt oder aus politischem Kalkül gehortet werden, und



ob Teams sich sicher fühlen, Intuition mit Fakten herauszufordern – und umgekehrt.




Wenn Führungskräfte davon sprechen, dateninspiriert zu werden, betonen sie oft die Notwendigkeit einer starken Datenkultur. Sie wird häufig als die fehlende Zutat beschrieben, die erklärt, warum so viele Investitionen in Daten und KI keine Wirkung auf die Wertschöpfung zeigen. Doch aus systemtheoretischer Sicht ist Datenkultur – als spezifische Perspektive auf die Organisationskultur – nichts, was Führungskräfte am Reißbrett entwerfen und verordnen können. Wie Kultur im Allgemeinen, entsteht sie („emergiert“) daraus, wie Organisationen Daten, Analytics und KI in täglichen Entscheidungen tatsächlich nutzen. Das hat zwei wichtige Implikationen:




Es ist irreführend, Datenkultur als Voraussetzung für unternehmerischen Erfolg zu behandeln: Kultur kommt nicht zuerst. Sie ist das Resultat der konkreten Erfahrungen, die Menschen machen, wenn sie Probleme in der Wertschöpfung mit Daten, Analytics und KI lösen.



Datenkultur am Reißbrett zu gestalten, kommt dem Versuch gleich, an Pflanzen zu ziehen, damit sie schneller wachsen – statt für die richtigen Wachstumsbedingungen zu sorgen. Worauf es ankommt, ist, dass Führungskräfte diejenigen Ursachen identifizieren und adressieren, die verhindern, dass Daten als Asset oder gar Produkt angesehen werden.




Dies erfordert die entscheidende Fähigkeit, den Sinn im Unsinn zu sehen und zu verstehen: Warum weigert sich beispielsweise ein Manager, Daten mit anderen Abteilungen zu teilen? Warum ist es für diesen Manager in seinem Kontext vernünftig, sich so zu verhalten? Wenn Datenkultur auf diese Weise betrachtet wird, ergänzt sie die Data Governance perfekt. Letztere wird oft als Mittel verstanden, um Regeln zu entwerfen und durchzusetzen sowie Datenqualität und Compliance sicherzustellen. Sie bildet also das Fundament, um den Mehrwert aus Daten nutzbar zu machen.



Data Governance und Datenkultur sind zwei wesentliche und komplementäre Modi der Wertschöpfung aus Daten. Sie bilden die zwei Seiten einer Medaille ab, die definieren, wie eine Organisation Daten in greifbaren Wert übersetzt. Während Data Governance sich darauf konzentriert, ein verlässliches Fundament zu schaffen – das Daten-Asset selbst –, bestimmt die Datenkultur, wie dieses Fundament genutzt wird, um den Unternehmenserfolg zu optimieren. Das nachfolgende Framework stellt diese beiden Modi anhand von sieben Schlüsseldimensionen gegenüber:


Data Governance „vs.“ Datenkultur.Jens Linden | Leonie Petry



Datenkultur wird im Moment der Anwendung entscheidend – besonders, wenn Teams eigenständig entscheiden müssen, anstatt Anweisungen oder Regeln zu befolgen. Eine weitere relevante Unterscheidung ist: Data Governance kann angeordnet werden, Datenkultur nicht. Sie entsteht, beziehungsweise ist emergent.



Datenkultur in der Praxis



Wenn Kultur sich der Konstruktion entzieht, welche Werkzeuge können Führungskräfte dann nutzen, um mit Kultur als Seismograf zu arbeiten? Das „Culture Board“ ist ein solches Werkzeug, das hilft, unternehmerische Anforderungen mit kulturellen Barrieren zu verknüpfen und wirksame Irritationen zu entwerfen.



Der folgende fünfstufige Prozess basiert auf dieser Struktur und wurde für den Fokus auf Datenkultur angepasst:




Business Need: Den Treiber für Veränderung, also die organisatorische Herausforderung, klar benennen.



Identifizieren: Kulturelle Muster im Licht des Business Need sichtbar machen.



Deuten: Die Barrieren herausdestillieren und priorisieren, die am meisten ins Gewicht fallen.



Entwerfen: Interventionen (Irritationen) gestalten, die an die tägliche Praxis anschlussfähig sind.



Intervenieren: Die Maßnahmen verankern und ihre Wirkung über die Zeit beobachten.




Um zu sehen, wie das Culture Board in der Praxis funktioniert, betrachten wir ein Krankenhaus, das sich zum Ziel gesetzt hat, die Patientensicherheit zu verbessern, indem die Organisation aus kritischen Ereignissen lernt. Obwohl ein entsprechendes Meldesystem (Critical Incident Reporting System) installiert war, wurden kaum kritische Ereignisse oder Beinahe-Schäden in brauchbarer Detailtiefe protokolliert. Das machte es unmöglich, Muster zu erkennen und präventiv zu lernen, bevor Patienten zu Schaden kommen. Der Business Need war klar: Die Senkung der Fehlerraten war nicht nur eine regulatorische Anforderung, sondern eine strategische Notwendigkeit für die Reputation und Wettbewerbsfähigkeit.



In der Phase des Identifizierens bohrten die Führungskräfte tiefer und ein verräterisches Muster trat zutage. Ärzte und Pflegekräfte fürchteten Reputationsschäden oder disziplinarische Maßnahmen bei Fehlern und vermieden deshalb, Meldung zu machen. Hinzu kam, dass Effizienzziele keine Zeit für eine sorgfältige Dokumentation von „Beinahe-Ereignissen“ ließen. Das Culture Board half dabei, diese Probleme nicht als Mangel an menschlichem Engagement („falsches Mindset“), sondern als kontextuelle Barrieren zu framen, die adressiert werden mussten.



In der Phase des Deutens waren sich die Führungskräfte einig: Solange es nicht möglich war, kritische Ereignisse sanktionsfrei zu melden, war kein echter Fortschritt möglich. Diesen Einsichten folgten zwei Interventionen:




Im Rahmen der Data Governance wurde der Meldeprozess umgestaltet, um absolute Anonymität zu garantieren.



Gleichzeitig wurden die Anreizstrukturen angepasst: Effizienz-KPIs, die sich ausschließlich auf die Behandlungsgeschwindigkeit konzentrierten, aber eine detaillierte Protokollierung von kritischen Ereignissen faktisch bestraften, wurden abgeschafft.




Die Ergebnisse waren bemerkenswert: Sowohl die Anzahl als auch die Qualität der Meldungen stiegen stark an. Ein kleines Innovationsteam konnte nun die reichhaltigeren Daten aus den eingegangenen Berichten analysieren und daraus Erkenntnisse und schließlich Maßnahmen entwickeln, die die Risiken in spezifischen Prozessen senkten. Als diese Verbesserungen sichtbar wurden, begannen die Mitarbeiter dem System zu vertrauen, eine Kultur der Sicherheit stellte sich ein, die Anzahl und Qualität der Berichte erhöhte sich weiter.



Dieses Ergebnis offenbart auch die Wechselwirkung zwischen Data Governance und Datenkultur: Eine formale Änderung in der Data Governance (Anonymität) kann die Datenkultur beeinflussen. Diese neue Kultur kann im Gegenzug die Wertschöpfung mit Daten weiter verbessern, wie das Beispiel der Mitarbeiter zeigt, die nun reichhaltigere Berichte liefern. Das Zusammenspiel von Data Governance und Datenkultur erzeugt einen positiven Verstärkerkreis, in dem eine emergente Kultur aktiv jenes formale System stärkt, das sie erst ermöglicht hat. Dieser Kreislauf ist der wahre Motor einer nachhaltigen Transformation zum dateninspirierten Unternehmen.



Denkfehler vermeiden



Führungskräfte behandeln Datenkultur oft wie etwas, das repariert werden muss, bevor ihre Organisation dateninspiriert werden kann. Doch die moderne Organisationstheorie entlarvt das als Denkfehler. Im Gegensatz zur Data Governance ist Datenkultur das Ergebnis – nicht die Voraussetzung – der Transformation zum dateninspirierten Unternehmen.



Führungskräfte sollten sich deshalb darauf konzentrieren, jene Barrieren zu identifizieren und zu überwinden, die der Wertschöpfung mit Daten, Analytics und KI im Wege stehen. Sobald die kontextuellen Barrieren aufgedeckt sind, lassen sich gezielte Interventionen entwerfen, die die Wertschöpfung steigern und damit auch die Rendite der Dateninvestitionen optimieren. So stellt sich dann auch der Business-Erfolg mit Daten ein – und die Datenkultur verankert sich von selbst. (fm)



Dieser Beitrag wurde im Rahmen des englischsprachigen Experten-Netzwerks von Foundry veröffentlicht.