Die Metadaten-Kompetenzlücke: Warum die meisten Unternehmen für gestrige Datenprobleme schulen

Was Datenkompetenz wirklich bedeutet, welche Rolle Metadaten spielen und warum die Kompetenzlücke grösser ist, als die meisten Führungskräfte ahnen 

"54 Prozent der Unternehmensführenden bestätigen eine Datenkompetenzlücke in ihrer Organisation – dennoch hat unternehmensweites Upskilling für die meisten noch keine Priorität."

— DataCamp, State of Data Literacy Report, 2023 

Unternehmen investieren Millionen in Datenplattformen, Analyse-Tools und KI-Initiativen. Und doch zeigen Studie um Studie dasselbe unbequeme Ergebnis: Die Menschen, die diese Systeme nutzen sollen, verfügen nicht über die notwendigen Grundkenntnisse. Das Problem liegt nicht in der Technologie – es liegt in der Kompetenz. Genauer gesagt in einer spezifischen und unterschätzten Dimension, die die meisten Trainingsprogramme völlig übersehen: Metadaten-Kompetenz. 

Dieser Beitrag definiert, was Datenkompetenz und Metadaten-Kompetenz bedeuten, wo die aktuelle Kompetenzlücke liegt und bereitet den Boden für das im Folgebeitrag vorgestellte Trainingsprogramm. 

Was ist Datenkompetenz? 

Datenkompetenz ist die Fähigkeit, Daten zu lesen, mit ihnen zu arbeiten, sie zu analysieren und über sie zu kommunizieren. Es handelt sich nicht um eine binäre Fähigkeit, sondern um ein Spektrum – von der einfachen Interpretation eines Dashboards bis hin zur Expertise für Machine-Learning-Pipelines. Ein Scoping-Review von 210 Peer-reviewed-Artikeln (Ghodoosi et al., 2024) identifiziert vier Kernkompetenzen:

• Daten lesen: verstehen, was Daten repräsentieren, woher sie stammen und welche Grenzen sie haben 

• Mit Daten arbeiten: Daten finden, aufrufen und aufbereiten 

• Daten analysieren: geeignete Methoden anwenden, um aussagekräftige Erkenntnisse zu gewinnen 

• Mit Daten kommunizieren: Ergebnisse korrekt und überzeugend für verschiedene Zielgruppen aufbereiten 

Datenkompetenz ist keine Spezialisten-Fähigkeit, die nur Datenwissenschaftlern vorbehalten ist. Gartner argumentiert, dass Daten die „zweite Geschäftssprache“ sind und alle Mitarbeitenden in der Lage sein müssen, „Daten zu sprechen.“ Die Lücke zwischen diesem Anspruch und der Realität ist gross und gut belegt. 

Das Ausmass des Problems 

Die Zahlen sind alarmierend. In einer globalen Befragung von 6.000 Mitarbeitenden und 1.200 Führungskräften (Qlik) betonten 85 Prozent der C-Level-Führungskräfte die Bedeutung von Datenkompetenz für die zukünftige Belegschaft – doch nur 11 Prozent der Mitarbeitenden fühlten sich in ihren Datenkenntnissen vollständig sicher, und lediglich 21 Prozent glaubten, ihr Arbeitgeber tue genug, um sie auf einen daten-zentrierten Arbeitsplatz vorzubereiten. Eine gemeinsame Studie von Qlik und Accenture unter 9.000 Mitarbeitenden ergab, dass 74 Prozent sich überfordert oder unwohl fühlen, wenn sie mit Daten arbeiten – und dass die Kompetenzlücke Unternehmen durchschnittlich 43 Stunden Produktivitätsverlust pro Mitarbeitenden und Jahr kostet. 

Es gibt zudem ein strukturelles Missverständnis: Laut Forrester Research glauben 79 Prozent der Führungskräfte, sie vermitteln ihren Mitarbeitenden die benötigten Datenkenntnisse. Nur 40 Prozent der Mitarbeitenden bestätigen das. Diese Wahrnehmungslücke ist selbst ein erhebliches Hindernis. 

Welche Rolle spielen Metadaten? 

Metadaten-Kompetenz – die Fähigkeit, Metadaten zu verstehen, zu erstellen, zu bewerten und mit ihnen zu arbeiten – ist eine spezifische und häufig übersehene Dimension der Datenkompetenz. Sie liegt zwischen der allgemeinen Fähigkeit, mit Daten zu arbeiten, und der technischen Expertise für den Aufbau von Dateninfrastruktur. 

Ein systematischer Review von 81 Peer-reviewed-Studien zur Natur von Metadaten (Ulrich et al., Journal of Medical Internet Research, 2022) stellte fest, dass Metadaten zwar allgemein als unerlässlich für Information Retrieval, Datenintegration und sekundäre Datennutzung anerkannt werden, ihre sinnvolle Erstellung jedoch „kostspielig und anspruchsvoll“ bleibt – nicht zuletzt, weil ein geteiltes Verständnis davon, was Metadaten bedeuten und wie sie verwaltet werden sollten, in vielen Organisationen fehlt.

In der Praxis äussern sich Metadaten-Kompetenzlücken auf charakteristische Weise: 

• Geschäftsanwender können keine Daten finden oder ihnen vertrauen, weil Datenobjekte undokumentiert oder inkonsistent beschriftet sind 

• Data Stewards erstellen Metadaten inkonsistent, weil kein gemeinsames Vokabular vereinbart wurde 

• Führungskräfte genehmigen KI-Investitionen, ohne zu verstehen, dass Modellqualität von Metadatenqualität abhängt 

• IT-Teams implementieren Metadaten-Tools ohne Einbindung der Fachbereiche und erzeugen technisch korrekte, aber praktisch nutzlose Kataloge 

• Compliance-Teams können auf regulatorische Datenanfragen nicht reagieren, weil Lineage- und Klassifikations-Metadaten nie gepflegt wurden 

• Content-Ersteller und Wissensarbeiter taggen Dokumente willkürlich und untergraben damit Auffindbarkeit und Wiederverwendung 

Die fünf Ebenen der Metadaten-Kompetenz 

Metadaten-Kompetenz ist keine einzelne Fähigkeit. Sie wirkt auf mehreren Ebenen in der Organisation, die jeweils unterschiedliches Wissen und unterschiedliche Fähigkeiten erfordern: 

1. Konzeptuelle Kompetenz 

Das Verständnis, was Metadaten sind, warum sie wichtig sind und wie sie Wert schaffen. Dies ist die Grundschicht, die alle Mitarbeitenden benötigen. Ohne sie stossen Metadaten-Initiativen auf institutionellen Widerstand und geringe Akzeptanz. 

2. Nutzungskompetenz 

Die Fähigkeit, Metadaten zu nutzen – Datenkataloge zu navigieren, Datenherkunft zu lesen, Datenqualitätsindikatoren zu bewerten. Erforderlich für alle Datennutzenden und Business Analysten. 

3. Erstellungskompetenz 

Die Fähigkeit, nützliche, konsistente Metadaten zu erstellen – unter Anwendung vereinbarter Standards, kontrollierter Vokabulare und Klassifikationsschemata. Erforderlich für Data Stewards, Content-Ersteller und Wissensarbeiter. 

4. Governance-Kompetenz 

Das Verständnis von Metadaten-Richtlinien, Eigentumsstrukturen, Compliance-Anforderungen und Qualitätsstandards. Erforderlich für Dateneigentümer, Stewards, IT-Management und Compliance-Teams. 

5. Architekturkompetenz 

Die Fähigkeit, Metadatenschemata, Ontologien und Wissensgraphen zu entwerfen – semantische Beziehungen zwischen Entitäten zu modellieren und Infrastruktur aufzubauen. Erforderlich für Datenarchitekten, Knowledge Engineers und Ontologen. 

Warum die meisten Trainingsprogramme das Ziel verfehlen 

Aktuelle Datenkompetenz-Schulungen konzentrieren sich fast ausschliesslich auf das analytische Ende des Spektrums: Wie nutze ich BI-Tools? Wie erstelle ich Dashboards? Wie interpretiere ich Statistiken? Das ist notwendig, aber nicht ausreichend. Es adressiert die Fähigkeit, Daten zu konsumieren und zu analysieren – nicht aber die Fähigkeit, sie zu beschreiben, zu klassifizieren, zu verwalten und zu kontextualisieren. 

Das Ergebnis sind Organisationen, in denen Mitarbeitende Berichte erstellen können, aber sich nicht einigen können, was die Felder in diesen Berichten bedeuten. In denen Datenteams Modelle bauen, diese aber nicht zuverlässig reproduzieren können, weil die Herkunft der Trainingsdaten undokumentiert ist. In denen KI-Projekte scheitern – nicht weil die Technologie falsch ist, sondern weil die Daten, auf denen sie basiert, nicht vertrauenswürdig sind. 

Die Schliessung der Metadaten-Kompetenzlücke erfordert eine gezielte, rollenspezifische Trainingsstrategie – eine, die anerkennt, dass verschiedene Stakeholder unterschiedliche Fähigkeiten benötigen und dass Metadaten-Kompetenz eine geteilte organisationale Verantwortung ist. Der nächste Beitrag dieser Serie skizziert genau dieses Programm. 

Literatur & Quellen 

Weiterführende Literatur, Studien und Normen stellen wir zentral in unserem Literaturbereich bereit. Dort finden Sie eine kuratierte Auswahl relevanter Standards, wissenschaftlicher Veröffentlichungen und regulatorischer Dokumente zu Metadatenmanagement, Interoperabilität und Datenregulierung.