Data Literacy: Datenkompetenz wird zur Pflicht

8 Min. Lesezeit

Unternehmen investieren Millionen in Analytics-Plattformen, KI-Tools und Dashboards. Aber wenn die Mitarbeitenden die Ergebnisse nicht lesen, einordnen und hinterfragen können, verpufft die Investition. Laut Bitkom glauben nur 6 Prozent der deutschen Unternehmen, das Potenzial ihrer Daten vollständig auszuschöpfen. Seit Februar 2025 macht der EU AI Act KI-Kompetenz zur gesetzlichen Pflicht. Data Literacy ist keine Kür mehr. Es ist Infrastruktur.

Die teuerste Software nützt nichts ohne Kompetenz

Die Lücke ist messbar. Der Qlik Data Literacy Index, entwickelt in Zusammenarbeit mit der Wharton School, zeigt: Nur 24 Prozent der Beschäftigten weltweit fühlen sich sicher im Umgang mit Daten. In Deutschland liegt der Wert laut Bitkom sogar noch niedriger: Nur 7 Prozent der Mitarbeitenden haben volles Vertrauen in ihre eigene Datenkompetenz.

Die Konsequenz: Unternehmen kaufen Tableau, Power BI und Snowflake, aber die Nutzung bleibt auf wenige Spezialisten beschränkt. Marketing kann statistische Signifikanz nicht beurteilen. Vertrieb zieht falsche Schlüsse aus CRM-Dashboards. Und Controlling baut Forecasts auf Annahmen statt auf Daten. Laut Gartner nutzen 65 Prozent der Organisationen Daten selektiv, um bereits getroffene Entscheidungen zu rechtfertigen.

Das hat einen Preis. Gartner beziffert die Kosten schlechter Datenqualität auf durchschnittlich 12,9 Millionen US-Dollar pro Organisation und Jahr. Data Literacy löst nicht das gesamte Datenqualitätsproblem, aber sie befähigt Mitarbeitende, schlechte Daten zu erkennen, bevor Entscheidungen darauf basieren.

Was Data Literacy bedeutet

Data Literacy umfasst vier Kompetenzstufen. Erstens: Daten lesen, also Tabellen, Diagramme und Dashboards verstehen. Zweitens: Daten interpretieren, also Muster erkennen und Zusammenhänge einordnen. Drittens: Daten hinterfragen, also wissen, wann eine Korrelation keine Kausalität bedeutet, wann eine Stichprobe zu klein ist und wann ein Dashboard lügt. Viertens: Daten kommunizieren, also Erkenntnisse so aufbereiten, dass andere damit Entscheidungen treffen können.

Nicht jeder muss programmieren können. Aber jeder, der mit Daten arbeitet, sollte eine fehlerhafte Visualisierung erkennen, einen Survivorship Bias identifizieren und den Unterschied zwischen Median und Durchschnitt kennen. In einer Organisation mit hoher Data Literacy trifft nicht die IT-Abteilung die datenbasierten Entscheidungen, sondern jede Abteilung für sich.

Warum Data Literacy jetzt Pflicht wird

Zwei regulatorische Treiber haben Data Literacy vom Nice-to-have zum Compliance-Thema gemacht.

EU AI Act, Artikel 4: Seit dem 2. Februar 2025 sind alle Anbieter und Betreiber von KI-Systemen verpflichtet, sicherzustellen, dass ihr Personal über ausreichende KI-Kompetenz verfügt. Die Aufsichts- und Durchsetzungsregeln treten ab August 2026 in Kraft. KI-Kompetenz setzt Data Literacy voraus: Wer die Ausgabe eines KI-Modells nicht kritisch einordnen kann, erfüllt die Anforderung nicht.

CSRD: Ab Berichtsjahr 2025 fallen zehntausende weitere europäische Unternehmen unter die Corporate Sustainability Reporting Directive. Die CSRD verlangt strukturierte, prüfbare ESG-Daten aus allen Unternehmensbereichen: Finance, Operations, HR, Supply Chain. Ohne Datenkompetenz in der Breite ist compliances ESG-Reporting nicht leistbar.

Gartner prognostiziert, dass bis 2027 mehr als 50 Prozent der Chief Data and Analytics Officers dezidierte Budgets für Data-Literacy- und AI-Literacy-Programme sichern werden. Der Treiber: ausbleibende Returns bei Generative-AI-Projekten in Organisationen mit mangelnder Datenkompetenz.

„Um eine solche Belegschaft aufzubauen, brauchen Organisationen Data Literacy und AI Literacy als Kernkompetenzen.“
Melissa Davis, VP Analyst bei Gartner (Gartner Pressemitteilung, Januar 2024)

Was Vorreiter anders machen

Boehringer Ingelheim hat gemeinsam mit Capgemini eine interne Data Science Academy aufgebaut. Über 50 Trainingsmodule, acht verschiedene Lernpfade für unterschiedliche Zielgruppen, von Führungskräften über Business-Mitarbeitende bis zu Data Engineers, und mehr als 50 praktische Use Cases. Rund 800 Mitarbeitende wurden bisher geschult. Entscheidend: Die Trainings sind an reale Geschäftsprobleme gekoppelt, nicht an abstrakte Theorie.

Siemens hat über 35.000 Mitarbeitende in einem konzernweiten Lernprogramm mit Coursera geschult. Allein bei den GenAI-Modulen kamen 229.420 Lernstunden zusammen. Die Logik: Data Literacy als Fundament, darauf aufbauend AI Literacy für den praktischen Einsatz von KI-Werkzeugen im Arbeitsalltag.

Der DataCamp State of Data and AI Literacy Report 2025, basierend auf einer YouGov-Befragung, bestätigt den Trend: 88 Prozent der Unternehmensführer sagen, grundlegende Datenkompetenz sei für die tägliche Arbeit unverzichtbar. Gleichzeitig berichten 60 Prozent von einem signifikanten Skills Gap in ihrer Organisation. Die Erkenntnis ist da. Die Umsetzung hinkt hinterher.

Der ROI von Data Literacy

Die wirtschaftlichen Effekte sind quantifizierbar. Laut dem Qlik Data Literacy Index, entwickelt mit Forschern der Wharton School, liegt der Enterprise Value bei Unternehmen im obersten Data-Literacy-Drittel um 3 bis 5 Prozent höher als bei Unternehmen mit geringer Datenkompetenz. Bei einem Mittelständler mit 100 Millionen Euro Umsatz entspricht das 3 bis 5 Millionen Euro Wertunterschied.

Forrester bestätigt den Effekt auf operativer Ebene: Organisationen mit hoher Datenkompetenz berichten von 42 Prozent gesteigerter Produktivität, 41 Prozent mehr Innovation und 40 Prozent besserer Entscheidungsqualität. 83 Prozent der datenversierten Mitarbeitenden treffen nach eigener Einschätzung bessere Entscheidungen. 82 Prozent entscheiden schneller.

Dazu kommt ein Retention-Effekt: Fast 80 Prozent der Mitarbeitenden bleiben lieber in Unternehmen, die sie mit Datenfähigkeiten ausstatten. In Zeiten von Fachkräftemangel ist Data Literacy damit auch ein Mitarbeiterbindungs-Instrument.

Fünf Schritte zum Data-Literacy-Programm

1. Bestandsaufnahme: Wo steht Ihre Organisation? Ein anonymer Self-Assessment-Survey zeigt, welche Abteilungen Nachholbedarf haben. Vertrieb, Marketing und Operations sind typischerweise die Bereiche mit dem größten Hebel.

2. Differenzierte Lernpfade: Nicht jeder braucht dasselbe Training. Führungskräfte müssen Dashboards lesen und KI-Outputs einordnen. Analysten brauchen statistische Methoden. Sachbearbeiter brauchen Grundlagen der Dateninterpretation. Boehringer Ingelheim arbeitet mit acht verschiedenen Lernpfaden.

3. Praxisbezug statt Theorie: Trainings an realen Geschäftsproblemen ausrichten. Kein generischer Online-Kurs, sondern: „Wie interpretiere ich unser CRM-Dashboard richtig?“ oder „Was sagt unser Forecast wirklich aus?“ Der Transfer in den Arbeitsalltag entscheidet über den Erfolg.

4. Multiplikatoren aufbauen: Datenaffine Mitarbeitende als interne Champions identifizieren. Sie werden zur ersten Anlaufstelle für Kollegen, die unsicher sind. Das skaliert besser als zentrale Schulungen und verankert Datenkompetenz in der Teamkultur.

5. AI Literacy aufsetzen: Data Literacy ist die Grundlage, AI Literacy die Erweiterung. Seit dem EU AI Act ist KI-Kompetenz gesetzlich vorgeschrieben. Wer Data Literacy zuerst aufbaut, hat das Fundament für die AI-Literacy-Pflicht bereits gelegt.

Fazit: Datenkompetenz ist Chefsache

Data Literacy ist keine IT-Initiative. Es ist eine Geschäftsentscheidung. Unternehmen, die ihre Belegschaft im Umgang mit Daten befähigen, treffen bessere Entscheidungen, schöpfen ihre Analytics-Investitionen aus und erfüllen gleichzeitig die regulatorischen Anforderungen des EU AI Act und der CSRD.

Die Frage ist nicht ob, sondern wie schnell. Gartner erwartet, dass bis 2027 die Mehrheit der Datenverantwortlichen dezidierte Budgets für Data Literacy hat. Wer bis dahin wartet, hat drei Jahre verloren, in denen die Konkurrenz bereits datengetrieben entscheidet.

Häufige Fragen

Quelle Titelbild: Pexels / Lukas