Data driven ist Pflicht, data inspired ist Kür: Warum datengetriebene Steuerung allein nicht ausreicht

Was unterscheidet data driven von data inspired?

Data driven: Steuerung durch Evidenz

Data driven Entscheidungsfindung bezeichnet einen Prozess, bei dem Handlungsoptionen systematisch anhand vorhandener, strukturierter Daten bewertet und ausgewählt werden – im Unterschied zu einer primär auf Intuition gestützten Entscheidungsfindung.¹ Charakteristisch ist eine geschlossene Rückkopplungsschleife: Daten werden erhoben, aggregiert, in Kennzahlen überführt und dienen als Grundlage für Entscheidungen, deren Wirkung wiederum gemessen und in das System zurückgespielt wird.

Data driven Kompetenz ist damit im Kern eine Fähigkeit zur Kontrolle, Konsolidierung und Prozessoptimierung: Sie stellt sicher, dass eine Organisation weiß, was in ihr vorgeht, und dass sie auf Basis dieses Wissens bestehende Abläufe kontinuierlich verbessert. In der Managementliteratur wird diese Fähigkeit auch als eigenständiger Wettbewerbsfaktor beschrieben, der Organisationen erlaubt, sich über die systematische Auswertung ihrer Daten von Wettbewerbern abzusetzen.²

Data inspired: Impulsgebung durch Deutung

Data inspired nutzt Daten nicht primär zur Bestätigung oder Optimierung bestehender Annahmen, sondern als Ausgangspunkt für Fragestellungen, Hypothesen und Ideen. Daten werden hier weniger als Beweismittel denn als Denkanstoß verstanden – eine Unterscheidung, die in der Praxisliteratur explizit von einer rein bestätigenden, datengetriebenen Herangehensweise abgegrenzt wird.³

Data inspired Kompetenz ist im Kern eine Fähigkeit zur Interpretation und Ideenfindung: Sie befähigt eine Organisation, aus Daten zusätzliche Bedeutung zu erschließen, die über das bereits Bekannte hinausreicht.

Zusammenfassende Gegenüberstellung

Diese Gegenüberstellung legt nahe, dass es sich nicht um zwei Reifegrade auf derselben Skala handelt, sondern um zwei unterschiedliche Modelle im Umgang mit Daten.

Warum data inspired keine bloße Weiterentwicklung von data driven ist

Data inspired wird häufig als „nächste Reifestufe“ nach data driven dargestellt, gewissermaßen als Krönung einer linearen Datenreife-Treppe. Das ist aber nur ein Teil der Wahrheit.

Unterschiedliche Fehlerlogik

Eine Idee, die sich aus einer solchen „inspirierenden“ Datenanalyse ergibt und sich später als nicht tragfähig erweist, ist ein regulärer, sogar notwendiger Bestandteil des Erkenntnisprozesses. Die Fähigkeit einer Organisation, mit falsifizierbaren, vorläufigen Erkenntnissen zu arbeiten, lässt sich nicht durch eine Verfeinerung bestehender data driven Prozesse erzeugen, sondern erfordert eine neue Haltung.

Unterschiedliche Datenanforderungen

Data driven Systeme sind auf strukturierte, vollständige, qualitätsgesicherte Daten angewiesen. Unvollständige oder inkonsistente Daten gelten zurecht als Mangel. Data inspired hingegen bezieht ihren Wert aus der Kombination von qualitativ hochwertigen und unvollständigen, heterogenen oder informellen Datenquellen, etwa Dialogen, Marktbewertungen, Wettbewerbsbeobachtungen oder Freitextfeldern. Data inspired baut damit in Teilen auf der Dateninfrastruktur auf, die data driven schafft, ergänzt sie aber um zusätzliche, häufig externe Datenquellen, die meist unstrukturiert sind. Das bedingt erweiterte Organisations- und Architekturkonzepte.

Unterschiedliche organisatorische Verankerung

Data driven Kompetenzen sind typischerweise in Reporting-, Risiko- und Controlling-Funktionen verankert, die auf Standardisierung, Nachvollziehbarkeit und Wiederholbarkeit optimiert sind. Data inspired Kompetenzen entfalten sich dagegen eher in Innovations-, Strategie- oder Produktfunktionen, deren Erfolgskriterium nicht Konformität, sondern Neuartigkeit ist. Vertiefung des einen Systems erzeugt nicht automatisch das andere. Beide erfordern eigenständige Investitionen in Prozesse, Rollen und Kultur.

Zwischenfazit

Data inspired baut auf der Dateninfrastruktur auf, die data driven schafft. Ohne belastbare, integrierte Daten gibt es keine seriöse Exploration. Insofern besteht eine Abhängigkeit. Diese Abhängigkeit ist jedoch keine Reifegrad-Beziehung, sondern eine Grundlagenbeziehung: Data driven liefert die Infrastruktur, data inspired erfordert eine zusätzliche, eigenständige Fähigkeit zur Deutung, die mit anderen Werkzeugen, anderen Fehlerkulturen und anderen organisatorischen und architektonischen Strukturen einhergeht. „Data driven ist Pflicht, data inspired ist Kür“ trifft die Beziehung treffender als eine Stufenmetapher: Die Pflicht ist Voraussetzung, aber sie erzeugt die Kür nicht von selbst.

Wie kann die Pflicht zur Kür werden, wenn es um Banken geht

Die deutsche Bankenlandschaft eignet sich in besonderer Weise, um die beschriebene Differenzierung zu illustrieren, da sie in beiden Dimensionen unterschiedlich weit entwickelt zu sein scheint.

Data driven als regulatorisch gesetzter Standard

Deutsche Banken und Kreditinstitute im europäischen Raum generell unterliegen einem regulatorischen Rahmen, der data driven Fähigkeiten nahezu erzwingt. Vorgaben wie BCBS 239 (Grundsätze für die effektive Aggregation von Risikodaten und die Risikoberichterstattung), veröffentlicht durch den Basler Ausschuss für Bankenaufsicht,⁷ die MaRisk (Mindestanforderungen an das Risikomanagement) der BaFin,⁸ oder DORA (Digital Operational Resilience Act, Verordnung (EU) 2022/2554)⁹ verlangen konsistente, vollständige, zeitnahe und auditierbare Datenaggregation. Institute haben in den vergangenen Jahren erhebliche Investitionen in Data Governance, Datenqualitätsmanagement und Lineage-Fähigkeiten getätigt, um diesen Anforderungen zu genügen.

Data inspired als Innovationstreiber

Die aufsichtsrechtlich getriebene Exzellenz in der Data Governance – etwa im Rahmen von BCBS-239-Umsetzungen oder Metadatenmanagement– sind notwendige, aber keine hinreichende Bedingung für datenbasierte Innovationsfähigkeit. Institute, die ihre data driven Infrastruktur konsequent aufgebaut haben, verfügen über eine wertvolle Ausgangsbasis. Ob daraus jedoch auch data inspired Wertschöpfung entsteht, hängt von zusätzlichen Entscheidungen ab: etwa der bewussten Schaffung von Räumen für explorative Datenarbeit und einer organisatorischen Verankerung, die Innovationsfunktionen echten Datenzugang und Gestaltungsspielraum verschafft.

Fazit

Data driven und data inspired adressieren unterschiedliche Fragen: Die eine, wie eine Organisation kontrolliert und regelkonform auf Basis vorhandenen Wissens handelt. Die andere, wie sie aus Daten heraus neues Wissen und neue Optionen generiert. Beide Fähigkeiten sind komplementär, aber nicht substituierbar. Data inspired entsteht nicht automatisch aus einer Vertiefung von data driven, sondern erfordert eigenständige Investitionen in Fehlerkultur, Datenvielfalt und organisatorische Verankerung.

Die Bankenlandschaft illustriert diese Differenzierung besonders deutlich: Regulatorisch gesetzte Anforderungen haben an vielen Stellen zu einer hohen data driven Reife geführt, während data inspired Praktiken – zumindest in der öffentlichen Außendarstellung – unterentwickelt erscheinen.

Für Institute, die ihre datenbasierte Wettbewerbsfähigkeit langfristig sichern wollen, folgt daraus die Notwendigkeit, data driven als Pflicht zu erfüllen, ohne die Kür der datenbasierten Innovationsfähigkeit zu vernachlässigen.

FAQ