Datenbasierte Entscheidung

Eine datenbasierte Entscheidung folgt einem festen Ablauf: Die Frage wird konkret formuliert, die dafür nötigen Kennzahlen werden benannt, die Daten werden erhoben, ausgewertet und im Licht der betrieblichen Erfahrung interpretiert. Daten ersetzen das Urteil nicht, sie begrenzen den Bereich, in dem geraten wird. Wichtig ist die Reihenfolge: erst die Frage, dann die Kennzahl. Wer umgekehrt vorgeht und zuerst Auswertungen sammelt, produziert Zahlen ohne Entscheidungsbezug.

Typische Fragen im Handwerksbetrieb sind gut mit Daten zu beantworten. Ob sich ein Gewerk lohnt, zeigt der Deckungsbeitrag je Auftrag über mehrere Projekte. Ob ein zusätzlicher Monteur wirtschaftlich ist, ergibt sich aus Auftragsreichweite und Auslastungsgrad. Ob der kalkulierte Stundensatz stimmt, zeigt die Nachkalkulation abgeschlossener Aufträge. Ein Dachdecker, der jahrelang annimmt, kleine Reparaturen seien Beiwerk, erkennt an der Auswertung womöglich, dass diese Aufträge überdurchschnittlich viel Fahrzeit und Bürozeit binden. Ein Malerbetrieb sieht an der Nachkalkulation, ob bestimmte Untergründe systematisch zu knapp kalkuliert sind.

Grenzen der Methode sollten bewusst bleiben. Nicht jede Frage lässt sich mit Daten beantworten, und nicht jede Zahl bedeutet, was sie auf den ersten Blick zu bedeuten scheint. Ein Zusammenhang zwischen zwei Kennzahlen ist keine Ursache. Kleine Fallzahlen, wie sie in Handwerksbetrieben üblich sind, führen leicht zu Fehlschlüssen: Drei ungünstig gelaufene Aufträge machen noch keinen unrentablen Geschäftsbereich. Ebenso sind qualitative Aspekte wie Kundenbeziehung, Referenzwirkung oder Mitarbeiterbindung nicht in Zahlen abbildbar, aber entscheidungsrelevant. Datenbasiert zu entscheiden heißt deshalb, die Zahlen als eine von mehreren Grundlagen zu nutzen und offenzulegen, worauf die Entscheidung im Einzelnen beruht.

Wo KI ansetzt

KI senkt die Einstiegshürde zur Auswertung. Statt eine Pivottabelle zu bauen, lässt sich eine Frage in normaler Sprache stellen, und das System erzeugt die passende Abfrage. Sprachmodelle fassen Auswertungen zusammen und benennen Auffälligkeiten. Bei der Interpretation ist Vorsicht geboten: Ein Modell kann Zusammenhänge behaupten, die in den Daten nicht belegt sind, siehe Halluzination. Wer eine Aussage nicht auf die zugrunde liegenden Datensätze zurückführen kann, sollte sie nicht als Entscheidungsgrundlage verwenden.

Ein praktikabler Einstieg ist, für die nächste anstehende größere Entscheidung schriftlich festzuhalten, welche zwei Zahlen sie beeinflussen würden, und diese gezielt zu erheben. Das ist wirksamer als der Versuch, den gesamten Betrieb auf einmal messbar zu machen.