Data Literacy als Schlüsselkompetenz

Data Literacy ist eine Schlüsselqualifikation in der heutigen datenreichen Arbeitswelt. Sie hilft, fundierte Entscheidungen zu treffen und mit Daten verantwortungsvoll umzugehen.

Daten sind überall: in Verkaufszahlen und Bewerbungsstatistiken, in Service-Tickets, Pflegeberichten, Logistik-Flows, Marketing-Dashboards etc. Wer Daten versteht, kritisch prüft, verständlich visualisiert und in Entscheidungen übersetzt, verschafft sich einen Vorteil. Genau das meint Data Literacy. Der Begriff kann als Datenkompetenz übersetzt werden und ist eine Grundkompetenz der heutigen Berufstätigkeit. Data Literacy ist verankert im europäischen Kompetenzrahmen DigComp (Bereich „Information & Data Literacy“) und wird aufgegriffen in nationalen Digitalstrategien.

Was Data Literacy bedeutet

Im Kern geht es um einen durchdachten Weg von der Frage zur Entscheidung. Wer eine Hypothese formulieren kann („Worüber will ich entscheiden und warum?“), wählt Daten bewusst aus, prüft Qualität und Bias und bereits sie nachvollziehbar auf. Dazu gehört auch die ethische und rechtliche Sorgfalt: Welche Daten darf ich verwenden, wie anonymisiere ich, welche Transparenz schulde ich Stakeholdern?

Hinweis: Datenschutz und Informationssicherheit sind integraler Bestandteil datenkompetenten Handelns, siehe dazu auch die Ausführungen des EDÖB.

Warum ist Data Literacy wichtig?

Drei Entwicklungen überlagern sich: Erstens steigt der Skill-Bedarf am Arbeitsmarkt; Berichte von OECD und World Economic Forum zeigen, dass datenbezogene Kompetenzen branchenübergreifend an Bedeutung gewinnen. Dies ist nicht nur in Tech, sondern auch in Pflege, Handel, Verwaltung oder Produktion  der Fall. Zweitens senken Cloud-Tools und generative KI die Einstiegshürden: Aus Tabellen werden Dashboards und aus Rohdaten können Geschichten generiert werden. Drittens verankern politische Leitplanken den Kompetenzaufbau: Die Strategie Digitale Schweiz fokussiert unter anderem auf Kompetenzen, die Bürger:innen und Beschäftigte befähigen, digital souverän zu handeln.

Die Konsequenz: Data Literacy ist heute das, was Office-Kompetenz vor 20 Jahren war.

Drei Beispiele

Nachfolgend drei Beispiele, welche das Thema veranschaulichen:

Controlling light: Ein KMU möchte die Marge einer Produktlinie verbessern. Deshab erfolgt ein Blick auf Absatz, Preis, Rabatte, Retouren und Aktionen der letzten zwölf Monate. Diese Daten werden visualisiert und es werden Hypothesen gebildet. Am Ende steht eine angepasste Preislogik.

Service & Support: Tickets häufen sich zu einem Thema. Eine einfache Clusterung, ein Pareto-Diagramm und eine gezielte Hilfeseite senken die Lösungszeiten.

Operations: Durchlaufzeiten schwanken. Mit Schritt-Zeitstempeln werden Engpässe sichtbar; eine pilotierte Übergabe-Routine stabilisiert den Prozess. Das Team lernt, warum die Änderung funktioniert – und skaliert.

Allen Beispielen gemeinsam ist, dass sie mit tabellarischen Daten und wenigen, gut gewählten Visualisierungen funktionieren.

KI als Unterstützung

Generative KI kann dabei helfen: Sie erklärt Begriffe, schlägt Diagrammformen vor, prüft Plausibilitäten, liefert Gegenargumente oder alternative Erklärungen. Gleichzeitig bleibt Skepsis Pflicht: Modelle halluzinieren, verwechseln Korrelation mit Kausalität oder erfinden Quellen. Zahlen und Zitate müssen immer gegengecheckt werden.

Gewohnheiten, die helfen

Statt zig Regeln genügen drei Gewohnheiten, um dich im Bereich Data Literacy on the job weiterzuentwickeln:

1. Fragen präzisieren: Identifiziere jede Woche eine Entscheidung, die Daten braucht und leite daraus präzise Fragen ab.
2. Standards schaffen: Erstelle ein Glossar oder einfache Visual-Konventionen, für dich selber oder gemeinsam im Team.
3. Transparenz leben: Halte Annahmen, Unsicherheiten und Daten-Checks fest.

Ein solcher Einstieg ist niedrigschwellig. Excel/Sheets plus ein Visualisierungstool können reichen, um sofort zu starten. Natürlich kannst du das auch mit dem Testen von neuen Werkzeugen und Arbeitsgewohnheiten verbinden.

Weiterführende Quellen

Nachfolgend findest du einige interessante weiterführende Quellen:

• EU/JRC – DigComp (Digital Competence Framework for Citizens)
  https://joint-research-centre.ec.europa.eu/projects-and-activities/education-and-training/digital-transformation-education/digital-competence-framework-citizens-digcomp_en
• World Economic Forum – The Future of Jobs Report (Skills Outlook)
  https://www.weforum.org/reports/the-future-of-jobs-report-2025/
• Strategie Digitale Schweiz
  https://digital.swiss/de/strategie/