Zukunftsfähig bleiben durch effektives Datenmanagement

Daten gelten als der große Wertfaktor für Unternehmen. Hierauf werden Prozesse ausgerichtet, die Software optimiert und Mitarbeitende für einen optimalen Umgang mit ihnen ("Data Mindset") (weiter-)entwickelt. In der Sozialwirtschaft zeigt sich oft noch ein anderes Bild. Auch hier befinden sich die Organisationen im digitalen Wandel. Die Potenziale der Digitalisierung sind insbesondere bei Prozessvereinfachungen und Qualitätssteigerungen erkannt. Aber einer der zentralen Erfolgsfaktoren, nämlich Daten und das Managen dieser, scheint noch nicht wirklich im Fokus einer Strategie zu stehen.

Der Wert von Daten liegt insbesondere darin, dass sie helfen, Muster zu erkennen. Ihre Analyse und Bewertung führt dazu, besser entscheiden zu können. Zentraler Bestandteil der Arbeit sozialwirtschaftlicher Organisationen ist es, die Wirksamkeit unterschiedlicher Dienstleistungen zu messen. Nicht nur im Rahmen der Umsetzung des Bundesteilhabegesetzes und der Leistungsnachweise gegenüber Kostenträgern spielt dies eine zunehmende Rolle. Auch die Verantwortung gegenüber den Leistungsberechtigten bedarf einer dezidierten Messung und Dokumentation von Leistung und Wirkung.

Die strukturierte Erfassung, Aufbereitung und Analyse von Klientendaten ermöglicht auch differenzierte Einblicke in Lebensrealitäten und Bedürfnisse der Klient:innen. Diese helfen, individuelle Unterstützungspläne zu erstellen, Ressourcen effektiver zuzuordnen und präventive Maßnahmen zu entwickeln.

Mit fortschrittlichen Data-Science-Techniken können auch Vorhersagen über zukünftige Trends getroffen werden, so dass sich Träger auf kommende Herausforderungen rechtzeitig vorbereiten können.

Bei aller Euphorie über neue Möglichkeiten und Potenziale beeinhaltet der Umgang mit sensiblen Daten natürlich auch Risiken. Datenschutzrechtliche Probleme bergen nicht nur Vertrauensrisiken, sondern können auch verheerende rechtliche Konsequenzen nach sich ziehen. Deshalb muss es strategisch auch darum gehen, schützenswerte, sensible Daten nicht nur sicher und gesetzeskonform zu speichern, sondern auch zu verarbeiten. Dies erfordert sowohl technische Maßnahmen, wie die Verschlüsselung von Daten, als auch organisatorische, wie regelmäßige Datenschutzschulungen für Mitarbeitende und die Benennung eines:einer Datenschutzbeauftragten. Datenschutzrechtliche Reglementierungen und die Herausforderung, eine riesige Menge heterogener Daten (Klientenstammdaten, Mitarbeiterdaten, Gesundheitsdaten und Daten aus der Leistungsdokumentationen in Schrift und Ton bis hin zu dynamischen Einsatz- oder Abrechnungsdaten) zu managen, sind Erklärungsversuche für den derzeit eher noch geringen Data-Fokus in der Sozialwirtschaft.

Organisationen müssen also investieren. Sie müssen ihren Fokus auf ein gutes Datenmanagement legen und Kompetenzen in den Themen "Data Mindset", "Data Analysis" und "Data Science" weiter ausbauen.

Es braucht neben weitergebildeten Fachkräften auch eine entsprechende IT-Infrastruktur. Bei der Auswahl der richtigen Lösungen sind folgende Fragen zu beantworten: Was wollen wir wissen und welche Daten benötigen wir dafür? Geht es uns um eine Optimierung der Abläufe in unseren Einrichtungen? Sind es Plan-Ist-Abgleiche unserer Personalsituation? Oder sind es eher komplexe geografische Standortanalysen oder Machine-Learning-Algorithmen?

Dabei verändert sich die technologische Landschaft ständig. Hierfür beispielhaft stehen die generativen KI-Technologien wie ChatGPT. Sozialwirtschaftliche Organisationen müssen also auch hier mehr die Notwendigkeit agilerer Strukturen erkennen und sich hin zu lernenden Organisationen entwickeln.