Datenkompetenz

Datenkompetenz im Forschungsdatenmanagement (FDM) bezeichnet die Fähigkeit, Forschungsdaten über ihren gesamten Lebenszyklus hinweg geplant, rechtssicher, transparent und nachnutzbar zu handhaben. Sie ist heute eine Schlüsselqualifikation in der Wissenschaft, weil digitale Methoden, große Datenmengen und Anforderungen an Offenheit und Reproduzierbarkeit stetig wachsen. Nationale Initiativen wie die Nationale Forschungsdateninfrastruktur (NFDI) setzen Standards, an denen sich Hochschulen orientieren.

FDM‑Vernetzung und Datenkompetenz hängen eng zusammen, weil Hochschulen Datenkompetenz nicht isoliert aufbauen können. Sie entsteht erst dann nachhaltig, wenn FDM‑Strukturen, Personen, Dienste und Communities miteinander vernetzt sind. Die Vernetzung sorgt dafür, dass Wissen, Infrastruktur und Schulungsangebote geteilt werden, und genau dadurch ist die Datenkompetenz systematisch gewachsen (Stand: Juni 2026).

Data Literacy bedeutet bewusst, kompetent und verantwortungsvoll mit Daten umzugehen – von der Erhebung bis zur Interpretation und gesellschaftlichen Einordnung.

---

Was Data Literacy wirklich umfasst

Data Literacy ist viel mehr als „mit Daten arbeiten können“. Es ist eine Schlüsselkompetenz, die mehrere Bereiche verbindet:

Datenerhebung

Daten entstehen nicht einfach – sie werden aktiv gesammelt. Dazu gehört zu verstehen:

• Welche Daten brauche ich
• Wie erhebe ich sie korrekt
• Welche Methoden sind geeignet (Umfragen, Sensoren, digitale Spuren)

Datenauswahl

Nicht alle Daten sind relevant. Datenkompetenz heißt auch:

• Qualität prüfen
• Verzerrungen erkennen
• Relevante Daten auswählen und irrelevante aussortieren

Datenverarbeitung

Hier geht es um das Aufbereiten von Daten:

• Bereinigen
• Strukturieren
• Zusammenführen
• Formate verstehen

Datenanalyse

Daten werden untersucht, um Muster, Zusammenhänge oder Trends zu erkennen.

Das umfasst statistische Methoden, Algorithmen oder einfache Auswertungen.

Datenvisualisierung

Erkenntnisse werden verständlich dargestellt, z. B. als Diagramme, Dashboards oder Infografiken.

Ziel: Komplexes sichtbar machen.

Nachhaltige Datennutzung

Daten sollen langfristig nutzbar bleiben:

• Dokumentation
• Versionierung
• Datenschutz
• Verantwortungsvolle Speicherung

---

Kritische Reflexion: Der oft vergessene Teil

Data Literacy bedeutet auch, gesellschaftliche und ethische Fragen zu reflektieren:

• Wie beeinflussen Daten Machtstrukturen
• Welche Risiken entstehen durch Überwachung
• Wie wirken sich algorithmische Entscheidungen auf Menschen aus
• Welche Verantwortung tragen Organisationen beim Umgang mit Daten

Dieser Teil ist entscheidend, weil Daten nie neutral sind.

---

Warum Data Literacy heute unverzichtbar ist

Weil wir in einer Welt leben, in der Entscheidungen – privat, beruflich, politisch – immer stärker datengetrieben sind.

Wer Daten versteht, kann:

• bessere Entscheidungen treffen
• Manipulation erkennen
• digitale Prozesse gestalten
• gesellschaftliche Entwicklungen kritisch einordnen

---

Referenzen

• Tinkhauser, R. (2025). Data Literacy: Handbuch für datenkompetente Entscheidungsfindung.