Ein Wegweiser zur Datengovernance

DatengovernanceDatengovernanceDatengovernance bezeichnet eine Ansammlung von Regularien und Informationen, die dem Management solcher Daten dienen. Sie beinhalten beispielsweise Standards, Richtlinien, Prozesse, Verantwortlichkeiten und Technologien, die die Gliederung, Zugänglichkeit, Sicherheit und Verwertbarkeit der Daten möglich machen und garantieren. Ein Hauptanliegen guter Datengovernance besteht in der verantwortungsvollen Balance zwischen der Möglichkeit, Daten zu teilen, um neue Erkenntnisse zu gewinnen, dem Schutz von Persönlichkeitsrechten sowie dem ethischen Umgang mit großen Datenmengen. bietet zahlreiche Vorteile, wie einen zentralen Datenzugang, Datenschutz, effizientere Verwaltungsprozesse, partizipative Mitgestaltung und neue Strukturen für die Stadtentwicklung. Gleichzeitig stellen Datenschutzregelungen, unklare Datenbesitzverhältnisse, Datensilos, Datenqualität und -interpretation sowie fehlende Standards Herausforderungen dar.

Das im CUT-Projekt entwickelte Leitdokument dient als Wegweiser im komplexen Thema der DatengovernanceDatengovernanceDatengovernance bezeichnet eine Ansammlung von Regularien und Informationen, die dem Management solcher Daten dienen. Sie beinhalten beispielsweise Standards, Richtlinien, Prozesse, Verantwortlichkeiten und Technologien, die die Gliederung, Zugänglichkeit, Sicherheit und Verwertbarkeit der Daten möglich machen und garantieren. Ein Hauptanliegen guter Datengovernance besteht in der verantwortungsvollen Balance zwischen der Möglichkeit, Daten zu teilen, um neue Erkenntnisse zu gewinnen, dem Schutz von Persönlichkeitsrechten sowie dem ethischen Umgang mit großen Datenmengen.. Es definiert die Handlungsfelder und schafft ein einheitliches Verständnis der relevanten Begrifflichkeiten. Dieses Dokument ist das Ergebnis einer engen Zusammenarbeit zwischen den Städten Hamburg, Leipzig und München und bezieht sich auf die Expertise lokaler DatengovernanceDatengovernanceDatengovernance bezeichnet eine Ansammlung von Regularien und Informationen, die dem Management solcher Daten dienen. Sie beinhalten beispielsweise Standards, Richtlinien, Prozesse, Verantwortlichkeiten und Technologien, die die Gliederung, Zugänglichkeit, Sicherheit und Verwertbarkeit der Daten möglich machen und garantieren. Ein Hauptanliegen guter Datengovernance besteht in der verantwortungsvollen Balance zwischen der Möglichkeit, Daten zu teilen, um neue Erkenntnisse zu gewinnen, dem Schutz von Persönlichkeitsrechten sowie dem ethischen Umgang mit großen Datenmengen.-Spezialisten. Es legt den Grundstein für eine detaillierte Auseinandersetzung mit spezifischen Handlungsfeldern und ist der Ausgangspunkt für die Formulierung von Empfehlungen und die Dokumentation von Best Practices. Die Zielsetzung und der Rahmen des Leitdokuments sind in diesem Dokument (PDF) detailliert beschrieben.

Im Rahmen des CUT-Projekts wurden aus 14 identifizierten Handlungsfeldern sechs Themen für eine intensive Betrachtung ausgewählt. Diese Auswahl soll sicherstellen, dass die kritischsten Aspekte der DatengovernanceDatengovernanceDatengovernance bezeichnet eine Ansammlung von Regularien und Informationen, die dem Management solcher Daten dienen. Sie beinhalten beispielsweise Standards, Richtlinien, Prozesse, Verantwortlichkeiten und Technologien, die die Gliederung, Zugänglichkeit, Sicherheit und Verwertbarkeit der Daten möglich machen und garantieren. Ein Hauptanliegen guter Datengovernance besteht in der verantwortungsvollen Balance zwischen der Möglichkeit, Daten zu teilen, um neue Erkenntnisse zu gewinnen, dem Schutz von Persönlichkeitsrechten sowie dem ethischen Umgang mit großen Datenmengen. mit dem größten Einfluss innerhalb des Projektes einer detaillierten Analyse unterzogen werden. In der ersten Phase dieser Vertiefung wurden drei wesentliche Themen näher beleuchtet: Rollen, DatenintegrationDatenintegrationDatenintegration meint die Integration in Urbane Datenplattformen/Geodateninfrastrukturen. Bei der Bearbeitung komplexer Fragestellungen ist es häufig nötig, die erforderlichen Daten aus heterogenen Quellen zu entnehmen und sie in einem gemeinsamen Datenmodell zusammenzuführen. Weil sich die Struktur der Daten sowie deren Aufbau in verschiedenen Datenquellen häufig voneinander unterscheiden, müssen sie einen Angleichungsprozess durchlaufen, bevor sie aussagekräftig miteinander genutzt werden können. Dieser Prozess wird Datenintegration genannt. und Datenqualität.

Ein effektives Rollenkonzept ist entscheidend für die erfolgreiche Umsetzung einer DatengovernanceDatengovernanceDatengovernance bezeichnet eine Ansammlung von Regularien und Informationen, die dem Management solcher Daten dienen. Sie beinhalten beispielsweise Standards, Richtlinien, Prozesse, Verantwortlichkeiten und Technologien, die die Gliederung, Zugänglichkeit, Sicherheit und Verwertbarkeit der Daten möglich machen und garantieren. Ein Hauptanliegen guter Datengovernance besteht in der verantwortungsvollen Balance zwischen der Möglichkeit, Daten zu teilen, um neue Erkenntnisse zu gewinnen, dem Schutz von Persönlichkeitsrechten sowie dem ethischen Umgang mit großen Datenmengen.-Strategie. Unser Ansatz basiert auf dem Modell des Fraunhofer IAO und integriert die Erfahrungen der CUT-Partnerstädte. Es berücksichtigt die zentralen und dezentralen Rollen, die für den Betrieb Urbaner Datenplattformen und Digitaler ZwillingDigitaler ZwillingEin Digitaler Zwilling ist das virtuelle Abbild eines ausgewählten Teils der Realität, z.B. eines Produktes oder eines industriellen oder kommunalen Prozesses (Urbaner Digitaler Zwilling). Da ein Großteil der Daten regelmäßig aktualisiert wird, verändert sich der Digitale Zwilling – idealerweise – dynamisch parallel zur Realität. Sämtliche Daten, die bezüglich des Realitätsausschnittes zur Verfügung stehen, können unter bestimmten Fragestellungen ausgewertet werden und tragen zum Erkenntnisgewinn über diesen spezifischen Aspekt der Realität bei. Darüber hinaus dienen die Daten als Grundlage für Prognosen und Modelle, um zukünftige Entwicklungen und Veränderungen vorauszusagen.e erforderlich sind. Die Rollen sind flexibel gestaltet, um sie an die spezifischen Bedürfnisse und Strukturen der einzelnen Kommunen anpassen zu können. Eine detaillierte Beschreibung der Rollen und ihrer Anwendung in den Partnerstädten finden Sie hier (PDF).

Die Integration von Daten aus unterschiedlichen Quellen ist ein weiteres kritisches Handlungsfeld. Unser Ansatz zielt darauf ab, Datenredundanz zu vermeiden und die Datenqualität zu verbessern, indem offene Standards für die DatenintegrationDatenintegrationDatenintegration meint die Integration in Urbane Datenplattformen/Geodateninfrastrukturen. Bei der Bearbeitung komplexer Fragestellungen ist es häufig nötig, die erforderlichen Daten aus heterogenen Quellen zu entnehmen und sie in einem gemeinsamen Datenmodell zusammenzuführen. Weil sich die Struktur der Daten sowie deren Aufbau in verschiedenen Datenquellen häufig voneinander unterscheiden, müssen sie einen Angleichungsprozess durchlaufen, bevor sie aussagekräftig miteinander genutzt werden können. Dieser Prozess wird Datenintegration genannt. verwendet werden. Die praktische Umsetzung dieser Prozesse in den CUT-Städten, einschließlich der verwendeten Prozesse und der Strukturierung der DatenintegrationDatenintegrationDatenintegration meint die Integration in Urbane Datenplattformen/Geodateninfrastrukturen. Bei der Bearbeitung komplexer Fragestellungen ist es häufig nötig, die erforderlichen Daten aus heterogenen Quellen zu entnehmen und sie in einem gemeinsamen Datenmodell zusammenzuführen. Weil sich die Struktur der Daten sowie deren Aufbau in verschiedenen Datenquellen häufig voneinander unterscheiden, müssen sie einen Angleichungsprozess durchlaufen, bevor sie aussagekräftig miteinander genutzt werden können. Dieser Prozess wird Datenintegration genannt., wird in diesem Dokument (PDF) erläutert.

Die Qualität der Daten ist für ihre Verwendbarkeit in verschiedenen Anwendungskontexten von höchster Wichtigkeit. Das Dokument zur Datenqualität umfasst die Bewertung der Daten anhand von 13 Kriterien, welche bei Bedarf angepasst werden können. Diese systematische Bewertung und fortlaufende Verbesserung der Datenqualität ist entscheidend, um die Zuverlässigkeit und Nützlichkeit der Daten in operativen und analytischen Prozessen zu gewährleisten. Eine umfassende Erörterung der Methoden und Kriterien zur Sicherstellung der Datenqualität finden Sie hier (Excel-Tabelle zum Download).

CUT-Akademie: “Handlungsfelder der Datengovernance: Rollen, Datenintegration, Datenqualität”