<\/p>\n\n\n\n
Im vorherigen Beitrag haben wir Pl\u00e4ne als Hypothesen beschrieben. Ein Plan formuliert einen vermuteten Weg zum Ziel. Durch Handeln, Beobachten und Auswerten pr\u00fcfen wir, ob die zugrunde liegenden Annahmen tragen.<\/p>\n\n\n\n
Damit stellt sich unmittelbar die n\u00e4chste Frage:<\/p>\n\n\n\n
\nWoran erkennen wir eigentlich, ob wir unserem Ziel n\u00e4her kommen?<\/p>\n<\/blockquote>\n\n\n\n
Bei manchen Vorhaben scheint die Antwort einfach. Wer zehn Kilometer laufen m\u00f6chte, kann die zur\u00fcckgelegte Strecke messen. Wer einen bestimmten Geldbetrag sparen will, kann den Kontostand pr\u00fcfen. Wer ein Produkt bis zu einem festgelegten Termin liefern m\u00f6chte, kann den Arbeitsstand mit dem Plan vergleichen.<\/p>\n\n\n\n
Doch woran erkennen wir, ob sich die Zusammenarbeit in einem Team verbessert hat? Ob ein Training tats\u00e4chlich wirkt? Ob eine Organisation innovativer geworden ist? Ob wir ges\u00fcnder, zufriedener oder selbstbestimmter leben?<\/p>\n\n\n\n
Wir greifen dann auf beobachtbare Gr\u00f6\u00dfen zur\u00fcck, die f\u00fcr etwas stehen sollen, das sich nicht unmittelbar messen l\u00e4sst. Aus Kundenzufriedenheit wird ein Befragungswert. Aus Zusammenarbeit wird die Zahl gemeinsamer Aktivit\u00e4ten. Aus Gesundheit werden Laborwerte, Schritte oder ein Score auf der Smartwatch.<\/p>\n\n\n\n
Solche Kennzahlen k\u00f6nnen hilfreich sein. Problematisch wird es, wenn wir vergessen, dass die Kennzahl nicht das Ziel selbst ist.<\/p>\n\n\n\n
\nEine Kennzahl bildet einen ausgew\u00e4hlten Aspekt der Wirklichkeit ab. Sie ist nicht die Wirklichkeit.<\/p>\n<\/blockquote>\n\n\n\n
Ohne R\u00fcckmeldung keine Zielarbeit<\/h2>\n\n\n\n
Wer ein Ziel verfolgt, muss \u00fcberpr\u00fcfen, ob das eigene Handeln die erhoffte Wirkung erzeugt. Andernfalls k\u00f6nnen wir lange aktiv sein, ohne unserem Ziel n\u00e4her zu kommen.<\/p>\n\n\n\n\n\n\n\n
Kennzahlen helfen dabei,<\/p>\n\n\n\n
\n
- Entwicklungen \u00fcber die Zeit zu erkennen,<\/li>\n\n\n\n
- Abweichungen sichtbar zu machen,<\/li>\n\n\n\n
- Annahmen zu \u00fcberpr\u00fcfen,<\/li>\n\n\n\n
- Gespr\u00e4che auf eine gemeinsame Grundlage zu stellen,<\/li>\n\n\n\n
- Entscheidungen nachvollziehbarer zu machen.<\/li>\n<\/ul>\n\n\n\n
Es w\u00e4re deshalb falsch, Messung grunds\u00e4tzlich abzulehnen. Ohne geeignete Informationen bleiben wir leicht unseren Eindr\u00fccken, Erinnerungen und Interessen ausgeliefert. Zahlen k\u00f6nnen Wahrnehmungsverzerrungen etwas entgegensetzen.<\/p>\n\n\n\n
Aber sie beseitigen sie nicht automatisch.<\/p>\n\n\n\n
Denn auch Messung beruht auf Entscheidungen:<\/p>\n\n\n\n
\n
- Was wird beobachtet?<\/li>\n\n\n\n
- Wie wird es definiert?<\/li>\n\n\n\n
- Welche Daten werden erhoben?<\/li>\n\n\n\n
- Was bleibt unber\u00fccksichtigt?<\/li>\n\n\n\n
- Welche Vergleichsgr\u00f6\u00dfe wird verwendet?<\/li>\n\n\n\n
- Wer interpretiert das Ergebnis?<\/li>\n\n\n\n
- Welche Konsequenz soll daraus folgen?<\/li>\n<\/ul>\n\n\n\n
\nMessung macht Entscheidungen nicht wertfrei. Sie verlagert einen Teil der Entscheidungen in die Auswahl und Konstruktion der Messgr\u00f6\u00dfen.<\/p>\n<\/blockquote>\n\n\n\n
Output, Outcome und Impact<\/h2>\n\n\n\n
Viele Ziele lassen sich nicht direkt beobachten. Deshalb verwenden wir Indikatoren als Stellvertreter.<\/p>\n\n\n\n
Wenn wir die Qualit\u00e4t eines Trainings beurteilen wollen, k\u00f6nnten wir messen:<\/p>\n\n\n\n
\n
- wie viele Personen teilgenommen haben,<\/li>\n\n\n\n
- wie viele das Training abgeschlossen haben,<\/li>\n\n\n\n
- wie zufrieden sie unmittelbar danach waren,<\/li>\n\n\n\n
- wie viel Wissen sie in einem Test zeigen,<\/li>\n\n\n\n
- ob sie das Gelernte sp\u00e4ter anwenden,<\/li>\n\n\n\n
- ob sich dadurch ihre Arbeit verbessert.<\/li>\n<\/ul>\n\n\n\n
Alle diese Gr\u00f6\u00dfen k\u00f6nnen relevant sein. Sie beantworten aber unterschiedliche Fragen.<\/p>\n\n\n\n
Das OECD-DAC-Glossar zur Evaluation und wirkungsorientierten Steuerung unterscheidet zwischen Output, Outcome und Impact:<\/p>\n\n\n\n
\n
- Output<\/strong> bezeichnet die durch eine Ma\u00dfnahme unmittelbar erzeugten Produkte, Leistungen oder Ergebnisse.<\/li>\n\n\n\n
- Outcome<\/strong> bezeichnet die kurz- und mittelfristigen Wirkungen dieser Ergebnisse.<\/li>\n\n\n\n
- Impact<\/strong> richtet den Blick auf \u00fcbergeordnete, l\u00e4ngerfristige positive oder negative Wirkungen, die unmittelbar oder mittelbar entstehen k\u00f6nnen.<\/li>\n<\/ul>\n\n\n\n
Ein Training wurde durchgef\u00fchrt. Das ist Output.<\/p>\n\n\n\n
Die Teilnehmenden wenden eine Methode h\u00e4ufiger und kompetenter an. Das ist ein m\u00f6gliches Outcome.<\/p>\n\n\n\n
Die Qualit\u00e4t der Zusammenarbeit verbessert sich dadurch dauerhaft. Das w\u00e4re eine weitergehende Wirkung.<\/p>\n\n\n\n
Je weiter wir uns vom unmittelbaren Ergebnis entfernen, desto schwieriger wird die eindeutige Zurechnung. Vielleicht wurde die Zusammenarbeit auch durch eine neue F\u00fchrungskraft, ein ver\u00e4ndertes Team oder g\u00fcnstigere Rahmenbedingungen verbessert.<\/p>\n\n\n\n
\nWas leicht messbar ist, liegt h\u00e4ufig nah an unserer Aktivit\u00e4t. Was uns eigentlich interessiert, liegt oft weiter entfernt.<\/p>\n<\/blockquote>\n\n\n\n
Deshalb berichten Organisationen gerne \u00fcber durchgef\u00fchrte Workshops, abgeschlossene Ma\u00dfnahmen, erstellte Konzepte und erreichte Meilensteine. Diese Ergebnisse lassen sich vergleichsweise eindeutig z\u00e4hlen.<\/p>\n\n\n\n
Ob sie das zugrunde liegende Problem l\u00f6sen, ist wesentlich schwieriger zu bestimmen.<\/p>\n\n\n\n
Der Reiz des Messbaren<\/h2>\n\n\n\n
Messbare Gr\u00f6\u00dfen wirken klar.<\/p>\n\n\n\n
Eine Lieferzeit von 3,7 Tagen, eine Zufriedenheit von 82 Prozent oder ein Projektfortschritt von 64 Prozent scheint genauer zu sein als die Aussage, die Lieferung funktioniere recht gut oder das Projekt sei auf einem vern\u00fcnftigen Weg.<\/p>\n\n\n\n
Doch Genauigkeit und Aussagekraft sind nicht dasselbe.<\/p>\n\n\n\n
Die Lieferzeit kann exakt berechnet sein und trotzdem Qualit\u00e4tsprobleme verdecken. Der Zufriedenheitswert kann auf einer ungeeigneten Befragung beruhen. Der Projektfortschritt kann aus erledigten Arbeitspaketen errechnet werden, obwohl die schwierigsten Aufgaben noch bevorstehen.<\/p>\n\n\n\n
\nAuch eine Kennzahl mit zwei Nachkommastellen kann das Falsche sehr genau beschreiben.<\/p>\n<\/blockquote>\n\n\n\n
Was gez\u00e4hlt werden kann, erscheint objektiv, vergleichbar und steuerbar. Was sich nur qualitativ beschreiben oder erst langfristig beurteilen l\u00e4sst, wird leicht als weich oder nachrangig behandelt.<\/p>\n\n\n\n
Dadurch kann sich die Zielarbeit verschieben:<\/p>\n\n\n\n
\n
- Statt Zusammenarbeit zu verbessern, erh\u00f6hen wir die Zahl gemeinsamer Meetings.<\/li>\n\n\n\n
- Statt Lernen zu erm\u00f6glichen, steigern wir die Zahl absolvierter Trainings.<\/li>\n\n\n\n
- Statt Gesundheit zu f\u00f6rdern, optimieren wir einzelne Messwerte.<\/li>\n\n\n\n
- Statt Kundennutzen zu erzeugen, erh\u00f6hen wir die Zahl ausgelieferter Funktionen.<\/li>\n\n\n\n
- Statt Sicherheit zu erh\u00f6hen, schlie\u00dfen wir m\u00f6glichst viele dokumentierte Ma\u00dfnahmen ab.<\/li>\n<\/ul>\n\n\n\n
Die Kennzahl ist dann nicht mehr nur ein Hinweis auf das Ziel. Sie beginnt, das Ziel zu ersetzen.<\/p>\n\n\n\n
Wenn die Kennzahl das Verhalten ver\u00e4ndert<\/h2>\n\n\n\n
Charles Goodhart formulierte seine urspr\u00fcngliche Beobachtung 1975 im Zusammenhang mit geldpolitischer Steuerung. Die heute verbreitete Fassung lautet:<\/p>\n\n\n\n
\nWenn eine Messgr\u00f6\u00dfe zum Ziel wird, h\u00f6rt sie auf, eine gute Messgr\u00f6\u00dfe zu sein.<\/p>\n<\/blockquote>\n\n\n\n
Diese Formulierung stammt nicht w\u00f6rtlich von Goodhart, sondern wurde insbesondere durch Marilyn Stratherns \u00dcbertragung auf Bewertungs- und Auditsysteme bekannt.<\/p>\n\n\n\n
Solange eine Kennzahl nur beobachtet wird, kann sie ein brauchbarer Hinweis auf eine Entwicklung sein. Sobald Anerkennung, Budget, Status oder pers\u00f6nliche Konsequenzen an sie gebunden werden, richten Menschen ihr Verhalten gezielt auf diese Gr\u00f6\u00dfe aus.<\/p>\n\n\n\n
Ein Servicebereich wird an geschlossenen Tickets gemessen. In der Folge werden Tickets m\u00f6glichst schnell geschlossen \u2013 m\u00f6glicherweise auch dann, wenn das Problem noch nicht dauerhaft gel\u00f6st ist.<\/p>\n\n\n\n
Eine Schule wird an Testergebnissen gemessen. Der Unterricht konzentriert sich zunehmend auf die Testaufgaben.<\/p>\n\n\n\n
Ein Vertrieb erh\u00e4lt Ziele f\u00fcr die Zahl abgeschlossener Vertr\u00e4ge. Vertr\u00e4ge werden geschlossen, obwohl sie langfristig wenig profitabel oder f\u00fcr die Kundschaft ungeeignet sind.<\/p>\n\n\n\n
\nMenschen erf\u00fcllen nicht nur Ziele. Sie lernen, die Kriterien zu erf\u00fcllen, anhand derer Zielerreichung beurteilt wird.<\/p>\n<\/blockquote>\n\n\n\n
Wendy Espeland und Michael Sauder beschreiben diesen Effekt als Reaktivit\u00e4t von Messungen. Anhand von Hochschulrankings zeigen sie, dass \u00f6ffentliche Bewertungen die betrachtete Wirklichkeit nicht nur abbilden. Organisationen ver\u00e4ndern ihre Entscheidungen und Strukturen, um im Ranking besser abzuschneiden.<\/p>\n\n\n\n
Die Messung wird selbst zu einer Ursache des beobachteten Verhaltens.<\/p>\n\n\n\n
Campbell\u2019s Law: Je wichtiger die Kennzahl, desto gr\u00f6\u00dfer der Druck<\/h2>\n\n\n\n
Donald Campbell formulierte eine verwandte Warnung: Je st\u00e4rker ein quantitativer Indikator f\u00fcr Entscheidungen verwendet wird, desto st\u00e4rker wird er dem Druck zur Verf\u00e4lschung ausgesetzt. Gleichzeitig steigt die Gefahr, dass er gerade diejenigen Prozesse besch\u00e4digt, die er beobachten sollte.<\/p>\n\n\n\n
Dabei muss es nicht um bewussten Betrug gehen. Anpassung kann subtil erfolgen:<\/p>\n\n\n\n
\n
- F\u00e4lle werden anders kategorisiert.<\/li>\n\n\n\n
- Anspruchsvolle Aufgaben werden vermieden.<\/li>\n\n\n\n
- Erhebungszeitr\u00e4ume werden g\u00fcnstig gew\u00e4hlt.<\/li>\n\n\n\n
- Problematische Daten werden sp\u00e4ter erfasst.<\/li>\n\n\n\n
- leicht erreichbare Zielgruppen werden bevorzugt,<\/li>\n\n\n\n
- unerw\u00fcnschte Nebenwirkungen bleiben undokumentiert.<\/li>\n<\/ul>\n\n\n\n
Eine Kennzahl kann sich deshalb verbessern, weil sich die Wirklichkeit verbessert hat \u2013 oder weil sich der Umgang mit der Kennzahl ver\u00e4ndert hat.<\/p>\n\n\n\n
Je gr\u00f6\u00dfer die Konsequenzen einer Messgr\u00f6\u00dfe, desto wichtiger wird die Frage:<\/p>\n\n\n\n
\nWelches Verhalten l\u00f6sen wir durch die Kennzahl und unsere Reaktion auf sie aus?<\/p>\n<\/blockquote>\n\n\n\n
Die Wirkung roter Ampeln<\/h2>\n\n\n\n
Besonders deutlich wird diese Reaktivit\u00e4t bei Ampelberichten.<\/p>\n\n\n\n
Ampeln sollen Komplexit\u00e4t reduzieren und Aufmerksamkeit lenken:<\/p>\n\n\n\n
\n
- Gr\u00fcn signalisiert: alles im vorgesehenen Bereich.<\/li>\n\n\n\n
- Gelb signalisiert: Aufmerksamkeit erforderlich.<\/li>\n\n\n\n
- Rot signalisiert: kritische Abweichung oder Handlungsbedarf.<\/li>\n<\/ul>\n\n\n\n
Doch eine rote Ampel informiert nicht nur. Sie l\u00f6st eine Reaktion aus.<\/p>\n\n\n\n
Wenn das Management bei jedem roten Status automatisch in den Eskalationsmodus schaltet, entsteht ein starker Anreiz, Rot zu vermeiden. Dann wird l\u00e4nger gelb berichtet, Zielwerte werden angepasst oder Probleme werden so beschrieben, dass noch keine formale Eskalation ausgel\u00f6st wird.<\/p>\n\n\n\n
In einem Projekt habe ich deshalb blaue Ampeln eingef\u00fchrt. Blau bedeutete: Hier gibt es ein offenes Thema, das sichtbar sein und beobachtet werden muss, aber noch keinen automatischen Eskalationsfall darstellt.<\/p>\n\n\n\n
Das war im Grunde ein Workaround f\u00fcr eine problematische Reaktion des Managements. Eigentlich sollte eine rote Ampel eine Information sein, keine Bestrafung.<\/p>\n\n\n\n
\nWenn das Melden eines Problems automatisch zum Problem f\u00fcr den Meldenden wird, verliert das Berichtssystem seine Glaubw\u00fcrdigkeit.<\/p>\n<\/blockquote>\n\n\n\n
Die Farbe selbst war nicht entscheidend. Entscheidend war, einen Raum zwischen \u201ealles in Ordnung\u201c und \u201eEskalation\u201c zu schaffen. Offene Fragen sollten fr\u00fch sichtbar werden k\u00f6nnen, bevor aus ihnen eine Krise entstand.<\/p>\n\n\n\n
Das zeigt eine grundlegende Grenze von Ampelsystemen: Sie verdichten nicht nur Informationen, sondern codieren Erwartungen und Konsequenzen. Wer ihre Wirkung verstehen will, muss deshalb nicht nur auf die Definition der Farben schauen, sondern auf das Verhalten, das sie im Management ausl\u00f6sen.<\/p>\n\n\n\n
Kennzahlen und Fehlerkultur<\/h2>\n\n\n\n
Damit ber\u00fchrt das Thema unmittelbar die Fehlerkultur.<\/p>\n\n\n\n
Organisationen fordern Transparenz \u00fcber Probleme, Abweichungen und Risiken. Gleichzeitig reagieren sie auf schlechte Nachrichten h\u00e4ufig mit Rechtfertigungsdruck, Schuldzuweisung oder Mikromanagement.<\/p>\n\n\n\n
Dann entsteht ein widerspr\u00fcchliches Signal:<\/p>\n\n\n\n
\nBerichtet offen \u2013 aber sorgt daf\u00fcr, dass eure Ampel gr\u00fcn bleibt.<\/p>\n<\/blockquote>\n\n\n\n
Amy Edmondson beschreibt psychologische Sicherheit als eine Voraussetzung daf\u00fcr, dass Menschen Fragen, Zweifel, Fehler und schlechte Nachrichten ansprechen k\u00f6nnen, ohne negative pers\u00f6nliche Folgen bef\u00fcrchten zu m\u00fcssen.<\/p>\n\n\n\n
Das bedeutet nicht, Fehler folgenlos zu lassen oder auf Verantwortung zu verzichten. Es bedeutet, zwischen einer problematischen Situation und der Person zu unterscheiden, die sie sichtbar macht.<\/p>\n\n\n\n
Eine lernf\u00e4hige Organisation braucht Berichte, die fr\u00fch warnen. Dazu muss sie unterscheiden zwischen:<\/p>\n\n\n\n
\n
- einer schlechten Entwicklung,<\/li>\n\n\n\n
- einer schlechten Entscheidung,<\/li>\n\n\n\n
- einem vermeidbaren Fehler,<\/li>\n\n\n\n
- einer verantwortbaren Annahme, die sich nicht best\u00e4tigt hat,<\/li>\n\n\n\n
- und einer Person, die eine unerw\u00fcnschte Information offenlegt.<\/li>\n<\/ul>\n\n\n\n
Wenn diese F\u00e4lle reflexartig gleichbehandelt werden, werden Kennzahlen politisch. Sie zeigen dann weniger die Wirklichkeit als die F\u00e4higkeit der Beteiligten, negative Aufmerksamkeit zu vermeiden.<\/p>\n\n\n\n
\nEine gr\u00fcne Ampel kann Erfolg bedeuten. Sie kann aber auch bedeuten, dass niemand mehr bereit ist, Rot zu melden.<\/p>\n<\/blockquote>\n\n\n\n
Fehlerkultur zeigt sich deshalb nicht in der Forderung nach Offenheit, sondern in der Reaktion auf die erste schlechte Nachricht.<\/p>\n\n\n\n
Informationsgl\u00e4ubigkeit: Wenn die Menge Sicherheit verspricht<\/h2>\n\n\n\n
Hinter der Kennzahlenfixierung steht h\u00e4ufig eine umfassendere Vorstellung: Wenn wir nur gen\u00fcgend Informationen sammeln, k\u00f6nnten wir Unsicherheit zunehmend beseitigen und bessere Entscheidungen treffen.<\/p>\n\n\n\n
Neue Daten k\u00f6nnen falsche Annahmen widerlegen und Risiken reduzieren. Doch mehr Informationen f\u00fchren nicht automatisch zu mehr Erkenntnis.<\/p>\n\n\n\n
Organisationen sammeln Daten, weil sie technisch verf\u00fcgbar sind. Dashboards wachsen um weitere Anzeigen. Vor Entscheidungen werden zus\u00e4tzliche Analysen angefordert. Nicht immer ist gekl\u00e4rt, welche konkrete Unsicherheit dadurch reduziert werden soll.<\/p>\n\n\n\n
Dann wird Informationssammlung zur Ersatzhandlung.<\/p>\n\n\n\n
\nWir sammeln weiter, weil wir noch nicht entscheiden wollen \u2013 und nennen das Sorgfalt.<\/p>\n<\/blockquote>\n\n\n\n
Mehr Daten k\u00f6nnen relevante Signale verdecken, Widerspr\u00fcche erzeugen oder Scheingenauigkeit vermitteln. Entscheidungen verz\u00f6gern sich, obwohl zus\u00e4tzliche Informationen kaum noch etwas ver\u00e4ndern.<\/p>\n\n\n\n
Informationsgl\u00e4ubigkeit beginnt dort, wo nicht mehr gefragt wird, welche Information f\u00fcr welche Entscheidung relevant ist. Stattdessen gilt die Menge verf\u00fcgbarer Daten bereits als Qualit\u00e4tsmerkmal.<\/p>\n\n\n\n
Dabei zeigen Daten nur, was erfasst wurde.<\/p>\n\n\n\n
Wenn Besch\u00e4ftigte aus Angst keine Sicherheitsvorf\u00e4lle melden, enth\u00e4lt das System weniger Vorf\u00e4lle. Wenn unzufriedene Kundinnen und Kunden nicht mehr antworten, kann die durchschnittliche Zufriedenheit der verbleibenden Befragten steigen.<\/p>\n\n\n\n
\nDas Fehlen von Daten ist nicht dasselbe wie das Fehlen eines Problems.<\/p>\n<\/blockquote>\n\n\n\n
Das Dashboard kann gr\u00fcner werden, w\u00e4hrend sich die Wirklichkeit verschlechtert.<\/p>\n\n\n\n
Kennzahlengl\u00e4ubigkeit: Wenn Zahlen zum besseren Wissen erkl\u00e4rt werden<\/h2>\n\n\n\n
Informationsgl\u00e4ubigkeit betrifft die Menge: Je mehr Daten vorliegen, desto besser, so die Annahme. Kennzahlengl\u00e4ubigkeit betrifft dagegen den Status dieser Daten: Was quantifiziert wurde, gilt als objektiver und belastbarer als qualitative Beobachtungen, Erfahrungen oder professionelles Urteil.<\/p>\n\n\n\n
Doch bevor eine Zahl entsteht, m\u00fcssen Entscheidungen getroffen werden:<\/p>\n\n\n\n
\n
- Was verstehen wir unter Erfolg?<\/li>\n\n\n\n
- Welche Beobachtung gilt als Nachweis?<\/li>\n\n\n\n
- Welche F\u00e4lle werden einbezogen?<\/li>\n\n\n\n
- Wie werden unterschiedliche Aspekte gewichtet?<\/li>\n\n\n\n
- Welcher Zielwert gilt als gut?<\/li>\n\n\n\n
- Welche Abweichung ist akzeptabel?<\/li>\n<\/ul>\n\n\n\n
Ein Zufriedenheitswert von 4,2 zeigt nicht mehr, welche Fragen gestellt wurden, wer geantwortet hat, wer nicht geantwortet hat und welche Unterschiede der Durchschnitt verdeckt.<\/p>\n\n\n\n
Die Kennzahl kann methodisch sauber erhoben worden sein. Trotzdem bleibt sie eine konstruierte Darstellung.<\/p>\n\n\n\n
\nDaten sind nicht die Wirklichkeit. Sie sind eine nach bestimmten Annahmen, Interessen und M\u00f6glichkeiten erzeugte Darstellung der Wirklichkeit.<\/p>\n<\/blockquote>\n\n\n\n
Jerry Muller bezeichnet die \u00fcberm\u00e4\u00dfige Fixierung auf standardisierte Messgr\u00f6\u00dfen als Metric Fixation<\/em>. Gemeint ist nicht die Verwendung von Kennzahlen an sich. Problematisch ist die Erwartung, professionelles Urteil durch Zahlen ersetzen, Leistungen vollst\u00e4ndig transparent machen und gew\u00fcnschtes Verhalten \u00fcber Zielwerte und Anreize zuverl\u00e4ssig steuern zu k\u00f6nnen.<\/p>\n\n\n\n
Die Alternative zur Kennzahlengl\u00e4ubigkeit ist allerdings nicht Bauchgef\u00fchlgl\u00e4ubigkeit. Auch Erfahrungen und professionelle Urteile k\u00f6nnen verzerrt oder interessengeleitet sein.<\/p>\n\n\n\n
Es geht darum, Zahlen als wichtige Informationsquelle zu behandeln \u2013 nicht als Ersatz f\u00fcr Kontext, Diskussion und Urteilskraft.<\/p>\n\n\n\n
Die Kontrollillusion des Dashboards<\/h2>\n\n\n\n
Michael Power beschreibt in The Audit Society<\/em>, wie Pr\u00fcf-, Nachweis- und Kontrollsysteme weit \u00fcber die klassische Finanzpr\u00fcfung hinausgewachsen sind. Organisationen investieren erhebliche Ressourcen, um nachweisbar zu machen, dass sie ihre Aufgaben ordnungsgem\u00e4\u00df erf\u00fcllen.<\/p>\n\n\n\n
Dabei kann sich die Aufmerksamkeit von der tats\u00e4chlichen Wirksamkeit zur Pr\u00fcfbarkeit verschieben:<\/p>\n\n\n\n
\n
- Eine Ma\u00dfnahme gilt als umgesetzt, weil der Nachweis vorliegt.<\/li>\n\n\n\n
- Ein Risiko gilt als behandelt, weil ein Kontrollprozess dokumentiert wurde.<\/li>\n\n\n\n
- Ein Training gilt als erfolgreich, weil alle Besch\u00e4ftigten teilgenommen haben.<\/li>\n\n\n\n
- Ein Projekt gilt als steuerbar, weil der Statusbericht vollst\u00e4ndig ist.<\/li>\n<\/ul>\n\n\n\n
Das Dashboard erzeugt den Eindruck, die Situation sei unter Kontrolle. Es zeigt jedoch nur diejenigen Ausschnitte, die in sein Modell aufgenommen wurden.<\/p>\n\n\n\n
\nTransparenz \u00fcber Kennzahlen ist nicht automatisch Transparenz \u00fcber die Wirklichkeit.<\/p>\n<\/blockquote>\n\n\n\n
Das Unbekannte besitzt keine Ampelfarbe.<\/p>\n\n\n\n
Was eine brauchbare Kennzahl leisten sollte<\/h2>\n\n\n\n
Eine Kennzahl muss das Ziel nicht vollst\u00e4ndig abbilden. Das kann sie meistens nicht. Sie sollte aber eine relevante Frage besser beantwortbar machen.<\/p>\n\n\n\n
Daf\u00fcr sollten vor ihrer Einf\u00fchrung einige Punkte gekl\u00e4rt werden:<\/p>\n\n\n\n
\n
- Welche Entscheidung soll die Kennzahl unterst\u00fctzen?<\/strong>Wenn niemand sagen kann, was bei einem ver\u00e4nderten Wert anders entschieden wird, ist ihre Relevanz fraglich.<\/li>\n\n\n\n
- Welchen Aspekt des Ziels bildet sie ab?<\/strong>Die Kennzahl darf nicht mit dem gesamten Ziel gleichgesetzt werden.<\/li>\n\n\n\n
- Warum deutet ihre Ver\u00e4nderung auf Fortschritt hin?<\/strong>Der angenommene Zusammenhang sollte begr\u00fcndet und \u00fcberpr\u00fcfbar sein.<\/li>\n\n\n\n
- Wie k\u00f6nnte sie das Verhalten ver\u00e4ndern?<\/strong>Welche Anpassungen werden wahrscheinlich, sobald Konsequenzen an den Wert gebunden sind?<\/li>\n\n\n\n
- Welche Nebenwirkungen bleiben unsichtbar?<\/strong>Was k\u00f6nnte sich verschlechtern, w\u00e4hrend sich die Kennzahl verbessert?<\/li>\n\n\n\n
- Welche qualitativen Informationen brauchen wir zus\u00e4tzlich?<\/strong>Zahlen zeigen h\u00e4ufig, dass sich etwas ver\u00e4ndert hat. Sie erkl\u00e4ren nicht automatisch, warum.<\/li>\n\n\n\n
- Wie reagieren wir auf schlechte Werte?<\/strong>F\u00f6rdert unsere Reaktion Offenheit und Lernen \u2013 oder Verbergen und Besch\u00f6nigen?<\/li>\n\n\n\n
- Ist der Messaufwand gerechtfertigt?<\/strong>Nicht jede m\u00f6gliche Information ist ihren Erhebungs- und Pflegeaufwand wert.<\/li>\n<\/ol>\n\n\n\n
\nAuch eine Kennzahl ist eine Hypothese: die Annahme, dass eine beobachtbare Gr\u00f6\u00dfe etwas Entscheidendes \u00fcber unser Ziel aussagt.<\/p>\n<\/blockquote>\n\n\n\n
Fortschritt ist mehr als eine steigende Zahl<\/h2>\n\n\n\n
Zielarbeit braucht Informationen. Sie braucht aber keine Unterwerfung unter das Messbare.<\/p>\n\n\n\n
Kennzahlen k\u00f6nnen Entwicklungen sichtbar machen, Annahmen pr\u00fcfen und Entscheidungen verbessern. Sie k\u00f6nnen ebenso Aufmerksamkeit verengen, Verhalten verzerren und Scheinsicherheit erzeugen.<\/p>\n\n\n\n
Deshalb sollten wir bei der Fortschrittsmessung drei Ebenen unterscheiden:<\/p>\n\n\n\n
\n
- Was wurde getan oder erstellt?<\/strong><\/li>\n\n\n\n
- Was hat sich dadurch ver\u00e4ndert?<\/strong><\/li>\n\n\n\n
- Was bedeutet diese Ver\u00e4nderung f\u00fcr unser Ziel?<\/strong><\/li>\n<\/ol>\n\n\n\n
Die dritte Frage l\u00e4sst sich nicht vollst\u00e4ndig an eine Kennzahl delegieren. Sie verlangt Interpretation, Kontextwissen, Widerspruch und Urteilskraft.<\/p>\n\n\n\n
Manchmal zeigen die Daten eine klare Entwicklung. Manchmal widersprechen unterschiedliche Informationen einander. Manchmal fehlen entscheidende Beobachtungen. Und manchmal w\u00e4re die weitere Informationssuche teurer als eine begrenzte, reversible Entscheidung.<\/p>\n\n\n\n
\nNicht alles, was wir wissen k\u00f6nnen, hilft uns bei der Entscheidung. Und nicht alles, was wir entscheiden m\u00fcssen, l\u00e4sst sich vorher wissen.<\/p>\n<\/blockquote>\n\n\n\n
Wir sollten messen, was uns hilft, besser zu beobachten und zu lernen. Zahlen k\u00f6nnen uns aber die Verantwortung f\u00fcr Interpretation und Entscheidung nicht abnehmen.<\/p>\n\n\n\n
\nKennzahlen k\u00f6nnen Fortschritt anzeigen. Ob es der richtige Fortschritt ist, m\u00fcssen weiterhin Menschen beurteilen.<\/p>\n<\/blockquote>\n\n\n\n
Damit gelangen wir zur n\u00e4chsten Folge:<\/p>\n\n\n\n
\nGute Entscheidungen brauchen nicht alle Informationen.<\/strong><\/p>\n<\/blockquote>\n\n\n\n
\n\n\n\nLiteratur<\/h2>\n\n\n\n
Campbell, D. T. (1979): Assessing the Impact of Planned Social Change. Evaluation and Program Planning<\/em>, 2(1), 67\u201390.<\/p>\n\n\n\n
Edmondson, A. C. (1999): Psychological Safety and Learning Behavior in Work Teams. Administrative Science Quarterly<\/em>, 44(2), 350\u2013383.<\/p>\n\n\n\n
Espeland, W. N. & Sauder, M. (2007): Rankings and Reactivity: How Public Measures Recreate Social Worlds. American Journal of Sociology<\/em>, 113(1), 1\u201340.<\/p>\n\n\n\n
Goodhart, C. A. E. (1975): Problems of Monetary Management: The U.K. Experience. In: Papers in Monetary Economics<\/em>, Vol. 1. Reserve Bank of Australia.<\/p>\n\n\n\n
Muller, J. Z. (2018): The Tyranny of Metrics<\/em>. Princeton University Press.<\/p>\n\n\n\n
OECD (2023): Glossary of Key Terms in Evaluation and Results-Based Management for Sustainable Development<\/em>. 2. Auflage. OECD Publishing.<\/p>\n\n\n\n
Power, M. (1997): The Audit Society: Rituals of Verification<\/em>. Oxford University Press.<\/p>\n\n\n\n
Strathern, M. (1997): \u201cImproving Ratings\u201d: Audit in the British University System. European Review<\/em>, 5(3), 305\u2013321.<\/p>\n\n\n\n
KI-Hinweis<\/h2>\n\n\n\n
Dieser Beitrag entstand im Dialog mit KI. Ausgangspunkt, pers\u00f6nliche Einordnung und zentrale inhaltliche Entscheidungen stammen vom Autor. KI wurde zur Strukturierung, Rechercheunterst\u00fctzung und Ausarbeitung genutzt. Die verwendeten Konzepte und Quellen wurden anschlie\u00dfend gepr\u00fcft und in einen eigenen argumentativen Zusammenhang gebracht.<\/p>\n