RHI Zukunftsnavigator 2021 - In Deutschland neu denken

Viele Fragen bleiben offen. Denn die Daten, die für eine Antwort benötigt würden, sind in anderen Datenbanken verborgen oder werden gar nicht erst erhoben. Dabei liefert zumindest die Bundesagentur für Arbeit in der monatlich aktualisierten Zeitreihe der gemeldeten Stellen recht klare Hinweise darauf, dass die Jobchancen für Geringqualifizierte sowie in typischen »Frauenberufen« in den Frühjahrsmonaten 2020 deutlich gesunken sind.11 Statistikprofessor Ulrich Rendtel von der FU Berlin sagte in einem Interview: 12 »Menschen im unteren Einkommensdrittel verzeichnen stärkere Einkommenseinbußen durch Kurzzeitarbeit – sozialpolitisch ist das natürlich hochrelevant.« Rendtel ist einer derjenigen, die die Zusammenarbeit zwischen dem Robert Koch-Institut (RKI) und dem Sozio-oekonomischen Panel (SOEP) koordiniert und vorangetrieben haben, um eine repräsentative Panelstudie zu möglichst vielen Aspekten der Corona-Krise zu ermöglichen.

In der verstärkten Förderung der Kooperation zwischen staatlichen Einrichtungen und privaten Partnern liegt die zweite große Chance zur Erhöhung von Data Literacy. Trotz der mittlerweile ausgebauten Testkapazitäten gibt es in Deutschland voraussichtlich erst ab September 2020 eine repräsentative Panelstichprobe für die Gesamtbevölkerung. Selbst für eine Institution wie das RKI scheint diese Aufgabe alleine zu groß, und erst in Kooperation mit dem SOEP am Deutschen Institut für Wirtschaftsforschung Berlin (DIW) und der Universität Bielefeld wird sie lösbar.

Offenbar braucht es gemeinsame Anstrengungen von öffentlicher Hand, Universitäten und privaten Forschungseinrichtungen, um hohe Daten- und Forschungsqualität mit Agilität und der Fähigkeit zur schnellen Datenbeschaffung zusammenzubringen. Genau diese Mischung wird zukünftig benötigt, weil die großen Herausforderungen unserer Zeit – nicht nur Pandemien, sondern auch Migrationsbewegungen, Finanzkrisen, Klimaveränderung, wirtschaftliche Verflechtungen – nur noch von großen interdisziplinären Teams bewältigt werden können.

DIE KRISE LEHRT SCHMERZLICH, DASS NICHT JEDE ENTSCHEIDUNG DURCH DATEN »VORAUSBERECHNET« WERDEN KANN. DATA LITERACY IST DARUM VIELMEHR DIE FÄHIGKEIT, MIT UNSICHERHEIT UMZUGEHEN UND DIE VERANTWORTUNG FÜR ENTSCHEIDUNGEN NICHT AN DATEN UND ALGORITHMEN ZU DELEGIEREN.AUSBLICK: DATA LITERACY OHNE GRENZEN

Dies alles führt zu der klaren Erkenntnis, dass derartige Krisen nicht mehr von einzelnen Disziplinen und auch nicht in nationalen Alleingängen gelöst werden können. Das gilt umso stärker, als Daten heute eine unverzichtbare Grundlage möglicher Lösungsstrategien sind. Es braucht ein koordiniertes internationales Vorgehen über Institutionen und Disziplinen hinweg, und das gilt insbesondere für die Frage, mit welchen Daten eine Krise gemessen und gemanagt werden kann. Nur so entstehen verlässliche, vergleichbare Informationen.

Blickt man in die europäische Vergleichstabelle zu den Corona-Fallzahlen im Destatis-Dossier,13 so erscheint Belgien als das mit Abstand am stärksten betroffene Land. Über 84 Todesfälle auf 100 000 Einwohner weist die Statistik aus, erheblich mehr als in Italien und Spanien (56 beziehungsweise 58) und Deutschland (10). Das liegt aber vor allem daran, dass die belgischen Behörden auch Verdachtsfälle als Corona-Tote zählen. Genauso wenig sind Fallzahlen international vergleichbar.

Deswegen hat sich die Federation of European National Statistical Societies (FENStatS) mit einer eigens geschaffenen Covid-19-Arbeitsgruppe die Harmonisierung der entsprechenden Statistiken zum Ziel gesetzt.14 Knapp 30 Experten aus 17 Ländern und unterschiedlichen Arbeitsgebieten arbeiten seit Juni 2020 an Vorschlägen, wie zukünftig Daten zum Krisenmanagement besser erhoben und analysiert werden können. Denn nur mit informationsreichen, zuverlässigen, zeitnahen und relevanten Daten lassen sich belastbare Indikatoren für die Anfälligkeitsrisiken und Anpassungskosten der Gesellschaft entwickeln.

Es braucht eine Zusammenarbeit über Grenzen hinweg – Grenzen zwischen Nationen, Grenzen zwischen öffentlicher Hand und privaten Institutionen, Grenzen zwischen unterschiedlichen Gruppen Betroffener, Grenzen zwischen Fachdisziplinen. Nur so wird es zu schaffen sein, große Risiken für unsere Gesellschaft zukünftig schneller und in allen Dimensionen zu verstehen. Hochschulen nehmen hierbei eine Schlüsselposition ein.

Damit sie diese Position kompetent ausfüllen können, fördert das Data Literacy Education Netzwerk in Deutschland den fachlichen Austausch, Peer-to-Peer-Formate sowie kollegiale Beratung. So können die beteiligten Hochschulen von ihren Erfahrungen wechselseitig profitieren und sich so bei der Umsetzung ihrer Data-Literacy-Programme unterstützen.

Das kann dazu führen, dass Daten verstärkt als »Open Data« geteilt werden, damit möglichst viele damit arbeiten und forschen können. Oder dass neue Datenquellen genutzt werden wie in den experimentellen Daten von Destatis. So zeigt etwa die tägliche Auswertung von Lkw-Maut-Daten,15 dass hieraus ein hoch aktueller und zugleich verlässlicher Konjunkturindikator berechnet werden kann.

Damit ist es aber nicht genug. Data Literacy darf nicht an den Grenzen der akademisch gebildeten Bevölkerung enden.

Das Eckpunktepapier der Bundesregierung kündigt die Prüfung und Initiierung von »Maßnahmen und Instrumenten zur Erhöhung der Datenkompetenz im Sinne einer umfangreichen Data Literacy in allen formalen und non-formalen Bildungsbereichen« an.16 Die Konferenz der Kantonalen Ärztegesellschaften der Schweiz hat im Juli 2020 einen »Appell für eine dringliche nationale Datenkompetenz-Kampagne« lanciert, der die »Schaffung und Förderung von niederschwellig zugänglichem Schulungsmaterial und Ausbildungsprogrammen für das lebenslange Lernen, allenfalls beginnend im Kindergarten« fordert.17

Bemerkenswert ist deshalb die Initiative des Deutschen Volkshochschul-Verbandes (DVV), eine innovative Lern-App zum Thema Data Literacy zu entwickeln.18 Das Projekt wird durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert. Im Kontext von Gesundheit, Smart City, Mobilität, Umwelt, Wirtschaft und Energie sollen die Anwendungsmöglichkeiten aktueller Technologien wie etwa Big Data, Internet of Things und künstliche Intelligenz spielerisch vermittelt werden.

Datenbasiertes Entscheiden als Spiel? Womöglich wird genau dieser Ansatz funktionieren, um möglichst viele Menschen in Deutschland an einen souveränen Umgang mit Daten heranzuführen, denn spielen heißt: gewinnen und manchmal auch verlieren.

Data Literacy ist eben nicht die Fähigkeit, durch möglichst viele Daten und möglichst komplexe Analysemethoden eine Illusion von Sicherheit zu schaffen. Die Krise lehrt schmerzlich, dass nicht jede Entscheidung durch Daten »vorausberechnet« werden kann. Data Literacy ist darum vielmehr die Fähigkeit, mit Unsicherheit umzugehen und die Verantwortung für Entscheidungen nicht an Daten und Algorithmen zu delegieren. Das wäre Statistical beziehungsweise Data Literacy, wie sie der englische Schriftsteller Herbert George Wells sinngemäß vor über hundert Jahren als eine der drei Kernkompetenzen des mündigen Bürgers in einer modernen technologischen Welt gefordert hat: die Fähigkeit zum vernünftigen Umgang mit Risiken und Unsicherheit.19

Anmerkungen

1United Nations Statistics Division: »Cape Town Global Action Plan for Sustainable Development«. Online: https://unstats.un.org/sdgs/hlg/Cape-Town-Global- https://unstats.un.org/sdgs/hlg/Cape-Town-Global-Action-Plan/Action-Plan/. Zugriff: 01.09.2020.

2Jens Heidrich et al.: Future Skills – Ansätze zur Vermittlung von Data Literacy in der Hochschulbildung. Hochschulforum Digitalisierung, Nummer 37, Berlin 2018, S. 14.

3Katharina Schüller et al.: Future Skills – ein Framework für Data Literacy. Hochschulforum Digitalisierung, Nummer 47, Berlin 2019, S. 26.