Autor: Patrik Götz, Netzeffekt

In vielen Kommunikationsabteilungen sieht es auf den ersten Blick gut aus: Dashboards sind gebaut, KPIs definiert, Data Warehouses angebunden. Der CommTech Index zeigt Fortschritte, zumindest technisch. Und doch kreisen die Gespräche montagmorgens erstaunlich oft um dieselbe Frage: Können wir diesen Zahlen eigentlich trauen?

Sind sie richtig berechnet? Sind das die offiziellen Zahlen für den Vorstand? Müssen wir sie „sicherheitshalber“ noch einmal nachrechnen – vielleicht sogar in Excel? Spätestens wenn Marketing und Kommunikation dieselbe Kennzahl präsentieren und zwei unterschiedliche Ergebnisse liefern, wird klar: Das Problem ist längst nicht mehr der Mangel an Daten. Es ist der Mangel an Bedeutung.

Wenn jede Abteilung ihre eigene Wahrheit hat

Was heute vielerorts beobachtet werden kann, ist ein schleichender Vertrauensverlust in Zahlen. Nicht, weil sie fehlen, sondern weil sie erklärungsbedürftig bleiben. KPIs werden diskutiert, infrage gestellt, neu interpretiert. Die Folge ist ein Phänomen, das viele kennen, aber selten offen benennen: Shadow Analytics. Abteilungen bauen sich ihre eigenen Berechnungen, ihre eigenen Excel-Wahrheiten – parallel zu offiziellen Dashboards.

Der Kern des Problems liegt tiefer. Zahlen sprechen nicht für sich. Sie brauchen Kontext. Und genau hier kommen semantische Modelle ins Spiel – ein Thema, das erstaunlich selten diskutiert wird, obwohl es das Fundament datengetriebener Organisationen bildet.

Semantische Modelle: Mehr als IT-Dokumentation

Der Begriff „Semantic Models“ stammt ursprünglich aus der IT. Dort beschreibt er, wie Daten technisch verarbeitet, verknüpft und bereitgestellt werden. Doch diese Perspektive greift zu kurz. Semantische Modelle sind weit mehr als technische Metadaten – sie sind der Ort, an dem Bedeutung entsteht.

Vier Ebenen sind dabei entscheidend:

• Technische Metadaten sorgen für korrekte Verarbeitung: Datenfelder, Datentypen, Verknüpfungen, Aktualisierungsfrequenzen.
• Fachliche Metadaten schaffen Einheitlichkeit: KPI-Definitionen, Wirkungsstufen, Zielwerte, Benchmarks.
• Beschreibende Metadaten machen Daten nutzbar: verständliche Bezeichnungen, sprechende Dimensionen, Übersetzungen, thematische Einordnungen.
• Operative Metadaten sichern Nachhaltigkeit: Verantwortlichkeiten, Pflegeprozesse, Gültigkeiten.

Erst im Zusammenspiel dieser Ebenen werden operative Daten wirklich anschlussfähig – innerhalb der Organisation und darüber hinaus.

Warum semantische Modelle fast immer fehlen

Wenn semantische Modelle so zentral sind, warum existieren sie dann so selten? Die Gründe sind strukturell:

Sie sind unsichtbar. Niemand applaudiert für sauber dokumentierte Semantik.
Sie liegen zwischen Zuständigkeiten. IT, BI und Fachbereiche fühlen sich gleichermaßen – und doch niemand wirklich – verantwortlich.
Dashboards haben das Problem lange kaschiert. Erklärtexte im Kleingedruckten ersetzen keine strukturierte Bedeutung.
Projekt- und Zeitdruck verdrängen Dokumentation. Gesehen wird, was schnell Ergebnisse liefert.
Und nicht zuletzt: Semantik gilt als Overhead. Als lästige Fleißarbeit ohne Glamour.

Das Ergebnis: Datenprodukte skalieren technisch – aber nicht in ihrer Verständlichkeit.

Warum Ignorieren keine Option mehr ist

Lange ließ sich dieses Defizit überdecken. Doch vier Entwicklungen machen das heute unmöglich.

Erstens: Die wachsende Datenreife in Organisationen. Immer mehr Menschen greifen auf Daten zu – und brauchen Orientierung.
Zweitens: Die Skalierung von Datenprodukten. Mit jedem neuen Tool steigt der semantische Wildwuchs.
Drittens: Large Language Models als Datenzugriffspunkt. LLMs liefern Antworten – aber nur so gut wie der Kontext, den sie bekommen. Ohne Semantik produzieren sie selbstbewusst falsche Wahrheiten.
Viertens: Self-Service BI. Wer Analysekompetenz dezentralisiert, muss Bedeutung zentral sichern.

Ohne semantische Modelle wird aus datengetriebenem Arbeiten ein Glücksspiel.

Die Kettenreaktion fehlender Bedeutung

Fehlt die Semantik, beginnt ein schleichender KPI-Drift. Kennzahlen verlieren ihre Vergleichbarkeit. Diskussionen ersetzen Analyse. Shadow Analytics nimmt zu. Self-Service scheitert am fehlenden Vertrauen. Und KI-Anwendungen liefern Ergebnisse, die niemand ernsthaft verantworten kann.

Das ist kein technisches Problem. Es ist ein Organisations- und Führungsproblem.

Semantik ist Kommunikationsarbeit

Ein semantisches Modell ist weder ein einzelnes Tool noch ein PowerPoint im Keller. Es ist strukturierte Kommunikationsarbeit. Es zwingt Organisationen, sich zu verständigen, Verantwortung zu übernehmen und gemeinsame Definitionen festzuschreiben – maschinenlesbar, anschlussfähig und wiederverwendbar.

Oder anders gesagt: Wenn über Zahlen gestritten wird, fehlt es nicht an Analyse. Es fehlt an Semantik.

Über den Autor:

Partik Götz ist Senior Consultant für Digital Analytics & BI bei netzeffekt und verfügt über mehr als sechs Jahre Erfahrung in den Bereichen Analytics Engineering. Er hat umfassende Expertise in der Datenanalyse und arbeitet eng mit Unternehmen zusammen, um datengetriebene Strategien zu entwickeln, die den Anforderungen des digitalen Zeitalters gerecht werden. Seine Kernkompetenzen umfassen die strategische Beratung zur Messung von Kommunikationseffektivität, die Entwicklung und Implementierung von Datenprodukten und die Erstellung von Trainingsprogrammen, die Fachleute im Umgang mit analytischen Softwarelösungen schulen.