Ein Dashboard kann Zahlen sichtbar machen. Es kann aber weder nachträglich klären, welche Wirkung ein Unternehmen erreichen wollte, noch entscheiden, welche Daten dafür belastbar sind.
Kernaussage
Messbarkeit beginnt mit einer geschäftlichen Frage und einer vorgesehenen Entscheidung. Erst danach werden Ziel, Hypothese, Messgröße, Ereignis, Datenquelle, Qualitätsregel und Verantwortlichkeit festgelegt.
Reporting ist das Ende dieser Vorbereitung, nicht ihr Ersatz. Fehlt das Messkonzept, visualisiert ein Bericht vor allem die Unklarheit des Systems.
Ausgangslage
Viele Unternehmen beginnen ihre Messarbeit mit dem Werkzeug. Eine Analytics-Lösung wird eingerichtet, ein Tag-Management-System ergänzt und ein Dashboard aufgebaut. Anschließend stehen Seitenaufrufe, Sitzungen, Klicks, Kampagnen, Formularereignisse und Kosten nebeneinander.
Die Oberfläche wirkt professionell. In der Besprechung entstehen trotzdem grundlegende Fragen:
- Welche dieser Kennzahlen beschreibt tatsächlich geschäftliche Wirkung?
- Ist ein Formularaufruf bereits ein Fortschritt oder nur eine technische Interaktion?
- Wurde ein Ereignis auf allen Seiten gleich erfasst?
- Sind interne Zugriffe, Testdaten und doppelte Auslösungen ausgeschlossen?
- Welche Entscheidung soll aus einer Veränderung folgen?
- Wer prüft, ob die Daten noch zur aktuellen Website und zum realen Prozess passen?
Diese Fragen sind kein Reportingproblem. Sie zeigen, dass vor der Datenerhebung keine gemeinsame Messlogik festgelegt wurde.
Im Oktober 2021 war dieser Unterschied besonders relevant. Die Zahl digitaler Kontaktpunkte nahm zu, Kampagnen und Websites wurden kleinteiliger instrumentiert und Google hatte mit der neuen Generation von Analytics ein stärker ereignisbasiertes Messmodell eingeführt. Das eröffnete flexiblere Erfassung. Es beantwortete aber nicht automatisch, welche Ereignisse für ein bestimmtes Unternehmen sinnvoll waren.
Mehr erfassbare Interaktionen führten deshalb nicht zwangsläufig zu besserer Steuerung. Ohne Zielbezug konnte die zusätzliche Detailtiefe sogar die Zahl der Kennzahlen erhöhen, ohne die Entscheidung zu verbessern.
Was hinter dem Problem liegt
Verfügbare Daten werden mit relevanten Daten verwechselt
Werkzeuge stellen Standardkennzahlen bereit. Diese sind technisch leicht verfügbar und deshalb schnell in Berichten enthalten. Ihre Verfügbarkeit sagt jedoch nichts darüber aus, ob sie eine geschäftliche Frage beantworten.
Seitenaufrufe können für die Nutzung eines Wissensbereichs wichtig sein. Für die Qualität einer komplexen B2B-Anfrage sind sie nur ein indirektes Signal. Eine hohe Klickrate kann auf Relevanz hinweisen. Sie kann ebenso aus einer missverständlichen Erwartung entstehen.
Relevanz entsteht nicht aus der Kennzahl selbst. Sie entsteht aus dem Zusammenhang zwischen Ziel, Nutzerverhalten und vorgesehener Entscheidung.
Kennzahl, KPI und Ziel werden vermischt
Eine Kennzahl beschreibt einen beobachteten Wert. Ein KPI ist eine ausgewählte Kennzahl, die für die Beurteilung eines wichtigen Ziels oder Prozesses verwendet wird. Ein Ziel beschreibt den gewünschten Zustand oder die beabsichtigte Veränderung.
Wer jeden verfügbaren Wert zum KPI erklärt, verliert die Priorität. Wer ein Ziel nur als Zahl formuliert, ohne die dahinterliegende Wirkung zu benennen, erzeugt ebenfalls Unklarheit.
„Mehr Conversions“ ist noch kein ausreichendes Ziel. Es muss geklärt werden, welche Handlung als Conversion gilt, welche Qualität sie besitzen soll und welchem geschäftlichen Ergebnis sie dient.
Ereignisse werden technisch statt fachlich definiert
Ein Ereignis ist zunächst eine beobachtbare Handlung oder ein Systemzustand. Technisch kann ein Klick, ein Formularstart oder ein Download erfasst werden. Fachlich muss zusätzlich geklärt sein, was dieses Ereignis bedeutet.
Ein Download kann Interesse zeigen. Er beweist keine Kaufabsicht. Ein Formularversand kann eine Anfrage darstellen. Er sagt noch nichts über deren Passung oder den nachfolgenden Vertriebsprozess aus.
Die technische Erfassung muss deshalb auf einer Ereignisdefinition beruhen, die Name, Auslöser, Bedeutung, Bedingungen, Ausschlüsse und erwartete Folge beschreibt.
Datenqualität bleibt ohne Verantwortung
Messfehler entstehen nicht nur durch defekte Tags. Sie entstehen auch durch geänderte Formulare, neue Kampagnenparameter, doppelte Auslösungen, uneinheitliche Benennungen, fehlende Ausschlüsse und nachträgliche Änderungen an Prozessen.
Ohne Verantwortlichkeit wird Datenqualität erst geprüft, wenn Ergebnisse unplausibel wirken. Dann ist häufig nicht mehr eindeutig rekonstruierbar, seit wann die Abweichung besteht.
Datenqualität ist deshalb kein einmaliger technischer Test. Sie ist eine wiederkehrende Aufgabe aus Prüfung, Dokumentation und Korrektur.
Berichte werden erstellt, ohne Entscheidungen vorzubereiten
Ein regelmäßiger Bericht kann Transparenz schaffen. Er wird jedoch nicht automatisch zum Steuerungsinstrument.
Dafür muss vorab geklärt sein:
- Welche Veränderung ist relevant?
- Ab welcher Abweichung wird geprüft?
- Welche Ursachen werden zuerst untersucht?
- Welche Person darf Maßnahmen anpassen?
- Wann ist eine Beobachtung noch kein belastbarer Trend?
- Welche zusätzlichen Informationen werden benötigt?
Ohne diese Regeln bleibt der Bericht beschreibend. Er erklärt, was angezeigt wird, aber nicht, was daraus folgen soll.
Strategische Einordnung
Ein belastbares Messkonzept verbindet sieben Ebenen:
- Geschäftliche Frage: Was muss das Unternehmen wissen?
- Entscheidung: Welche Handlung soll durch die Erkenntnis besser werden?
- Ziel und Hypothese: Welche Veränderung wird erwartet und warum?
- Messgrößen und Ereignisse: Welche beobachtbaren Signale sind dafür geeignet?
- Datenquellen und Qualität: Woher stammen die Daten und wie werden sie geprüft?
- Interpretation: In welchem Zeitraum, Segment und Vergleichsrahmen werden Werte gelesen?
- Maßnahme und Lernen: Welche Anpassung folgt und wie wird ihre Wirkung erneut geprüft?
Diese Reihenfolge verhindert nicht, dass vorhandene Daten genutzt werden. Sie ordnet sie nur einer fachlichen Funktion zu.
Die britische Service-Methodik formulierte bereits vor 2021 einen ähnlichen Grundsatz: Metriken sollen aus Zweck, Nutzen und Hypothesen eines Dienstes abgeleitet werden. Erst danach werden Datenquellen, Auswertung und Darstellung festgelegt. Dashboards und Berichte erscheinen dort bewusst spät in der Kette.
Auch das ereignisbasierte Modell der 2020 eingeführten neuen Google-Analytics-Generation änderte an dieser Verantwortung nichts. Es machte Interaktionen flexibler beschreibbar. Die Bedeutung der Ereignisse musste weiterhin vom Unternehmen definiert werden.
Die Messkette
Datenqualität muss für den Zweck ausreichen
Perfekte Daten sind in realen digitalen Systemen selten erreichbar. Daraus folgt jedoch nicht, dass jede Abweichung akzeptabel ist.
Die notwendige Qualität richtet sich nach der Entscheidung. Für eine grobe Beobachtung des Interesses an einem Themenbereich kann eine stabile Trendmessung ausreichen. Für Budgetverschiebungen, Vertriebsprognosen oder die Bewertung einzelner Kampagnen sind höhere Anforderungen nötig.
Mindestens fünf Qualitätsfragen sollten beantwortet werden:
Vollständigkeit
Werden die relevanten Ereignisse in allen vorgesehenen Situationen erfasst oder fehlen Geräte, Seiten, Prozessschritte oder Kanäle?
Richtigkeit
Entspricht das erfasste Ereignis der tatsächlichen Handlung oder entstehen Doppelzählungen, Testdaten und falsche Auslöser?
Konsistenz
Werden Begriffe, Parameter, Zeiträume und Definitionen über Systeme und Berichte hinweg gleich verwendet?
Aktualität
Stehen die Daten rechtzeitig für die vorgesehene Entscheidung zur Verfügung und ist bekannt, welche Verzögerungen bestehen?
Kontext
Sind Segment, Vergleichszeitraum, Baseline, saisonale Effekte und Prozessänderungen dokumentiert?
ISO 8000 ordnete Datenqualität bereits vor 2021 als Managementaufgabe ein. Der entscheidende Punkt für digitale Messsysteme ist nicht die Zertifizierung an sich. Relevant ist die organisatorische Konsequenz: Qualität benötigt Prozesse, Rollen und wiederholbare Prüfung.
Datenschutz gehört in das Messkonzept
Ein Messkonzept muss nicht nur klären, was technisch erfasst werden kann. Es muss auch begründen, welche Daten für den festgelegten Zweck erforderlich sind.
Die Datenschutz-Grundverordnung nennt unter anderem Zweckbindung, Datenminimierung und Richtigkeit als Grundsätze. Für die praktische Messplanung bedeutet das:
- nicht vorsorglich jede mögliche Information sammeln,
- personenbezogene oder personenbeziehbare Daten nur mit geklärter Grundlage verarbeiten,
- Aufbewahrung und Zugriffe begrenzen,
- Messzwecke verständlich dokumentieren,
- rechtliche und technische Prüfung früh einbeziehen.
Dieser Beitrag ersetzt keine Rechtsberatung. Bei konkreten Fragen zur Zulässigkeit, Einwilligung oder technischen Umsetzung sollte eine spezialisierte Kanzlei oder ein Datenschutzbeauftragter eingebunden werden.
Datenschutz ist dabei nicht der Gegenpol zu Messbarkeit. Eine klare Zweckdefinition verbessert beides. Sie begrenzt unnötige Datensammlung und erhöht gleichzeitig die fachliche Aussagekraft der verbleibenden Daten.
Perspektive aus der Praxis
In gewachsenen Systemen beginnt die Verbesserung selten mit einem komplett neuen Dashboard. Sinnvoller ist eine Bestandsaufnahme der Entscheidungen, die regelmäßig getroffen werden sollen.
Daraus lässt sich rückwärts prüfen:
- Welche Fragen werden heute tatsächlich gestellt?
- Welche Kennzahlen werden dafür verwendet?
- Welche Definitionen stehen dahinter?
- Welche Ereignisse und Datenquellen speisen diese Werte?
- Welche Prüfungen finden statt?
- Wo entstehen manuelle Korrekturen oder Zweifel?
- Welche Kennzahlen werden zwar berichtet, aber nie für eine Entscheidung genutzt?
Häufig zeigt sich, dass wenige Messgrößen eine hohe Steuerungsrelevanz besitzen, während viele weitere Werte nur Beobachtungsmaterial sind. Diese Unterscheidung entwertet die zusätzlichen Daten nicht. Sie verhindert lediglich, dass ein Bericht jede Zahl mit derselben Bedeutung behandelt.
Ebenso wichtig ist die Verbindung zwischen digitalem Verhalten und nachgelagerten Prozessen. Eine Website-Anfrage wird erst dann geschäftlich verständlich, wenn bekannt ist, ob sie relevant war, bearbeitet wurde und zu welchem Ergebnis sie führte. Dafür müssen Marketing, Vertrieb und gegebenenfalls Service gemeinsame Definitionen verwenden.
Handlungsrahmen
1. Die zu verbessernde Entscheidung benennen
Beginnen Sie nicht mit der Frage, welche Kennzahlen verfügbar sind. Beschreiben Sie, welche wiederkehrende Entscheidung besser vorbereitet werden soll.
2. Ziel und erwartete Wirkung trennen
Formulieren Sie den gewünschten geschäftlichen Zustand. Ergänzen Sie anschließend die Annahme, wie eine konkrete Maßnahme dazu beitragen soll.
3. Wenige steuerungsrelevante KPIs auswählen
Wählen Sie nur Kennzahlen als KPI aus, die für das Ziel wesentlich sind und eine Entscheidung unterstützen. Weitere Kennzahlen bleiben Diagnose- oder Kontextwerte.
4. Ereignisse und Definitionen dokumentieren
Legen Sie für jedes relevante Ereignis Auslöser, Bedeutung, Parameter, Ausschlüsse, Datenquelle und verantwortliche Person fest. Verwenden Sie über Systeme hinweg konsistente Namen.
5. Qualitätsregeln vor dem Regelbetrieb festlegen
Bestimmen Sie Prüfintervalle, Testfälle, Plausibilitätsgrenzen und den Umgang mit Änderungen. Dokumentieren Sie bekannte Lücken, statt Scheingenauigkeit zu erzeugen.
6. Berichte um Entscheidungsregeln ergänzen
Definieren Sie, welche Abweichungen eine Prüfung auslösen, welche Segmente betrachtet werden und wer Maßnahmen beschließen kann. Ein Bericht sollte nicht nur Werte, sondern auch ihre Bedeutung im jeweiligen Kontext sichtbar machen.
7. Lernen als geschlossenen Zyklus organisieren
Prüfen Sie nach einer Maßnahme nicht nur den Zielwert. Bewerten Sie auch, ob Hypothese, Messung und Datenqualität tragfähig waren. Passen Sie das Messkonzept an, wenn sich Prozess, Website oder Geschäftsmodell verändern.
Was Unternehmen nicht tun sollten
Unternehmen sollten keine umfangreiche Messarchitektur aufbauen, nur weil ein Werkzeug viele Ereignisse erfassen kann.
Sie sollten ebenso wenig jede positive Interaktion als Conversion bezeichnen, Kennzahlen nachträglich passend zu einem Ergebnis auswählen oder historische Werte vergleichen, obwohl Definitionen und Erfassung verändert wurden.
Ein Dashboard darf keine Genauigkeit behaupten, die seine Datenquellen nicht besitzen. Attribution sollte nicht als vollständiger Beweis für Ursache und Wirkung behandelt werden. Und ein monatlicher Bericht sollte nicht weitergeführt werden, wenn seine Empfänger daraus weder Entscheidungen noch Prüfaufträge ableiten.
Konsequenz für Unternehmen
Messbarkeit entsteht nicht durch möglichst viele Zahlen. Sie entsteht durch eine belastbare Verbindung zwischen Ziel, Verhalten, Daten und Entscheidung.
Ein gutes Messkonzept reduziert nicht zwangsläufig die Datengrundlage. Es ordnet sie:
- wenige KPIs für die Steuerung,
- ergänzende Kennzahlen für Diagnose und Kontext,
- definierte Ereignisse für beobachtbare Handlungen,
- dokumentierte Qualitätsregeln,
- klare Verantwortlichkeiten,
- wiederkehrende Lern- und Anpassungsschleifen.
Wie Kunden zwischen Recherche, Belegprüfung und persönlichem Kontakt wechseln, zeigt „Kundenentscheidungen verlaufen selten in einem geraden Trichter“. Warum Messung nur als Teil eines verbundenen Systems wirkt, vertieft „Von Einzelmaßnahmen zum digitalen Wirkungssystem“. Die spätere Jahresauswertung „Was 2025 über digitale Reife tatsächlich gezeigt hat“ ordnet Steuerungsfähigkeit in den größeren organisationalen Zusammenhang ein.
Die Gesamtübersicht bietet der Themenpfeiler Daten und Steuerung.
Fachlicher Anschluss
Messkonzept, Datenbasis und Entscheidungslogik gemeinsam prüfen
Ein KPI- und Steuerungssystem beginnt mit den geschäftlichen Fragen, nicht mit der Auswahl eines Dashboards. In einer strukturierten Discovery lassen sich Ziele, Ereignisse, Datenquellen, Qualitätslücken und Verantwortlichkeiten zu einer belastbaren Messarchitektur verbinden.
CTA: Messkonzept und digitale Datenbasis strukturiert klären
Weiterführende Insights
- Kundenentscheidungen verlaufen selten in einem geraden Trichter
- Von Einzelmaßnahmen zum digitalen Wirkungssystem
- Was 2025 über digitale Reife tatsächlich gezeigt hat
Über den Autor
Göke Frerichs ist Digitalstratege und Smart Digital Creative. Er arbeitet seit 1999 professionell an der Verbindung von digitaler Strategie, Kommunikation, Technologie und Umsetzung.
Quellen
- Government Digital Service, „How to set performance metrics for your service“, 2017, https://www.gov.uk/service-manual/measuring-success/how-to-set-performance-metrics-for-your-service
- Government Digital Service, „Measuring the success of your service“, 2018, https://www.gov.uk/service-manual/measuring-success/measuring-the-success-of-your-service
- Government Digital Service, „Define what success looks like and publish performance data“, 2019, https://www.gov.uk/service-manual/service-standard/point-10-define-success-publish-performance-data
- Google, „The new Google Analytics will give you the essential insights you need to be ready for what’s next“, 2020, https://blog.google/products/marketingplatform/analytics/new_google_analytics/
- Google, „A new way to unify app and website measurement in Google Analytics“, 2019, https://blog.google/products/marketingplatform/analytics/new-way-unify-app-and-website-measurement-google-analytics/
- ISO, „ISO/TS 8000-60:2017. Data quality management: Overview“, 2017, https://www.iso.org/standard/66234.html
- Europäische Union, „Verordnung (EU) 2016/679“, insbesondere Artikel 5, 2016, https://eur-lex.europa.eu/legal-content/DE-EN/ALL/?uri=CELEX:32016R0679