Datenatlas

Die deutsche Open-Data-Debatte ist gut ausgestattet mit Antworten auf Fragen, die den zweiten Schritt betreffen. Welche Lizenz, welches Portal, welche Schnittstelle, welches Metadatenschema gibt es Standards, Werkzeuge und eine eingespielte Community? All das setzt voraus, dass ein Datensatz bereits existiert und jemand ihn veröffentlichen möchte.

Der Schritt davor ist schlechter kartiert. Welche Datentypen entstehen in einer Verkehrsbehörde, einer Landeskirche, einem Sozialunternehmen, einer Fachschule? Und was genau steht ihrer Öffnung im Weg: Recht, Zuständigkeit, Aufwand oder schlicht der Umstand, dass niemand gefragt hat?

Der Datenatlas verzeichnet, welche Datentypen in deutschen Organisationen entstehen, und bewertet für jeden einzelnen, wie leicht er sich als Open Data veröffentlichen ließe, mit Begründung. Er fragt nicht „was liegt im Portal?“, sondern „was entsteht überhaupt, und was steht seiner Öffnung im Weg?“. Dargestellt wird das als isometrische Karte, über die man von der Gesellschaftsebene bis zum einzelnen Datenprodukt navigiert.

Die Verteilung, und was sie aussagt

Der Bestand umfasst über 10.000 Datentypen. Jeder trägt eine von drei Öffnungsklassen:

Diese Verteilung ist der Grund, warum das Projekt existiert, aber sie sagt etwas anderes aus, als es auf den ersten Blick scheint. Sie ist kein Messwert über die deutsche Datenlandschaft. Der Atlas hat keine Bestände inventarisiert und keine Behörde befragt. Er modelliert, welche Datentypen bei einem Organisationstyp typischerweise anfallen, und stuft diese Modelle ein. Die 68,1 Prozent sind also das Ergebnis einer systematischen Einschätzung, angewandt auf eine konstruierte Taxonomie: Wenn man Datentyp für Datentyp durchgeht und fragt, welche Schranke einer Veröffentlichung entgegensteht, findet man bei gut zwei Dritteln keine.

Das ist weniger, als eine Erhebung leisten würde, und mehr als nichts. Denn die Einstufung folgt an jeder Stelle einer benannten Begründung, die man angreifen kann. Wo die Zahl also überrascht, liegt der Widerspruch offen: Man kann nachsehen, welche Datentypen in OP_01 gelandet sind und ob die Begründung trägt.

Interessanter als der Spitzenwert ist die Gegenseite. Nur 3,4 Prozent der erfassten Datentypen sind so eingeschätzt, dass lediglich Metadaten veröffentlicht werden könnten. Wer in Verwaltungen über Open Data spricht, hört Datenschutz meist als Erstes als Gegenargument. In dieser Modellierung ist er selten die eigentliche Hürde. Die 28,5 Prozent der mittleren Klasse verlangen einen konkreten, benennbaren Arbeitsschritt: Anonymisierung, Aggregation, Schwärzung, das Zusammenfassen kleiner Fallzahlen. Das ist Aufwand und Zuständigkeit, keine Rechtsfrage. Passend dazu die Granularitätsverteilung: 62,6 Prozent der Datentypen sind bereits aggregiert, nur 3,3 Prozent sind personenbezogene Mikrodaten.

Das Innere des Datenatlas

Der Bestand ist vierstufig gegliedert, nach dem Prinzip Wer produziert welche Daten, wobei?

Sektor → Organisationstyp → Aktivität → Datentyp
z.B. (Staat → Ordnungsamt → Verkehrsüberwachung → Messstellen → Geodaten)

Acht Sektoren, 147 Organisationstypen, 418 Aktivitäten, 10.149 Datentypen. Die Verteilung über die Sektoren: Staat und Verwaltung 3.174, Wirtschaft 1.587, Zivilgesellschaft 1.386, Wissenschaft und Forschung 1.311, Medien 828, Bildung 828, Religionsgemeinschaften 690, Kultur 345.

Die entscheidende Konstruktionsentscheidung steckt in der ersten Ebene: Die Sektoren sind nach Trägertyp geschnitten, nicht nach Thema. Es gibt keinen Sektor „Gesundheit“. Ein Krankenhausdatensatz liegt je nach Träger in Staat oder in Wirtschaft.

Das wirkt zunächst umständlich, ist aber der Punkt, an dem der Atlas sich von einer thematischen Datenübersicht unterscheidet. Öffnungshürden hängen an der Trägerform, nicht am Gegenstand. Eine kommunale Klinik unterliegt anderen Transparenzpflichten als eine private; eine Landeskirche entscheidet über die Veröffentlichung ihrer Haushaltsstruktur im Ermessen, eine Kommune tut das nicht. Die Datenarten, Belegungszahlen, Personalstruktur, Beschwerdefälle verhält sich unter verschiedenen Trägern völlig unterschiedlich. Wer nach Thema sortiert, verdeckt genau die Unterschiede, die für die Öffnung zählen.

Praktisch nutzbar wird der Schnitt durch die Funktion „Ähnliche Datensätze“: Zu jedem Datentyp zeigt der Atlas bis zu fünf verwandte Einträge aus anderen Sektoren mit gleichem Thema oder Objekttyp. Man sieht damit unmittelbar, wo dieselbe Datenart unter anderen Bedingungen entsteht, und kann die Begründung des einen Falls gegen die des anderen halten.

Jeder Datentyp trägt ein kontrolliertes Vokabular: Öffnungsklasse, Thema, Objekttyp, Granularität, Format, Lizenz, Relevanzstufe, einen Zeitblock und mindestens fünf Prozessbezüge. Sämtliche Codes liegen in einer einzigen vocabulary.json, aus der auch der Validator liest. Die Lizenzseite fällt dabei deutlicher aus, als man erwarten würde: Datenlizenz Deutschland 41,1 Prozent, CC BY 4.0 32,2 Prozent, CC0 13,9 Prozent proprietär oder restriktiv sind nur 12,8 Prozent.

Ganz praktisch

Die Karte lässt sich schwenken, zoomen, per Touch und vollständig per Tastatur bedienen. Es gibt eine Suche über einen schlanken Index, zuschaltbar eine Tiefensuche über die Beschreibungen, Filter nach Öffnungsklasse, eine Detail-Sidebar mit allen Metadaten, ein Statistik-Dashboard mit der Öffnungsverteilung je Sektor und eine Zeitleiste. Jede Ansicht hat eine eigene URL, ist also zitierbar.

Zwei Werkzeuge gehen über das Nachschlagen hinaus. Der Wizard „Daten öffnen“ führt in fünf Schritten von der Rechtefrage bis zur Lizenzempfehlung und endet mit einer Checkliste. Der Datenkombinator enthält 32 vorgedachte Szenarien, die Datentypen aus verschiedenen Sektoren zusammenführen und zeigen, welche Frage sich damit beantworten ließe. Wer eine eigene Auswahl mitnehmen will, exportiert die sichtbaren Datentypen als CSV erzeugt im Browser. Der Atlas läuft vollständig im Browser. Keine Datenbank, kein Backend, keine Nutzerkonten; die Taxonomie liegt als statische JSON-Dateien vor. Das ist keine Sparmaßnahme, sondern der Grund, warum das Projekt ohne laufenden Betrieb bestehen kann und warum sich die Struktur unter MPL-2.0 für andere Länder oder Domänen übernehmen lässt.

Was der Atlas nicht ist

• kein Datenkatalog und kein Downloadportal. Er verzeichnet Datentypen, nicht einzelne Datensätze; für tatsächlich verfügbare Daten sind GovData, die Landesportale und die Fachrepositorien die richtigen Anlaufstellen.
• kein Verzeichnis geprüfter Bestände einer konkreten Organisation. Ob ein bestimmtes Amt einen bestimmten Datensatz führt, muss vor Ort geprüft werden.
• keine Rechtsberatung. Die Öffnungsklassen sind fachlich begründete Einschätzungen, keine rechtsverbindlichen Feststellungen. Und die Zeitangaben Verfügbarkeitsjahr und Aktualisierungsrhythmus, vorhanden für alle Einträge, bilden plausible Größenordnungen ab; sie sind nicht je Datentyp recherchiert.

Der Datenatlas bleibt ein Orientierungs-, Argumentations- und Planungswerkzeug. Es ersetzt keine Inventur, keine Rechtsprüfung und kein Datenportal. Es macht sie zielgerichteter und liefert für das Gespräch mit der Leitungsebene eine Begründung, die man zitieren kann, weil sie nachprüfbar ist.

-> zum datenatlas.de