Der Bericht untersucht Möglichkeiten zur strukturierten Messung der Auswirkungen von Open Data. Bisherige Studien haben sich hauptsächlich auf die wirtschaftlichen Auswirkungen konzentriert, ohne ein konsistentes Gesamtbild zu liefern. Ziel dieser Studie ist es, systematische Methoden und Indikatoren zur Messung der Auswirkungen von Open Data zu entwickeln und dabei auf bestehende Datensätze zurückzugreifen.
Analytischer Rahmen und Messung von Output, Outcome und Impact
Als Grundlage dient die Open-Data-Wertschöpfungskette, die vier Hauptphasen umfasst: Datenerfassung, Veröffentlichung, Aufnahme und Anwendung. Zur Bewertung der Effekte werden die Konzepte Output (direkte Ergebnisse), Outcome (kurz- und mittelfristige Effekte) und Impact (langfristige oder breite Auswirkungen) verwendet. Der Bericht analysiert bestehende Ansätze zur Wirkungsmessung und konzentriert sich insbesondere auf die Open Data Maturity Assessment und die Folgenabschätzung für hochwertige Datensätze. Dabei zeigt sich, dass Indikatoren in früheren Phasen der Wertschöpfungskette (Erfassung und Veröffentlichung) zwar leichter zu messen sind, aber weniger Einblick in die tatsächlichen Auswirkungen geben als Indikatoren in späteren Phasen (Aufnahme und Anwendung).
Indikatoren für Output, Outcome und Impact
Für die Output-Messung werden zahlreiche potenzielle Indikatoren identifiziert und nach Schwierigkeit der Messung sowie Aussagekraft bewertet. Als besonders vielversprechend werden folgende Indikatoren hervorgehoben:
- Anzahl der Anwendungsfälle, die auf dem nationalen Portal präsentiert werden
- Explizite Verweise auf verwendete Datensätze
- Portal-Traffic
- API-Nutzungsstatistiken
Für Outcome und Impact werden Beispielindikatoren in den Bereichen Wirtschaft, Soziales und Umwelt vorgestellt. Aufgrund der Vielfalt möglicher Anwendungsfälle wird empfohlen, spezifische Indikatoren je nach Zweck der Wirkungsanalyse zu entwickeln.
Schlussfolgerungen
Der Bericht schlägt vor, in zukünftigen Studien eine Hierarchie von Indikatoren zu entwickeln, die unterschiedlich gewichtet werden. Dabei sollten Output-Indikatoren, die eng mit der Wertschöpfungskette verbunden sind, von Outcome- und Impact-Indikatoren unterschieden werden, die einen stärkeren Bezug zu den tatsächlichen Auswirkungen haben. Bei der Verwendung automatisierter Indikatoren müssen Datenschutzaspekte berücksichtigt werden. Der Bericht enthält eine Übersicht der Datenschutzauswirkungen verschiedener Indikatoren und empfiehlt, diese bei der Entwicklung eines spezifischen Ansatzes zur automatisierten Überwachung zu berücksichtigen.
Abschließend wird festgestellt, dass viele der identifizierten Indikatoren Potenzial für eine Automatisierung bieten. Die relative Bedeutung und Eignung der einzelnen Indikatoren muss jedoch noch in der Praxis getestet werden. Diese Tests sollen in einer zukünftigen Studie oder einem Pilotprojekt durchgeführt werden und die Grundlage für ein hierarchisches Schema automatisierter Indikatoren bilden, die in unterschiedlichem Maße mit den Auswirkungen von Open Data in Zusammenhang stehen.