Mit DatenGraf und DatenLotse zur offenen Datenlandschaft

von Damian Paderta | 9. August 2026 | Blog, Open Data, Software

DatenGraf kartiert die Datenflüsse, DatenLotse macht sie publikationsreif

Fragen Sie in Ihrer Organisation, welche Daten ein bestimmtes Fachverfahren an wen weitergibt. Sie bekommen eine Antwort, aber sie wird unvollständig sein. Ein Teil des Wissens steckt in Köpfen, ein Teil in Tabellen, die vor drei Jahren jemand angelegt und danach nicht mehr angefasst hat, ein Teil in Gewohnheiten, die niemand mehr hinterfragt: Die Kollegin aus der Buchhaltung schickt jeden Monat eine Auswertung an das Controlling, weil sie das immer so gemacht hat. Solange alles läuft, fällt das nicht auf. Auffällig wird es an drei Stellen. Beim Systemwechsel, wenn niemand sagen kann, welche Schnittstellen ein Altverfahren eigentlich bedient. Bei einer Datenschutzanfrage, wenn Sie belegen sollen, wohin personenbezogene Daten geflossen sind. Und wenn jemand die Organisation verlässt und sein Wissen mitnimmt. Der übliche erste Reflex ist eine Umfrage per E-Mail und eine Tabelle, in der die Antworten zusammenlaufen. Das ist nicht falsch, es hört nur zu früh auf: Eine Liste von 200 Zeilen zeigt Ihnen, dass viel passiert, aber nicht, wo die Struktur verwundbar ist. Für diesen zweiten Schritt gibt es die beiden Werkzeuge, um die es hier geht.

Zwei Werkzeuge, ein Weg

DatenGraf kartiert. Sie tragen Datenflüsse ein: Wer gibt was an wen? Und die Anwendung zeichnet daraus ein Netzwerk und wertet es aus. DatenLotse setzt um. Er nimmt die kartierte Datenlandschaft und führt sie in die operative Open-Data-Arbeit: Welcher Datensatz kann veröffentlicht werden, wer ist zuständig, was fehlt noch, welche Metadaten braucht es? DatenGraf beantwortet, wie die Datenflüsse aussehen; DatenLotse beantwortet, was Sie jetzt konkret tun. Beide sind kostenlos, laufen im Browser und brauchen weder Anmeldung noch Konto noch Installation. Der Quellcode ist offen einsehbar (daimpad/datengraf und daimpad/datenlotse, DatenLotse unter GPL-3.0). Die technische Besonderheit ist bei beiden dieselbe und für alles Weitere entscheidend: Es gibt kein Backend. Keinen Server, keine Datenbank, keine serverseitige Anwendungslogik. Der Browser lädt HTML, CSS und JavaScript und führt alles lokal aus. Auch Programmbibliotheken, Schriften und Icons kommen aus dem Projekt selbst und nicht von einem Content Delivery Network, also einem externen Auslieferungsdienst. Beide Anwendungen funktionieren deshalb auch in Netzen, die externe Skripte sperren – eine Bedingung, an der in Verwaltungsnetzen viele webbasierte Werkzeuge scheitern. DatenLotse ist zusätzlich in reinem JavaScript, HTML und CSS geschrieben, ohne Framework und ohne Build-Prozess. Die ausgelieferten Dateien sind der Quelltext. Das hat eine praktische Folge: Wer prüfen will, ob wirklich nichts abfließt, kann das in den Entwicklerwerkzeugen seines Browsers in einer Minute selbst nachsehen. Bei einer Server-Anwendung geht das nicht.

Erfassen: vier Wege hinein, zwei Prüfungen dazwischen

DatenGraf kennt vier Importwege: einen geführten Wizard Schritt für Schritt, eine CSV-Datei per Auswahl oder Drag & Drop, direkt eingefügten CSV-Text und eine URL, von der der Browser die Datei lädt. Eine Vorlage mit allen Spalten steht zum Download bereit. Ein Datenfluss besteht aus drei Pflichtangaben Quelle, Beziehung, Ziel und einer Reihe optionaler Angaben (Abteilung, Bereich, Organisation und Rolle der Quelle, Organisation des Ziels, Datentyp, Häufigkeit, Format, Schutzbedarf, Erfassungsart, Anmerkungen und Ansprechpartner). Für die Felder, auf die es bei der Auswertung ankommt, gibt es kontrollierte Vokabulare statt Freitext: Die Beziehung ist entweder übergibt, nutzt, erstellt, empfängt oder verarbeitet; der Schutzbedarf ist DSGVO-relevant, Intern oder Öffentlich; die Erfassungsart Manuell oder Automatisiert. Zwei Prüfungen laufen beim Import automatisch, und beide sind mehr als Komfort. Die Trennzeichenerkennung leitet aus der Kopfzeile ab, ob Komma, Semikolon oder Tabulator die Spalten trennt. Das klingt nach einem Detail, ist aber der häufigste stille Fehler beim CSV-Import: Deutsches Excel exportiert standardmäßig mit Semikolon. Ohne Erkennung landet die gesamte Zeile in einer einzigen Spalte, der Import gelingt scheinbar, und Sie arbeiten mit unbrauchbaren Daten weiter. Enthält ein Import keine einzige verwertbare Zeile, weist DatenGraf ihn mit einer Erklärung ab, statt den bestehenden Datensatz zu überschreiben. Die Normalisierungsprüfung erkennt uneinheitliche Schreibweisen vor dem Import und vereinheitlicht sie auf Wunsch. „Kämmerei", „Kaemmerei" und „kämmerei " sind für einen Menschen dasselbe, für die Netzwerkanalyse aber drei Akteure also drei Knoten statt einem, mit entsprechend verfälschter Auswertung. Der Vergleich ignoriert Groß- und Kleinschreibung, überzählige Leerzeichen, Satzzeichen am Ende und Umlaut-Umschreibungen. Als kanonische Fassung gewinnt die häufigste Schreibweise; bei Gleichstand entscheidet eine Heuristik zugunsten von Großschreibung und echten Umlauten. Uneindeutige Fälle bleiben unverändert, denn dort lässt sich nicht raten. Eine Duplikatserkennung warnt zusätzlich, wenn ein Datenfluss bereits erfasst wurde. Wer eine gewachsene Sammeltabelle importiert, wird beide Prüfungen brauchen.

Die Karte: Akteure, Pfeile, Filter

Akteure erscheinen als Knoten, Datenflüsse als gerichtete Pfeile, die Pfeilfarbe kodiert den Beziehungstyp; das Layout ist kräftebasiert, ordnet sich also selbst nach Anziehung und Abstoßung zwischen den Knoten. Zuschaltbar sind mehrere Ansichten: Die Häufigkeits-Visualisierung kodiert über Dicke, Linienstil und Transparenz der Kanten, wie oft ein Fluss stattfindet, von „sofort" bis „jährlich" und „bei Bedarf". Org-Farben färben jeden Knoten nach seiner Organisation ein. Die Hierarchie-Ansicht gruppiert Knoten nach Organisationsbereich in Container. Der Pfadfinder zeigt den Weg zwischen zwei beliebigen Akteuren. Ein Klick auf einen Knoten öffnet dessen Kennzahlen und alle beteiligten Flüsse, ein Doppelklick öffnet ihn zur Bearbeitung. Eine Filterleiste schränkt nach Beziehungstyp, Schutzbedarf, Erfassungsart, Organisation, Abteilung, Häufigkeit, Format und Freitext ein; die Legende ist anklickbar und filtert auf einen einzelnen Beziehungstyp. Weil eine Netzwerkkarte für Screenreader nicht erschließbar ist, gibt es eine gleichwertige Listenansicht, auf die sichtbar verwiesen wird. Helles und dunkles Erscheinungsbild halten beide die Kontrastanforderungen der WCAG 2.1 auf Stufe AA ein.

Das Briefing: was die Analyse von selbst findet

Die Karte ist nicht der Ertrag, sie ist die Voraussetzung. Der eigentliche Kern ist das Analyse-Briefing: DatenGraf wertet den Datensatz automatisch aus und benennt Befunde im Klartext, jeweils mit Erklärung, betroffenen Knoten und einer Handlungsempfehlung. Drei Befundtypen tragen den größten Teil der Aussage:

Befund	Was er bedeutet	Ein Beispiel	Welche Entscheidung er auslösen sollte
Hub	Ein Akteur mit auffällig vielen Verbindungen	Bei einem Handelsunternehmen hängt die Warenwirtschaft an nahezu allem	Ausfallszenario durchspielen, Vertretung und Wiederanlaufreihenfolge klären. Hier trifft ein Ausfall sofort viele Prozesse
Gatekeeper	Ein struktureller Flaschenhals: ein Akteur, über den viele Wege im Netzwerk laufen, berechnet über die Betweenness Centrality, also den Anteil kürzester Verbindungen, die durch diesen Knoten führen	In einem Forschungsinstitut läuft fast jeder Weg über die Drittmittelverwaltung	Prüfen, ob die Position gewollt ist. Eine Freigabestelle soll Flaschenhals sein, eine Sachbearbeitung nicht. Im zweiten Fall gehört der Weg entzerrt
Isolierter Bereich	Ein Teilnetz ohne Verbindung zum Rest	In einem Wohlfahrtsverband hängt die Spendenverwaltung an nichts	Klären, ob dort tatsächlich nichts fließt oder ob der Fluss nur nicht erfasst ist. Der zweite Fall ist der häufigere und der Hinweis auf Schatten-IT oder ein Datensilo

Dazu kommen Befunde, die weniger die Struktur als die Sorgfalt betreffen: ein als DSGVO-relevant markierter Fluss, für den niemand als Ansprechpartner benannt ist; fehlende Angaben bei Schutzklasse, Datentyp oder Organisation. Eine Insights-Ansicht ergänzt Kennzahlen und eine automatische Cluster-Erkennung. Diese Befunde sind der Grund, aus dem sich die Kartierung überhaupt lohnt. Eine Liste von 200 Datenflüssen enthält dieselbe Information, aber niemand sieht sie ihr an.

Vollständigkeit und Veränderung über die Zeit

Zwei Funktionen machen aus der Kartierung eine wiederholbare Praxis statt einer einmaligen Anstrengung. Der Vollständigkeits-Score von 0 bis 100 bewertet, wie gut der Datensatz ausgefüllt ist, gewichtet über fünf Kategorien: Schutzklasse und Ansprechpartner bei DSGVO-Flüssen mit je 25 Punkten, Datentyp mit 20, Erfassungsart und Organisation mit je 15. Aufgeschlüsselt wird, in welcher Kategorie wie viel fehlt. Damit haben Sie eine Größe, die Sie einer Leitungsrunde zeigen können, ohne den Datensatz selbst offenlegen zu müssen. Snapshots halten Zwischenstände fest. Einer lässt sich als Vergleichsbasis markieren; das Briefing zeigt dann zusätzlich, was sich seither verändert hat neue und entfallene Verbindungen sowie Akteure, die seit der Vergleichsbasis zu Hubs oder Gatekeepern geworden sind. Genau dieser Topologiewechsel ist im Alltag kaum zu bemerken. Dass eine Abteilung über zwei Jahre unauffällig zur zentralen Durchgangsstelle geworden ist, sieht man erst im Vergleich.

Was herauskommt

DatenGraf exportiert den Datensatz als CSV, die Karte als PNG oder SVG und erzeugt einen druckfertigen PDF-Bericht mit Karte, Befunden und Score. Dazu kommen ein Teilen-Link und das Speichern im Browser. Sind Filter aktiv, exportiert die Anwendung den gefilterten Stand praktisch, wenn Sie nur die DSGVO-relevanten Flüsse eines Bereichs weitergeben wollen. Fünf Beispieldatensätze mit je 27 bis 30 Datenflüssen stehen zum Ausprobieren bereit, jeder mit einem eigenen Analyseschwerpunkt: ein E-Commerce-Händler, ein Wohlfahrtsverband, eine Kommunalverwaltung mit Sterntopologie um das Bürgermeisterbüro, ein Forschungsinstitut und eine Regionalredaktion.

Von der Karte zur Umsetzung: DatenLotse

An dieser Stelle wechselt die Frage. Sie wissen jetzt, wie Ihre Datenlandschaft aussieht. Die nächste Frage lautet, was daraus veröffentlicht werden kann und wer darüber entscheidet. Dafür gibt es DatenLotse. Er ist auf Verwaltungen zugeschnitten, aber vier seiner Bausteine setzen keine Veröffentlichungspflicht voraus und sind für Vereine, Unternehmen und Forschungseinrichtungen genauso brauchbar.

Der Daten-Kompass: eine Standortbestimmung

Der Einstieg ist eine Reifegrad-Checkliste mit 7 Dimensionen und 27 Prüfpunkten, angelehnt an anerkannte Modelle die World-Bank-Methodik ODRA, die EU Open Data Maturity, das 5-Sterne-Schema für offene Daten nach Berners-Lee, den deutschen Metadatenstandard DCAT-AP.de sowie DSGVO und FAIR-Prinzipien. Jeder Punkt wird als offen, teilweise, erfüllt oder nicht relevant eingestuft. Ergebnis ist ein Wert von 0 bis 100 mit Ampel und der Empfehlung, welcher Baustein als Nächstes dran ist. Einige Punkte werden aus dem vorhandenen Arbeitsstand vorbelegt. Den Verlauf halten Sie auf Knopfdruck fest bewusst nicht automatisch und bekommen ihn als Balkenreihe, die sich gegenüber Leitung oder Gremium zeigen lässt. Export als PDF.

Governance und Rollen: Wer entscheidet eigentlich

Acht gewichtete Fragen zu Zuständigkeiten, Data Ownership, Stewardship und Prozessen ergeben einen nachvollziehbaren Reifegrad; die Gewichte summieren sich auf 100, sodass jede Antwort einen erkennbaren Anteil am Ergebnis hat. Daraus und aus dem Inventar entsteht eine RACI-Matrix je Datendomäne mit einer Zuordnung, wer verantwortlich, rechenschaftspflichtig, zu konsultieren und zu informieren ist. Rollen, deren zuständige Frage nicht mit Ja beantwortet wurde, werden als Lücke markiert. Der Fragebogen funktioniert auch ohne importierte Daten; Sie können also mit der Governance anfangen, wenn Ihnen die Kartierung noch fehlt.

Risiko-Clearing: die Prüfkapazität dorthin lenken, wo sie gebraucht wird

Je Datensatz gibt es einen kompakten Fragebogen, ausgewertet durch einen deterministischen Entscheidungsbaum: Rot, Gelb oder Grün, jeweils mit Begründung und Empfehlung. Kein maschinelles Lernen, jedes Ergebnis ist nachvollziehbar und wiederholbar. Der Personenbezug wird aus dem Schutzbedarf der DatenGraf-Daten vorbelegt, Folgefragen erscheinen nur, wenn sie relevant sind. Eine Freitext-Notiz für die Akte, etwa zur Abstimmung mit dem Datenschutz oder zu vereinbarten Auflagen, geht bewusst nicht in die Entscheidung ein. Der praktische Nutzen liegt in der Sortierung: Grün ist unstrittig, Rot gesperrt. Die knappe Prüfkapazität konzentriert sich auf das Gelb.

Textbereinigung: Pseudonymisierung nach Regeln, nicht nach Wahrscheinlichkeit

Elf Muster decken deutsche Verwaltungstexte ab: Name (ausgelöst über die Anrede, akademische Titel werden übersprungen), Adresse, Postleitzahl mit Ort, Aktenzeichen und Geschäftszeichen, IBAN, E-Mail, Telefon, Geburtsdatum, Steuer-Identifikationsnummer und Kfz-Kennzeichen (beide kontextgetriggert) sowie Sozialversicherungsnummer. Drei Eigenschaften zählen in der Praxis. Das Verfahren ist deterministisch: gleiche Eingabe, gleiche Ausgabe. Es ist strukturerhaltend, weil die Platzhalter keine Kommas, Anführungszeichen oder Zeilenumbrüche enthalten und eine bereinigte CSV-Datei importierbar bleibt. Und es ist konsistent, weil derselbe Wert immer denselben Platzhalter bekommt sonst wären zwei Erwähnungen derselben Person im Text nicht mehr als dieselbe erkennbar. Eine Zuordnungstabelle als CSV dient der Dokumentation und der Reidentifizierung. Ein zweiter Modus bereinigt CSV-Dateien spaltenweise. Das ist kein Komfortmerkmal, sondern eine Notwendigkeit: Die Muster sind kontextgetriggert und greifen in strukturierten Daten oft nicht, weil in einer Spalte „Name" der Name ohne Anrede steht. Hier liefert die Spaltenauswahl den Kontext, den im Freitext der Trigger liefert. Das Verfahren ist rein regelbasiert. Seine Grenzen stehen sichtbar in der Oberfläche, und die manuelle Nachkontrolle bleibt Pflicht.

Wenn Sie veröffentlichen müssen: Inventar, Prüfung, HVD

Die folgenden Bausteine setzen voraus, dass Sie tatsächlich offene Daten publizieren für Stellen mit dieser Aufgabe sind sie der Kern des Werkzeugs, für alle anderen der Teil, den sie überspringen können. Aus einer DatenGraf-CSV leitet DatenLotse je eindeutiger Kombination aus Quelle und Datentyp einen Datensatz-Kandidaten ab. Jeder Eintrag ist eine editierbare Karte mit sechs Pflicht- und sechs Empfehlungsfeldern und einer Vollständigkeitsanzeige in Ampelfarben, die sich beim Tippen mitbewegt. Statt Freitext gibt es kontrollierte Vokabulare 13 EU-Datenthemen, Aktualisierungszyklen, Zugriffsrechte , die im Export als offizielle URIs erscheinen. Ein Lizenzregister mit 20 Lizenzen, davon 14 offen im Sinne der Open Definition, wird ergänzt durch einen Lizenz-Wegweiser: Zwei Fragen führen deterministisch zur passenden offenen Lizenz und übernehmen sie auf alle Datensätze, die noch keine haben. Je Datensatz lassen sich Verteilungen anlegen, denn derselbe Datensatz liegt oft als CSV und als JSON vor, jeweils mit eigener Zugriffs-URL und Lizenz. Eine Live-Vorschau des JSON-LD zeigt je Karte, was am Ende herauskommt dieselbe Funktion erzeugt Vorschau und Export, sie können also nicht auseinanderlaufen. Import und Export gehen in beide Richtungen: DatenGraf-CSV, die eigene bearbeitete Inventar-CSV, die über die ID zusammenführt statt zu ersetzen, sowie ein bereits veröffentlichter DCAT-AP.de-Katalog als JSON-LD. Der letzte Fall zielt auf Stellen, die schon publizieren und keinen Erstaufbau benötigen, sondern eine Prüfung ihres Bestands. Ausgegeben wird als JSON-LD, RDF/Turtle und CSV; der komplette Arbeitsstand lässt sich als Projektdatei sichern und weitergeben. Die Prüfung der Publikationsreife arbeitet auf zwei Ebenen, die verschiedene Fehlerklassen finden. Je Datensatz sind fehlende Pflichtfelder Fehler, fehlende Empfehlungsfelder und ungültige Werte. Eine nicht offene Lizenz, ein verletztes Vokabular, ein Ansprechpartner ohne E-Mail-Adresse sind Warnungen, jeweils mit Ampel und direktem Sprung zur betroffenen Karte. Über den gesamten Bestand hinweg findet die zweite Prüfung doppelte Identifier, die beim Harvesting kollidieren, also beim automatischen Einsammeln der Metadaten durch ein Portal; außerdem doppelte Titel, dieselbe Zugriffs-URL an mehreren Datensätzen und Schreibvarianten beim Publisher. Diese Fehlerklasse findet kein DCAT-Validator, weil jeder Eintrag für sich genommen korrekt ist. Einen Sonderfall bilden hochwertige Datensätze (High Value Datasets, HVD). Fällt ein Datensatz unter die Durchführungsverordnung (EU) 2023/138, anzuwenden seit dem 9. Juni 2024, ist rechtlich vorgeschrieben:

kostenfreier Zugang,
ein maschinenlesbares Format,
Bereitstellung über eine API,
eine Lizenz, die nicht restriktiver ist als CC BY 4.0.

Überall sonst gilt der Satz „offene Daten sind gut". Hier gilt „diese Daten müssen so veröffentlicht werden". Verstöße meldet DatenLotse deshalb als Fehler und nicht als Warnung. Zur Auswahl steht das vollständige amtliche Vokabular der EU-Publikationsstelle mit 96 Konzepten in den sechs Kategorien Georaum, Erdbeobachtung und Umwelt, Meteorologie, Statistik, Unternehmen und Mobilität, weil die Spezifikation ausdrücklich den genauesten Begriff empfiehlt. Die Einstufung selbst bleibt beim Menschen: Das Werkzeug schlägt eine Kategorie vor, setzt sie aber nicht. Ob die Verordnung greift, ist eine Rechtsfrage. Zum Nachschlagen gibt es ein Wissens- und Methodik-Center mit Live-Filter über 20 Glossarbegriffe, 9 Rechtsgrundlagen des Bundes und der EU mit amtlichen Fundstellen, alle 16 Landesregelungen Transparenzgesetz, Informationsfreiheitsgesetz oder, in Bayern und Niedersachsen, kein allgemeines Landesgesetz, kommunale Informationsfreiheitssatzungen für die Länder ohne Landesgesetz, vier Prüfwerkzeuge und Normtexte darunter den offiziellen SHACL-Validator der EU, sowie die fünf Reifegradmodelle hinter dem Kompass. Jede Fundstelle verweist auf das amtliche Portal, nie auf eine Sekundärquelle. Die Einträge tragen bewusst keine Jahreszahlen, weil Novellen häufig sind und ein veraltetes Datum schlechter wäre als gar keines. Diese Inhalte gibt es zusätzlich als statische, ohne JavaScript lesbare und einzeln verlinkbare Seiten. Fertige Vorlagen entstehen lokal und lassen sich als PDF drucken oder als Markdown beziehungsweise CSV laden: eine Open-Data-Richtlinie, eine Kurz-Checkliste zur Datenschutz-Folgenabschätzung, eine Veröffentlichungs-Freigabe je Datensatz, ein Auszug für das Verarbeitungsverzeichnis über die DSGVO-relevanten Datensätze und ein Status-Einseiter über alle Bausteine für Leitungsrunden. Die datengetriebenen Dokumente entstehen aus dem tatsächlichen Inventar- und Clearingstand. Alle Muster tragen den Vorbehalt: ohne Gewähr, keine Rechtsberatung.

Was lokal bleibt und was nicht

Bei DatenGraf verlässt der Datensatz den Browser nicht. Davon gibt es drei Ausnahmen. Erstens zählt eine Reichweitenmessung über GoatCounter den Seitenaufruf, nicht den Datensatz, cookiefrei, ohne Speicherung von IP-Adressen und mit Widerspruchsmöglichkeit über die Browsereinstellung „Do Not Track". Zweitens gibt es eine optionale KI-Zusammenfassung: Standardmäßig formuliert das Briefing seinen Text aus festen Bausteinen, ganz ohne Datenübertragung. Wer in den Einstellungen einen eigenen Anthropic-API-Schlüssel hinterlegt, bekommt stattdessen einen von Claude formulierten Fließtext. Übertragen werden dabei nicht die Datenflüsse, sondern Kennzahlen, Befundtypen, der Score und die Klartext-Namen der drei zentralsten Akteure. Ohne Schlüssel wird nichts gesendet. Das steht im Produkt selbst, nicht im Kleingedruckten. Drittens lädt der CSV-Import per URL eine Datei aus dem Netz, was Sie selbst auslösen. Eine eigene Datenschutzerklärung benennt jeden dieser Punkte mit Rechtsgrundlage. Bei DatenLotse werden Ihre Daten nicht übertragen. Importierte Dateien und alle Eingaben werden ausschließlich im Browser verarbeitet und im Local Storage gespeichert, also im lokalen Speicher des Browsers. Die Seite lädt eine anonyme Seitenzählung, ohne Cookies und ohne Kennung; Inhalte können dabei nicht abfließen, weil die Anwendung nie Daten in die Adresszeile schreibt. 270 automatisierte End-to-End-Tests prüfen genau die Fassung, die im Browser landet, einschließlich der Zusage, dass außer der Seitenzählung nichts nach außen geht. Ein Hinweis, der leicht untergeht: Der Teilen-Link von DatenGraf schreibt den Datensatz komprimiert in die Adresse. Er erreicht damit zwar keinen Server, aber wer den Link hat, hat die Daten. Behandeln Sie ihn wie die Datei selbst.

Grenzen

Beide Werkzeuge sind auf einen Ausschnitt zugeschnitten. Was sie nicht leisten, gehört zur Aussage:

DatenGraf ersetzt kein Verarbeitungsverzeichnis nach Art. 30 DSGVO. Es hilft, den Überblick zu gewinnen und Lücken zu finden; die rechtskonforme Dokumentation ist eine andere Aufgabe.
Die Analyse ist nur so gut wie die Erfassung. Wer zehn Datenflüsse einträgt, bekommt keine belastbare Netzwerkstruktur, sondern zehn Pfeile.
Es gibt keine Mehrbenutzer-Bearbeitung. Gemeinsames Arbeiten läuft über CSV-Dateien, Projektdateien oder Teilen-Links, nicht über gleichzeitigen Zugriff.
Es gibt keine automatische Sicherung. Ohne Backend gibt es keine serverseitige Kopie. Nicht gespeicherte Arbeit ist beim Schließen des Tabs weg.
DatenLotse ist kein Datenportal. Er erzeugt die Metadaten, die GovData oder CKAN harvesten, betreibt aber selbst nichts.
Beide sind keine Rechtsberatung. Sie strukturieren Entscheidungen und verlinken amtliche Quellen; die Entscheidung trifft die Organisation.
Beide decken nicht die Betriebsphase ab. ETL-Automatisierung, Container-Betrieb, CKAN-Anbindung und Feedback-Schleifen hängen an der konkreten IT-Landschaft und lassen sich nicht sinnvoll in eine generische, rein clientseitige Software gießen.

Dass in beiden Werkzeugen kein maschinelles Lernen steckt, ist keine Auslassung, sondern eine Entscheidung. Das Clearing ist ein Entscheidungsbaum, die Pseudonymisierung ein Regelwerk. Beides ist deshalb prüfbar, wiederholbar und begründbar – Eigenschaften, die im Verwaltungshandeln mehr wert sind als eine Trefferquote. Die einzige Ausnahme ist die optionale KI-Zusammenfassung in DatenGraf, die Sie aktiv einschalten müssen und die an der Analyse selbst nichts ändert.

Der nächste Schritt

Füllen Sie den Daten-Kompass in DatenLotse aus. Das dauert eine überschaubare Zeit, benötigt keine importierten Daten und liefert Ihnen zwei Dinge: einen Wert, über den sich in einer Leitungsrunde sprechen lässt, und die Angabe, welcher Baustein bei Ihnen als Nächstes dran ist. Wenn dabei herauskommt, dass Ihnen zuerst der Überblick über die Datenflüsse fehlt, laden Sie in DatenGraf einen der fünf Beispieldatensätze und sehen sich an, was die Analyse daraus macht, bevor Sie die eigene Erfassung beginnen. -> zum Datengraf -> zum Datenlotsen