Daten, die Sie nicht öffnen können: Warum Insights-Teams ihre eigenen Studien nicht nutzen

Kurz gesagt: Das Problem ist nicht Ihre Agentur. Das Problem ist das Format, in dem Forschung ausgeliefert wird. Ein Deliverable aus PDF, PowerPoint und vielleicht einem Excel-Tabellenband ist der Endzustand einer Analyse – nicht ihr Anfang. Wer weiterfragen will, muss zurück zum Absender. Dieser Text zeigt, warum das so gekommen ist, was es kostet, und wie Sie es vertraglich abstellen, ohne die Zusammenarbeit zu belasten.

Der Satz, den man in jedem zweiten Insights-Team hört

„Wir haben die Daten – aber wir kommen nicht ran.“

Gemeint ist selten ein Zugriffsrecht. Gemeint ist: Die Studie existiert als Ergebnis, nicht als Datensatz. Auf dem Laufwerk liegt ein Foliensatz mit 80 Charts, sauber gestaltet, methodisch korrekt, teuer bezahlt. Was fehlt, ist die Möglichkeit, eine Frage zu stellen, die beim Briefing niemand vorhergesehen hat.

Und die kommt immer. Der Vorstand fragt nach der Altersgruppe 18–29 statt 18–34. Das Category Management will die Marke nur bei Kundinnen sehen, die auch bei der Konkurrenz kaufen. Jemand möchte wissen, ob sich der Wert gegenüber der Welle vor zwei Jahren wirklich verändert hat – oder ob das im Zufallsbereich liegt.

Jede dieser Fragen ist in zehn Minuten beantwortet, wenn man die Daten hat. Ohne Daten wird daraus eine Change-Request, ein Angebot, ein Termin, eine Woche.

Warum das kein Agenturproblem ist

Es liegt nahe, hier den Dienstleister zu verdächtigen. Das ist fast immer falsch – und es führt zur falschen Lösung.

Institute und Agenturen liefern in genau dem Format aus, das die Branche seit dreißig Jahren als „fertig“ definiert: der Bericht. Er ist das, was ausgeschrieben, kalkuliert und abgenommen wird. Kein Angebot der Welt enthält die Position „und danach stellen Sie noch beliebig viele Fragen an die Rohdaten, inklusive“. Der Bericht ist auch für die Agentur ein Kostenblock: Jede Nachfrage bindet einen Senior, der eigentlich am nächsten Projekt sitzen sollte. Die Reporting-Fabrik frisst dort dieselbe Marge, die sie bei Ihnen Zeit frisst.

Der Gegner ist also nicht der Absender. Der Gegner ist das tote Deliverable: ein Format, das den Erkenntnisstand eines bestimmten Tages einfriert und jede spätere Frage teuer macht. Für beide Seiten.

Was es tatsächlich kostet

Die offensichtlichen Kosten sind die Change-Requests. Die teureren sind unsichtbar:

• Die Fragen, die nicht gestellt werden. Wenn eine Auswertung drei Wochen und ein Angebot braucht, wird sie nur beauftragt, wenn jemand sie wirklich braucht. Die Hälfte der guten Fragen stirbt vorher – und man erfährt nie, was in den Daten gelegen hätte.
• Studienübergreifende Antworten, die es nicht gibt. Brand-Tracker beim einen Dienstleister, Kundenzufriedenheit beim zweiten, Preisstudie beim dritten. Jeder liefert korrekt – aber niemand kann sagen, ob die Zielgruppe, die bei der Marke schwächelt, dieselbe ist, die beim Preis abspringt. Diese Antwort existiert in Ihren Daten. Nur eben in drei Foliensätzen verteilt.
• Wissen, das mit Menschen geht. Wer im Team weiß, in welchem Deck die Zahl von damals stand? Meistens genau eine Person. Wenn die wechselt, beginnt die Studie ihr zweites Leben als unauffindbare Datei.
• Die KI-Frage, die Sie nicht beantworten können. Wenn die Geschäftsführung fragt, was Ihre Insights-Funktion mit KI macht, ist die ehrliche Antwort bei toten Deliverables: nichts Sinnvolles. Ein Sprachmodell kann PDFs zusammenfassen. Es kann keine gewichtete Kreuztabelle über drei Wellen rechnen, wenn es nur Bilder von Charts sieht.

Der Denkfehler: „Dann machen wir es eben selbst“

Die naheliegende Reaktion ist, auf eine DIY-Plattform zu wechseln und die Feldarbeit selbst zu machen. Für manche Fragestellungen ist das richtig. Als Antwort auf dieses Problem ist es meistens falsch, aus zwei Gründen.

Erstens verlieren Sie methodische Qualität, die Sie nicht ersetzen können: Stichprobenziehung, Gewichtung, Fragebogenkonstruktion, die Einordnung eines Ergebnisses. Zweitens – und das wiegt schwerer – löst es das Problem nur für die Studien, die Sie ab morgen selbst erheben. Die zwölf Studien der letzten drei Jahre bleiben genauso tot wie vorher. Sie haben dann ein Werkzeug und trotzdem keine Datenbasis.

Die Trennung, die weiterhilft: Wer die Forschung macht, ist eine Qualitätsfrage. Wem die Daten gehören und in welchem Zustand sie ankommen, ist eine Vertragsfrage. Die zweite lässt sich beantworten, ohne die erste anzufassen.

Fünf Sätze für den nächsten Vertrag

Der wirksamste Hebel liegt nicht in der Software, sondern in der Ausschreibung. Diese fünf Punkte kosten in der Verhandlung fast nichts, wenn sie vor der Beauftragung stehen – und sind nachträglich kaum durchzusetzen.

1. Rohdaten als Standard-Lieferbestandteil. „Der Auftragnehmer liefert den bereinigten Falldatensatz in einem maschinenlesbaren Format (SPSS .sav oder CSV mit Codebuch) als Teil der vereinbarten Leistung, ohne gesonderte Vergütung.“ Der entscheidende Halbsatz ist der letzte.
2. Codebuch und Gewichte gehören dazu. Ein Datensatz ohne Variablenlabels, Wertelabels und Gewichtungsvariable ist nur formal ein Datensatz. Verlangen Sie beides ausdrücklich – inklusive der Beschreibung, wie gewichtet wurde.
3. Nutzungsrechte, die interne Weiterverwendung einschließen. „Der Auftraggeber erhält das zeitlich und räumlich unbeschränkte Recht, die Daten intern auszuwerten, mit eigenen und dritten Datenbeständen zu verknüpfen und in eigenen Systemen zu speichern.“ Ohne diesen Satz ist die Verknüpfung zweier Studien im Zweifel nicht gedeckt.
4. Wellenkonsistenz bei Trackern. „Variablennamen, Wertebereiche und Gewichtungslogik bleiben über Wellen stabil; Änderungen werden dokumentiert und in einer Übergangswelle parallel ausgewiesen.“ Das ist der Punkt, an dem Zeitreihen sonst still zerbrechen.
5. Exit-Klausel. „Bei Vertragsende werden alle Datensätze, Codebücher und Dokumentationen der bisherigen Zusammenarbeit in maschinenlesbarer Form übergeben.“ Das ist der Unterschied zwischen einem Anbieterwechsel und einem Neuanfang bei null.

Ein guter Dienstleister hat mit keinem dieser Punkte ein Problem. Sie beschreiben, was er ohnehin produziert. Wo Widerstand entsteht, haben Sie eine nützliche Information über die Geschäftsgrundlage.

Was mit den Daten passieren muss, damit sie leben

Rohdaten im Laufwerk sind noch keine Lösung – sie sind nur die Voraussetzung. Ein SPSS-File ist für die meisten Menschen genauso unzugänglich wie ein PDF, nur unhübscher. Damit aus Daten wieder Antworten werden, braucht es drei Dinge:

Eine Umgebung, die Forschungsdaten wirklich versteht. Klassische BI-Werkzeuge sind für Transaktionsdaten gebaut. Sie kennen keine Gewichte, keine Mehrfachantworten, keine Skalenlabels, keine Signifikanz. Eine Kreuztabelle, die ungewichtet rechnet, ist nicht ein bisschen falsch – sie ist falsch. Das ist der Grund, warum der Umweg über das Data Warehouse in Insights-Teams so selten funktioniert.

Selbstbedienung für Nicht-Analysten. Wenn jede Auswertung über eine Person läuft, haben Sie den Engpass nur verlagert. Der Punkt ist erreicht, wenn ein Category Manager sich seinen Filter selbst setzt.

Abfragbarkeit durch KI – auf den Daten, nicht auf den Folien. Hier entscheidet sich, ob die KI-Frage der Geschäftsführung eine ehrliche Antwort bekommt. Ein Modell, das direkten Zugriff auf den gewichteten Datensatz hat, kann rechnen. Eines, das PDFs liest, kann formulieren.

Ein realistischer erster Schritt

Niemand konsolidiert zwölf Studien an einem Nachmittag. Was funktioniert, ist der schmale Anfang:

1. Inventur. Welche Studien der letzten 24 Monate liegen als Rohdaten vor – und welche nur als Bericht? Diese Liste ist meistens ernüchternd und genau deshalb der beste Business Case.
2. Die fünf Klauseln in die nächste Ausschreibung. Kostet nichts und wirkt ab dem nächsten Projekt.
3. Eine Studie exemplarisch lebendig machen. Nehmen Sie den Tracker mit den meisten Nachfragen, laden Sie den Datensatz in eine Umgebung, die Gewichte und Wellen beherrscht, und geben Sie drei Kolleginnen Zugang. Der Erkenntnisgewinn kommt nicht aus dem Dashboard – er kommt aus den Fragen, die plötzlich gestellt werden, weil sie nichts mehr kosten.

Der Maßstab für Schritt drei ist nicht, wie gut das Dashboard aussieht. Er ist, wie viele Fragen in den ersten zwei Wochen gestellt wurden, die vorher niemand beauftragt hätte.

Zum Schluss, in eigener Sache

DataLion ist die Plattform, auf der Forschungsdaten leben: Studien aller Dienstleister an einem Ort, statistisch korrekt gerechnet, self-service auswertbar und per KI abfragbar – gehostet in Deutschland.

Wichtig für die Einordnung dieses Textes: Wir verkaufen keine Feldarbeit, keine Panels und keine Studien. Wir konkurrieren nicht mit Ihren Instituten, sondern machen deren Arbeit für Sie dauerhaft nutzbar. Deshalb ist der Gegner in diesem Text das Format – nicht der Absender.