Datenqualität, Vertrauen und Korrekturfähigkeit#

Ein Referenzrahmen ist nur so stark wie seine Daten- und Korrekturlogik. Die Wirkungsökonomie darf nicht behaupten, Unsicherheit verschwinde durch Indikatoren. Stattdessen muss sie Unsicherheit sichtbar machen: Welche Daten sind amtlich, welche stammen aus Unternehmensberichten, welche aus wissenschaftlichen Studien, welche aus Selbstauskünften, welche sind modelliert, welche fehlen? Jede dieser Quellen hat einen anderen Vertrauensgrad.

Datenqualität umfasst mehr als Genauigkeit. Relevant sind Vergleichbarkeit, Aktualität, räumliche Auflösung, Betroffenengerechtigkeit, Manipulationsrisiko, methodische Transparenz, Datenschutz, Interpretierbarkeit und Einspruchsfähigkeit. Ein Indikator kann mathematisch sauber sein und trotzdem

politisch problematisch werden, wenn Betroffene keine Korrekturmöglichkeit haben oder wenn komplexe Lebenslagen zu einer einzigen Zahl verengt werden.

Deshalb braucht jede SDG-/SDG+-Anwendung eine Korrekturarchitektur. Wer bewertet? Wer prüft? Wer kann widersprechen? Welche Daten dürfen nicht personenbezogen verwendet werden? Welche roten Linien gelten? Welche Stelle aktualisiert Benchmarks? Welche Rolle haben Wissenschaft, Verwaltung, Zivilgesellschaft, Unternehmen und demokratische Institutionen?

Diese Korrekturfähigkeit ist selbst eine Wirkungsbedingung. Ein System, das Wirkung misst, aber Fehler nicht korrigiert, erzeugt neue Machtasymmetrien. Ein System, das Daten offenlegt, aber Datenschutz missachtet, kann demokratische und digitale Selbstbestimmung schwächen. Positive Netto-Wirkung entsteht erst, wenn Messung, Schutzrechte und demokratische Kontrolle zusammenwirken.