Ein Satz, den wir in Demos erstaunlich oft hören
„Und kann ich das am Ende noch als Excel bekommen?“ Natürlich kann man. Die Frage ist nur, was danach passiert. Häufig beginnt dann der eigentliche Arbeitsprozess: Spalten umbenennen, zwei Tabellen zusammenkopieren, Diagramme nachbauen, Farben anpassen und hoffen, dass niemand in der Zwischenzeit eine neue Antwort abgegeben hat.
Wir haben nichts gegen Excel. Wirklich nicht. Für schnelle Rechnungen und einmalige Analysen ist es großartig. Schwierig wird es, wenn eine wiederkehrende Evaluation jedes Semester denselben kleinen Datenumzug auslöst und niemand mehr genau weiß, welche Datei eigentlich die letzte war.
Das Problem ist selten das Diagramm
Ein Balken ist schnell gezeichnet. Die anstrengenden Fragen kommen daneben: Welche Antworten sind enthalten? Welcher Zeitraum wird verglichen? Wurde die Skala gedreht? Gilt die Datenschutzgrenze für diese Gruppe? Und warum sieht die Zahl im Dekanatsbericht anders aus als in der Übersicht der Lehrperson?
Deshalb sollte ein Reporting seine Herkunft mitbringen. Eine Kennzahl braucht Kontext, ein Filter muss sichtbar bleiben und der Weg von der Übersicht bis zur einzelnen Frage darf kein Sprung in eine zweite Datei sein. Das klingt unspektakulär. Im Alltag ist genau das der Unterschied zwischen „kurz nachsehen“ und „ich brauche dafür morgen Vormittag“.
PDF ist kein Screenshot mit Seitenzahlen
Der PDF-Bericht ist für viele Empfänger weiterhin das eigentliche Ergebnis. Er landet in Gremien, bei Studiengangsleitungen oder im persönlichen Gespräch mit Lehrenden. Darum reicht es nicht, eine lange Webansicht auf Papier zu drücken.
Ein brauchbarer Bericht erklärt den Zeitraum, nennt die Datengrundlage, hält Diagramme lesbar und zeigt nur die Inhalte, die für den jeweiligen Empfänger gedacht sind. Ein Lehrbericht darf anders aussehen als eine hochschulweite Auswertung. Beide sollten trotzdem aus demselben Datenstand entstehen. Sonst diskutiert man am Ende nicht über Ergebnisse, sondern über Versionen.
Und wo hilft KI?
Nicht beim Erfinden einer besonders glatten Management-Zusammenfassung. Hilfreich wird KI dort, wo viel Material gelesen werden muss: wiederkehrende Themen in Freitexten erkennen, auffällige Unterschiede benennen oder einen ersten Entwurf für eine Ergebniszusammenfassung liefern.
Für uns gilt dabei eine einfache Regel: Wer eine KI-Aussage liest, muss zurück zu den zugrunde liegenden Ergebnissen kommen können. Eine Zusammenfassung ohne Beleg sieht zwar ordentlich aus, ist für ernsthaftes Qualitätsmanagement aber zu dünn. Und wenn die Datenlage für eine Aussage nicht reicht, sollte das System genau das sagen dürfen.
Unser kleiner Praxistest
Wir prüfen Reporting-Funktionen inzwischen mit drei ziemlich einfachen Fragen:
- Versteht eine Person den Bericht, ohne die Auswertung selbst gebaut zu haben?
- Lässt sich jede wichtige Aussage auf Daten, Filter und Zeitraum zurückführen?
- Muss jemand für den nächsten regulären Bericht wieder Tabellen von Hand verschieben?
Wenn die dritte Antwort „ja“ lautet, ist der Export zwar fertig. Das Reporting aber noch nicht.