Veranstaltungsprogramm

In ihrem Koalitionsvertrag haben sich die aktuellen Regierungsparteien zur Vorlage eines Forschungsdatengesetzes bekannt. Dieses Gesetz ist dringend notwendig, da existierende Daten in weitestmöglicher Form für eine evidenzbasierte Politikberatung bereit stehen sollten. Nur auf einer breiten Datengrundlage können Gesetze auf ihre Wirksamkeit hin analysiert und valide Bewertungen vorgenommen werden. Dabei bergen insbesondere Individualdatensätze, bei denen Befragungsdaten mit Zustimmung der Befragten mit verschiedenen administrativen Datenquellen verknüpft werden, großes Potenzial für Forschung und Politikberatung. Denn zusätzliche Informationen aus Befragungen, welche in den administrativen Daten nicht enthalten sind (z. B. subjektive Einschätzungen), können vertiefte und spezifische Einblicke in bestimmte Sachverhalte liefern. Am Beispiel von Forschung am Institut für Arbeitsmarkt- und Berufsforschung (IAB) wird aufgezeigt, wie der Datenzugang zu Sozialdaten unter Wahrung des Datenschutzes geregelt wird und wie mit empirischen Analysen basierend auf verknüpften Datensätzen eine wichtige Politikreform begleitend evaluiert wird. Bei dieser Politikreform handelt es sich um das Teilhabechancengesetz (THCG), das zum 1. Januar 2019 in Kraft getreten ist und das die Arbeitsmarktintegration von Langzeitarbeitslosen mithilfe von Lohnkostenzuschüssen und begleitendem Coaching verbessern soll.

Das RKI-Panel „Gesundheit in Deutschland“ ist die Studieninfrastruktur des Robert Koch-Instituts für repräsentative Befragungen zur gesundheitlichen Lage der Bevölkerung mit über 40.000 Teilnehmenden. Ziel ist die zeitnahe Bereitstellung epidemiologischer Daten zu zentralen Gesundheits- und Lebensumwelt-Themen als evidenzbasierte Grundlage für Politik, Prävention und Versorgung.

Um den aktuellen Herausforderungen im Bereich der Arbeit mit Gesundheitsdaten zu begegnen (u.a. Recod Linkage, Federated Learning), wird das Datenmanagement und die zugehörige technische Infrastruktur des RKI-Panels seit 2025 grundlegend überarbeitet. Ziel ist ein vollständig FAIR- und EHDS-konformes Datenmanagement. Um dies zu erreichen wird bei zentralen Elementen der Datenkurration auf offen Standards, Informationsobjekte und Technologien gesetzt. Datenquellen, Kontextmaterialien und Transformationen werden so vollständig nachvollziehbar und bilden die Grundlage für Transparenz, Reproduzierbarkeit.

Der Vortrag stellt die Struktur des Panel Datenmanagements vor und fokussiert dabei folgende Aspekte:

• Datenerhebung auf Basis von Datapackage- oder FHIR-Profilen, wodurch standardisierte, interoperable und maschinenlesbare Datenstrukturen geschaffen werden
• Zentrale Erfassung Studienmetadaten
• Versionierte Steuerung und Dokumentation der Prozess- und Verarbeitungsschritte über die Workflow-Orchestrierung mit Dagster

Die Integration von nutzergenerierten, geosozialen Daten (z. B. Social Media) in die räumliche Planung bietet neue Chancen, kollektive Wahrnehmungsmuster und Raumnutzung zu verstehen. Die Verarbeitung dieser sensiblen Daten steht jedoch im Spannungsfeld zwischen Erkenntnisgewinn und striktem Datenschutz. Dieser Beitrag stellt die „Responsible Geosocial Data Pipeline“ vor, ein Infrastrukturkonzept zur ethischen Nutzbarmachung opportunistischer Datenströme, basierend auf Ergebnissen einer aktuellen Habilitationsschrift.

Kern des Ansatzes ist ein Privacy-by-Design-Workflow, der die probabilistische Datenstruktur HyperLogLog (HLL) nutzt. Anstatt personenbezogene Rohdaten dauerhaft zu speichern, werden diese unmittelbar in anonyme statistische Abstraktionen (Sketches) überführt. Dies verunmöglicht eine Re-Identifikation, erlaubt aber weiterhin präzise Mengenschätzungen und komplexe Schnittmengenanalysen (z. B. Unterscheidung Touristen/Einheimische).
Validiert wurde der Ansatz durch die Analyse „Digitale Spuren in der Landschaft“, welche global verteilte Datenpunkte über 15 Jahre für Deutschland synthetisiert, ohne die Privatsphäre der Nutzenden zu gefährden. Der Beitrag skizziert den Weg von der Methode zu einer permanenten Forschungsdateninfrastruktur. Ziel ist es, die Lücke zwischen volatilen Plattformdaten und den Anforderungen einer robusten, evidenzbasierten Politikberatung zu schließen und einen sicheren Zugang zu gesellschaftlich relevanten Verhaltensdaten zu gewährleisten.

In der öffentlichen und politischen Debatte werden Bildungsförderprogramme zunehmend an gesamtgesellschaftlichen Wirkungen gemessen. Eine Möglichkeit für entsprechende Analysen auf Basis programmgenerierter Berichtsdaten ist deren Verknüpfung mit amtlichen Sozial- und Regionalindikatoren. Am Beispiel des DigitalPakts Schule (DPS) diskutiert der Beitrag Potenziale und datenlogische Grenzen solcher Verknüpfungen.

Als Vorbedingung für solche Analysen wird eine systematische Datenmanagement-Strategie beschrieben. Zentrale Bausteine sind die qualitätsgesicherte Integration der Länderberichte in eine Datenbankstruktur sowie ein dokumentiertes Regelwerk zur Prüfung und Aufbereitung der Einreichungen. Der so erzeugte Analysebestand wird mit weiteren Merkmalen angereichert und mit Sozial- und Regionalindikatoren zusammengeführt. Dabei werden verschiedene Matchingverfahren vorgestellt.

Besondere Grenzen ergeben sich aus der fehlenden bundesweit konsistenten Individualreferenzierung von Schulen und Schulträgern. Dadurch ist häufig nicht eindeutig bestimmbar, welche einzelnen Schulen bzw. Schulträger aus der Grundgesamtheit erreicht wurden.

Das Fallbeispiel DPS zeigt: Aussagen zu gesellschaftlichen Effekten lassen sich mit angereicherten Prozessdaten ableiten; bestimmte datenlogische Limitationen (Grundgesamtheit/Identifikatoren) bleiben dabei strukturell bestehen.