Power BI, Qlik Cloud, ThoughtSpot und andere Plattformen bieten heute mehr Möglichkeiten als je zuvor. Mit ihnen wächst in vielen Unternehmen auch die Zahl der Dashboards, und damit der Aufwand für Entwicklung und Wartung. Die Nutzung hält mit diesem Wachstum jedoch oft nicht Schritt.

Doch woran liegt das, und was lässt sich dagegen tun?

Was passiert mit Dashboards nach dem Go-live?

BI-Projekte folgen in der Regel einem ähnlichen Ablauf. In Workshops definieren die Fachbereiche ihre Anforderungen, KPIs werden abgestimmt und Dashboards umgesetzt. Mit dem Go-live gilt das Projekt als abgeschlossen.

Was danach geschieht, bleibt jedoch häufig offen. Welche Kennzahlen schauen sich Anwender täglich an? Welche Filter nutzen sie und welche Diagramme übersehen sie? Und welche Dashboards werden eigentlich nie geöffnet?

Digitale Plattformen wie Amazon, Netflix oder Spotify beantworten solche Fragen für ihre Angebote sehr genau. In der Business Intelligence ist das anders: Zwar werden umfangreiche Daten über das Unternehmen geliefert, über die eigene Nutzung jedoch kaum. Weiterentwicklungen stützen sich deshalb oft auf Workshop-Ergebnisse. Diese sind zwar wertvoll, spiegeln aber vor allem die Erwartungen der Anwender wider und weniger ihr tatsächliches Verhalten im Arbeitsalltag.

Warum verlieren Dashboards mit der Zeit an Nutzen?

Strategien, Produkte und Märkte verändern sich ständig. Dashboards werden dagegen meist nur erweitert: Jedes neue Projekt ergänzt KPIs, Visualisierungen und Filter, während kaum etwas entfernt wird. Mit jedem Release steigt somit die Komplexität, bis irgendwann unklar ist, welche Inhalte noch relevant sind.

In unseren Projekten sehen wir das regelmäßig. Oft wird rund ein Drittel der Dashboards oder einzelnen Widgets kaum oder gar nicht genutzt. Der Anteil schwankt zwar je nach Unternehmen, doch nahezu überall gibt es solche „toten“ Inhalte. Sie werden weiterhin gepflegt, angepasst und bei jedem Release mitgetestet, obwohl sie niemand mehr anschaut. Das kostet Zeit, die an anderer Stelle fehlt, und macht das gesamte BI-System zunehmend unübersichtlich – für die Entwickler ebenso wie für die Anwender, die sich durch immer mehr Inhalte klicken müssen, um die für sie relevanten Informationen zu finden.

Um das zu erkennen, reichen Login-Zahlen nicht aus. Ob Informationen verstanden werden und Entscheidungen beeinflussen, lässt sich nicht allein anhand eines geöffneten Reports beurteilen. Erst wenn sichtbar wird, welche KPIs regelmäßig betrachtet werden, wo Nutzer abspringen und welche Inhalte ignoriert werden, wird es aussagekräftig.

Warum wird User Adoption zur zentralen BI-Kennzahl?

Warum Transparenz allein noch keine guten Entscheidungen garantiert, haben wir bereits im Beitrag „Von Dashboards zu Entscheidungen: Warum BI neu gedacht werden muss“ betrachtet. Die Nutzung von Dashboards ist dabei ein entscheidender Faktor.

Ein Dashboard schafft für sich genommen keinen Mehrwert. Den Mehrwert schaffen Menschen, die mit seiner Hilfe bessere Entscheidungen treffen.

User Adoption ist deshalb weit mehr als nur eine technische Kennzahl. Sie ist entscheidend dafür, ob Investitionen in Data Warehouses, Cloud-Plattformen und Analytics ihre Wirkung entfalten. Je selbstverständlicher Anwender Daten in ihre täglichen Entscheidungen einbeziehen, desto größer ist der Nutzen der gesamten Datenstrategie. Hier liegt auch der Schritt von Business Intelligence zu Decision Intelligence.

Wie gut werden Ihre Dashboards genutzt?

Einen ersten Eindruck davon, wie viel ungenutztes Potenzial in Ihrer BI-Landschaft steckt, können Sie sich auch ohne technische Auswertung verschaffen. Hilfreich sind zum Beispiel diese Fragen:

• Wann wurde jedes Ihrer Dashboards zuletzt geöffnet, und von wem?
• Welche KPIs haben in den letzten drei Monaten tatsächlich eine Entscheidung beeinflusst?
• Gibt es Widgets oder Seiten, deren Zweck heute niemand mehr genau erklären kann?
• Wann wurde zuletzt etwas aus einem Dashboard entfernt statt hinzugefügt?

Fällt die Antwort auf mehrere dieser Fragen schwer, lohnt sich ein genauerer Blick auf das tatsächliche Nutzungsverhalten.

Wie funktioniert ein lernendes Dashboard?

Anstatt Dashboards alle paar Jahre in einem aufwendigen Redesign neu aufzusetzen, können diese auch kontinuierlich weiterentwickelt werden. Genau hier setzt der „Invisible Analyst“ der fme AG an.

Die KI beobachtet, wie ein Dashboard im Alltag genutzt wird: Welche Kennzahlen werden täglich aufgerufen und welche nie? Wonach suchen die Anwender? Welche Filter setzen sie und wo verweilen sie mit der Maus? Nachts wertet die KI diese Interaktionen aus und erstellt daraus einen Vorschlag für ein angepasstes Layout. Wichtiges rückt nach vorn, Ungenutztes nach hinten. Elemente, die dauerhaft unter einem definierten Nutzungsschwellenwert liegen, werden entsprechend behandelt und schaffen Platz für neue Daten und Visualisierungen.

Das Ergebnis ist ein übersichtlicheres BI-System ohne tote Dashboards und Widgets, das sich schrittweise am tatsächlichen Bedarf der Anwender ausrichtet.

Welche Rolle spielt Governance, wenn KI Dashboards verändert?

Sobald KI Dashboards anpasst, stellen sich Fragen nach Kontrolle und Vertrauen. Klare Leitplanken sind entscheidend: Business Rules, Designvorgaben, KPI-Prioritäten und Compliance-Anforderungen legen fest, in welchem Rahmen Änderungen möglich sind.

Beim „Invisible Analyst“ kommt ein weiterer Schritt hinzu: Bevor ein angepasstes Dashboard ausgerollt wird, prüft eine Person die Änderungen und gibt sie frei. Die KI übernimmt die Analyse und macht Vorschläge, die Verantwortung für das Ergebnis bleibt jedoch im Unternehmen.

Fazit: Gute Dashboards entstehen im Betrieb

Die meisten BI-Landschaften haben weder mit fehlenden Daten noch mit schwachen Tools ein Problem. Sie haben ein Problem mit Inhalten, die über Jahre hinweg gewachsen sind, ohne dass geprüft wurde, ob sie noch benötigt werden. Rund ein Drittel ungenutzter Dashboards und Widgets bedeutet Wartungsaufwand ohne Gegenwert sowie Anwender, die sich durch Unübersichtliches kämpfen, statt Entscheidungen zu treffen.

Die Lösung liegt deshalb weniger in einem großen Redesign als in einem anderen Verständnis von Dashboards: Sie sind nach dem Go-live nicht fertig, sondern beginnen dann erst, Erkenntnisse zu liefern. Wer beobachtet, wie Anwender wirklich mit ihnen arbeiten, und daraus regelmäßig kleine Anpassungen ableitet, die freigegeben werden, erhält eine BI-Landschaft, die mit dem Unternehmen mitwächst, statt ihm hinterherzuhinken.

Kurz gesagt: Die beste Grundlage für ein gutes Dashboard ist die Art, wie man es benutzt.