Interoperabilität und gemeinsame Standards zwischen Behörden

# Interoperabilität und gemeinsame Standards zwischen Behörden

Eine Fallbearbeiterin im Jugendamt eines Landkreises markiert einen 9-Jährigen als Risikofall für chronische Schulabwesenheit. Das Anwesenheitssystem des Schulbezirks hat die Daten. Das Jugendamt hat die Fallakte. Beide Datensätze beschreiben dasselbe Kind. Keines der beiden Systeme weiß das.

Warum? Der Schulbezirk identifiziert den Schüler über eine landesweite Bildungs-ID. Das Jugendamt identifiziert ihn über eine Fallnummer, die an eine andere Namensschreibweise gekoppelt ist, die sein Vormund bei der Aufnahme verwendet hat. Es gibt keinen gemeinsamen Schlüssel, der die beiden Datensätze verbindet. Multiplizieren Sie das mit jeder Schule, jedem Krankenhaus, jedem Gericht und jeder Wohnungsbehörde, mit der eine gefährdete Familie zu tun hat, und Sie haben das prägende Datenproblem des öffentlichen Sektors: reichhaltige Daten, gefangen in inkompatiblen Silos.

Diese Lektion behandelt die Identifier- und SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen →-Standards, die das lösen, die Governance-Metriken, die den Zustand der Interoperabilität nachvollziehbar machen, und die Benchmarks, anhand derer beurteilt wird, ob ein Data-Sharing-Vorhaben tatsächlich funktioniert.

Warum Silos beabsichtigt sind, nicht zufällig

Behördensysteme wurden Behörde für Behörde aufgebaut, oft mit Jahrzehnten Abstand, finanziert aus unterschiedlichen Fördertöpfen mit unterschiedlichen Auflagen.

• FERPA (Family Educational Rights and Privacy Act) beschränkt in den USA die Weitergabe von Schulakten.
• HIPAA (Health Insurance Portability and Accountability Act) regelt Gesundheitsdaten.
• 42 CFR Part 2 ergänzt zusätzliche Beschränkungen für Behandlungsakten im Bereich Suchterkrankungen.

Jedes Gesetz wurde geschrieben, um eine Art sensibler Daten zu schützen, ohne eine gemeinsame technische oder rechtliche BrBrDer Anteil der Besucher, die nach nur einer angesehenen Seite wieder abspringen, häufig ein Signal für mangelnde Relevanz, verfehlte Suchintention oder schwache User Experience.Vollständige Definition ansehen →ücke zwischen den Systemen. Das Ergebnis: gesetzlich vorgeschriebene Silos, die jeder Diskussion über Dateninteroperabilität vorausgehen.

Das ist für die Fachkompetenz relevant. Wenn Sie in einer Behörde hören „unsere Systeme kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen nicht miteinander sprechen“, ist das selten pure Unfähigkeit. Meist ist es eine Mischung aus rechtlichen Vorgaben, Legacy-IT und fehlenden Standards.

Der zentrale Baustein: Identifier

Sie kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen zwei Datensätze über dieselbe Person, denselben Ort oder denselben Fall nicht zusammenführen, ohne einen gemeinsamen Identifier oder eine verlässliche Matching-Methode.

Deterministisches Matching verbindet Datensätze über einen exakt übereinstimmenden Schlüssel (eine Sozialversicherungsnummer, eine landesweite Schüler-ID, einen National Provider Identifier für Ärzte). Schnell und präzise, funktioniert aber nur, wenn der Schlüssel konsistent und korrekt gefüllt ist, was in der Praxis oft nicht der Fall ist.

Probabilistisches Matching (auch Fuzzy Matching oder Record Linkage genannt) bewertet die Ähnlichkeit über mehrere Felder (Name, Geburtsdatum, Adresse, Telefonnummer), wenn kein gemeinsamer Schlüssel existiert. Es liefert einen Konfidenzwert für den Match, keine Gewissheit. Das ist die Standardtechnik, um Sozial-, Gesundheits- und Bildungsdaten über Behörden hinweg zu verknüpfen, die sich nie auf eine gemeinsame ID geeinigt haben.

Eine vereinfachte Darstellung, wie ein Match-Score zustande kommt:

match_score = (
    0.4 * name_similarity      # z. B. Jaro-Winkler string distance
  + 0.3 * dob_exact_match      # 1 wenn identisch, 0 wenn nicht
  + 0.2 * address_similarity
  + 0.1 * phone_match
)
# Schwellenwert: match_score > 0.85 = automatische Verknüpfung
# 0.6-0.85 = zur manuellen Prüfung markieren
# < 0.6 = keine Verknüpfung

Organisationen wie das Netzwerk Actionable Intelligence for Social Policy (AISP) an der University of Pennsylvania veröffentlichen offene Toolkits zum verantwortungsvollen Aufbau solcher behördenübergreifenden „integrated data systems“.

SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen →-Standards: dieselbe Datensprache sprechen

Selbst mit einem gematchten Identifier müssen zwei Systeme den *Inhalt* gleich beschreiben. Genau das leisten SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen →- und Austauschstandards.

Zentrale Standards, die Fachleute kennen sollten:

• HL7 FHIR (Fast Healthcare Interoperability Resources): der dominierende Standard für den Austausch von Gesundheitsdaten zwischen Krankenhäusern, Versicherern und Gesundheitsbehörden. In US-Bundesvorschriften des Office of the National Coordinator for Health IT (ONC) vorgeschrieben.
• NIEM (National Information Exchange Model): ein US-Bundesschema für Datenaustausch, das in Justiz, Katastrophenschutz und Sozialdiensten eingesetzt wird, damit ein Datensatz „Person“ oder „Vorfall“ überall dasselbe bedeutet.
• Ed-Fi: ein Datenstandard, der von US-Bildungsbehörden auf Landesebene breit eingesetzt wird, um Schüler-, Kurs- und Anwesenheitsdaten zu standardisieren.
• X-Road: Estlands Datenaustauschschicht, wohl das weltweit am häufigsten zitierte Beispiel für nationale Interoperabilitätsinfrastruktur, die seit den frühen 2000er-Jahren nahezu alle staatlichen E-Services verbindet. Referenziert in den Interoperabilitätsressourcen der Europäischen Kommission.
• SDMX (Statistical Data and Metadata eXchange): genutzt von Eurostat, der OECD und nationalen Statistikämtern, um vergleichbare statistische Reihen länderübergreifend auszutauschen.

Das Muster bei allen: ein gemeinsames SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen → macht aus einem Daten*transfer* eine Daten*integration*. Ohne es tauschen Behörden Dateien aus, die jedes Mal manuell neu gemappt werden müssen, was teuer, langsam und fehleranfällig ist.

Governance-Metriken zum Zustand der Interoperabilität

Sobald eine Data-Sharing-PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → existiert, brauchen Sie Metriken, um zu wissen, ob sie tatsächlich funktioniert. Die wichtigsten in der Data GovernanceData GovernanceData Governance umfasst die Regeln, Rollen und Prozesse, die sicherstellen, dass Daten in einer Organisation korrekt, sicher, klar definiert und verantwortungsvoll genutzt werden.Vollständige Definition ansehen → des öffentlichen Sektors:

| Metrik | Was sie messt | Warum sie relevant ist |

|---|---|---|

| Match Rate | % der Datensätze, die systemübergreifend erfolgreich verknüpft wurden | Eine niedrige Match Rate heißt, die Silos bestehen weiter, obwohl die PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → existiert |

| False-Positive-Verknüpfungsrate | % der Matches, die sich später als falsch erweisen | Sozial- und Schuldaten zweier verschiedener Kinder falsch zu verknüpfen, ist ein ernster Schaden, nicht bloß Rauschen |

| Datenlatenz | Zeitverzug zwischen einem Ereignis und seiner Verfügbarkeit im gemeinsamen System | Ein Hinweis auf Schulabwesenheit, der 3 Monate zu spät kommt, ist für Prävention nutzlos |

| Feldvollständigkeit | % der gefüllten Pflichtfelder (z. B. Geburtsdatum, Adresse) | Matching-Algorithmen scheitern bei fehlenden Feldern stillschweigend |

| Abdeckung von Einwilligung/Rechtsgrundlage | % der Datenweitergaben mit dokumentierter Rechtsgrundlage | Gefordert nach FERPA, HIPAA und den meisten EU-Datenschutzregimen |

Unter der DSGVO (Datenschutz-Grundverordnung) muss behördenübergreifende Weitergabe eine Rechtsgrundlage dokumentieren (Artikel 6) und für besondere Kategorien personenbezogener Daten wie Gesundheit oder Sozialleistungsstatus eine zusätzliche Bedingung nach Artikel 9 erfüllen. Governance-Dashboards in EU-Behörden erfassen typischerweise „Rechtsgrundlage dokumentiert“ als Compliance-Metrik neben den technischen Match Rates.

Ein durchgerechnetes Beispiel: Versucht ein integriertes Datensystem eines Landkreises, 10.000 Jugendamts-Fallakten mit einer landesweiten Bildungsdatenbank zu verknüpfen, und gelingt das bei 7.400, liegt die Match Rate bei 74 %. Stellt ein späteres Audit fest, dass 220 dieser Matches falsch waren (falsches Kind), liegt die False-Positive-Rate bei rund 3 % (220/7.400). Beide Zahlen sollten gemeinsam berichtet werden. Eine hohe Match Rate mit verdeckt hoher Fehlerquote ist schlechter als eine moderate Match Rate, der Sie vertrauen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.

Benchmarks: wie „gut“ aussieht

Es gibt keinen einzigen globalen Benchmark für Interoperabilität, aber Referenzpunkte helfen, Erwartungen zu kalibrieren.

• Estlands X-Road-Modell wird häufig zitiert (OECD, Europäische Kommission), weil es die meisten Datenabfragen zwischen Behörden automatisch ablaufen lässt, ohne dass ein Bürger dieselbe Information zweimal einreicht, ein Ansatz, der „Once-Only-Prinzip“ genannt wird.
• In den USA berichtet das AISP Integrated Data Systems network, dass ausgereifte integrierte Systeme auf County-Ebene (mit Verknüpfung von Sozial-, Justiz-, Bildungs- und Gesundheitsdaten) üblicherweise probabilistische Match Rates im Bereich von 70 bis 90 % ausweisen, wobei die genauen Werte je nach County und Datenqualität stark schwanken (das ist eine allgemeine Schätzung, kein fester Standard).
• Der Interoperable Europe Act der EU (2024 in Kraft getreten) setzt einen Politikrahmen, der EU-Verwaltungen verpflichtet, vor dem Einsatz neuer Systeme die Auswirkungen auf die Interoperabilität zu bewerten, ein wichtiges regulatorisches Signal, dass sich das von Best Practice zur Pflicht verschiebt.

Wenn Sie die Interoperabilitätsaussage einer Behörde bewerten, stellen Sie drei Fachfragen:

1. Welcher Identifier oder welche Matching-Methode liegt der Verknüpfung zugrunde?

2. Wie hoch sind die dokumentierte Match Rate und Fehlerquote, nicht bloß „wir teilen jetzt Daten“?

3. Was ist die Rechtsgrundlage, und wer prüft sie?

Key Takeaways

• Behördenübergreifende Datenverknüpfungen scheitern vor allem an zwei Lücken: kein gemeinsamer Identifier und kein gemeinsames SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen →, überlagert von rechtlichen Beschränkungen wie FERPA, HIPAA und 42 CFR Part 2 in den USA oder den Anforderungen der DSGVO an eine Rechtsgrundlage in der EU.
• Probabilistisches Record Linkage (Fuzzy Matching über Name, Geburtsdatum, Adresse) ist der praktische Behelf, wenn Behörden keine gemeinsame ID haben; es liefert einen Konfidenzwert, keine Gewissheit, und braucht in Grenzfällen menschliche Prüfung.
• SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen →-Standards (HL7 FHIR für Gesundheit, NIEM für Justiz/Sozialdienste, Ed-Fi für Bildung, X-Road und SDMX international) lassen Systeme sich darauf einigen, was ein Datenfeld *bedeutet*, nicht nur, wie es übertragen wird.
• Erfassen Sie Interoperabilität mit gepaarten Metriken: Match Rate zusammen mit False-Positive-Rate, dazu Datenlatenz und Abdeckung der Rechtsgrundlage. Eine hohe Match Rate ohne gleichzeitig berichtete Fehlerquote sollte als unvollständige Aussage behandelt werden.
• Regulatorischer Druck (der Interoperable Europe Act der EU, US-Bundesvorgaben zu FHIR über ONC) verschiebt Interoperabilität von freiwilliger Best Practice zur Compliance-Pflicht, damit wird das zunehmend ein Audit- und Governance-Thema, nicht nur ein IT-Thema.