Open Data aufbauen, die Bürger und Journalisten wirklich nutzen

# Open Data aufbauen, die Bürger und Journalisten wirklich nutzen

2013 stellte ein Reporter bei einer mittelgroßen US-Stadt einen Antrag auf Akteneinsicht und verlangte sämtliche Bewertungen von Restaurantkontrollen der vergangenen fünf Jahre. Die Stadt antwortete acht Monate später mit einem gesperrten PDF: 4.000 Seiten, seitwärts eingescannt, nicht durchsuchbar und nicht sortierbar. Formal hatte sie die Anfrage erfüllt. Praktisch hatte sie die Story begraben.

Genau diese Lücke zwischen „wir haben es veröffentlicht“ und „jemand kann es nutzen“ ist das Thema dieser Lektion.

Vom FOIA-Antrag zum offenen Datensatz

FOIA (der Freedom of Information Act, das US-Bundesgesetz, das der Öffentlichkeit ein Recht auf Regierungsunterlagen einräumt; die meisten Bundesstaaten haben eigene Entsprechungen, oft Sunshine Laws oder Public Records Laws genannt) ist reaktiv. Jemand muss fragen. Open Data dreht das Modell um: proaktiv veröffentlichen, damit niemand fragen muss.

Kluge Behörden betrachten ihre FOIA-Logs als Nachfragesignal. Wenn das Gesundheitsamt zwölf Mal im Jahr dieselbe Anfrage nach Kontrolldaten erhält, gehört dieser Datensatz auf ein Portal, automatisch aktualisiert, sodass der zwölfte Antragsteller (und der tausendste Bürger) ihn einfach herunterlädt.

So sieht die PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → aus, die eine gute Behörde aufbaut:

1. Quellsystem: die Kontrolldatenbank, die die Lebensmittelkontrolleure im Einsatz ohnehin nutzen.

2. Extrahieren: ein geplanter Abzug (nächtlich oder wöchentlich) in einen Staging-Bereich.

3. Bereinigen und standardisieren: Adressen korrigieren, Kategorien normalisieren, alles rechtlich Ausgenommene entfernen (private Telefonnummern, Identitäten von Hinweisgebern).

4. Veröffentlichen: als maschinenlesbare Datei plus APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → (Application Programming InterfaceApplication Programming InterfaceApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →, eine Möglichkeit für Software, die Daten direkt abzurufen) auf ein öffentliches Portal stellen.

5. Dokumentieren: Metadaten anhängen, damit ein Außenstehender versteht, was jedes Feld bedeutet.

Das gescannte PDF scheiterte an den Schritten 3, 4 und 5. Gehen wir sie einzeln durch.

Maschinenlesbar ist die Mindestanforderung

Ein Compliance-Dump ist im besten Fall für Menschen lesbar. Open Data ist maschinenlesbar: Software kann die Daten verarbeiten, ohne dass jemand etwas abtippt.

Die praktische Hierarchie, etwa von schlecht bis gut:

• PDF oder Bild: für Analysen unbrauchbar. Vermeiden.
• Excel mit verbundenen Zellen und Farben: besser, aber die Formatierung bringt Skripte zum Absturz.
• CSV (comma-separated values, eine Tabelle im reinen Textformat): das verlässliche Arbeitstier. Öffnet sich überall.
• JSON über API: am besten für Entwickler, die Apps mit Live-Updates bauen.

Tim Berners-Lees 5-Sterne-Modell für Open Data ist die klassische Referenz: ein Stern für jede offene Lizenz, drei Sterne für ein nicht-proprietäres Format wie CSV, fünf Sterne für Linked Data, die mit anderen Datensätzen verknüpft sind. Streben Sie mindestens drei Sterne an. Dort wird der größte Teil des zivilgesellschaftlichen Nutzens freigesetzt.

Ein Feld, das mehr bewirkt als sein Gewicht vermuten lässt: ein stabiler eindeutiger Identifikator für jeden Datensatz. Hat jedes Restaurant eine dauerhafte ID, kann ein Journalist einen Standort über Jahre verfolgen, selbst wenn Eigentümer oder Name wechseln. Ohne ID muss ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → raten.

Metadaten: der Teil, den alle überspringen

Metadaten sind Daten über die Daten. Sie zu schreiben ist langweilig, und sie machen den Unterschied zwischen einem Datensatz, dem Menschen vertrauen, und einem, den sie aufgeben.

Jeder Datensatz braucht ein Data Dictionary: eine verständliche Definition jeder Spalte. Sehen Sie sich diesen Auszug aus einer gut dokumentierten Kontrolldatei an:

field_name       description                                  example
------------------------------------------------------------------------
facility_id      permanent unique ID for the location         REST-004821
inspection_date  date of inspection (YYYY-MM-DD)              2026-03-14
score            0-100, higher is better                      92
result           PASS, CONDITIONAL, or CLOSED                 CONDITIONAL
violation_codes  semicolon-separated codes; see codebook      3-501; 4-602

Beachten Sie, was das verhindert. Ohne den Hinweis, dass „höher ist besser“ gilt, 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 →önnte ein Reporter melden, ein beliebtes Diner habe 92 Punkte erreicht, als hätte es durchgefallen. Ohne Verweis auf das Codebook sind Verstoßcodes bedeutungslose Zeichenfolgen.

Dokumentieren Sie außerdem Herkunft und Kadenz: woher die Daten kommen, wie oft sie aktualisiert werden und wann sie zuletzt erneuert wurden. Ein Portal mit dem Hinweis „letzte Aktualisierung: 2021“ sagt den Nutzern, dass die Daten tot sind. Ein sichtbares „wöchentlich aktualisiert, letzter Lauf Montag 6:00 Uhr“ signalisiert, dass die PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → lebt.

Der Bundesstandard hierfür ist das DCAT-US-Metadatenschema, das Felder wie Herausgeber, Kontakt-E-Mail, Aktualisierungsfrequenz und Lizenz strukturiert. Folgen Sie einem etablierten 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 → statt ein eigenes zu erfinden, damit Aggregatoren und Suchmaschinen Ihren Katalog automatisch indexieren 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.

Kadenz ist ein Versprechen

Einmal zu veröffentlichen ist eine Pressemitteilung. Nach einem verlässlichen Zeitplan zu veröffentlichen ist Infrastruktur.

Journalisten und App-Entwickler bauen nur auf Daten, auf die sie sich verlassen 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. Ein Verkehrsbetrieb, der alle 30 Sekunden Fahrzeugpositionen veröffentlicht, ermöglicht die Ankunftsprognose-Apps, die Millionen Fahrgäste nutzen. Fällt dieser Feed immer wieder aus, wenden sich Entwickler ab.

Setzen Sie eine Kadenz, die Sie tatsächlich halten 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: in Echtzeit, täglich, wöchentlich, monatlich oder quartalsweise. Dann automatisieren Sie sie, damit sie Personalwechsel übersteht. Der häufigste Fehlermodus ist ein heldenhafter Analyst, der einen Datensatz von Hand aktualisiert, bis ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → einen neuen Job annimmt, und danach verrottet der Datensatz unbemerkt.

Datenschutz und der Schaden naiver Veröffentlichung

Proaktives Veröffentlichen heißt nicht, alles zu veröffentlichen. Die Pflicht zur Redaktion ist real, und Fehler dabei verursachen dauerhaften Schaden.

Die Gefahr ist die Re-Identifikation: Auch ohne Namen kann eine Kombination von Feldern (Postleitzahl, Geburtsdatum, Geschlecht) eine einzelne Person identifizieren. Eine berühmte Demonstration zeigte, dass allein diese drei Felder einen großen Teil der US-Bevölkerung eindeutig identifizieren 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 (eine oft zitierte Schätzung liegt bei rund 87 Prozent auf Basis von Zensusdaten aus 1990, und der genaue Wert ist umstritten).

Praktische Leitplanken, bevor Sie veröffentlichen:

• Direkte Identifikatoren entfernen (Namen, Sozialversicherungsnummern, exakte Wohnadressen von Einzelpersonen).
• Kleine Gruppen aggregieren. Hat eine Kategorie nur zwei Personen, kann ein Zählwert von „2“ plus Ortsangabe sie offenlegen.
• Feingranulare Felder grober fassen. Veröffentlichen Sie Altersgruppen statt Geburtsdaten, Zensusbezirke statt GPS-Punkte, wenn Einzelpersonen betroffen sind.
• Für jeden Datensatz mit Personenbezug eine Prüfung mit der Rechtsabteilung und einem Datenschutzbeauftragten durchführen.

Ziel ist eine vertretbare Balance: maximale Rechenschaftsdaten (wie die Verwaltung arbeitet), minimale Offenlegung persönlicher Informationen.

Design für die zwei zentralen Nutzergruppen

Bürger und Journalisten wollen Unterschiedliches vom selben Portal. Bedienen Sie beide.

Journalisten und Analysten wollen Bulk-Download. Geben Sie ihnen eine einzige CSV mit dem vollständigen Datensatz, eine klare Lizenz (Creative Commons Zero oder eine Public-Domain-Widmung räumt jeden Zweifel an der Weiterverwendung aus) und ein Changelog, damit sie sehen, was sich zwischen Versionen geändert hat. Zwingen Sie sie nicht, sich durch 400 Seiten eines Web-Viewers zu klicken.

Civic Developer wollen eine APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → mit Dokumentation und stabilen Feldnamen. Wenn Sie score ohne Vorwarnung in inspection_score umbenennen, bricht jede App, die auf Ihren Daten aufbaut, über Nacht zusammen. Versionieren Sie Ihre APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → und 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 →ündigen Sie Änderungen an.

Normale Bürger wollen eine einfache Suche und eine lesbare Seite: Restaurantnamen eingeben, aktuelle Bewertungen sehen. Die meisten werden die Rohdatei nie anfassen, aber die Rohdatei treibt die Werkzeuge an, die sie am Ende nutzen.

Ein nützlicher Test: Kann ein kompetenter Außenstehender, ohne bei Ihnen anzurufen, Ihre Daten herunterladen, jedes Feld verstehen und ein einfaches Ergebnis reproduzieren? Wenn ja, haben Sie Open Data gebaut. Wenn ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → Ihnen schreiben muss, um eine Spalte zu entschlüsseln, haben Sie einen etwas hübscheren Compliance-Dump gebaut.

Wie „genutzt“ aussieht

Sie merken, dass das Portal funktioniert, wenn die Ergebnisse in der Welt auftauchen:

• Ein lokales Nachrichtenmedium baut eine durchsuchbare Karte der Kontrollbewertungen und zitiert Ihren Datensatz.
• Eine Nachbarschaftsinitiative zieht 311-Beschwerdedaten (die nicht-notfallbezogene Service-Hotline der Stadt), um mehr Mittel für Straßenreparaturen zu fordern.
• Ein Entwickler bringt eine App heraus, die Fahrgäste mit Ihrem Feed über verspätete Busse informiert.

Verfolgen Sie die Weiterverwendung so, wie ein Produktteam Adoption verfolgt: Download-Zahlen, Volumen der APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →-Aufrufe und eine öffentliche Galerie von Projekten, die auf Ihren Daten aufbauen. Städte wie New York mit seinem Open-Data-Portal veröffentlichen Nutzungszahlen und stellen zivilgesellschaftliche Projekte vor, was einen positiven Kreislauf erzeugt: sichtbare Weiterverwendung rechtfertigt das Budget, um die PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → am Laufen zu halten.

Die wichtigsten Erkenntnisse

• Behandeln Sie FOIA-Logs als Nachfragesignal. Wiederholte Anfragen nach denselben Unterlagen bedeuten, dass dieser Datensatz auf ein Portal gehört, automatisch aktualisiert, nicht jedes Mal von Hand geliefert.
• Maschinenlesbar plus Metadaten ist die Untergrenze. Eine CSV mit verständlichem Data Dictionary, eindeutigen IDs und dokumentierter Aktualisierungskadenz schlägt jedes Mal ein 4.000-seitiges PDF.
• Kadenz ist ein Versprechen, das Sie automatisieren müssen. Verlässliche, geplante Updates erlauben Journalisten und Entwicklern, auf Ihren Daten aufzubauen; manuelle Updates sterben, wenn der Analyst geht.
• Redigieren Sie bewusst, um Re-Identifikation zu verhindern. Aggregieren Sie kleine Gruppen und fassen Sie feingranulare Felder grober, bevor Sie veröffentlichen, und prüfen Sie alles mit Personenbezug mit Datenschutz- und Rechtsabteilung.
• Messen Sie Weiterverwendung, nicht nur Veröffentlichung. Verfolgen Sie Downloads, APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →-Aufrufe und echte Projekte; sichtbare zivilgesellschaftliche Nutzung hält die PipelinePipelineAlle aktiven Verkaufschancen über die Phasen des Vertriebsprozesses hinweg, zusammen mit ihrem gesamten potenziellen Wert und ihrer Abschlusswahrscheinlichkeit.Vollständige Definition ansehen → finanziert und lebendig.