5 Praktiken des Research Data Management für UX, Usability und User Research

Mit der Frage, wie erhobene Daten am sinnvollsten verwaltet werden können, muss sich früher oder später jeder Forscher beschäftigen. Sowohl in der akademischen Forschung, als auch innerhalb von Unternehmen sollte ein entsprechendes System vorhanden sein. So können Forscher den Forschungsprozess von Anfang an so effizient wie möglich zu gestalten. Zudem eröffnet sich die Möglichkeit, die maximale Anzahl an Erkenntnissen aus den erhobenen Daten zu ziehen. Die wissenschaftliche Forschung legt deshalb großen Wert auf Research Data Management. Das Research Data Management im Wissenschaftlichen Kontext ist auf einige Ziele ausgerichtet, welche auf User Research anwendbar sind. Beispielsweise ist das Ziel von User Research im Unternehmen in der Regel weder eine Veröffentlichung der Daten und Ergebnisse an externe Interessengruppen, noch eine Promotion. Trotzdem geben die vorhandenen Richtlinien einige hilfreiche Denkanstöße. Folgende 5 Prinzipien des Research Data Managements können die Forschung in Unternehmen effizienter gestalten:

1. Sorgfältiger Umgang mit Daten

Research Data Management beschäftigt sich mit dem sorgfältigen Umgang und der Organisation von Daten über den gesamten Forschungsprozess hinweg. Ziel ist dabei, effizienteres Forschen und vereinfachte Kollaboration zu ermöglichen. Da Forschung einzig mit dem Ziel betrieben wird, Daten zu erheben, sollte mit diesen entsprechend sorgfältig umgegangen werden. Zu beachten sind insbesondere:

• Data Safety: die klar und einheitlich organisierte Dokumentation, Speicherung und Archivierung von Daten hilft, Datenverlust zu verhindern.
• Data Security: Rohdaten und bereinigte Datensets sollten vor unerwünschtem Bearbeiten geschützt werden. Hier hilft es, Bearbeitungsrechte einzuschränken und insbesondere auf korrekte Versionierung zu achten.
• Data Organization: bei der abschließenden Organisation von Daten, gilt es, unklare Strukturierung von Archiven zu vermeiden. So wird der Verlust von abgelegten Daten durch unmögliches Auffinden der Dateien verhindert.

2. Die Arbeit des Researchers vereinfachen

Marktforscher und UX/Usability/User – Researcher in Unternehmen stehen unter genauso hohem, wenn nicht größerem Zeitdruck, wie akademische Forscher. Deshalb sollte auch hier versucht werden, die zur Verfügung stehenden Ressourcen möglichst effizient zu nutzen und den Forschern ihre Arbeit – wenn möglich – zu vereinfachen. Angemessenes Datenmanagement hilft hier dabei:

• Einzelne Dokumente und Datensets immer genau unterscheiden zu können und schnell wiederzufinden
• Die Übersicht darüber zu behalten, welche Daten vorhanden sind und welche fehlen und so Doppelarbeit zu vermeiden
• Das Verlieren nicht replizierbarer Erkenntnisse durch Datenverlust zu verhindern
• Sicherzustellen, dass Ergebnisse kurz- mittel- und langfristig verständlich sind und so in Zukunft genutzt werden können
• Zeit zu sparen, da Gesuchtes schneller auffindbar ist
• Aus der Summe der gesammelten Daten in Zukunft zu lernen, z.B. über Metaanalysen
• Fehler (aufgrund schlecht beschriebener Daten oder Verwechselung von Dateiversionen) zu vermeiden
• Das Verfassen von Reports deutlich zu beschleunigen
• Getroffene Entscheidung langfristig mit zugrunde liegenden Daten zu rechtfertigen

3. Externe Interessen berücksichtigen

Erhobene Daten erfüllen nicht immer nur den Zweck, ein gewisse Frage zu beantworten oder einen Forschungsgegenstand zu untersuchen. Professionelle Organisation von Daten ist auch für das Auftreten gegenüber bestimmten externen Stakeholdern hilfreich. So können getroffene Entscheidungen – wie bereits erwähnt – anhand von Daten belegt werden. Strukturierte und entsprechend ausgewertete Daten über den Markt oder die Zielgruppe können auch gegenüber Geldgebern belegen, dass die Positionierung des eigenen Unternehmens sorgfältig analysiert wird.

4. Kollaboration erleichtern

Werden Daten innerhalb eines Unternehmens konsequent und einheitlich bereinigt, ausgewertet, getagged und gespeichert, spart das nicht nur der direkt zuständigen Abteilung im momentanen Projekt Arbeit. Data Management macht Informationen für alle momentanen und zukünftigen Interessengruppen leichter zugänglich. Kollegen können leichter finden, was Ziel und Ergebnis der durchgeführten Tests und Befragungen war und wie die Daten erhoben wurden. So lassen sich Experimente leichter wiederholen und zeitliche Veränderungen messbar machen. Auch die projektübergreifende Kollaboration zwischen Teams wird vereinfacht. Erfasste Daten können nicht nur kurzfristig zum klären aktueller Fragen, sondern auch lang- und mittelfristig weiterverwendet werden.

5. Das große Ganze erkennen und im Auge behalten

Forschungsarbeit besteht in der Regel aus mehreren getrennten Studien, welche teilweise aber durchaus zusammengehören. So können getrennt durchgeführte quantitative und qualitative Studien das “was” und “warum” für ein und dieselbe Fragestellung klären. Ergebnisse sollten entsprechend vernetzt abgespeichert werden. Zudem werden oft Dinge beobachtet, welche im jeweiligen Moment nicht direkt nutzbar sind, aber zum Überblick über das Gesamtbild beitragen. Was im Rahmen einer Studie als irrelevante Information aussortiert wird, kann zu einem späteren Zeitpunkt eine nützliche Information sein.


Strukturiertes Research Data Management mag auf den ersten Blick wie ein erheblicher Mehraufwand erscheinen. Ist ein funktionierendes System zur Umsetzung aber erst einmal gefunden und eingeführt worden, sollten die Vorteile die Nachteile schnell überwiegen. Im besten Fall kann eine gut gepflegte, kollaborativ vernetzte Lösung zum Verwalten der Forschungserkenntnisse den klassischen Report ablösen.

Ein interessanter Ansatz um Research Data Management und kollaborative Forschung in Unternehmen realisierbar zu machen ist Atomic Research. Mehr erfahren!