Die Weiterbildung vermittelt Kenntnisse zum strukturierten Umgang mit großen Datenbeständen im Verwaltungs- und Organisationsumfeld. Behandelt werden Methoden zur Erfassung, Pflege, Prüfung, Auswertung und Dokumentation von Daten. Ein weiterer Schwerpunkt liegt auf dem Einsatz künstlicher Intelligenz zur Unterstützung wiederkehrender Datenaufgaben, zur Analyse umfangreicher Tabellen- und Textbestände sowie zur Automatisierung vorbereitender Arbeitsschritte. Programmierkenntnisse werden nicht vorausgesetzt.
Zielgruppe- Verwaltungsangestellte
- Sachbearbeiter*innen
- Mitarbeitende in der Datenpflege
- Mitarbeitende aus Verwaltung, Organisation, Controlling und Dokumentation
- Personen, die regelmäßig mit Datenbeständen, Tabellen, Dokumentdaten oder Auswertungen arbeiten
Big Data im Verwaltungskontext
- Grundlagen großer Datenmengen in Verwaltungsprozessen
- Einordnung typischer Datenarten wie Stammdaten, Vorgangsdaten, Falldaten, Dokumentdaten, Abrechnungsdaten und Statistikdaten
- Bedeutung von Datenqualität für Auswertungen und Entscheidungen
- Entstehung, Weitergabe und Nutzung von Daten in unterschiedlichen Systemen
- Typische Fehlerquellen in administrativen Datenprozessen
- Umgang mit Dubletten, fehlenden Angaben, uneinheitlichen Schreibweisen und unklaren Datenformaten
Datenqualität und Datenpflege
- Prüfung und Bereinigung vorhandener Datenbestände
- Standardisierung von Schreibweisen, Kategorien und Pflichtfeldern
- Regeln für die Pflege von Stammdaten
- Einführung von Namenskonventionen und einheitlichen Datenstrukturen
- Sicherung konsistenter Datenstände
- Dokumentation von Korrekturen und Bearbeitungsschritten
- Maßnahmen zur langfristigen Verbesserung der Datenqualität
Datenmanagement als Arbeitsprozess
- Organisation von Datenbeständen im Verwaltungsalltag
- Strukturierung von Datenflüssen und Zuständigkeiten
- Rollen und Verantwortlichkeiten im Datenmanagement
- Grundlagen der Data Governance
- Versionierung und Nachvollziehbarkeit von Änderungen
- Sichere Ablage, Archivierung und Wiederauffindbarkeit von Daten
- Dokumentationsstandards für datenbezogene Arbeitsprozesse
Datenschutz, Sicherheit und Compliance
- Grundlagen des verantwortungsvollen Umgangs mit personenbezogenen Daten
- Datensicherheit im administrativen Arbeitsumfeld
- Zugriffskontrollen und Berechtigungskonzepte
- Dokumentationspflichten bei datenbezogenen Prozessen
- Einordnung rechtlicher und organisatorischer Anforderungen
- Vereinbarkeit datenbasierter Arbeitsweisen mit Datenschutz und Compliance
- Risikobewertung bei der Nutzung sensibler Datenbestände
Künstliche Intelligenz im Datenmanagement
- Einsatzmöglichkeiten von KI bei wiederkehrenden Datenaufgaben
- KI-gestützte Klassifizierung von Datensätzen
- Mustererkennung und Identifikation von Auffälligkeiten
- Automatisierte Auswertung und Strukturierung von Texten
- Unterstützung bei der Aufbereitung unübersichtlicher Tabellen
- Vorbereitung von Berichten, Zusammenfassungen und Analysen mit KI
- Grenzen und Prüfschritte beim Einsatz KI-gestützter Ergebnisse
Prompting und Qualitätssicherung von KI-Ergebnissen
- Formulierung gezielter Arbeitsanweisungen für KI-Systeme
- Prompts für Datenaufbereitung, Zusammenfassung und Analyse
- Nachvollziehbare und wiederholbare Nutzung von KI-Ausgaben
- Plausibilitätsprüfung von KI-generierten Ergebnissen
- Dokumentation KI-gestützter Arbeitsschritte
- Vermeidung von Fehlinterpretationen und nicht geprüften Ergebnissen
- Kontrollmechanismen für den Einsatz von KI im Verwaltungsumfeld
Datenanalyse und Auswertung
- Strukturiertes Arbeiten mit Tabellen und Datenlisten
- Zusammenführung von Daten aus verschiedenen Quellen
- Erstellung konsistenter Datenstände
- Bildung und Interpretation einfacher Kennzahlen
- Aufbereitung von Informationen für interne Entscheidungen
- Erstellung standardisierter Auswertungen
- Darstellung von Ergebnissen in Berichten, Übersichten und Dashboards
Fehleranalyse und Prozessverbesserung
- Erkennen typischer Fehlerbilder in Datenbeständen
- Systematische Suche nach Unstimmigkeiten
- Eingrenzung möglicher Fehlerursachen
- Korrektur fehlerhafter oder uneinheitlicher Daten
- Ableitung von Regeln zur Fehlervermeidung
- Kontinuierliche Verbesserung von Datenpflegeprozessen
- Dokumentation von Prüf- und Korrekturmaßnahmen
Praxisbezogene Anwendung
- Bearbeitung realitätsnaher Fallbeispiele aus Verwaltung, Sachbearbeitung und Datenpflege
- Bereinigung und Vereinheitlichung von Stammdaten
- Prüfung von Datenlogiken und Datenstrukturen
- Erstellung von Auswertungen aus Tabellenbeständen
- KI-gestützte Bearbeitung größerer Tabellen- und Textmengen
- Aufbereitung von Ergebnissen für Berichte und Nachweise
- Übertragung der erlernten Methoden auf administrative Arbeitsprozesse