Daten-Management mit Anja Noster
Geschrieben von:
Alexandra Borchardt
Datenbasierte Entscheidungen bleiben eine Herausforderung für die Branche. Hier gibt es praktische Tipps von Anja Noster, wie datenbasiertes Arbeiten gelingt – von der Auswahl der KPIs entlang des Funnels bis zur kontinuierlichen Kontrolle mit den richtigen Tools.
„Man braucht Metriken, aus denen sich direkt Handlungen ableiten lassen“
Du entwickelst Dashboards für und mit gemeinwohlorientierten Medien. Wie kommen Gründer:innen zu einer Datenstrategie, die zu ihren strategischen Zielen passt?
Am Anfang geht es nicht um das Dashboard, sondern um die Unternehmensstrategie. Meistens ist das Problem nicht ein Mangel an Daten, sondern die fehlende Priorisierung.
Wenn ich mit einem Medium zusammenarbeite, starten wir mit einem Workshop mit allen relevanten Teammitgliedern. Das sind normalerweise die Gründer:innen, oft unterstützt von jemandem aus dem Community-Management oder Marketing. Dort gehen wir im ersten Schritt gemeinsam durch: Was ist das Unternehmensziel? Was möchte man erreichen, und wofür braucht man welche Daten? Kommt es dem Unternehmen zum Beispiel in erster Linie auf Reichweite, Umsatz oder Nutzer:innenbindung an?
Ist das Ziel definiert, schauen wir uns im zweiten Schritt gemeinsam die User Journey entlang des Funnels an. Wir zeichnen nach, wie Nutzende auf das Angebot aufmerksam werden, was auf der Website oder Landing Page passiert, wenn sie das Projekt entdeckt haben, und wie die Beziehung nach einer ersten Conversion weitergeführt wird. Wenn das Ziel zum Beispiel Newsletter-Anmeldungen sind, analysieren wir den gesamten Prozess: Woher kommt der Traffic auf die Landing Page, ist es Social Media oder Offline-Werbung? Was überzeugt zur Anmeldung? Und was passiert nach der Anmeldung, damit aus Abonnent:innen loyale Leser:innen werden?
Im dritten Schritt machen wir eine Bestandsaufnahme der vorhandenen Datenquellen. Das Redaktionssystem, das Newsletter-Tool, das CRM, der Meta Business Manager, die Website, der Payment-Provider – all dies produziert ja Daten. Wir schauen uns an, welche das genau sind. Darauf aufbauend definieren wir: Was sollen die Kernmetriken sein, wie häufig müssen diese erfasst werden, und wer ist dafür verantwortlich.
Ganz wichtig ist es, sich nicht von Metriken blenden zu lassen, die eine Art von Wachstum suggerieren aber nichts über den Erfolg der Strategie sagen, so genannte Vanity Metrics. Man braucht Metriken, aus denen sich direkt Handlungen ableiten lassen, also actionable Metrics. Wer zum Beispiel Reichweite braucht, für den sind naturgemäß Page Views wichtig. Wer eine Community aufbauen will, schaut besser darauf, wie viel Feedback auf den Newsletter oder Reaktionen auf einen Beitrag er bekommt. Wichtig ist auf jeden Fall, dass man von Anfang mitdenkt, wie man den Erfolg messen will.
Viele Mitarbeitende fremdeln mit Daten, gerade Journalist:innen. Wie kommuniziert man die Daten-Strategie am besten ins Medium, und wie hält man sie nach?
Wichtig ist, klar zu kommunizieren, wie die Daten mit der Unternehmensstrategie verbunden sind. Zahlen sollten nicht isoliert im Raum stehen. Mitarbeitende müssen verstehen, was sie mit den Daten machen sollen, welche Konsequenzen sie jeweils ziehen können. Da hakt es häufig. Gerade in den Redaktionen gibt es oft Skeptiker:innen, die sagen: „Unsere Daten alleine sagen noch gar nichts über die Qualität unseres Journalismus aus.“ Natürlich ist da etwas Wahres dran: Nur weil du Metriken hast, wird daraus nicht unbedingt guter Journalismus. Aber man kann mit Hilfe von Metriken viel optimieren.
Deshalb spielt auch die Visualisierung eine große Rolle. Nur so lassen sich Trends über die Zeit erkennen. Hier kommt das Thema Dashboard ins Spiel. Es ist gut, ein unternehmensweites Datentool zu haben, auf das alle zugreifen können. So arbeiten alle mit denselben Daten und es entstehen keine parallelen Wahrheiten in einzelnen Abteilungen. Zielführend ist es, in dem Datentool ein Dashboard zu haben, an dem alle Mitarbeitenden direkt ablesen können, ob das Unternehmen in die richtige Richtung steuert, beispielsweise anhand der wichtigsten Leser:innen- und Umsatz-Zahlen.
Gleichzeitig braucht es rollenspezifische Dashboards; die Marketingleute schauen stärker auf Conversion Rates und wollen die Werbeausgaben optimieren, während die Redaktion eher auf Lesezeit und Interaktionen schaut. Nicht jede Rolle braucht jede Zahl. Gut ist es daher, wenn jede Rolle im Unternehmen das Datentool für sich nutzen kann, jedoch eine Person die Gesamtverantwortung trägt, zum Beispiel ein Business Analyst oder ein Growth Manager, der die saubere Darstellung der Daten in den verschiedenen Dashboards verantwortet und Ansprechpartner für die anderen ist. Es ist meistens sinnvoll, wenn diese Person eine Stufe unter den Gründer:innen angesiedelt ist und die Sprache und Ziele der Redaktion, der Tech-Leute und des Revenue-Teams versteht.
Wichtig sind auch feste Routinen. Im Idealfall hat man eine Besprechung mit allen relevanten Mitarbeitenden, in der die wichtigsten Kennzahlen besprochen und Handlungsoptionen definiert werden.
Welche Tech-Kenntnisse und Tools braucht man auf jeden Fall, um eine Datenstrategie umzusetzen, welche sind "nice to have"? Erkläre das doch bitte für Einsteiger.
Ein Muss sind solide Excel- oder Google-Sheets-Kenntnisse. Man sollte natürlich grundsätzlich keine Berührungsängste mit Zahlen haben. Statistik-Grundlagen helfen, da kann man sich aber auch einlesen oder mit KI helfen lassen. Technische Kenntnisse wie SQL, Python, API- und Data Warehouse-Erfahrung sind zusätzlich hilfreich, braucht man am Anfang aber nicht unbedingt.
Ich arbeite immer in zwei Phasen. In der ersten Phase teste ich, welche Dateninfrastruktur sinnvoll ist. Dabei arbeite ich komplett manuell. Ich exportiere wöchentlich CSV-Dateien aus den wichtigsten Systemen – CRM, Newsletter-Tool, Payment-Provider, Web-Analytics, Meta Business Manager und so weiter – und lade sie in Google Sheets oder Excel. Pro Datenquelle ein Tab, sauber strukturiert, pro Spalte eine Dimension wie Region, Datum, Open Rate, Umsatz und so weiter. Und bitte alles ohne farbliche Markierungen! Meistens ergänze ich drei Monate historischer Daten als Ausgangspunkt. Im Prinzip kann man dann schon in Google Sheets oder Excel selbst Analysen machen. Ich visualisiere auf dieser Basis aber die wichtigsten Kennzahlen über ein Datentool, zum Beispiel mit Looker Studio, wenn das Team eh mit der Google Suite arbeitet. Das ist kostengünstig und schnell umsetzbar. Mein Ziel ist es, schnell zu verstehen, welche Metriken wirklich relevant sind und regelmäßig genutzt werden.
Erst wenn man weiß, was man braucht, geht es in Phase zwei: Automatisieren und Schnittstellen bauen. Am Anfang lässt sich da zum Beispiel viel über Zapier oder Make bauen. Richtige Data Warehouses sind aber nochmal eine andere Nummer. Da kann man dann auch nochmal das technische Set-up den eigenen Bedarfen anpassen und beispielsweise auf andere Anbieter als Google setzen oder Open Source arbeiten. Wenn man die entsprechenden Kenntnisse nicht selbst mitbringt, macht man das am besten mit Entwickler:innen zusammen, die Erfahrungen mit APIs, Webhooks und Data Warehouses mitbringen.
Zusammengefasst lautet meine wichtigste Botschaft für Einsteiger: Man braucht am Anfang kein komplexes Data Warehouse und kein großes Tech-Team. Man braucht Klarheit darüber, welche Fragen man beantworten will. Die Technik folgt der Strategie, nicht umgekehrt.
Dr. Anja Noster berät als selbstständige Coach Medienunternehmen beim Entwickeln und Implementieren von Datenstrategien. Parallel dazu forscht sie an der Hamburg Media School zu journalistischen Innovationen. Zuvor verantwortete sie mehrere Jahre die Bereiche strategisches Wachstum und Verlagsbeziehungen bei den Medienstartups ada und Opinary. Sie hat an der Bauhaus-Universität Weimar zu Journalismusförderung promoviert.
Zuletzt aktualisiert: 27. März 2026
