3 Erkenntnisse aus dieser Folge
- 01
Data Citizens entstehen nicht durch Tools, sondern durch strukturierte Ausbildung mit klaren Kompetenz-Stufen. Siemens Energy arbeitet mit einem mehrstufigen Curriculum — vom Dashboard-Nutzer bis zum selbstständigen Datenprodukt-Bauer.
- 02
Die zentrale Einheit baut nicht die Produkte, sondern die Lern- und Governance-Plattform. Das ist ein Rollen-Shift, den viele CDOs noch nicht vollzogen haben.
- 03
Skalierung entsteht nicht durch mehr Data Engineers, sondern durch mehr befähigte Fachbereiche. Siemens Energy beweist, dass das funktioniert — auch über Ländergrenzen und Fabriken hinweg.
Worum es in dieser Folge geht
Mittlere Folge der Siemens-Energy-Trilogie. Max leitet das Data-Citizen-Programm — die Ausbildungs- und Enablement-Arbeit, mit der Fachbereichsmitarbeiter:innen lernen, selbstständig mit Daten zu arbeiten. Ohne diese Schicht funktioniert das Data Mesh, über das Jonas Kell in der März-Folge spricht, nicht.
Die Storyline
Die Ausbildungs-Pyramide
Wir unterscheiden klar: Ein Data Citizen ist nicht ein Daten-Experte. Er ist ein Fachbereichs-Mensch, der die Prozesse kennt — und gelernt hat, Daten als Werkzeug einzusetzen.
Das ist der strategische Unterschied. Man bildet keine Mini-Data-Scientists aus. Man lehrt Sales-, Procurement- und Production-Mitarbeiter:innen, mit den Werkzeugen ihrer Domäne souverän umzugehen.
Das Curriculum
Siemens Energy arbeitet mit einem dreistufigen Modell: 1. Stufe 1 — Data Dashboard-Nutzer: Versteht bestehende Dashboards, kann Fragen ableiten, schafft es, die richtige Frage zu stellen. 2. Stufe 2 — Data Produkt-Gestalter: Baut eigene Dashboards und einfache Datenprodukte mit Self-Service-Tools. 3. Stufe 3 — Data Champion: Multiplikator im eigenen Bereich, schult Kolleg:innen, hebt Use-Cases ins zentrale Team.
Jede Stufe hat klare Lern-Inhalte, Prüfungen und — wichtig — Anwendungszeiten. Ohne Anwendung verpufft das Training.
Was die zentrale Einheit macht
Maxs Rolle ist nicht, Dashboards zu bauen. Sie ist, die Plattform zu betreiben, auf der Citizens bauen. Das bedeutet: - Standardisiertes Tooling (klarer Stack, keine Wildwuchs-Tool-Landschaft). - Guardrails (Welche Daten dürfen wie genutzt werden?). - Qualitäts-Prüfung (Bevor ein Citizen-Dashboard konzern-weit wird, gibt es eine Review).
Warum Skalierung so entsteht
Ein Konzern wie Siemens Energy mit 30+ Fabriken kann nicht jede Data-Anfrage zentral abarbeiten — es wäre strukturell unmöglich. Durch Citizens werden 80 % der Fragen an der Quelle beantwortet. Die zentrale Einheit konzentriert sich auf die 20 %, die wirklich Spezialwissen brauchen.
Was andere Unternehmen daraus lernen können
- Data Literacy ist nicht optional. Sie ist das Skalierungs-Modell.
- Ein strukturiertes Curriculum schlägt Ad-hoc-Schulungen. Messbar, planbar, vergleichbar.
- Die zentrale Data-Einheit muss sich neu erfinden. Weg vom Lieferant, hin zum Enabler.
Warum mich das besonders umtreibt
Ich glaube, der deutsche Mittelstand könnte vom Siemens-Energy-Modell mehr profitieren als vom klassischen BI-Competence-Center-Ansatz. Max zeigt eine skalierbare Methode, die auch in kleineren Häusern funktioniert. Für alle, die gerade eine Data-Strategie bauen oder umbauen, ist diese Folge eine Blaupause — und ein Argument gegen die Versuchung, einfach "mehr Data Engineers" einzustellen.