Überprüfung der Datenqualität

Die Datenqualitätsanalyse stellt sicher, dass die Ergebnisse von Ökobilanzen zuverlässig, repräsentativ und für den beabsichtigten Zweck geeignet sind. Sie bewertet, ob die gesammelten Sachbilanzdaten den definierten Datenqualitätszielen (Data Quality Goals) entsprechen, und bietet eine transparente Grundlage für die Interpretation, Unsicherheitsanalyse und Entscheidungsfindung.

Nach dem ILCD-Handbuch werden die folgenden sechs Schlüsselindikatoren zur Bewertung der Datenqualität verwendet:

1. Temporale Repräsentativität (TiR): Misst die zeitliche Korrelation zwischen dem Bezugsjahr des Modells und dem Jahr, in dem die Daten erhoben wurden. Bei zeitkritischen Branchen entsprechen ältere Daten möglicherweise nicht mehr den aktuellen Technologien oder Emissionen.
2. Geografische Repräsentativität (GR): Bewertet, wie gut die regionale Herkunft der Daten mit der Modellregion übereinstimmt. Unterschiede in den lokalen Praktiken, Vorschriften und Produktionsbedingungen wirken sich auf die Relevanz von geografisch falsch ausgerichteten Daten aus.
3. Technische Repräsentativität (TeR): Bewertet, inwieweit die Daten die tatsächlich im Prozess verwendete Technologie widerspiegeln, einschließlich Aspekten wie Prozessdesign, Betriebsbedingungen, Materialqualität und Prozessumfang.
4. Vollständigkeit (C): Gibt an, welcher Anteil der relevanten Umweltströme (z. B. Emissionen, Ressourcennutzung) im Inventar enthalten ist.
5. Genauigkeit/Ungewissheit (P): Beschreiben die Variabilität und Zuverlässigkeit der Datenwerte. Geringere Variabilität und höhere Datengenauigkeit bedeuten eine bessere Datenqualität.
6. Methodische Angemessenheit und Konsistenz (M): Hier wird geprüft, ob die angewandten AKI-Methoden für das Ziel und den Umfang der Studie geeignet sind und ob sie in allen Datensätzen einheitlich angewandt werden (z. B. Allokationsmethoden, Abschneidekriterien).

Die DQI können dann mit verschiedenen Methoden zur Bewertung der Datenqualität bewertet werden. Die an der häufigsten verwendeten Methode ist der Pedigree-Matrix-Ansatz, bei dem jeder DQI auf einer Skala von 1 (sehr gut) bis 5 (sehr schlecht) auf der Grundlage der für jeden Indikator festgelegten Kriterien bewertet wird.

Um eine Gesamtbewertung der Datenqualität zu erhalten, sollte eine Summe der einzelnen DQI-Werte berechnet werden. Der DQI-Score gibt uns einen Überblick über die Qualität der gewonnenen Daten. Gesamtqualitätsniveau eines Datensatzes entsprechend der erreichten Gesamtdatenqualitätsbewertung.

Die DQA, die ein quantitatives System verwendet, ermöglicht die Bewertung von Daten auf der Grundlage festgelegter Datenqualitätseigenschaften, die in den Metadaten aufgezeichnet werden, jedoch nur im Kontext von Ziel und Umfang. Die Ranking-Werte beschreiben qualitativ, wie sich die Daten auf das Ziel und den Anwendungsbereich beziehen, und zeigen potenzielle Bereiche zur Verbesserung der Datenqualität auf.

Die Ermittlung der Datenqualitätsbewertung hilft bei der Verbesserung von Bereichen mit niedriger Punktzahl, bei der Identifizierung fehlender oder unvollständiger Datensätze und bei Bereichen mit hoher Unsicherheit. An diesem Punkt kann die Verbesserung der Daten durch folgende Maßnahmen erfolgen:

• Ersetzen minderwertiger Daten durch repräsentativere oder aktualisierte Quellen
• Sammeln von Primärdaten, wenn Sekundärdaten unzureichend sind
• Verfeinern von Annahmen zur Verbesserung der technischen, zeitlichen oder geografischen Repräsentativität

===================================================================================================================

Case Study

Die Datenqualitätsanalyse hilft dabei, die Qualität der Daten zu ermitteln und Datenlücken durch Änderung von Werten, Ersetzen von Datensätzen oder Einheitsprozessen zu schließen. In der Studie über Wasserkocher wurden Annahmen getroffen, um die Datenlücken zu schließen und einige Datensätze anzupassen. Die in der Studie getroffenen Annahmen werden in den vorherigen Abschnitten erläutert.

================================================================================================

Praxistipp:

Folgen Sie der Stammbaum-Matrix-Methode zur Bewertung, wenn die Ergebnisse einen größeren Einfluss auf die Studie haben. Wenn nicht, nehmen Sie eine qualitative Bewertung vor. Die Bewertung der Datenqualität kann von Nachhaltigkeits- oder LCA-Experten durchgeführt werden.

Checkliste

• Sind die Datenqualitätsindikatoren definiert
• Wird die Datenqualitätsbewertung berechnet
• Wird die Bewertung auf der Grundlage von Ziel und Umfang der Studie analysiert