Die Überprüfung der Datenqualität ist ein zentraler Schritt, um sicherzustellen, dass die in der Ökobilanz verwendeten Daten zuverlässig, konsistent und repräsentativ sind. Ziel ist es, die Aussagekraft der Ergebnisse zu stärken und Unsicherheiten zu reduzieren. Die Qualität der Daten entscheidet maßgeblich darüber, wie belastbar die späteren Ergebnisse und Schlussfolgerungen sind.
Die Überprüfung der Datenqualität erfolgt meist nach der Datensammlung und vor der Modellierung in der Software.
Vollständigkeit:Es wird überprüft, ob alle Lebenszyklusphasen und relevanten Stoffströme berücksichtigt sind. Hier kann nochmal das Systemfließbild herangezogen werden. Ziel ist es alle Prozesse im Produktlebenszyklus auch als Datenpunkt in der Sachbilanz aufzunehmen bzw. als ausgeschlossener Prozess mit Begründung zu dokumentieren. -> Check: Sind alle Lebenszyklusphasen und Prozesse sind in der Datensammlung enthalten?
Genauigkeit:: Bewertet wird, wie genau und vertrauenswürdig die Datenquellen sind. Primärdaten aus Messungen gelten als besonders zuverlässig, während geschätzte oder sekundäre Daten kritisch geprüft werden sollten. Hier lässt sich die Skala aus dem Kapitel „Einführung in die Datenqualität heranziehen“ -> Check: Wurde für alle Datenpunkte die Datenqualität dokumentiert?
Konsistenz: Es wird überprüft, ob die Datensätze nach denselben Annahmen und Systemgrenzen und Allokationsregeln erstellt wurden. Nur so lassen sich die Ergebnisse verschiedener Szenarien vergleichen.
Repräsentativität (zeitlich, geographisch und technisch): Daten sollten möglichst aktuell sein, sich auf die richtige Region beziehen und den tatsächlichen Produktionsprozess abbilden.
Check: Sind die Daten nicht älter als bspw. 5 Jahre? Wurden regionale Bedingungen berücksichtigt bzw. ein einheitlicher? Wurden die aktuellen Produktionsverfahren abgebildet? – passen die Daten zeitlich, geografisch und technologisch zum betrachteten System?
Datenqualitätsindikatoren (DQI): Viele Softwarelösungen (z. B. SimaPro, openLCA) nutzen standardisierte DQI-Schemata, um die Qualität jedes Datensatzes numerisch zu bewerten. Daraus kann ein Datenqualitätsbericht erstellt werden, der Schwachstellen sichtbar macht.
Eine genauere Erklärung zur Datenqualität befindet sich im Appendix A.
===================================================================================================================
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: Alle Ergebnisse der Datenqualitätsprüfung sollten transparent dokumentiert werden – idealerweise im Anhang der Sachbilanz. Dazu gehören:
Checkliste