Die Datenerfassung sammelt Informationen aus verschiedenen Quellen. Umfragen, Sensoren, Weblogs, Transaktionsdaten, soziale Medien und öffentliche Datenbanken speisen den Prozess. Die Methode beeinflusst die Daten. Eine Umfrage mit suggestiven Fragen führt zu verzerrten Antworten. Ein Sensor mit Kalibrierungsdrift liefert ungenaue Messwerte. Ein Web-Scraper, der Ratenbegrenzungen ignoriert, wird blockiert. Die Datenerfassung ist nicht neutral. Jede Entscheidung beeinflusst die gewonnenen Erkenntnisse.

Die erste Frage lautet: Was benötigen Sie und warum? Alles zu sammeln ist verlockend, aber meist verschwenderisch. Datenspeicherung, -verarbeitung und -bereinigung kosten Geld. Ungenutzte Daten sind eine Belastung, kein Gewinn. Die zweite Frage ist, wie man Daten ethisch und rechtlich korrekt sammelt. Die Einwilligung ist entscheidend. Datenschutzgesetze wie die DSGVO erfordern eine Rechtsgrundlage für die Erhebung personenbezogener Daten. Nutzungsbedingungen schränken das Scraping auf vielen Plattformen ein. Die dritte Frage betrifft die Qualität. Ist die Quelle zuverlässig? Ist die Stichprobe repräsentativ? Gibt es Lücken? Datenerhebung ohne Qualitätskontrollen führt zu Datensätzen, die später fehlerhaft sind. Am besten erkennt man ein Problem, bevor die Daten in die Verarbeitung gelangen, nicht nachdem jemand ein Modell darauf aufgebaut hat.

Sammlungsmethoden

• Umfragen – strukturierte Fragen, anfällig für Antwortverzerrungen
• Sensoren – automatisiert, kontinuierlich, kalibrierungsempfindlich
• Web Scraping – extrahiert öffentliche Daten, unterliegt dabei aber rechtlichen Beschränkungen
• Transaktionsprotokolle – erfassen automatisch das Benutzerverhalten
• Öffentliche Aufzeichnungen – Regierungs- und offene Datenquellen

Die Datenerhebung ist eine bewusste Planungsentscheidung. Was Sie erheben, bestimmt, was Sie lernen können. Was Sie nicht erheben, bestimmt, was Sie nie erfahren werden.