7 Jahre. 7 Fragen. Julia Zukrigl spricht Klartext.

Zum Jubiläum stellten wir Julia sieben Fragen und sie hat geantwortet, wie wir sie kennen. Reflektiert, direkt und mit einem Augenzwinkern, spricht sie über Anfang, Wendepunkte und das, was noch kommt.

INTANUMBA Redaktion

Vor sieben Jahren hat Julia Zukrigl ihr Unternehmen gegründet – mit der Überzeugung, dass Daten nur dann Wert schaffen, wenn Menschen sie verstehen und gerne nutzen. Heute begleiten sie und ihre Kollegen Data-Teams, Führungskräfte und Learning-Verantwortliche in namhaften Unternehmen der DACH-Region mit Beratung und Training zu Decision Excellence, Datenkommunikation und Datenhumanismus. Im Jubiläumsinterview spricht sie darüber, welche Prinzipien heute ihre Arbeit leiten, warum Data Storytelling ein Dialog sein muss und welche Forschungsfragen sie im achten Jahr angehen will.

Warum hast du damals gegründet?

Ich hab mich selbständig gemacht, als die meisten Unternehmen noch nicht wussten, dass sie auf einem Datenschatz saßen. Mir war es damals wichtig analytisches Vorgehen und die strategische Datenarbeit an sich in Unternehmen zu etablieren. Und dabei die Menschen im Blick zu behalten.

Ich hatte immer schon den schönsten Nervenkitzel, wenn ich an neuen, unbeantworteten Fragen dran war. Wenn wir Lösungen komplett neu gedacht haben. Neue Denkansätze haben es im eigenen System jedoch oft schwer, weil der Raum dafür fehlt. Von außen lässt sich manches leichter anstoßen. Deshalb habe ich mir mein eigenes Labor gebaut: als treibende Kraft von außen, an der Seite derer, die drinnen etwas bewegen wollen.

Was war dir damals wichtig?

Ich habe in meiner vorangegangenen Laufbahn immer wieder – auf unterschiedlichste Weise – die Erfahrung gemacht, dass schlaue Analysen nur dann funktionieren, wenn sie von Menschen verstanden werden und ihnen einen konkreten Nutzen stiften.

Deswegen war es immer schon das Leitbild Dateninitiativen für Menschen zugänglich zu machen. Zu Beginn in empathisch angelegten, eigenen Analyseprojekten, aber parallel auch schon im Vorläufer vom heutigen Data Storytelling Training.

Was mir auch immer schon wichtig war, ist nicht einfach auf Hypes aufzuspringen oder einen Hype nach dem anderen durch das Dorf zu treiben. Bei mir läuft ein innerer Mechanismus ab, sobald ich einen Hype wahrnehme. Sobald ein Thema zu viel Fahrt aufnimmt, kommt bei mir immer das Alarmglöckchen, das sagt „Da muss was faul sein, wenn alle in eine Richtung laufen ohne nachzudenken.“ Meine Fragen an jeden Hype: Was ist das eigentlich Neue, welche Dinge werden unter dem Hype-Stichwort mitverhandelt? Welcher Logik folgt der Hype? Was ist das Nützliche daran? Und was kann man getrost weglassen? Das hat mir schon in vielen Situationen geholfen und ist auch in unserer heutigen Zeit, in der ja gefühlt stündlich neue Trends durchs Dorf getrieben werden, ein wichtiger Kompass.

Was war für dich der erste Beweis, dass deine Idee funktioniert?

Das waren wahrscheinlich die kleinen Situationen mit den ersten Kunden, die dann nach der Zusammenarbeit angerufen und Dinge erzählt haben wie: „Ob du’s glaubst oder nicht, die haben mir diesmal echt zugehört und sogar verstanden, wofür wir die Datenarbeit brauchen.“ Oder „Stell dir vor, mein Vorstand hat mein Data Science Projekt in der C-Runde als Leuchtturmprojekt vorgestellt und die haben alle verstanden worum es ging, durch die Erklärung, die wir vorbereitet haben.“

Die vielen Zeichen der Selbstwirksamkeit von Data Scientists und Analysten, die davor oft jahrelang einfach ungehört in der dunklen Kammer vor sich hingearbeitet haben, deren Projekte dann irgendwann eingestampft wurden – nicht weil sie schlecht waren. Viele von ihnen waren State-of-the-art und manche auch ihrer Zeit weit voraus. Sie wurden einfach nicht verstanden und deshalb nicht weiterverfolgt.

Und dieses Erlebnis gab es überall – egal in welcher Datenfunktion, Branche, Firmenstruktur. Es fehlte immer die Brücke zwischen der Sprache der Data People und der Fachbereichsexpert:innen.

Das hat natürlich gezeigt, dass die Unternehmensidee an sich Sinn macht. Darüber hinaus geben diese Erlebnisse auch mir den Sinn in der Arbeit, den ich lange gesucht habe.

Ich würde sagen, ich bin vor 7 Jahren dort angekommen, wo ich sinnvoll wirken kann.

Was ist gleich geblieben, was ist heute noch die DNA des INTANUMBA Labs?

Der Fokus auf „Daten müssen den Menschen dienen“ ist der rote Faden und die DNA der INTANUMBA Labs. Das mag auf den ersten Blick altruistisch klingen. Ist es, aber nicht nur. In Wahrheit ist es die knallharte, wirtschaftliche Basis für die Datenökonomie. Datenanalysen, die niemand versteht und niemand nutzt, sind versenkte Kosten. Datenprojekte, die in Schubladen enden, werden nie auch nur annähernd einen positiven ROI-Wert erzielen. Und man bedenke wie anspruchsvoll und ressourcenintensiv manche Dateninitiativen angelegt sind, die dann im Business keine Anwendung finden, einfach weil sie keiner versteht. Wie viel Geld da verbrannt wird – unglaublich.

Deswegen:

„Daten müssen den Menschen dienen, weil ansonsten sind sie nur verbranntes Geld.“

Julia Zukrigl

Gibt es einen Moment, in dem du umdenken musstest, der maßgeblich etwas verändert hat?

Ich denke der wesentlichste Moment war, als sich die KI-Debatte verändert hat. Bis vor zwei/drei Jahren war es auch für mich ein wesentliches Thema, wie wir KI in die Organisationen bringen, die KI-Nutzung den Menschen schmackhaft machen können damit unsere Kundenunternehmen am Markt relevant zu bleiben. Und dann zeigte sich die rasende Fortschrittsgeschwindigkeit der Technologie, die auch ihre bedrohliche Seite zu offenbaren begann. Wenn eine Technologie Arbeit und unmittelbar auch Identität so tiefgreifend verändert, können wir Technologieadoption nicht mehr diskutieren wir damals in den 2000ern, als es um Technologieadoption von irgendwelchen Fun-Apps oder Smartphoneanwendungen ging. Für alle, die Lernen in Organisationen gestalten, heißt das: Es geht nicht mehr darum, Menschen ein Tool beizubringen, sondern darum, Räume zu schaffen, in denen sie ihre eigene Rolle neu entwerfen.

Einer der ursprünglichen Einflüsse war eins der ersten wissenschaftlichen Papers, das ich damals mit und für meinen Doktorvater verfasst habe: Es ging dabei um das Technology Acceptance Model (TAM), und wie es beim Roll-out von Applikationen die Organisation unterstützt. Die wissenschaftlichen Modelle damals waren ausgerichtet auf Technologie, die man wie ein Werkzeug aus der Schublade nehmen und wieder reinlegen konnte. Die jedenfalls nicht unsere Arbeit und unser selbst verändern.

Und plötzlich erklären diese Modelle heute gar nichts mehr, weil sie Aspekte wie menschliche Würde, Identitätsverlust, Existenzängste etc. überhaupt nicht berücksichtigten.

Ich habe darüber bewusst und unbewusst einige Zeit gebrütet und kam dann zu der Erkenntnis, dass der Zugang „Technologieadoption herstellen“ nicht mehr der richtige Ansatz für uns war. Das Menschenbild dahinter sieht willfährige Anwender, denen wir etwas überstülpen wollen. Die Verbindung von Technologie und Mensch ist in diesem Sinne eine Einbahnstraße, ausgehend vom Technology Push.

Und dabei braucht es bei der Einführung von großen neuen Technologien eine Basis auf Augenhöhe, einen partizipativen Prozess, in dem Menschen sich selbst vorstellen können, wie denn die Zukunft der Arbeit aussieht – was davon ihre eigene Leistung sein kann – und was sie z.B. der KI übergeben. Es braucht die Antwort auf die Frage „Wer möchten wir als Menschen sein?“ bevor die technische Unterstützung die Frage beantwortet.

Als ethischer Kompass für die Menschzentrierung finde ich die Prinzipien des Digitalen Humanismus sehr nützlich. Umgelegt auf die Datenökonomie leiten wir daraus auszugsweise diese Prinzipien ab:

Datenkompetenz ist nicht technisch, sondern menschlich, sozial und kulturell
Datenrationalität und Intuition müssen in Balance. Wo sich diese Balance findet, ist situationsabhängig.
Gute Datenarbeit stärkt menschliche Handlungs- und Entscheidungsfähigkeit.
Datenarbeit ist Beziehungsarbeit.

Eine weitere spannende Erkenntnis, die darauf folgte, war, dass analog dazu die Methode Data Storytelling genauso als Einbahnstraße diskutiert wird. Die gesamte Fachliteratur dreht sich bisher immer darum, wie Datenexpert:innen denn nun die Datenerkenntnisse oder komplexe Dinge an die „Unwissenden“, also Fachbereichsexpert:innen kommuniziert bekommen.

„Data Storytelling ist Dialog.“

Julia Zukrigl

Und genauso darf auch Data Storytelling keine Einbahnstraße sein. Data Storytelling ist ein Dialog. Besser kommunizieren zu können als Datenexpert:innen ist wichtig, aber nur so wirksam, wie gut wir auch zuhören können.

Dieser innere Paradigmenwechsel hat unser Methodenset, unsere Trainings und unsere Beratungsprozesse verändert und zeigt uns den Weg in die Zukunft. Zum Beispiel gibt es nun in allen unseren Trainings eine ethische Debatte darüber, wer wir als Datenexpert:innen in unserer Rolle sein wollen. Außerdem stellen wir den Dialog konsequent ins Zentrum, etwa mit Methoden wie Story Listening.

Bereust du etwas an den letzten 7 Jahren?

Die INTANUMBA Labs gegründet zu haben, und dass ich tue was ich tue? Nein. Nie.

Das einzige, das ich manchmal bereue, ist, dass ich mir genau das nicht schon viel früher zugetraut habe. Aber auch der Weg davor war notwendig um heute dort zu stehen, wo ich bin.

Was nimmst du dir für das achte Jahr vor?

Weiter die Fragen stellen, die andere noch nicht stellen.

Das bedeutet auch: ich werde mir wieder mehr Zeit für Grundlagenforschung nehmen. Der aktuelle Erfolg in Form von vielen Anfragen und gefüllten Trainingskalendern hat zur Kehrseite, dass nur begrenzt Zeit bleibt um große Fragen zu stellen (und vor allem zu beantworten). Ich habe eine geheime Bucketlist von 5 Research Fragestellungen, die mir unter den Nägeln brennen.

Welche Research Fragestellungen das sind? Abgeleitet von den Datenhumanismus-Prinzipien, ist menschliche Handlungs- und Entscheidungsfähigkeit (Decision Excellence) ein zentrales Thema.

Eine verrate ich euch jetzt schon. Sie lautet: Wie viel Unsicherheit verträgt eine klare Botschaft?

In unseren Trainings lernen Datenexpert:innen unter anderem Informationen zu reduzieren – zu Recht, denn nur was kognitiv verarbeitet werden kann, wird auch verstanden. Auf dem Weg in den Vorstand wird dann aber oft weiter gekürzt, bis nur noch eindeutige Aussagen übrig sind. Die Unsicherheit verschwindet dabei nicht. Sie wird nur unsichtbar.

Mich interessiert deshalb zweierlei: Wie können Datenteams Informationen sinnvoll reduzieren und trotzdem zeigen, wie belastbar ihre Aussagen sind und wo Unsicherheiten bestehen? Und was brauchen Führungskräfte, um Unsicherheit nicht wegzuargumentieren, sondern mit ihr zu arbeiten? Denn Sicherheit ist eine Illusion. Gute Entscheidungen entstehen nicht ohne Unsicherheit, sondern im bewussten Umgang mit ihr.

Wen das auch beschäftigt: schreib‘ mir! Genau auf diese Gespräche freue ich mich.

Was bleibt also nach sieben Jahren? Vor allem die Neugier auf die Fragen, die noch kommen. Julia hat sie schon auf der Bucketlist. Wir sind gespannt. Und dir, Julia ,vielen Dank für deine Zeit und deine klaren Worte.

Vielen Dank für das Gespräch und an das gesamte Team für eure großartige Arbeit! Ohne euch wäre INTANUMBA nicht dort, wo wir heute stehen.