Modul 9 DigiMan: Datenanalyse und Entscheidungsunterstützung

Modul 9 der Weiterbildung zum Digitalisierungsmanager umfasst 72 Unterrichtseinheiten (UE) in neun Tagen. Es macht aus dir einen strukturierten Daten-Analytiker auf no-code- bis low-code-Niveau. Du lernst Datenqualität, SQL-Grundlagen, ETL-Pipelines mit n8n, Metabase-Dashboards und einen ersten Blick in prädiktive Analysen mit No-Code-ML-Werkzeugen.

In deutschen Unternehmen liegen Datenberge, die niemand systematisch nutzt. Wer nach der Weiterbildung ein Metabase-Dashboard aus einer Access-Datenbank oder einem SAP-Export bauen kann, ist in fast jedem Team sofort wertvoll. Das ist Arbeitsmarkt-Realität.

Aufbau im Curriculum

Modul 9 läuft über neun Tage. Die ersten beiden Tage bauen das Datenfundament. Die Tage drei bis fünf widmen sich Metabase. Tag sechs baut Reporting-Pipelines. Tag sieben und acht bringen einen Einblick in Machine Learning. Tag neun schließt mit Data Storytelling und Ethik.

Tag	Schwerpunkt
1	Datenqualität und Datenbereinigung
2	SQL-Grundlagen und n8n-Pipelines
3	Metabase Grundlagen
4	Metabase Fortgeschritten: SQL und komplexe Dashboards
5	Metabase: Sharing, Automatisierung, Verteilung
6	Reporting-Pipelines und Dashboard-Automatisierung
7	Prädiktive Analysen: ML-Grundlagen
8	No-Code-ML-Tools in der Praxis
9	Data Storytelling, Ethik, Modulabschluss

Ohne saubere Daten keine Analyse. Ohne SQL keine Flexibilität. Ohne Dashboard keine Kommunikation. Ohne Storytelling keine Wirkung. Jeder Tag baut auf dem vorherigen auf.

Datenqualität als Fundament

Tag 1 ist der wichtigste Tag des Moduls. Das DAMA-Framework beschreibt sechs Dimensionen der Datenqualität: Vollständigkeit, Eindeutigkeit, Korrektheit, Aktualität, Konsistenz, Gültigkeit. Du lernst jede Dimension an konkreten Beispielen kennen.

Die Taxonomie unterscheidet strukturelle Probleme (zum Beispiel fehlende Felder, falsche Datentypen) von inhaltlichen Problemen (zum Beispiel Dubletten, Tippfehler, veraltete Einträge). Beide brauchen unterschiedliche Bereinigungsstrategien.

Du übst den Bereinigungsworkflow an einem realistischen verschmutzten Datensatz: Analyse, Profiling, Bereinigung, Validierung. Klingt nach trockener Übung. Ist aber der Moment, in dem viele Teilnehmer begreifen, warum IT-Projekte so oft in Daten-Problemen scheitern. Ohne saubere Daten ist jede spätere Analyse Glücksspiel.

Explorative Datenanalyse (EDA) ist die zweite wichtige Technik. Du lernst, einen unbekannten Datensatz systematisch kennenzulernen: Verteilungen betrachten, Ausreißer finden, Korrelationen prüfen. Pflichtübung vor jeder Hypothesenbildung.

SQL als Fachanwender-Sprache

Tag 2 bringt SQL. SQL ist die Sprache, in der seit fünfzig Jahren mit Daten gearbeitet wird und sich das in den nächsten zwanzig Jahren nicht ändern wird. Kein Analyse-Werkzeug ist universell einsetzbar ohne SQL-Verständnis.

Du lernst Grundlagen: Tabellen, Spalten, Zeilen, Datentypen, JOIN zwischen zwei Tabellen, GROUP BY zum Aggregieren, WHERE für Filter. Kein tiefes Entwickler-Niveau, sondern das Fachanwender-Level, das du für Dashboards und Analysen wirklich brauchst.

Am Nachmittag verbindest du SQL mit n8n. n8n als ETL-Werkzeug heißt: Extract (Daten aus Quelle holen), Transform (aufbereiten), Load (in Zielsystem schreiben). Eine typische Pipeline zieht CSV-Dateien aus einem Ordner, validiert sie, schreibt sie in eine Postgres-Datenbank und benachrichtigt das Team per Mail.

Metabase in der Tiefe

Tag 3 bis 5 widmen sich Metabase, einem Open-Source-Business-Intelligence-Werkzeug im Browser. Metabase ist die ideale no-code-Plattform, um Datenbanken abzufragen und Dashboards zu bauen. Du verbindest eine Datenbank, wählst Felder, wählst eine Visualisierung und fertig ist das Chart. Für einen großen Teil typischer Business-Reports reicht das.

Tag 3 ist der Grundlagen-Tag: Interface, erste Fragen formulieren, einfache Visualisierungen wählen. Tag 4 geht in die Tiefe: SQL-Modus, komplexe Dashboards mit mehreren verknüpften Charts, Parameter-Filter. Das Star-Schema wird erklärt (Fakten-Tabellen, Dimensionstabellen), weil es in der Praxis die Basis jeder seriösen Dashboard-Struktur ist.

Tag 5 dreht sich um das Teilen. Ein Dashboard, das niemand sieht, ist wertlos. Du lernst Sharing-Mechanismen, automatische Mail-Verteilung, Embeddable Public Links und Zugriffsrechte. Metabase ist stark in der Integration. Du kannst Metabase-Dashboards direkt aus n8n-Workflows heraus auslösen, speichern und verteilen.

Reporting automatisieren

Tag 6 verbindet alles. Eine Reporting-Pipeline ist die Kombination aus Datenquelle, Bereinigung, Aggregation, Visualisierung und Verteilung, die ohne menschliches Zutun läuft. Beispiel: Jeden Montag um 7 Uhr wird der Vertriebsbericht aus CRM-Daten neu berechnet, als PDF gespeichert und an die Vertriebsleitung geschickt.

Du baust genau so eine Pipeline. n8n für die Orchestrierung, SQL für die Abfrage, Metabase für die Visualisierung, n8n wieder für den Versand. So wird Datenanalyse vom Einmal-Projekt zum dauerhaften Service.

Prädiktive Analysen und ML

Tag 7 und Tag 8 sind die ML-Tage. Du lernst die Grundideen prädiktiver Analysen. Aus historischen Daten Muster ableiten und auf die Zukunft anwenden. Beispiele sind Verkaufsprognosen, Churn-Vorhersage, Bestandsplanung.

Du baust keine eigenen neuronalen Netze. Du nutzt No-Code-ML-Werkzeuge, die moderne Algorithmen in Web-Oberflächen verpacken. Du lädst Daten hoch, wählst eine Zielgröße, das Werkzeug trainiert im Hintergrund und zeigt dir, wie gut das Modell ist. Für fachliche Entscheidungen in vielen KMU ist das ausreichend.

Die Grenzen werden klar benannt. No-Code-ML ist stark für Standard-Szenarien mit sauberen Daten. Sobald die Daten komplex oder das Problem ungewöhnlich ist, brauchst du Fachleute.

Data Storytelling

Tag 9 ist der Abschlusstag und der am meisten unterschätzte. Eine gute Analyse ohne überzeugende Darstellung ist wertlos. Data Storytelling lehrt dich, Daten in eine Erzählung zu verwandeln: Kontext setzen, Spannung aufbauen, Kernaussage präsentieren, Handlungsempfehlung ableiten.

Wer das unterschätzt, liefert am Ende brillante Analysen, die in der Schublade landen. Wir sehen das bei fast jedem Abschlussprojekt in dieser Phase. Dasselbe Ergebnis, einmal als Zahlenwüste präsentiert und einmal mit klarer Geschichte, wirkt wie ein anderes Projekt. Die Geschichte entscheidet über Budget und Umsetzung.

Ethik-Themen runden den Tag ab. Welche Daten darfst du überhaupt analysieren, welche Gruppenbildung ist rechtlich problematisch, welche Darstellungen führen in die Irre? Kein Randthema, sondern Kern der beruflichen Verantwortung eines Digitalisierungsmanagers.

Einordnung ins Gesamtcurriculum

Modul 9 ergänzt Modul 7 (Dokumentenverarbeitung) und Modul 8 (Chatbots) um den Datenblick. Alle drei Module sind parallel einsetzbar, kein Pflicht-Vorgänger. Für das Abschlussprojekt in Modul 13 nutzen viele Teilnehmer Metabase-Dashboards, um ihre Ergebnisse messbar und präsentierbar zu machen.

Einen breiten Überblick über das Gesamt-Curriculum gibt die Ratgeber-Pillar. Wie die Module aufeinander aufbauen, erklärt dieser Übersichtsartikel. Die direkten Nachbarn sind Modul 10 zum Veränderungsmanagement und Modul 11 zum Projektmanagement.

Offizielle Datenquellen für Übungen liefert Destatis, das Statistische Bundesamt. Die Rolle datengetriebener Entscheidungen in der deutschen Wirtschaft beschreibt die Bitkom.

FAQ zu Modul 9

Brauche ich für SQL mathematische Vorkenntnisse?

Nein. SQL ist eine Abfragesprache, keine Mathematik. Du lernst Tabellen zu verbinden und zu aggregieren. Rechnen auf Schulniveau reicht vollständig.

Was ist der Unterschied zwischen Excel und Metabase?

Excel ist eine Tabellenkalkulation, Metabase ist ein BI-Tool. Metabase arbeitet direkt auf Datenbanken, zeigt immer aktuelle Werte und lässt sich zentral teilen. Excel ist stark für lokale Analysen und Ad-hoc-Berechnungen. Beide ergänzen sich, ersetzen einander nicht.

Muss ich Machine Learning selbst implementieren?

Nein. Modul 9 nutzt No-Code-ML-Werkzeuge, die über Web-Oberflächen bedient werden. Du verstehst Grundideen und kannst Modelle auswählen und einschätzen. Eigene Implementierung ist nicht Kursinhalt.

Kann ich Modul 9 ohne Vorwissen besuchen?

Ja. Modul 9 setzt nur Modul 1 und eine Grundvertrautheit mit n8n aus Modul 5 voraus. Wer Datenerfahrung aus dem Beruf mitbringt, fühlt sich an manchen Stellen zu Hause, lernt aber trotzdem neues.

Kann ich Modul 9 mit Bildungsgutschein finanzieren?

Ja. Der gesamte DigiMan-Kurs ist nach § 81 SGB III über einen Bildungsgutschein förderbar. AZAV-zertifiziert über DEKRA. Kosten ohne Förderung 9.662,40 Euro, mit Bildungsgutschein 0 Euro.

Über den Autor

Dr. Jens Aichinger ist Gründer von SkillSprinters, einem DEKRA-zertifizierten Bildungsträger nach AZAV. Er ist promovierter Naturwissenschaftler und arbeitet seit über zehn Jahren an der Schnittstelle von Bildung und Digitalisierung. Mehr zum Autor auf der Autoren-Seite.

Zuletzt geprüft am 14. April 2026 von Dr. Jens Aichinger. Kontakt und Terminbuchung über skill-sprinters.de/termin.

Vor der Buchung: die richtigen Fragen stellen

Bevor du dich für eine Weiterbildung entscheidest, prüfe bei jedem Anbieter, ob das Curriculum wirklich so tief geht, wie es im Marketing klingt. Unser kostenloses PDF “27 Fragen, die du jedem Anbieter stellen solltest” gibt dir eine Checkliste an die Hand, mit der du ein Beratungsgespräch strukturieren kannst.

27 Fragen als PDF herunterladen