News-Artikel

Auf dem internationalen Workshop stellte das DSC einen methodischen Rahmen für die Integration von Webdaten und Natural Language Processing (NLP) in Wirtschaftsstatistiken vor. Der Ansatz baut auf methodischem Fachwissen auf, das im Datenkompetenzzentrum „DataNord“ entwickelt wurde.

Vom 8. bis 10. Juni 2026 nahm das Data Science Center (DSC) am siebten internationalen Workshop zur Methodik der Unternehmensdatenerhebung (BDCMW 2026) in Heerlen, Niederlande, teil. Der Workshop brachte Forscher, Methodiker und Vertreter nationaler statistischer Ämter zusammen, um über neue Ansätze zur Erhebung von Unternehmensdaten, zur Erhebungsmethodik und zum Einsatz künstlicher Intelligenz (KI) in der amtlichen Statistik zu sprechen.

Maryam Movahedifar, Mitglied des DSC-Teams, hielt einen Vortrag mit dem Titel “Integrating Automated and Text-Derived Data into Business Survey Workflows: A Practice-Driven NLP Framework Based on DataNord Activities” (Integration automatisierter und aus Texten gewonnener Daten in Arbeitsabläufe der Unternehmenserhebungen: Ein praxisorientiertes NLP-Framework auf der Grundlage der Aktivitäten von DataNord). In ihrem Vortrag wurde hervorgehoben, wie Webdaten und Natural Language Processing (NLP) die Modernisierung der Unternehmensstatistik unterstützen und traditionelle, auf Erhebungen basierende Ansätze ergänzen können.

Herausforderungen bei der Erfassung von Geschäftsdaten

Unternehmensbefragungen gehören zu den wichtigsten Quellen für offizielle Statistiken. Allerdings sehen sich die statistischen Ämter zunehmend mit Herausforderungen wie sinkenden Rücklaufquoten, steigenden Erhebungskosten und einer wachsenden Belastung der Befragten konfrontiert. Gleichzeitig generieren Unternehmen kontinuierlich große Mengen digitaler Informationen über Websites, Berichte und Online-Plattformen.

In dem Vortrag wurde vorgestellt, wie diese alternativen digitalen Datenquellen systematisch in statistische Arbeitsabläufe integriert werden können. Durch die Kombination von Web-Scraping, automatisierter Datenerhebung und NLP-Methoden lassen sich Informationen aus unstrukturierten Online-Inhalten in strukturierte Indikatoren umwandeln, die statistische Erhebungsprozesse unterstützen.

Ein von DataNord inspirierter methodischer Rahmen

Der vorgestellte Arbeitsablauf entstand aus praktischen methodischen Fragestellungen, die im Rahmen des vom BMFTR geförderten Datenkompetenzzentrums „DataNord“ auftraten. Im Rahmen des DataNord-Helpdesks am DSC wenden sich Forscher regelmäßig an uns, um Unterstützung bei der Erhebung, Aufbereitung und Analyse von webbasierten und aus Texten gewonnenen Daten zu erhalten.

Aufbauend auf diesen Erfahrungen entwickelte Maryam ein Rahmenkonzept, das aufzeigt, wie Daten aus Websites, APIs und digitalen Dokumenten in eine einheitliche Verarbeitungs-Pipeline integriert werden können. Anschließend werden NLP-Techniken angewendet, um relevante Geschäftsinformationen wie Aktivitäten, Produkte, Technologien und organisatorische Merkmale zu extrahieren. Die extrahierten Informationen können anschließend mit etablierten statistischen Klassifikationen und Unternehmensregistern verknüpft werden.

Die Arbeit veranschaulicht, wie das bei DataNord entwickelte Daten-Know-how über einzelne Forschungsprojekte hinaus einen Beitrag leisten und umfassendere methodische Innovationen in datenintensiven Bereichen unterstützen kann

Sicherung von Qualität und Zuverlässigkeit

Ein zentrales Thema des Vortrags war die Frage der Datenqualität. Digitale Datenquellen bieten zwar erhebliche Chancen, bringen jedoch auch Herausforderungen hinsichtlich der Erfassungsbreite, Konsistenz und Zuverlässigkeit mit sich.

Um diesen Problemen zu begegnen, umfasst die Methode Verfahren zum Abgleich von Einheiten, zur Harmonisierung, Validierung, Kalibrierung und zum Benchmarking. Diese Schritte tragen dazu bei, dass automatisch erhobene Informationen in bestehende statistische Systeme integriert werden können, wobei die für amtliche Statistiken erforderlichen Qualitätsstandards gewahrt bleiben.

Austausch mit der internationalen Forschungsgemeinschaft

Der Workshop bot eine hervorragende Gelegenheit zum Gedankenaustausch mit Experten aus nationalen Statistikämtern, Universitäten und Forschungseinrichtungen, die sich mit der Erhebung von Unternehmensdaten und KI-gestützten statistischen Methoden befassen.

Der Austausch verdeutlichte das wachsende internationale Interesse an der Nutzung alternativer digitaler Datenquellen für statistische Anwendungen und unterstrichen die Bedeutung solider methodischer Rahmenbedingungen, die Automatisierung mit sorgfältiger Qualitätssicherung verbinden.

Für das DSC und DataNord bot die Teilnahme an der BDCMW 2026 wertvolle Einblicke in aktuelle Entwicklungen bei der Web-Datenerfassung, der NLP-basierten Informationsextraktion und Methoden der Datenintegration. Diese Erkenntnisse werden in die zukünftige methodische Beratung, Schulungsmaßnahmen und gemeinsame Forschungsprojekte innerhalb der Bremer Forschungsgemeinschaft einfließen.

Die Teilnahme verdeutlicht zudem die übergeordnete Rolle des DSC: Praktische Fragen aus der interdisziplinären Forschungsunterstützung können zum Ausgangspunkt für methodische Ansätze werden, deren Relevanz weit über ein einzelnes Projekt oder eine einzelne Einrichtung hinausgeht.