Foto: Katia Soland

In der Schweiz gibt es viele, frei verfügbare Daten von Ämtern und Organisationen. Der Mehrwert, den diese Daten bieten, sei allerdings noch lange nicht erschöpft, meint Ross Purves, Professor am Geografischen Institut der Universität Zürich. Mehr aus diesen Daten rauszuholen ist nur ein Ziel, das er mit dem Public Data Lab verfolgt.

Ross, wie erklärst du einer Person, die nicht vom Fach ist, was Indikatoren sind?

Ross: Einfach erklärt sind Indikatoren meistens numerische Produkte, d.h. sie werden oft in einer oder mehreren Zahlen ausgedrückt. Indikatoren fassen komplexe Prozesse zusammen und machen sie verständlich, sei es für politische Entscheidungsträger:innen oder für Bürger:innen. Indikatoren lassen sich wiederholt messen oder berechnen, um sie miteinander oder mit einem Zielwert zu vergleichen. Denn nur eine Messung oder nur ein Wert würde nicht viel aussagen. Wichtig ist auch, dass man mit einem Indikator nicht einzelne Menschen beschreiben will, sondern wie sich ein Phänomen, sei es ein soziales, gesellschaftliches oder umweltbezogenes, im Raum und über die Zeit verhält.

Hast du ein Beispiel für einen Indikator?

Meine Studierenden haben in einem Kurs im Frühlingssemester 2025 Indikatoren entwickelt, zum Beispiel einen für die Schlafqualität im Kanton Zürich. In diesen Indikator haben sie Daten zu Lärm, Licht und Temperatur einfliessen lassen, weil alle drei mit der Schlafqualität korrelieren: Je mehr Lärm und Licht und je höher die Temperatur, desto schlechter die potentielle Schlafqualität. Sie haben zudem untersucht, wie die potentielle Schlafqualität in den besiedelten Teilen des Kantons variiert: Wo schläft es sich gut, wo schlecht?

Du forschst unter anderem zu Indikatoren, weshalb?

Mich interessiert die Forschung zu Indikatoren. Mit gut durchdachten, wirksamen Indikatoren leisten wir einen Beitrag für eine bessere Gesellschaft. Ein Beispiel: Ein Indikator für Wohlstand im Sinne von Ungleichheit könnte helfen, konkrete Massnahmen gegen die Ungleichheit zu entwickeln.
Dann sehe ich aber auch ein Bedürfnis von Seiten der Studierenden: Heutige Studierende wollen vermehrt Projekte mit einer gesellschaftlichen Relevanz durchführen. Ich sehe das anhand unseres Kurses über Umweltindikatoren, der sehr beliebt ist und aus dem viele Ideen für Masterarbeiten entstehen. Für solche Masterarbeiten eignet sich die Zusammenarbeit mit dem Kanton Zürich, weil Studierende ihre Kreativität und methodischen Fähigkeiten einsetzen und gleichzeitig Inputs und Feedback aus der Praxis holen.
Ich sehe aber auch einen Bedarf von Seiten der Politik und der Gesellschaft: Politische Entscheidungsträger:innen sind auf evidenzbasierte Grundlagen angewiesen. Sie können nicht aus ihrem Bauchgefühl entscheiden, sondern müssen ihre Entscheidungen legitimieren. Gerade wenn Ressourcen begrenzt sind, können Indikatoren helfen, weil sie mehr aussagen als Rohdaten. Ein sehr bekanntes Beispiel ist der Indikator Kindersterblichkeit im globalen Süden. Die Kindersterblichkeitsrate ist stark zurückgegangen, was zeigt, wie wirkungsvoll Massnahmen wie Impfungen, Ernährung oder Bildung sind.

Um Indikatoren geht es auch beim Public Data Lab (PDL), das du initiiert hast. Wie kamst du auf die Idee dafür?

Zwei Beobachtungen haben mich auf die Idee gebracht: Uns stehen hier in der Schweiz sehr viele qualitativ hochstehende Daten zur Verfügung. Die Daten werden von verschiedenen Institutionen und Organisationen für spezifische Zwecke erhoben. Das Problem ist, dass wir den Mehrwert dieser Daten längst nicht ausschöpfen. Wir kombinieren sie immer noch zu selten, zum Beispiel zu Indikatoren, um mehr über ein komplexes Phänomen rauszufinden.
Gleichzeitig ist mir aufgefallen, dass das Verständnis für Indikatoren, also was Indikatoren sind, was sie können, aber auch was sie nicht können, oft fehlt. In der Folge bleibt der Diskurs darüber, was wir messen, wie wir messen und messen könnten, aber auch wie wir Daten interpretieren, oberflächlich. An diesen zwei Punkten wollte ich ansetzen. Meine ursprüngliche Idee war, Wissenschaft und Praxis zu verbinden, zum Beispiel indem ich versuche, Studierende für Indikatoren und den Diskurs darüber zu begeistern. Ich habe dann weiter überlegt, was ich sonst noch machen könnte, und bin auf die Idee des Public Data Labs gestossen, die ich mit Leuten aus verschiedenen Bereichen diskutiert habe. Als dann der Struktur-Call der DIZH (Digitalisierungsinitiative) kam, dachte ich, dass könnte gut passen, weil die DIZH spezifisch Projekte sucht, in denen Forschung und Praxis kombiniert und innovative Methoden auf digitale Daten angewandt werden.

«Raum ist das, was Daten zusammenbringt und -hält, denn fast alles findet im Raum statt.»

Ross Purves

Was ist deine Rolle innerhalb des Public Data Labs (PDL) und dein Beitrag?

Ich koordiniere die Aktivitäten des Public Data Labs sowie zwischen den Partnern. Es ist mir ein Anliegen, dass unser gemeinsamer Output mehr ist als die Summe der einzelnen Teile. Das ist mein organisatorischer Beitrag. Wir leisten aber auch einen wissenschaftlichen Beitrag: In unserer Forschungsgruppe Geocomputation am Geografischen Institut der Universität Zürich forschen wir viel über Geoinformation, also räumliche Daten. Raum ist das, was Daten zusammenbringt und -hält, denn fast alles findet im Raum statt. Louis Moser in unserer Gruppe wird einen Indikator für multiple Deprivation, Mehrfachbenachteiligung, entwickeln. Umgangssprachlich würde man Armut sagen, aber Armut hat eben viele Facetten, es bedeutet nicht nur, wenig oder kein Geld zu haben oder zu verdienen. Der Indikator für multiple Deprivation gehört zu einem von vier Leuchtturmprojekten des Public Data Labs.

Kannst du grob sagen, wie der neue Indikator der multiplen Deprivation entwickelt wird?

In der Schweiz und anderen Ländern gibt es schon Forschung über Indikatoren von Armut und Benachteiligung. Wir werden uns teilweise darauf stützen. Gleichzeitig wissen wir aber auch, dass der Indikator lokale Begebenheiten berücksichtigen muss. In abgelegenen Gebieten zum Beispiel hat jemand ohne Auto schlechteren Zugang zu vielen Diensten wie zum Beispiel medizinische Versorgung, Läden etc. Im Kanton Zürich werden wir zuerst rausfinden müssen, welche Kategorien relevant und messbar sind. Dazu gehören eventuell: Bildung, Gesundheit, Einkommen, Vermögen, Zugang zu Dienstleistungen wie Grünflächen, Freizeitaktivitäten, zum öffentlichen Verkehr oder Wohnungsmarkt. Welche genau, das werden wir in einem partizipativen Verfahren mit unseren Praxispartnern herausschälen. Partizipativ meint hier, dass nicht wir als Forschende entscheiden, sondern dass es ein Entscheidungsprozess ist, an dem die Bevölkerung, Politiker:innen oder Entscheidungsträger:innen beteiligt werden. Die Frage dabei ist: Haben diese Phänomene mit Deprivation zu tun? Falls ja, wie beeinflussen sie sich gegenseitig? Und wie viel Gewicht haben sie?

«Welche Phänomene kann man nicht zählen oder statistisch erfassen? Wo macht das Zählen keinen Sinn? Was vernachlässigen wir, wenn wir versuchen zu zählen?»

Ross Purves

Was ist dein Ziel?

Ich habe mehrere (lacht). Wir möchten zusammen mit dem Kanton Zürich und Opendata.ch konkrete Indikatoren entwickeln, die es bislang nicht gibt, um insbesondere Daten- und Wissenslücken zu füllen. Ein weiteres Ziel ist, über Indikatoren zu diskutieren, aber nicht nur innerhalb der Wissenschaft oder Verwaltung, sondern zusammen mit Politiker:innen und Bürger:innen, um das Verständnis für Indikatoren zu fördern: Was können Indikatoren? Was können sie nicht resp. wo sind ihre Grenzen? Ein drittes Ziel ist, Indikatoren nicht nur als quantitatives Werkzeug zu betrachten, sondern auch qualitativ zu durchleuchten: Welche Phänomene kann man nicht zählen oder statistisch erfassen? Wo macht das Zählen keinen Sinn? Was vernachlässigen wir, wenn wir versuchen zu zählen? Ebenfalls sehr wichtig ist mir, dass die Studierenden näher an die Praxis kommen, indem sie Projekte zusammen mit und für den Kanton durchführen können. Bei vielen Zielen des PDL ist die Kunst involviert, weil sie einen anderen Zugang zu Indikatoren ermöglicht. Kunst hilft uns zum Beispiel, Indikatoren zu hinterfragen oder mit verschiedenen Menschen über Indikatoren zu diskutieren und Verständnis dafür zu schaffen. Ich freue mich und bin sehr gespannt, was dabei rauskommt.

Wo siehst du Herausforderungen?

Bei interdisziplinären Projekten besteht eine Herausforderung darin, eine gemeinsame Sprache zu finden. Wir brauchen zwar dieselben Worte, aber für jeden von uns bedeuten sie etwas anderes. Wie können wir einander verstehen? Wie können wir zusammenarbeiten, sodass wir am gleichen Strick ziehen und trotzdem die Stärke jeder/s Einzelnen und jeder Disziplin zur Geltung kommen? Dann gibt es sicher auch unterschiedliche Erwartungen, die im Projekt aufeinandertreffen: In der Wissenschaft ist es normal, dass nicht alles funktioniert. Wir werden Dinge ausprobieren und merken, dass wir etwas mit den aktuellen Daten und Tools noch nicht können. Eine kritische Durchleuchtung der Indikatoren kann zu Verbesserungen, aber auch zu Spannungen führen, wenn wir merken, dass Indikatoren in einem bestimmten Fall keinen Sinn ergeben.

Das Public Data Lab ist erst gerade gestartet. Wie geht es weiter?

Wir sind derzeit daran, alles aufzugleisen, was wir für die Dauer des Projekts geplant haben. Die Leuchtturmprojekte resp. die Doktorand:innen haben zum Teil schon angefangen oder werden dies in den nächsten Monaten tun. Wir planen einen Launch Event und weitere Veranstaltungen wie öffentliche Vorlesungen, Netzwerk-Events und Makeathons. Gleichzeitig gibt es Platz für weitere Mitwirkende und ihre Ideen. Wir bieten zum Beispiel Policy Sabbaticals für Expert:innen sowie Residenzen für Künstler:innen aus anderen Teilen der Schweiz oder aus Europa an und freuen uns auf einen intensiven Austausch. Diese Erfahrungen werden sicher auch in unseren weiteren Weg einfliessen.

Ross Purves ist seit 2011 Professor am Geografischen Institut der Universität Zürich. Ross ist Experte für die Analyse von geografischen Informationen mit Fokus auf Umwelt und Landschaft. Er hat viel zur Innovation im Bereich des Geographic Information Retrieval (GIR) beigetragen, um Texte nach geografischen Informationen zu durchsuchen und analysieren. Weiter interessiert er sich für die Modellierung, Darstellung und Analyse von geografischer Information im Zusammenhang mit Vagheit, Mehrdeutigkeit und Unsicherheit. Er untersucht zudem, wie neuartige Datenquellen für die Entwicklung von Indikatoren genutzt werden können. Dazu arbeitet er eng mit Vertreter:innen aus der Verwaltung und der Privatwirtschaft zusammen.