Data Storytelling: Wie du aus deinen Daten eine Story machst, die Entscheidungen trägt
- Caesar & Harrison GmbH & Co. KG
- 4. Aug.
- 10 Min. Lesezeit
Aktualisiert: vor 5 Tagen
Viele Unternehmen wissen gar nicht, über welche Schätze sie verfügen: Daten. In Folge 14 von Storify your Business ist Burkhardt Gasber zu Gast, Data Storyteller und Gründer von gasber digital business consulting. Er liest neue Zusammenhänge aus Daten und macht daraus eine Story, die Entscheidungen trägt. Holger König und Michael Neugebauer sprechen mit ihm über Methode, Beispiele und den richtigen Umgang mit KI.
Mehr über unseren Gast: Burkhardt Gasber
Burkhardt Gasber ist Data Storyteller und Gründer von gasber digital business consulting. Er hilft Unternehmen dabei, aus ihren Daten die Geschichte herauszulesen, die Entscheidungen trägt, und begleitet Teams beim fokussierten Einsatz von KI im Marketing. Mehr über seine Arbeit und wie du ihn erreichst:
Das Wichtigste in Kürze zu Data Storytelling
Data Storytelling bedeutet, aus vorhandenen Daten die Geschichte herauszulesen, die schon da ist, statt Zahlen nur zu präsentieren. Ziel ist eine bessere Entscheidung, nicht ein schöneres Dashboard.
Weniger ist mehr: Burkhardt Gasber startet mit nur drei bis vier essenziellen KPIs auf einer Zeitreihe und macht sie als Heatmap sichtbar, grün für gut, rot für auffällig.
Die eigentliche Erkenntnis entsteht im Gespräch. Die Heatmap zeigt Auffälligkeiten, und das Team klärt gemeinsam, was dahintersteckt. Gasber nennt das Demokratisierung der Daten.
Wachstum steckt oft in den unterschätzten kleinen Kanälen wie E-Mail, nicht in den großen Blockbustern. Wie ein Trader sucht man die Perlen, die kontinuierlich wachsen.
KI vervielfacht die Möglichkeiten und die Verwirrung. Der Ausweg ist Fokus: gemeinsam wenige, konkrete Anwendungsfälle konsequent durchziehen, statt zwischen Tools zu springen.
Worum geht es in dieser Podcast-Folge? Show Notes mit Timestamps
Folge 14 ist die erste Folge mit Gast. In vier Kapiteln geht es vom Werdegang eines Data Storytellers über seine erstaunlich einfache Methode bis zur Frage, wie Unternehmen KI sinnvoll einsetzen, ohne sich zu verlieren.
Zeitmarke | Thema in dieser Podcast-Folge |
00:28 | Einleitung: Der Datenschatz, den viele Unternehmen nicht heben |
01:52 | Wie wird man Data Storyteller? Der Weg vom Industriekaufmann |
03:41 | Der erste IBM PC und die ersten relationalen Datenbanken |
05:04 | Von der Messekostenanalyse zu echten KPIs |
07:27 | Von 150 auf über 15.000 Marketing-Tools: die Verwirrung wächst |
11:47 | Die Methode: drei bis vier KPIs auf einer Heatmap |
16:01 | Warum es Mut braucht, einfach auf die Daten zu schauen |
19:25 | Das FMCG-Beispiel: Wie ein Serverausfall sichtbar wird |
23:08 | Die unterschätzten Kanäle: E-Mail und die Trader-Perspektive |
28:56 | Das TV-Beispiel: Drive-to-Web nach einem Talkshow-Auftritt |
31:54 | Nicht Schuld suchen, sondern Datenkompetenz im Team aufbauen |
37:46 | Vom Peak zum System: ein Frühwarnsystem für Presse-Traffic |
40:04 | Data Storytelling für Marketing, interne Kommunikation und Führung |
42:24 | KI mit Fokus: Wie Gasber sein Heatmap-Tool selbst gebaut hat |
45:01 | Was KI kostet und warum KI-Messietum teuer wird |
49:36 | Vorschau: Die vielen Arten von Ja |
Was Data Storytelling ist und woher es kommt
Wie wird man vom Industriekaufmann zum Data Storyteller?
Burkhardt Gasber hat als Industriekaufmann angefangen, zu einer Zeit, als es in der Ausbildung höchstens klassische Statistik gab und im Büro noch Schreibmaschinen standen. Schon damals fiel ihm Statistik leicht, er schloss die Prüfung mit einer Eins plus ab. Kurz nach der Ausbildung landete er in der Werbeabteilung eines Chemiekonzerns, und dort wurde ihm der allererste IBM PC der Abteilung anvertraut, der zunächst wie ein Museumsstück im Besprechungsraum stand.
Von da an baute Gasber relationale Datenbanken auf: Datenbanken, die über Schlüssel miteinander verknüpft sind und aus denen sich gezielt Informationen und Kennzahlen ableiten lassen. Aus der Messekostenanalyse holte er so echte KPIs heraus, etwa die Kosten pro Quadratmeter oder pro geführtem Fachgespräch. Die Abteilung wurde zur Pilgerstätte für Werbeleiter, die dieses Phänomen live sehen wollten. Der rote Faden seiner Laufbahn: Er schaut sich immer zuerst die Daten an. Das ist zum Reflex geworden.
Warum sorgen 15.000 Marketing-Tools für mehr Verwirrung statt Klarheit?
Vor rund fünfzehn Jahren gab es etwa 150 Marketing-Analyse-Tools. Heute sind es mehr als 15.000, wie die bekannten Martech-Zählungen von Scott Brinker zeigen. Diese Explosion an Software soll automatisieren und verbessern, führt aber zu einer größeren Verwirrung. Dazu kommen individuelle Dashboard-Landschaften und Self-Service-Auswertungen, in denen Grafiken vor allem beweisen sollen, dass man sie bauen kann, und nicht dazu dienen, Entscheidungen zu treffen.
Gasber ist seit 2005 selbstständig und hat mit rund fünfzig Klienten in verschiedensten Branchen gearbeitet, teilweise über Jahre. Er wird oft geholt, um aus dieser Komplexität wieder echte Insights herauszuholen, zu vereinfachen und die Story zu finden, die dabei hilft, künftige Entscheidungen fundiert abzuleiten. In vielen Teams, selbst in Konzernen mit großen BI-Abteilungen, fehlt genau dieses Einfache, weil oft das Domänenwissen und der Kontext fehlen.
Die Heatmap-Methode: Wie aus Zahlen eine Story wird
Warum reichen drei bis vier KPIs auf einer Heatmap?
Gasbers Methode ist erstaunlich einfach. Kommt er in ein Unternehmen, lässt er sich zuerst das Website-Analytics-Tool zeigen. Statt Dutzender Dashboards nimmt er nur drei bis vier essenzielle KPIs, an denen sich alles ausrichtet: wie viele Besucher, was wurde geklickt, was gekauft oder wie viele Leads generiert, im B2B oft der entscheidende Wert. Die Verweildauer schaut er sich bewusst zuerst nicht an, denn eine hohe Verweildauer klingt gut, bringt aber allein keinen Kunden.
Diese wenigen KPIs legt er als Zeitreihe pro Tag an und übersetzt sie in eine Heatmap. Grün heißt: besser als der bisherige Durchschnitt. Rot heißt: auffällig im Vergleich, nicht zwingend schlecht. Diese Technik kennt man von Tradern und aus der Energieforschung. Sie macht sehr viele Daten sehr schnell visuell erfassbar. Untereinander gelegt zeigen die KPIs sofort Zusammenhänge: grüner Besuchertag, aber roter Lead-Tag, oder alles grün am selben Tag.
Der eigentliche Wert entsteht danach. Eine Auffälligkeit löst eine Frage aus, und das Team betreibt Reverse Engineering: Warum war an diesem Tag so viel los? Oft liegt die Antwort außerhalb der Website, etwa in einem Live-Workshop. Gasber nennt das die Demokratisierung der Daten. Die Daten werden so niederschwellig sichtbar, dass alle mitreden können, statt dass eine Analystin ein fertiges Ergebnis präsentiert.
Was zeigt das Beispiel mit dem Serverausfall?
Bei einem FMCG-Anbieter baute Gasber die Heatmap wie üblich auf. Das Muster war bunt, mal rauf, mal runter, aber an einem Tag war alles eindeutig rot, und das anderthalb Tage lang. Das Team rätselte: das Wetter, eine umgestellte Kampagne, alles wurde diskutiert. Bis sich der stille Kollege aus der IT meldete: An dem Tag hatte es einen Serverausfall gegeben. Ihm war gar nicht bewusst, dass das solche Auswirkungen hat, weil online bei einem FMCG-Anbieter nur ein kleiner Anteil ist.
Genau das meint Gasber mit Demokratisierung: Jeder hat eine Meinung, aber jeder hat auch ein Insight, das die anderen nicht haben. Wichtig ist ihm dabei die Haltung: nicht die Schuldfrage stellen, wenn die Daten drei Tage nach unten gehen, sondern nüchtern gemeinsam auf die Zahlen schauen. So entsteht im Team eine bessere Datenkompetenz. Er vergleicht es mit einer Fußballmannschaft, in der Heatmaps zeigen, welche Spieler sich in welchen Räumen bewegen.
Wo die Schätze wirklich liegen
Warum stecken die Perlen oft in den kleinen Kanälen?
Ein wiederkehrendes Muster: In den meisten Unternehmen wird auf die großen Traffic-Treiber wie Suchmaschinenmarketing geschaut, weil dort die großen Hebel liegen, die Pareto-Logik. Kleine Kanäle wie E-Mail liegen im klassischen Liniendiagramm flach am Boden, weil alle Kanäle auf derselben Skala laufen, und werden als zu aufwendig abgetan.
Auf einer eigenen Heatmap pro Kanal zeigt sich ein anderes Bild. Beim E-Mail-Kanal sieht man häufig, dass er über die Versendungen hinweg von rot über gelb zu dunkelgrün wächst, ein klarer Aufwärtstrend, der im Liniendiagramm unsichtbar bleibt. Gasber denkt hier wie ein Online-Trader: Wie viel würden wir auf eine Aktie geben, die jeden Monat um zehn Prozent wächst? Onlinewachstum entsteht aus seiner Sicht gerade in diesen kleinen und mittleren Feldern, die dauerhaft unterbewertet werden.
Genau das ist der Kern von Data Storytelling: nicht auf die beeindruckend großen Zahlen starren, sondern dorthin schauen, wo der bessere Return liegt und wo sich Kunden gewinnen lassen. Aus Daten wird so eine Geschichte, die schon immer da war und die nur niemand zusammengesetzt hat. Wie aus Fakten Überzeugung wird, haben Holger und Michael in Folge 8 über den narrativen Transport beschrieben.
Wie wird aus einem einzelnen Peak ein ganzes System?
Das eindrücklichste Beispiel: Bei einem jungen Unternehmen mit konstant rund 500 Besuchern pro Tag schoss die Besucherzahl an einem Tag plötzlich in den Tausenderbereich, ohne dass es jemand bemerkt hatte. Gasber lief mit diesem Forschungsergebnis durch die Firma und fragte, was an diesem Tag war. Nach zwei, drei Tagen Recherche stand fest: Der Chef hatte in einer TV-Talkshow gesessen. Dieser Drive-to-Web aus dem Fernsehen ist oft enorm, teils größer als der Effekt von Influencern.
Entscheidend war, was daraus wurde. Weil der Besucheransturm auch die Telefonleitung überlastete, in der ausgerechnet drei Leute im Callcenter Urlaub hatten, entwickelte das Team ein System: Künftige Presseauftritte, ob Print oder TV, wurden auf einer Traffic-Skala von eins bis zehn bewertet, um Personal und Urlaubsplanung danach auszurichten. Aus einer kleinen Auffälligkeit entstanden echte Arbeitsplätze. Data Storytelling betrifft damit nicht nur das Marketing, sondern auch interne Kommunikation und Führung, das Feld, das auch Folge 2 über das Führen mit Storytelling behandelt.
KI mit Fokus statt KI-Messietum
Wie setzt ein Data Storyteller KI selbst ein?
Gasber hat seine Heatmap-Methode komplett mit KI umgesetzt und sich damit ein eigenes Tool gebaut. Aufschlussreich ist seine Bilanz: Er hat über 1.500 Prompts gebraucht, und rund ein Drittel davon waren Verfeinerungen früherer Prompts. Er war anfangs zu ungenau und hat Schritt für Schritt gelernt, präziser mit der Maschine umzugehen. Genau diese Lernkurve, sich einmal zu verlaufen und dranzubleiben, hält er für unverzichtbar.
Seine Warnung gilt dem Gegenteil von Fokus, das er KI-Messietum nennt: dem ständigen Springen zwischen Tools, sobald es anstrengend wird. Wer bei der ersten Hürde von einem Werkzeug zum nächsten wechselt, kommt nie zu guten Ergebnissen. Ebenso wenig sollte man produktiv sofort alles in die Live-Systeme übernehmen. Besser ist, zu experimentieren, verschiedene Tools auszuprobieren und ein konkretes Thema wirklich durchzuziehen.
Warum ist KI eine Kostenfrage, über die kaum jemand spricht?
Ein Punkt, der in der euphorischen Debatte oft untergeht: KI kostet Geld. Die Credits, die komplexere Aufgaben ausführen, müssen laufend bezahlt werden und sind teils teurer als die Mitarbeitenden, die sie ersetzen sollen. Wer aus Sparsamkeit bei den Credits zögert, verliert. Dazu kommt ein Unternehmens-FOMO, die Angst, etwas zu verpassen, wenn Wettbewerber auf KI umstellen. Gasbers Rat ist derselbe wie bei den Daten: Fokus, gemeinsam wenige sinnvolle Anwendungsfälle finden und konsequent durchziehen. Diese Angst vor dem Zurückbleiben und der Umgang mit Veränderung sind Thema in Folge 11 über den Widerstand gegen Veränderung.
Wer spricht in diesem Podcast? Holger König und Michael Neugebauer.
Holger König ist Gründer und geschäftsführender Gesellschafter von Caesar & Harrison, einer Beratung für narratives Marketing spezialisiert auf den Mittelstand im deutschsprachigen Raum. Als StoryBrand Certified Guide interessiert ihn an Gasbers Arbeit besonders der Übergang vom Datenschatz zum Narrativ, der Punkt, an dem aus Zahlen eine Geschichte wird, die Menschen bewegt.
Michael Neugebauer ist Kommunikationstrainer, Coach und Moderator. Er bringt in dieser Folge die Perspektive der internen Kommunikation und Führung ein: Wie werden aus Datenauffälligkeiten Gespräche, die ein Team stärker machen, statt Schuldzuweisungen zu erzeugen.
Holger König und Michael Neugebauer kennen sich seit ihrer gemeinsamen Zeit beim Radio. Diese alte Verbindung zweier Radiomacher trägt den Podcast, der nicht wie ein Fachinterview klingt, sondern wie ein echtes Gespräch, in dieser Folge zu dritt mit ihrem Gast.
Fazit von Holger König
Was mich an diesem Gespräch mit Burkhardt am meisten überzeugt, ist die Radikalität der Einfachheit. Wir alle neigen dazu, Komplexität mit Kompetenz zu verwechseln. Je mehr Dashboards, je mehr Tools, desto klüger fühlt es sich an. Burkhardt macht das Gegenteil: drei KPIs, eine Heatmap, und plötzlich reden alle über dasselbe Bild.
Für mich ist die Brücke zu unserer eigenen Arbeit offensichtlich. Ein Datensatz ohne Story ist wie ein Unternehmen ohne Narrativ: Es gibt viel zu sehen, aber nichts, das Orientierung gibt. Die Kunst besteht nicht darin, mehr Zahlen zu zeigen, sondern die eine Geschichte zu finden, die schon in den Daten steckt und die eine Entscheidung möglich macht.
Und Burkhardts Punkt zur KI nehme ich mir selbst zu Herzen: Fokus schlägt Aktionismus. Nicht jedes Tool ausprobieren, sondern ein Thema wirklich zu Ende bringen. Das gilt für Daten, für KI und, ehrlich gesagt, für fast alles.
Diese Folge jetzt hören und weitermachen
Folge 14 von Storify your Business jetzt hören:
Apple Podcasts: https://podcasts.apple.com/de/podcast/storify-your-business/id1874192238?i=1000779978090
Weitere Folgen von Storify your Business:
Folge 4: Wandel braucht Willen und eine Kampagne
Folge 7: Wer nicht zuhören will, muss das Scheitern fühlen Folge 8: Wer überzeugen will, muss transportieren
Das Grundlagenkonzept hinter wirksamer Veränderungskommunikation:
FAQ: Häufige Fragen zu zu Data Storytelling
Was ist Data Storytelling?
Data Storytelling bedeutet, aus vorhandenen Daten die Geschichte herauszulesen, die bereits in ihnen steckt, und sie so aufzubereiten, dass sie eine Entscheidung ermöglicht. Es geht nicht darum, möglichst viele Zahlen oder schöne Diagramme zu zeigen, sondern darum, Zusammenhänge sichtbar zu machen, die vorher niemand verknüpft hat. Das Ziel ist immer die bessere, fundierte Entscheidung, nicht das eindrucksvollere Dashboard.
Wie funktioniert die Heatmap-Methode?
Man wählt drei bis vier essenzielle KPIs, etwa Besucher, Klicks und Leads oder Käufe, und legt sie als Zeitreihe pro Tag untereinander. Jeder Wert wird farbcodiert: grün für überdurchschnittlich gut, rot für auffällig im Vergleich zum bisherigen Durchschnitt. So werden Muster und Auffälligkeiten sofort sichtbar. Die eigentliche Analyse beginnt dann im Gespräch: Das Team klärt gemeinsam, was hinter einer auffälligen Stelle steckt, oft liegt die Ursache außerhalb der Website.
Warum sind kleine Kanäle wie E-Mail oft wertvoller als gedacht?
In einem klassischen Liniendiagramm mit gemeinsamer Skala verschwinden kleine Kanäle wie E-Mail flach am Boden, während große Kanäle wie Suchmaschinenmarketing dominieren. Auf einer eigenen Heatmap pro Kanal zeigt sich dagegen häufig, dass E-Mail über die Zeit stetig wächst, von rot über gelb zu grün. Wie ein Trader nach wachstumsstarken Aktien sucht, sollte man diese kontinuierlich wachsenden kleinen Kanäle ernst nehmen, denn dort steckt oft das eigentliche Wachstumspotenzial.
Wie sollte ein Unternehmen KI im Marketing einsetzen?
Mit Fokus statt Aktionismus. Statt zwischen vielen Tools zu springen, sobald es anstrengend wird, sollte man gemeinsam wenige, konkrete Anwendungsfälle auswählen und diese konsequent durchziehen, inklusive der Lernkurve mit unpräzisen Prompts und Verfeinerungen. Wichtig ist auch, die Kosten im Blick zu behalten, denn die Credits für komplexe Aufgaben können erheblich sein. Und man sollte experimentieren, ohne sofort alles in die Live-Systeme zu übernehmen.
Für wen ist Data Storytelling relevant?
Für alle, die auf Basis von Daten Entscheidungen treffen, also nicht nur für Analysten. Data Storytelling demokratisiert die Daten: Es macht sie so niederschwellig sichtbar, dass Marketing, IT, Vertrieb und Führung gemeinsam darüber sprechen können. Gerade im Zusammenspiel der Perspektiven entstehen die wertvollen Erkenntnisse, weil jede Person ein Insight beiträgt, das die anderen nicht haben. So verbessert sich die Datenkompetenz im gesamten Team.
✍ Autor: Das Team der Caesar & Harrison GmbH & Co. KG
