Thema 10.1 — Key Performance Indicators (KPIs)

Ein Key Performance Indicator (KPI) ist eine kleine, sorgfältig gewählte Zahl, die Ihnen sagt, ob ein Dienst sicher, gerecht, wirksam und vertrauenswürdig ist – und in Gesundheit und Pflege ist die gute Auswahl und das gute Lesen dieser Zahlen selbst eine Frage der klinischen Sicherheit und der öffentlichen Rechenschaft, keine administrative Haushaltsführung.

Warum das in Gesundheit und Pflege wichtig ist#

In Gesundheit und Pflege prägen die Zahlen, die Sie beobachten, die Versorgung, die Menschen erhalten. Ein KPI zur Warteliste, der „gebuchte Patientinnen und Patienten“ zählt, aber nicht „behandelte“, kann eine Kohorte verbergen, die sich zu Hause still verschlechtert. Ein Dashboard eines digitalen Dienstes, das bei der Verfügbarkeit grün ist, aber nichts dazu sagt, ob Menschen mit Behinderungen eine Buchung abschließen können, lässt ein Zugangsproblem zu einer gesundheitlichen Ungleichheit heranwachsen. Was Sie messen, signalisiert, was Sie wertschätzen, und Mitarbeitende, Lieferanten und Algorithmen optimieren alle auf das gemessene Ziel hin – manchmal auf Kosten des Ungemessenen, das tatsächlich zählte.

Der Einsatz ist hier höher als in den meisten Sektoren, weil die Fehlermuster menschlich sind. Die Untersuchungen zu Mid Staffordshire und andere fanden wiederholt Organisationen, die ihre finanziellen und Aktivitäts-Kernziele erreichten, während die Versorgungsqualität darunter zusammenbrach. Kennzahlen wurden grün nach oben gemeldet, während Patientinnen und Patienten zu Schaden kamen – das Muster, das heute weithin „Wassermelonen-Berichterstattung“ heißt (außen grün, innen rot) und das Thema 10.4 — Sichtbarkeit für die Geschäftsführung und leitende Führungskräfte eingehend untersucht. Gute KPIs sind eine Ihrer Verteidigungen gegen diese Lücke zwischen dem berichteten und dem wirklichen Bild.

KPIs geben außerdem öffentliches Geld und öffentliches Vertrauen aus. Jeder Indikator, den Sie veröffentlichen, wird Teil dessen, wie Bürgerinnen, Aufsichtsbehörden und Beauftragende das System beurteilen. Übertreiben, Rosinenpicken oder das Manipulieren eines Ziels ist nicht nur schlechtes Management; es erodiert das Vertrauen, von dem die digitale Gesundheit abhängt, um Menschen dazu zu bringen, Daten zu teilen und neue Dienste anzunehmen. Dieses Thema ist der Messpartner zu Thema 10.0 — Objectives & Key Results (OKRs): Wo OKRs fokussierte Veränderung antreiben, überwachen KPIs die laufende Gesundheit der Dienste und Systeme, die Sie betreiben.

Kernkonzepte#

Ein Leistungsindikator, oder KPI, ist eine Kennzahl, die gewählt wird, weil sie den Fortschritt gegenüber einem Ziel widerspiegelt, das zählt. Eine Leistungskennzahl ist jede Messung von Aktivität oder Zustand; ein KPI ist die Teilmenge, die Sie bewusst zu „beobachten Sie diese“ erhoben haben. Das Wort Key (Schlüssel) trägt Last – wenn alles ein KPI ist, ist nichts einer. Eine nützliche Disziplin ist, eine Handvoll KPIs pro Dienst zu halten, jeden mit benannter verantwortlicher Person, einer Definition, einer Datenquelle und einem Grund, warum er einen Platz im Board verdient.

Ein guter KPI hat vier Eigenschaften. Er ist ausgerichtet auf ein Ergebnis, das Patientinnen, Bürgern oder Klinikern wirklich wichtig ist, nicht bloß auf interne Aktivität. Er ist handlungsleitend – wenn er sich bewegt, kann jemand etwas dagegen tun. Er ist zeitnah – er kommt früh genug, um darauf zu handeln, nicht sechs Wochen nach Quartalsschluss. Und er ist schwer zu manipulieren – er lässt sich nicht auf dem Papier verbessern, ohne die reale Sache zu verbessern. Kennzahlen, die den letzten Test nicht bestehen, laden zum Goodhart'schen Gesetz ein: „Wenn eine Messgröße zum Ziel wird, hört sie auf, eine gute Messgröße zu sein.“

Indikatoren werden gewöhnlich in vorlaufende und nachlaufende unterteilt. Ein nachlaufender Indikator bestätigt ein Ergebnis im Nachhinein (30-Tage-Sterblichkeit, jährliche Patientenzufriedenheit). Ein vorlaufender Indikator bewegt sich früher und sagt den nachlaufenden voraus (Vollständigkeit der Medikationsabstimmung, Deployment-Häufigkeit, der Anteil der binnen 24 Stunden triagierten Überweisungen). Sie brauchen beide: Nachlaufende Indikatoren sagen Ihnen, ob Sie gewinnen, vorlaufende sagen es Ihnen rechtzeitig, um das Ergebnis zu ändern. Viele ökonomische und operative Rahmenwerke beschreiben diese Unterscheidung von vor- und nachlaufend.

Eine parallele und ebenso wichtige Unterteilung sind Prozess-, Output- und Ergebniskennzahlen. Eine Prozesskennzahl zählt, ob Sie das Ding getan haben (angebotene Termine, migrierte Akten). Eine Outputkennzahl zählt, was erzeugt wurde (versandte Briefe, vorliegende Testergebnisse). Eine Ergebniskennzahl erfasst, was sich für die Person tatsächlich verändert hat – eine Ergebnismessgröße wie Symptomverbesserung, vermiedene Aufnahme oder ein von Patientinnen berichteter Lebensqualitätswert. Gesundheits- und Pflegesysteme haben einen chronischen Hang zur Aktivität, weil Aktivität leicht zu zählen ist und oft bestimmt, wie Geld fließt. Widerstehen Sie: Bevorzugen Sie Ergebnisse und Erleben und nutzen Sie Prozesskennzahlen als vorlaufende Indikatoren, die sie erklären.

Weil keine einzelne Zahl für sich sicher ist, nutzen Sie ausgewogene Messung. Die Disziplin der Balanced Scorecard von Kaplan und Norton koppelt jede Leistungskennzahl mit anderen, sodass die Verbesserung einer auf Kosten einer anderen sichtbar wird. Das Institute for Healthcare Improvement formalisiert dies als Ergebnis-, Prozess- und Ausgleichskennzahlen – die Ausgleichskennzahl achtet auf den Schaden, den Ihre Verbesserung anderswo anrichten könnte (schnellere Entlassung, ausgeglichen gegen Wiederaufnahme, zum Beispiel).

Nicht jede Zahl, die steigt, ist Fortschritt. Eine Eitelkeitskennzahl (Vanity Metric) sieht beeindruckend aus und steigt verlässlich, informiert aber keine Entscheidung – registrierte Nutzer insgesamt, kumulierte Logins, Seitenaufrufe. Die Lean-Startup-Bewegung machte den Gegensatz zwischen Eitelkeits- und handlungsleitenden Kennzahlen populär: Eine handlungsleitende Kennzahl verbindet eine von Ihnen vorgenommene Änderung mit einer Änderung von Verhalten oder Ergebnis, auf die Sie reagieren können. Kumulierte Zählungen sind das klassische Erkennungszeichen – sie steigen immer nur, können also nie signalisieren, dass etwas nicht stimmt.

Schließlich unterscheiden Sie Messung zur Verbesserung von Messung zur Beurteilung. Beurteilung fragt „Haben Sie das Ziel diesen Monat erreicht?“ und reduziert einen lebendigen Prozess auf einen Zwei-Punkte-Rot-oder-Grün-Vergleich mit der Vorperiode – ein Vergleich, der fast immer statistisch bedeutungslos ist, weil er Signal nicht von Rauschen trennen kann. Verbesserung fragt „Verändert sich dieser Prozess, und können wir der Veränderung trauen?“ und beantwortet dies mit statistischer Prozesskontrolle (SPC): eine Kennzahl über die Zeit in einem Verlaufsdiagramm oder Regelkarte mit Kontrollgrenzen aufzutragen, damit man sieht, ob Variation gewöhnliches Rauschen (Common Cause) oder ein echtes Signal (Special Cause) ist, das Handeln verdient. Das Programm Making Data Count von NHS England hat dies zur empfohlenen Art gemacht, operative Daten im gesamten NHS darzustellen, gerade um den Reflex „höher als letzten Monat, unter dem Ziel“ zu töten, der schlechte Entscheidungen treibt.

Bewährte Praktiken#

1. Beginnen Sie beim Ergebnis und arbeiten Sie sich zum Indikator zurück. Benennen Sie, was für eine Patientin, einen Bürger oder einen Kliniker wahr sein muss – weniger vermeidbare Aufnahmen, schnellerer Zugang, sichere Medikation –, und fragen Sie erst dann, was Ihnen sagen würde, dass es geschieht. Das bewahrt Sie vor der Standardfalle, zu messen, was Ihre Systeme zufällig protokollieren. Wenn Sie einen Kandidaten-KPI nicht mit einem Ergebnis verbinden können, das jemandem etwas bedeutet, ist er wahrscheinlich eine Eitelkeitskennzahl.

2. Halten Sie das Set klein und geben Sie jedem KPI eine verantwortliche Person und eine Definition. Ein Board oder Dienst sollte eine Handvoll KPIs beobachten, nicht fünfzig. Jeder braucht eine präzise Definition (was zählt, was ausgeschlossen ist, über welchen Zeitraum), eine benannte verantwortliche Person und eine dokumentierte Datenquelle. Mehrdeutige Definitionen sind der Grund, warum zwei Teams einen Monat über eine Zahl streiten, die sie unterschiedlich gemessen haben.

3. Gleichen Sie jeden KPI so aus, dass er nicht isoliert manipuliert werden kann. Fragen Sie für jede Kennzahl: „Wie würde ein rationaler Mensch diese Zahl verbessern, ohne die reale Sache zu verbessern, und welche Ausgleichskennzahl würde ihn erwischen?“ Koppeln Sie Zugang mit Sicherheit, Durchsatz mit Wiederaufnahme, Kosten mit Erleben, Liefergeschwindigkeit mit Änderungsfehlerrate. Ausgewogene Sets machen Manipulation sichtbar und tragen der Tatsache Rechnung, dass Ergebnisse in Gesundheit und Pflege mehrdimensional sind.

4. Bevorzugen Sie Ergebnis- und Erlebenskennzahlen gegenüber Aktivität. Aktivitätszahlen sind verführerisch, weil sie reichlich vorhanden und oft mit Finanzierung verknüpft sind, aber sie beantworten „Wie beschäftigt waren wir?“, nicht „Hat es geholfen?“. Wo immer Sie können, heben Sie Ergebniskennzahlen und von Patientinnen berichtete Erlebens- und Ergebniskennzahlen (PREMs und PROMs) ins KPI-Set und stufen Sie reine Aktivität auf die unterstützende Ebene herab. Wo ein Ergebnis langsam oder schwer zu messen ist, wählen Sie eine validierte vorlaufende Prozesskennzahl, die es verlässlich vorhersagt.

5. Stellen Sie KPIs als Zeitreihen mit SPC dar, nicht als Zwei-Punkte-Vergleiche. Übernehmen Sie den Ansatz von Making Data Count: Tragen Sie die Kennzahl im Stil eines Verlaufs- oder Regeldiagramms auf, damit Common-Cause-Variation und Special-Cause-Signale auf einen Blick unterscheidbar sind. Das hält Teams davon ab, auf Rauschen zu reagieren, einen Glücksmonat zu feiern oder für einen Pechmonat bestraft zu werden. Es verändert auch das Boardgespräch von „Warum haben wir verfehlt?“ zu „Hat sich der Prozess tatsächlich verändert?“ – der Verbesserungsfrage (siehe Thema 10.2 — Qualitätsverbesserung und Improvement Science).

6. Segmentieren Sie KPIs nach Bevölkerungsgruppen, um Ungleichheit zu zeigen. Eine Gesamtzahl verbirgt die Verteilung. Eine „gute“ durchschnittliche Wartezeit kann verdecken, dass Patientinnen und Patienten aus den am stärksten benachteiligten Vierteln oder solche, die einen Dolmetscher brauchen, weit länger warten. Schlüsseln Sie jeden gerechtigkeitsrelevanten KPI nach Benachteiligung, ethnischer Zugehörigkeit, Alter, Behinderung und digitalem Zugang auf, im Einklang mit den Pflichten zur Gesundheitsgerechtigkeit und Rahmenwerken wie NHS Core20PLUS5. Segmentieren Sie in digitalen Diensten auch Einführungs- und Abschlussquoten – eine Schlagzeilenzahl zur Nutzung kann verbergen, dass Ihr Dienst genau die Menschen ausschließt, die ihn am meisten brauchen (siehe Thema 4.5 — Daten, Analytik und Bevölkerungsgesundheitsmanagement).

7. Behandeln Sie Datenqualität als Voraussetzung und messen Sie sie. Ein KPI ist nur so vertrauenswürdig wie die Daten darunter. Verfolgen Sie die Datenqualität der Felder, von denen Ihre KPIs abhängen – Vollständigkeit, Validität, Aktualität, Abdeckung –, mit Instrumenten wie dem NHS Data Quality Maturity Index, und zeigen Sie Datenqualitäts-Hinweise neben der Zahl. Wenn in 30 % der Datensätze das Feld fehlt, sagen Sie das auf dem Dashboard; ein selbstsicher aussehender KPI auf schlechten Daten ist schlimmer als kein KPI.

8. Nutzen Sie Liefermetriken für den digitalen Dienst selbst, mit derselben Sorgfalt gewählt. Für die Software, die Sie bauen und betreiben, geben die vier Schlüssel von DevOps Research and Assessment (DORA) – Deployment-Häufigkeit, Durchlaufzeit für Änderungen, Änderungsfehlerrate und Zeit zur Wiederherstellung des Dienstes – ein ausgewogenes Bild von Geschwindigkeit und Stabilität. Als Set widerstehen sie Manipulation: Sie können nicht schneller ausliefern, indem Sie Dinge kaputtmachen, denn Änderungsfehlerrate und Wiederherstellungszeit erwischen es. Ergänzen Sie sie mit Zuverlässigkeits- und Sicherheits-KPIs, die klinisch zählen, etwa Störungsraten und Verfügbarkeit sicherheitskritischer Funktionen (siehe Thema 3.6 und Thema 3.8).

9. Schichten Sie Ihre Berichterstattung, damit jedes Publikum die richtige Flughöhe bekommt. Ein Team an der Basis braucht granulare Echtzeit-Prozesskennzahlen; ein Dienst-Board eine ausgewogene Handvoll mit SPC; eine Systemführung wenige kuratierte Ergebnis- und Gerechtigkeitskennzahlen. Gestalten Sie die Schichten bewusst, sodass die oberste Sicht eine ehrliche Aggregation der darunterliegenden ist, keine handverlesene, schmeichelnde Teilmenge. Das ist Ihre strukturelle Verteidigung gegen Wassermelonen-Berichterstattung (Thema 10.4).

10. Prüfen und streichen Sie KPIs nach Plan. Indikatoren verfallen: Eine Kennzahl, die echte Verbesserung antrieb, kann zum manipulierten Ritual werden, sobald das Zielverhalten verankert ist, und neue Risiken entstehen, die niemand beobachtet. Stellen Sie KPIs unter eine regelmäßige Prüfung, in der Sie von jedem fragen: „Sagt uns das noch etwas, wonach wir handeln?“, und streichen Sie das tote Holz. Ein veraltetes KPI-Set ist nicht neutral – es lenkt Aufmerksamkeit aktiv fehl.

Fragen zur Diskussion im Team#

1. Wie könnte jemand bei jedem unserer Schlagzeilen-KPIs die Zahl verbessern, ohne die Realität zu verbessern – und würden wir es bemerken? Das ist der Stresstest des Goodhart'schen Gesetzes, und er gelingt am besten als bewusst gegnerische Übung. Nehmen Sie jeden KPI und lassen Sie das Team die Rolle eines überlasteten Dienstes spielen, der ihn erreichen will: vor Mitternacht entlassen, um die Uhr zurückzusetzen, eine wartende Patientin umstufen, ein Ticket schließen und wieder öffnen, um die Lösungszeit zurückzusetzen, Nutzer im Stapel registrieren, die nie wiederkommen. Es geht nicht um Zynismus gegenüber Kolleginnen, sondern um die Erkenntnis, dass Druck plus ein Einzelzahl-Ziel vorhersehbare Verzerrungen erzeugt, besonders wenn Bezahlung, Ansehen oder Vertragsstrafen an der Zahl hängen. Eine gute Antwort benennt für jeden KPI den konkreten Manipulationsweg und die Ausgleichskennzahl oder Datenprüfung, die ihn aufdecken würde – und markiert ehrlich jeden KPI, bei dem Sie derzeit keine solche Absicherung haben. Lässt sich eine Kennzahl so nicht verteidigen, sollte die Diskussion mit einer Entscheidung enden, sie zu koppeln, neu zu definieren oder zu streichen.

2. Welche unserer Zahlen berichten wir zur Verbesserung und welche zur Beurteilung – und stellen wir jede so dar, dass es passt? Teams nehmen routinemäßig eine Kennzahl, die einem Dienst beim Lernen helfen sollte, und reichen sie unverändert an einen Ausschuss weiter, der damit jemanden zur Rechenschaft zieht, oder umgekehrt. Die Spannung ist real: Führungskräfte brauchen Assurance, und Verbesserung braucht Sicherheit, um Probleme ehrlich zu sehen, und dasselbe Diagramm kann nicht immer beides ohne Verzerrung leisten. Gehen Sie Ihre tatsächlichen Board- und Betriebsberichte durch und beschriften Sie den wahren Zweck jeder Kennzahl, und fragen Sie dann, ob die Darstellung passt – zeigen Sie einen Zwei-Punkte-Rot/Grün-Vergleich, wo ein SPC-Diagramm Reflexe auf Rauschen verhindern würde? Eine gute, ehrliche Antwort gibt zu, wo Beurteilungskultur in Verbesserungsforen eingesickert ist (was Mitarbeitende Probleme verstecken lässt) und wo vage Verbesserungserzählungen genutzt werden, legitimer Rechenschaft auszuweichen. Ziel ist eine bewusste Wahl je Kennzahl, mit SPC als Standarddarstellung, statt eines zufälligen Durcheinanders.

3. Zeigen oder verbergen unsere KPIs Ungleichheit, und wessen Erleben fehlt in ihnen völlig? Aggregierte KPIs sind gerade bequem, weil sie die Menschen am Rand wegmitteln, und in Gesundheit und Pflege konzentriert sich vermeidbarer Schaden an diesen Rändern. Diskutieren Sie, welche Ihrer Indikatoren nach Benachteiligung, ethnischer Zugehörigkeit, Behinderung, Alter und digitalem Zugang segmentiert sind – und welche noch als einzelne systemweite Zahl berichtet werden, die gesund aussehen kann, während eine Untergruppe im Stich gelassen wird. Gehen Sie weiter zu den Menschen, die nie in Ihre Daten gelangen: Patientinnen, die nicht am Login vorbeikamen, die das digitale Formular abbrachen, die nie überwiesen wurden, die das Demografiefeld, nach dem Sie segmentieren, nicht teilen wollten. Eine starke Antwort identifiziert mindestens einen KPI, bei dem Segmentierung die Geschichte verändert hat oder verändern würde, erkennt die Datenqualitäts- und Einwilligungsgrenzen der Segmentierung ehrlich an und verpflichtet sich zu einem konkreten Schritt – sogar einem Stellvertreter oder einer kleinen qualitativen Studie –, um das derzeit Unsichtbare zu sehen. Alles weniger riskiert ein Dashboard, das technisch korrekt und moralisch blind ist.

4. Wie viele KPIs beobachten wir tatsächlich, und auf welche könnten wir verzichten, ohne etwas zu verlieren? Das Wort Key bedeutet nur etwas, wenn das Set klein ist, doch Indikatoren sammeln sich schneller an, als jemand sie entfernt – hier eine nationale Meldung, dort eine Vertragskennzahl, eine Zahl, die eine frühere Direktorin einmal wollte und die seitdem niemand zu streichen wagte. Die Spannung ist, dass jeder KPI für sich verteidigbar wirkt, sodass das Set wächst, bis die Boardunterlagen hundert Seiten sind, die niemand liest, und die wirklich wichtigen Signale unter Zombie-Kennzahlen begraben sind, die aus Gewohnheit erzeugt werden. Gehen Sie Ihre tatsächliche Berichterstattung durch und zählen Sie die Indikatoren ehrlich, und fragen Sie bei jedem, ob im letzten Jahr jemand danach gehandelt hat und welche Entscheidung er informiert; Kennzahlen, die keinen der beiden Tests bestehen, sind totes Holz, das weiter Analystenzeit verbraucht und Aufmerksamkeit verwässert. Eine gute Antwort benennt eine konkrete Zahl, die Sie je Dienst halten, identifiziert mindestens einen KPI, der ganz gestrichen wird, und führt eine geplante Prüfung ein, damit das Set kuratiert bleibt, statt still wieder anzuschwellen. Hüten Sie sich vor dem Reflex, das Streichen einer Kennzahl sei ein Eingeständnis des Versagens – disziplinierte Subtraktion ist ein Zeichen von Reife, nicht von Vernachlässigung.

5. Wie sehr vertrauen wir tatsächlich den Daten unter jedem Schlagzeilen-KPI, und sagt das Dashboard es? Eine selbstsicher aussehende Zahl auf einem Feld, das zu 30 % unvollständig ist, ist gefährlicher als gar keine Zahl, weil sie zu Entscheidungen einlädt, die die Daten nicht tragen können, und dabei die Autorität einer sauberen Zahl trägt. In Gesundheit und Pflege ist das akut: Demografische Felder, die für die Gerechtigkeitssegmentierung gebraucht werden, sind oft dünn, die Kodierpraxis unterscheidet sich zwischen Standorten, und schon das Digitalisieren eines Papierprozesses kann verschieben, was wann erfasst wird. Diskutieren Sie für jeden KPI, ob Sie seine Vollständigkeit, Validität, Aktualität und Abdeckung kennen und ob diese Hinweise mit der Zahl in die Boardunterlagen wandern oder auf dem Weg nach oben still entfernt werden. Eine starke Antwort verweist auf ein konkretes Instrument – eine Datenqualitätsprüfung, den DQMI, eine Vollständigkeitsschwelle, unterhalb derer eine Kennzahl markiert wird – und zeigt mindestens eine Stelle, an der ein Datenqualitäts-Hinweis neben dem KPI angezeigt statt verborgen wird. Die ehrliche Fassung gibt zu, wo Sie derzeit eine Zahl berichten, hinter der Sie nicht voll stehen können, und behandelt das Reparieren der Daten als Teil des KPI, nicht als separaten Backlog-Punkt.

6. Rollen die Schichten unserer Berichterstattung ehrlich auf, und wo könnte Rot auf dem Weg zum Board zu Grün werden? Verschiedene Publika brauchen legitimerweise verschiedene Flughöhen – ein Team an der Basis will granulare Echtzeit-Prozesskennzahlen, ein Board eine ausgewogene Handvoll mit SPC, ein System wenige kuratierte Ergebnisse –, doch jede Aggregation ist eine Gelegenheit, das zugrunde liegende Bild zu glätten, zu mitteln oder handverlesen in etwas Bequemeres als die Wahrheit zu verwandeln. Das ist die strukturelle Wurzel der Wassermelonen-Berichterstattung: Je mehr Schichten zwischen Station und Board, desto mehr Stellen, an denen eine Verteilung zu einem beruhigenden Mittelwert abgeflacht oder ein kämpfender Standort gegen einen starken verrechnet werden kann. Verfolgen Sie einen KPI von seiner Quelle an der Basis bis zur obersten Sicht und fragen Sie, ob die Führungszahl eine treue Aggregation oder eine schmeichelnde Teilmenge ist und wer – falls jemand – diese Aufrollung prüft. Eine gute Antwort zeigt, dass Berichtsschichten bewusst mit abgestimmten Definitionen und Verantwortlichen gestaltet wurden, identifiziert mindestens eine Stelle, an der die Aggregation ein Problem maskieren könnte, und benennt die Ausgleichskennzahl oder den Drill-down, der die oberste Sicht wahrhaftig hält. Ehrlichkeit heißt hier, zuzugeben, wo die Aufrollung derzeit auf Vertrauen beruht, statt geprüft zu werden (siehe Thema 10.4).

In der Praxis: ein Beispiel aus Gesundheit und Pflege#

Ein Integrated Care System (ICS) startet einen digitalen Überweisungsdienst, mit dem Hausärztinnen und Hausärzte direkt in die ambulante muskuloskelettale (MSK) Physiotherapie überweisen können und der einen Papier-und-Fax-Prozess ablöst. Der Instinkt des Programm-Boards ist, zwei KPIs zu berichten: die Zahl der eingegangenen digitalen Überweisungen und die Systemverfügbarkeit. Innerhalb von drei Monaten sind beide stark grün – Tausende Überweisungen, 99,9 % Verfügbarkeit –, und das Board ist bereit, den Erfolg zu erklären.

Der klinische Direktor ist beunruhigt und bittet das Analytik-Team (das mit dem Muster aus Thema 4.5 arbeitet), das KPI-Set um Ergebnisse herum neu aufzubauen. Sie landen bei einer ausgewogenen Handvoll: Zeit von der Überweisung bis zum Erstkontakt (Zugang, als SPC-Diagramm dargestellt), der Anteil der als unvollständig zurückgesandten oder abgelehnten Überweisungen (ein vorlaufendes Qualitätssignal), ein von Patientinnen berichteter Ergebniswert bei Entlassung (Ergebnis), eine kurze Erlebenskennzahl (Fühlten Sie sich in Entscheidungen einbezogen?) und die Änderungsfehlerrate der Releases des Dienstes (Liefer-Stabilität). Jede Zugangs- und Ergebniskennzahl wird nach Benachteiligungs-Dezil und danach segmentiert, ob die Patientin digitale Unterstützung brauchte.

Die neu aufgebaute Sicht erzählt eine ganz andere Geschichte. Die Verfügbarkeit ist tatsächlich in Ordnung, aber die Rücksendequote an Überweisende liegt bei 22 % – eine von fünf Überweisungen prallt ab, weil das digitale Formular eine Freitext-Anamnese vorschreibt, sodass Hausärzte es umgehen, indem sie „siehe Anhang“ tippen, und das Triage-Team sie ablehnt. Das SPC-Diagramm zeigt, dass die Zugangszeit stabil, aber deutlich über dem Ziel und ohne Verbesserungstrend liegt. Und die Segmentierung zeigt, dass Patientinnen und Patienten in den zwei am stärksten benachteiligten Dezilen nur halb so wahrscheinlich den Selbstüberweisungsweg abschließen, zu dem der Dienst Menschen still hinlenkte, was eine Lücke weitet, die das Programm zu schließen geglaubt hatte. Nichts davon war in den ursprünglichen zwei grünen Zahlen sichtbar. Das Board gestaltet das Formular neu, fügt einen assistierten Überweisungsweg hinzu und behält das ausgewogene, segmentierte, SPC-basierte KPI-Set als Standardsicht – mit der rohen Überweisungszahl herabgestuft zur unterstützenden Kennzahl, wo sie hingehört.

Sektorperspektiven#

Startup#

Ein Startup der digitalen Gesundheit steht und fällt mit wenigen handlungsleitenden Kennzahlen, die Disziplin ist also unerbittlicher Fokus und Ehrlichkeit. Gründerinnen und Gründer sind versucht, Investoren Eitelkeitskennzahlen zu zeigen – kumulierte Downloads, registrierte Nutzer insgesamt –, weil sie immer nur steigen; widerstehen Sie und führen Sie mit Aktivierung, Bindung und, wo messbar, klinischem Ergebnis oder einem validierten Stellvertreter. Bei kleinen Zahlen sind SPC und Segmentierung schwerer, aber noch wichtiger: Eine Handvoll schlechter Erfahrungen kann Ihr gesamtes Sicherheitssignal sein. Instrumentieren Sie das Produkt von Tag eins an, damit jeder KPI eine von Ihnen ausgelieferte Änderung mit einer Änderung im realen Verhalten verbindet, und seien Sie gegenüber klinischen und regulatorischen Partnern offen zu Datenqualitätsgrenzen, statt einen dünnen Datensatz zu polieren.

Kleines Unternehmen#

Ein etablierter kleiner Anbieter – eine Hausarztpraxis, eine Gemeindeapotheke, ein Pflegeheim, ein Dienst der häuslichen Pflege, eine Einzelstandort-Klinik oder ein kleiner Health-Tech-Lieferant jenseits der Phase ohne Umsatz – trägt dieselben Mess- und Gerechtigkeitspflichten wie ein großer Träger, aber ohne eigene Analystin und mit wenig freier Zeit. Die Falle ist, in den KPIs zu ertrinken, die nationale Meldungen, die CQC und Beauftragende ohnehin verlangen, während nichts gemessen wird, was beim Führen des Hauses hilft; das Gegenmittel ist, eine wirklich kleine Handvoll Ergebnis- und Erlebenskennzahlen zu wählen, nach denen Sie handeln können, und sich auf das zu stützen, was Ihr bestehendes klinisches oder Praxisverwaltungssystem ohnehin erfasst, statt neue Instrumentierung zu bauen. SPC lohnt sich auch von Hand oder in einer Tabellenkalkulation – ein einfaches Verlaufsdiagramm etwa der wöchentlichen Zeit bis zum Termin hält Sie davon ab, dem Rauschen einer einzelnen schlechten Woche nachzujagen. Segmentierung zählt in diesem Maßstab genauso, aber bei kleinen Zahlen können ein paar einzelne Patientinnen einen Prozentsatz verschieben; lesen Sie Aufschlüsselungen daher als Anlass, genauer hinzusehen, nicht als Urteil. Seien Sie gegenüber Beauftragenden ehrlich zu den Datenqualitätsgrenzen eines schlanken Betriebs und widerstehen Sie dem Übernehmen des Fünfzig-Kennzahlen-Dashboards einer großen Organisation, wenn fünf gut gewählte Zahlen Ihren Patientinnen besser dienen.

Großunternehmen#

Ein großer NHS-Träger oder Health-Tech-Lieferant ertrinkt bereits in Indikatoren – nationale Meldungen, Vertrags-KPIs, Board-Kennzahlen, operative Dashboards –, die Herausforderung ist also Kuratierung und Kohärenz, nicht Erhebung. Führen Sie SPC in der Board- und Betriebsberichterstattung ein (wie Making Data Count es meint), um die monatliche Jagd auf Rauschen zu beenden, und bauen Sie ausdrückliche Berichtsschichten, damit die Führungssicht eine ehrliche Aufrollung der Sicht an der Basis ist. Wassermelonen-Berichterstattung ist das Risiko im Unternehmensmaßstab: Je mehr Schichten zwischen Station und Board, desto leichter wird Rot auf dem Weg nach oben zu Grün, investieren Sie daher in die Ausgleichskennzahlen und Datenqualitäts-Hinweise, die die oberste Sicht wahrhaftig halten. Streichen Sie Alt-KPIs bewusst; große Organisationen sammeln Zombie-Kennzahlen an, nach denen niemand handelt, die aber jeder weiter erzeugt.

Regierung#

Eine nationale oder lokale öffentliche Stelle setzt KPIs, die sich über ein ganzes System auswirken und zu politischen Zielen werden, was das Goodhart'sche Gesetz zu einer systemischen statt lokalen Gefahr macht – ein nationales Wartezeitziel gestaltet klinische Prioritäten überall über Nacht um. Gestalten Sie veröffentlichte Indikatoren in dem Wissen, dass darauf hin optimiert wird, koppeln Sie sie mit Ausgleichskennzahlen und Gerechtigkeitssegmentierung und seien Sie transparent zu Definitionen und Datenqualität, denn das öffentliche Vertrauen hängt davon ab. Rahmenwerke wie das NHS Outcomes Framework und Core20PLUS5 gibt es genau, um die nationale Aufmerksamkeit auf Ergebnisse und Ungleichheiten statt auf rohe Aktivität zu halten. Die Regierung trägt auch eine Pflicht, die andere nicht haben: die Menschen zu messen, die ihre Dienste ausschließen, nicht nur die, denen sie dienen, weil die Ausgeschlossenen in den Verwaltungsdaten selten auftauchen.

Häufige Fehlermuster#

• Aktivität zählen und es Erfolg nennen. Eingegangene Überweisungen, Logins, angebotene Termine – beschäftigt ist nicht dasselbe wie wirksam. Ergebnisse und Erleben heben; Aktivität auf die unterstützende Ebene herabstufen.
• Die Einzelzahl ohne Ausgleichskennzahl. Jeder alleinstehende KPI unter Druck wird manipuliert. Kennzahlen immer koppeln, damit die Verbesserung einer auf Kosten einer anderen sichtbar wird.
• Zwei-Punkte-Rot/Grün-Berichterstattung. „Niedriger als letzten Monat, unter dem Ziel“ sagt fast nichts darüber, ob sich der Prozess verändert hat. Stattdessen SPC-Verlaufs- und Regeldiagramme nutzen.
• Wassermelonen-Dashboards. Aggregation, die darunterliegendes Rot zu oberflächlichem Grün macht. Ehrliche Berichtsschichten bauen und die Aufrollung prüfen (Thema 10.4).
• Eitelkeitskennzahlen. Kumulierte, immer steigende Zählungen, die kein Problem signalisieren können. Handlungsleitende Kennzahlen bevorzugen, die an eine Entscheidung geknüpft sind.
• Unsegmentierte Gerechtigkeitsblindheit. Durchschnitte, die die im Stich gelassenen Menschen verbergen. Nach Bevölkerungsgruppen segmentieren und nach denen suchen, die völlig fehlen.
• KPIs auf ungeprüften Daten. Eine selbstsichere Zahl auf schlechten Daten führt in die Irre. Datenqualität neben dem KPI messen und offenlegen.
• Zombie-KPIs. Kennzahlen, die aus Gewohnheit weiter erzeugt werden, nach denen niemand handelt. Nach Plan prüfen und streichen.

Reifegradmodell#

Checkliste#

• Jeder KPI ist auf ein Ergebnis zurückführbar, das einer Patientin, einem Bürger oder einem Kliniker wichtig ist.
• Das KPI-Set je Dienst ist klein, und jeder hat eine verantwortliche Person, eine schriftliche Definition und eine benannte Datenquelle.
• Jeder KPI hat mindestens eine Ausgleichskennzahl, damit er nicht isoliert manipuliert werden kann.
• Ergebnis- und Erlebenskennzahlen sind priorisiert; rohe Aktivität sitzt in der unterstützenden Ebene.
• Operative KPIs werden als SPC-Verlaufs-/Regeldiagramme dargestellt, nicht als Zwei-Punkte-Rot/Grün-Vergleiche.
• Gerechtigkeitsrelevante KPIs sind nach Benachteiligung, ethnischer Zugehörigkeit, Behinderung, Alter und digitalem Zugang segmentiert.
• Die Datenqualität der Felder hinter jedem KPI wird verfolgt und auf dem Dashboard mit Hinweisen versehen.
• Die Lieferung des digitalen Dienstes wird mit einem ausgewogenen Set gemessen (z. B. die vier DORA-Schlüssel plus Sicherheit/Zuverlässigkeit).
• Berichtsschichten sind so gestaltet, dass die oberste Sicht eine ehrliche Aufrollung der Sicht an der Basis ist.
• KPIs werden nach Plan geprüft, tote oder manipulierte Kennzahlen gestrichen.
• Sie haben für jeden KPI gefragt: „Wer fehlt in dieser Zahl völlig?“

Zentrale Quellen#

• NHS England — Making Data Count (statistische Prozesskontrolle für operative NHS-Daten)
• Institute for Healthcare Improvement — Science of Improvement: Ergebnis-, Prozess- und Ausgleichskennzahlen
• NHS England — NHS Outcomes Framework; Core20PLUS5-Ansatz zur Verringerung gesundheitlicher Ungleichheiten
• NHS England — Data Quality Maturity Index (DQMI)
• Robert S. Kaplan & David P. Norton — The Balanced Scorecard: Translating Strategy into Action
• Nicole Forsgren, Jez Humble & Gene Kim — Accelerate (DORA-Metriken); Google Cloud DORA State of DevOps-Berichte
• Jerry Z. Muller — The Tyranny of Metrics
• Donald J. Wheeler — Understanding Variation: The Key to Managing Chaos
• GOV.UK Service Manual — Measuring success / Messen der Leistung Ihres Dienstes
• The Health Foundation — Leitlinien zur Messung für Verbesserung

Referenzen#

1. Performance indicator — Wikipedia — https://en.wikipedia.org/wiki/Performance_indicator
2. Goodhart's law — Wikipedia — https://en.wikipedia.org/wiki/Goodhart%27s_law
3. Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
4. Control chart — Wikipedia — https://en.wikipedia.org/wiki/Control_chart
5. Balanced scorecard — Wikipedia — https://en.wikipedia.org/wiki/Balanced_scorecard
6. Outcome measure — Wikipedia — https://en.wikipedia.org/wiki/Outcome_measure
7. Health equity — Wikipedia — https://en.wikipedia.org/wiki/Health_equity
8. Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality
9. DevOps Research and Assessment — Wikipedia — https://en.wikipedia.org/wiki/DevOps_Research_and_Assessment
10. Lean startup (vanity vs actionable metrics) — Wikipedia — https://en.wikipedia.org/wiki/Lean_startup
11. Making Data Count — NHS England — https://www.england.nhs.uk/publication/making-data-count/
12. Science of Improvement: Establishing Measures — Institute for Healthcare Improvement — https://www.ihi.org/resources/how-to-improve/science-improvement-establishing-measures
13. NHS Outcomes Framework — NHS England / Department of Health and Social Care — https://digital.nhs.uk/data-and-information/publications/statistical/nhs-outcomes-framework
14. Core20PLUS5 – reducing healthcare inequalities — NHS England — https://www.england.nhs.uk/about/equality/equality-hub/national-healthcare-inequalities-improvement-programme/core20plus5/
15. Data Quality Maturity Index (DQMI) — NHS England — https://digital.nhs.uk/data-and-information/data-tools-and-services/data-services/data-quality
16. The Balanced Scorecard: Translating Strategy into Action — Robert S. Kaplan & David P. Norton (Harvard Business Review Press) — https://en.wikipedia.org/wiki/Balanced_scorecard
17. Accelerate: The Science of Lean Software and DevOps — Nicole Forsgren, Jez Humble & Gene Kim (IT Revolution) — https://itrevolution.com/product/accelerate/
18. DORA / State of DevOps research — Google Cloud DORA — https://dora.dev/
19. The Tyranny of Metrics — Jerry Z. Muller (Princeton University Press) — https://press.princeton.edu/books/hardcover/9780691174952/the-tyranny-of-metrics
20. Measuring the performance of your service — GOV.UK Service Manual — https://www.gov.uk/service-manual/measuring-success
21. Understanding Variation: The Key to Managing Chaos — Donald J. Wheeler (SPC Press) — https://www.spcpress.com/book_understanding_variation.php