Datenmüll

Datenmüll entsteht durch die wachsende Nutzung digitaler Kommunikationsmittel. Denn so kommt es zu einer sprunghaften Zunhame an veralteter Daten. So entstehen in Unternhemen Nutz- oder Wertlose Daten, sie wissen also nicht genau, welche Daten vorhanden sind. Die Bereinigung ist jedoch eine Kostenfrage und organisatorisch aufwändig.

Ursachen

Zu den Ursachen gehören verschiedene Bereiche. Zum einen spielen Die aufbewahrungsfristen dort mit rein. Durch Gesetze und Regeln, sind Unternehmen teilweise dazu verpflichtet Dateien/Dokumente über mehrere Jahre aufzubewahren.
Der andere Punkt sind Vorversionen. Diese werden zum Beispiel bei Planungen, Organisationen und Durchführungen von Projekten erstellt. Diese werden dann meist über E-Mail weiter verteilt und so entsteht eine redundante Speicherung auf zahlreichen Datenträgern. Der Großteil davon, ist dann Datenmüll.

Auswirkungen

Viele mögen es vielleicht nicht vermuten, oder sind sich dessen nicht bewusst. Datenmüll hat jedoch enorme Auswirkungen auf die Umwelt. Besonders die Unternehmen scheinen einen Großen Einfluss zu nehmen. Laut einer Statistik von Veritas haben wir in Deutschland den weltweit größten prozentualen Anteil von Dark Data (Datenmüll) in Unternehmen. Hier soll insgesamt ein Anteil von 66% Dark Data existieren. Nennenswerte 52% dieser Daten sind entweder nutzlos, oder der Wert ist nicht bekannt. Deswegen müssen gerade die Unternehmen einen Beitrag zur Reduzierung leisten, allein der Umwelt zuliebe.
Um allerdings eine fundierte Bewertung zu schreiben, müssen besonders zwei Aspekte betrachtet werden. Das Datenvolumen und daraus resultierende CO2-Ausstoß.

Diagramm

Diese Statistik befasst sich mit Volumen der jährlich generierten/replizierten digitalen Datenmenge weltweit in den Jahren 2012 und 2020 und einer Prognose für 2025.
Es handelt sich um ein Säulendiagramm, in dem auf der x-Achse die Jahre angegeben sind und auf der y-Achse das Datenvolumen in Zettabyte. Während das Volumen 2012 noch bei 6,5 ZB war, stiegt es bis 2020 auf 64,2 ZB an. Das ist ein fast 10facher Anstieg. Prognostiziert sind hier bis 2025 181 ZB, doch es gibt Schwankungen, die bis 175 ZB gehen. Generell wäre das jedoch ein weiterer Anstieg um das Dreifache in nur fünf Jahren. Die Tendenz für die Zukunft, bei gleichbleibendem Verhalten ist weiterhin stark steigend.

Nach dieser Betrachtung folgt nun der damit zusammenhängende CO2-Ausstoß.
Beispielhaft dazu, ist ein Diagramm mit den jährlichen Treibhausgasemissionen von Online-Speichern. Es wurden drei verschiedene Rechenzentren verglichen, welche auf der y-Achse dargestellt sind. Die x-Achse zeigt die jährlichen Treibhausgasemissionen in Kilogramm CO2-Äquivalenten18 pro Terabyte Speicherkapazität. Erkennbar ist, dass die Emissionen zwischen 105 und 153 in Kilogramm CO2-Äquivalenten pro Terabyte Speicherkapazität liegen.

Diagramm

Die Dateien werden in den Rechenzentren gespeichert und verbrauchen dort Speicherplatz. Damit die Dateien abruchbar sind muss der im Rechenzentrum erzeugte Datenstrom durch Telekommunikationsnetze geleitet werden. Das führt ebenfalls zu einem Energieverbauch, der sich auf den CO2-Austoß auswirkt.

Die Folgen:
Im Jahr 2020 haben Unternehmen 5,8 Millionen Tonnen CO2 ausgestoßen. Um dies wieder abzubauen wird eine Waldfläche von einer Größe entsprechend 500 mal Manhatten benötigt. Weiterhin haben „Die 50.000 deutschen Rechenzentren [...] 2018 etwa 14 Terawattstunden Strom verbraucht, das ist mehr als Berlin in einem Jahr - Tendenz stark steigend. [Als Resultat]: würden wir die nutzlosen Daten nicht speichern, bräuchten wir in Deutschland etwa 25.000 Rechenzentren weniger - und wir könnten gut die Hälfte des Jahresstrombedarfs von Berlin einsparen.“

Sparmaßnahmen für Unternehmen

Das im Folgenden erleuterte Projeltmodell dient dazu, Datenmüll kurz- bis mittelfristig zu identifizieren und zu reduzieren. Das Modell wurde von Martin G. Bernhard entwickelt. Es beinhaltet, wie die Einfühung eines Datenmüllmanagementprozesses gelingt, die Ziele und Kennzahlen des Prozesses zu ermittteln, eine Checkliste zur Datenmüllermittlung, sowie Verbesserungsmaßnahmen zur Vermeidung und Reduzierung des Datenmülls.

Ziel des Prozesses

Es gibt drei große Ziele, die das Projekt erfüllen soll. Diese lauten:

Wann ist der Prozess sinvoll?

Es gibt zahlreiche Faktoren, die in die Entscheidung einbezogen werden, diese sind:

Es müssen nicht alle Faktoren erfüllt sein, um dieses Projekt umzusetzen.

1. Phase Projektinitialisierung

In dieser ersten Phase geht es darum, inhaltliche, sowie organisatorische Voraussetzungen abzustimmen. Zu diesen zählen:

Die Ziele der ersten Phase sind:

2. Phase Training & Analyse der Ist-Datenmüllmanagementprozesse

In dieser Phase geht es um das Training für die Teams, sowie die Identifikation der Datenmüllbereiche und -treiber. Ein weiterer Aspekt, ist die Aufnahme und damit verbundene Analyse der Ist-Prozesse.

Nach dem Training erfolgt die Analyse. Dazu müssen folgende Informationen aufgenommen werden:

Diese Abfrage kann zum Beispiel bei der Erstellung von Präsentationen oder für E-Mails benutzt werden.

Die Ziele der zweiten Phase sind:

3.Phase Zielidentifikation & Kennzahlen für die Datenmüllmanagementprozesse

In diese Phase ist der Hauptaspekt, die Ziele und Kennzahlen für die zukünftigen Datenmüllmanagementprozesse zu definieren. Die Ziele und Kennzahlen sind in Interviews und Workshops für die Datenmüllmanagementprozesse zu erarbeiten. Die in der ersten Phase erarbeiteten Ziele sollen für die Ausgestaltung der zukünftigen Datenmüllmanagementprozesse genutzt werden.

Durchführung Top Management Interview

Festlegung des Verbesserungsansatzes für den zukünftigen Datenmüllerzeugungsprozess

Ziele in der dritten Phase:

4. Phase Entwicklung der Datenmüllmanagementprozesse

In der vorletzten Phase, geht es dann an die eigentliche Entwicklung der Datenmüllmanagementprozesse und Datenmüll Sub-Prozesse und Entwicklung von Verbesserungsmaßnahmen.

Gegenstand der Datenmüll Sub-Prozesse:

Erarbeitung des zukünftigen Datenmüllmanagementprozesses

Es soll außerdem ein erster IT-Anforderungskatalog entwickelt werden.

Ziele der vierten Phase sind:

5. Phase Vorbereitung des Implementierungsprozesses

In der letzten Phase, geht es um die Abstimmung der zu implementierenden Maßnhamen in der Organisation. Die Ergebnisse der vorherigen Phasen werden genutzt, um die Implementierung vorzubereiten.

Festlegung der Prioritäten für die Implementierung:

Asu ausgewählte Organisationsleiter und Meinungsbildern müssen die Verbesserungsmaßnahmen vorgestellt und abgestimmt werden

Defintion von Verbesserungsmaßnahmen umfasst folgende Faktoren:

Umsetzungsplan aus den einzelnen Maßnahmen

Ziele der fünften Phase sind:

Sparmaßnahmen für privat Personen

Nicht nur Unternhemen können zur Reduzierung von Datenmüll beitragen. Auch jede Privatperson kann einen Beitrag leisten.

dazu zählen: