In der modernen Welt der Landwirtschaft und Lebensmittelproduktion erzeugen Unternehmen riesige Mengen an digitalen Datensätzen. Jedes Mal, wenn ein Sensor die Temperatur eines Milchtanks misst, ein Computer das Gewicht einer geernteten Ernte protokolliert oder ein System die Bewegung einer Lieferung verfolgt, wird ein digitaler Eintrag erstellt. Jahrzehntelang galt die Annahme, dass diese digitalen Datensätze dasselbe sind wie ein Beweis. Wenn ein Computer sagt, dass eine Kuh gefüttert wurde, ging die Logik dahin, dass die Kuh auch gefüttert wurde. Eine neue Studie stellt diese einfache Gleichung jedoch infrage. Sie argumentt, dass das Vorhandensein eines digitalen Datensatzes nicht dasselbe ist wie ein verifizierbarer Anspruch. Nur weil eine Zahl auf einem Bildschirm existiert, bedeutet das nicht, dass ein unabhängiger Beobachter die ursprünglichen Ereignisse betrachten, die zur Berechnung dieser Zahl unternommenen Schritte nachvollziehen und das Ergebnis als wahr bestätigen kann. Diese Unterscheidung ist von tiefer Bedeutung für jeden, der darauf angewiesen ist, dass Lebensmittelunternehmen ehrlich über ihre Qualität, ihre Nachhaltigkeit oder ihre Effizienz berichten. Wenn ein Unternehmen behauptet, seine digitalen Systeme hätten sein Vieh gesünder oder seine Prozesse grüner gemacht, muss diese Behauptung durch eine Beweiskette gestützt werden, die von Grund auf neu aufgebaut werden kann, und nicht nur durch eine endgültige Zahl auf einem Dashboard.

Die Forscher Oksana Makovoz und Sergii Lysenko machten es sich zur Aufgabe zu untersuchen, wie gut diese Beweiskette in der realen Welt standhält. Sie konzentrierten sich auf die Agrar- und Lebensmittelindustrie, einen Sektor, in dem physische Ereignisse wie Tierwachstum oder Ernteerträge zunehmend durch komplexe digitale Systeme verwaltet werden. Das Team untersuchte zwölf verschiedene Unternehmen, fünf davon in der Ukraine ansässig und sieben internationale Firmen, indem sie deren öffentliche Berichte, Nachhaltigkeitsberichte und Betriebsdaten analysierten. Ihr Ziel war es nicht zu zählen, wie viele Computer diese Unternehmen besaßen, sondern zu sehen, ob die spezifischen Behauptungen in ihren Berichten unabhängig rekonstruiert werden konnten. Sie stellten eine einfache, aber schwierige Frage: Wenn ein Außenstehender beweisen wollte, dass eine bestimmte Geschäftsbahaupttung wahr ist, könnte er diese bis zum ursprünglichen Ereignis zurückverfolgen, identifizieren, wer dafür verantwortlich war, und genau verstehen, wie die endgültige Zahl berechnet wurde?

Die Forscher fanden ein klares Muster in den gesammelten Beweisen. In jedem einzelnen Fall, den sie untersuchten, berichteten die Unternehmen erfolgreich über ihre Endergebnisse. Ob es die Gesamtmenge der produzierten Milch, die Anzahl der verarbeiteten Eier oder die tägliche Gewichtszunahme des Viehs war – diese operativen Ergebnisse waren immer sichtbar. Die Geschichte änderte sich jedoch, als die Forscher nach den Schritten suchten, die dorthin führten. In drei von vier Fällen lieferten die Unternehmen einige Details über die verwendeten digitalen Mechanismen oder Kontrollen. Doch als es um das entscheidende Puzzleteil ging – klare Beweise dafür, wer für die Daten verantwortlich war und ob die Datensätze prüfbar waren –, wurde das Bild viel unklarer. In mehr als der Hälfte der Fälle enthielten die öffentlichen Berichte nicht genügend spezifische Informationen, um eine endgültige Zahl direkt mit einer verantwortlichen Person oder einem System zu verknüpfen. Während Unternehmen oft ihre allgemeinen Governance- und Aufsichtsprozesse beschrieben, lieferten sie selten die spezifische, schrittweise Spur, die nötig wäre, um eine einzelne Behauptung von Grund auf neu aufzubauen.

Die Studie verwendete eine Methode namens Sensitivitätsanalyse, um zu testen, wie viel dieser fehlenden Information ein echter Mangel war und wie viel lediglich eine Frage des Details. Als die Forscher für Teilinformationen zuließen – wie etwa allgemeine Beschreibungen der Verantwortung statt spezifischer Namen –, stieg die Zahl der Fälle mit ausreichenden Beweisen signifikant an. Dies deutet darauf hin, dass die meisten Unternehmen zwar Governance-Systeme implementiert haben, diese aber oft auf einer hohen Ebene halten, die nicht direkt mit den veröffentlichten Zahlen verbunden ist. Der Unterschied ist subtil, aber entscheidend: Ein Bericht mag sagen: „Wir haben strenge Kontrollen“, was eine allgemeine Absichtserklärung ist, aber er zeigt nicht das spezifische Protokoll darüber, wer die Daten eingegeben hat und wie sie geändert wurden, um zur endgültigen Zahl zu gelangen. Oh Monat dieser spezifischen Verknüpfung bleibt die Behauptung schwer unabhängig zu verifizieren.

Um die praktischen Auswirkungen dieser Ergebnisse zu verstehen, betrachteten die Forscher spezifische Beispiele dafür, wie Unternehmen Veränderungen in ihrer Leistung berichteten. Ein großes ukrainisches Unternehmen, Astarta, berichtete über eine Steigerung der Milchproduktion um 35,5 Prozentpunkte zwischen 2020 und 2025. Das Unternehmen dokumentierte zudem, dass es in diesem Zeitraum neue digitale Viehmanagement-Systeme implementiert hatte. Während das Wachstum der Produktion real und messbar war, lieferten die öffentlichen Aufzeichnungen nicht genügend Details, um den Effekt der digitalen Systeme von anderen Faktoren, wie etwa dem bloßen Zukauf von mehr Kühen, zu trennen. Die Forscher kamen zu dem Schluss, dass die digitalen Systeme zwar existierten und die Produktion wuchs, es aber unmöglich war zu beweisen, dass die digitalen Systeme die Ursache für das Wachstum waren, basierend auf den verfügbaren Beweisen.

Ein weiterer Fall betraf ein Unternehmen namens KSG Agro, das eine Verbesserung der täglichen Gewichtszunahme seines Viehs um 8,19 Prozent meldete. Dies ist ein positives Ergebnis, das auf eine erfolgreiche digitale Intervention hindeuten könnte. Die Dokumentation des Unternehmens stellte jedoch explizit klar, dass die Verbesserung auf eine bessere Genetik zurückzuführen sei und nicht auf digitale Technologie. In diesem Fall fanden die Forscher, dass die Beweiskette stark genug war, um die Idee, dass digitale Systeme dafür verantwortlich waren, zu entkräften, obwohl das Ergebnis positiv war. Dies unterstreicht eine zentrale Erkenntnis der Studie: Ein gutes Ergebnis beweist nicht automatisch, dass ein digitales System die Ursache war. Wenn die Beweiskette auf eine andere Ursache deutet, wie etwa Genetik oder das Wetter, muss diese Ursache akzeptiert werden, ungeachtet dessen, wie fortschrittlich die Technologie des Unternehmens auch sein mag.

Ein drittes Beispiel stammte von einem Unternehmen namens Ovostar, das einen signifikanten Wandel in der Menge der produzierten gegenüber der verarbeiteten Eier verzeichnete. Die Daten zeigten eine klare Veränderung im Produktfluss, aber die öffentlichen Berichte identifizierten keinen spezifischen digitalen Mechanismus, der diesen Wandel erklärte. Die Forscher stellten fest, dass die operative Veränderung zwar real war, die Verbindung zu einer digitalen Ursache jedoch in der Dokumentation fehlte. In einem vierten Fall hatte ein Unternehmen namens YASENSVIT ein gut dokumentiertes digitales Kontrollsystem für die Wasserverwaltung in seinen Geflügelställen. Das System war klar konzipiert und die Architektur war sichtbar. Die öffentlichen Aufzeichnungen enthielten jedoch nicht die spezifischen Zeitstempel, wann Alarme quittiert wurden oder wie schnell das System reagierte. Ohne diese Details war es unmöglich zu verifizieren, ob das System tatsächlich die Geschwindigkeit oder Qualität der Reaktion verbesserte, selbst wenn das System selbst real war.

Diese Beispiele illustrieren das Kernproblem, das die Studie adressiert. Die Forscher argumentieren, dass Organisationen die digitale Transformation oft als ein Problem der Technologieadoption behandeln und davon ausgehen, dass der Kauf der richtigen Software automatisch Vertrauen schafft. Stattdessen schlagen sie vor, dass Vertrauen von einer spezifischen organisationalen Fähigkeit abhängt, die sie als „Evidenz-Verifizierbarkeit“ (evidence verifiability) bezeichnen. Diese Fähigkeit geht nicht über die Nutzung der fortschrittlichsten Technologie hinaus, sondern besteht darin, Prozesse zu entwerfen, die die Geschichte darüber bewahren, wie eine Zahl entstanden ist. Es erfordert die Dokumentation darüber, wer was getan hat, wie die Daten geändert wurden und warum eine spezifische Entscheidung getroffen wurde. Wenn ein Teil dieser Kette fehlt, kann die endgültige Behauptung nicht vollständig verifiziert werden, egal wie anspruchsvoll die zugrunde liegende Technologie auch erscheinen mag.

Die Studie legt nahe, dass Unternehmen, um wirklich von der digitalen Transformation zu profitieren, ihre Denkweise über ihre Datensätze ändern müssen. Anstatt nur Daten zu sammeln, um einen Endbericht zu erstellen, sollten sie ihre Systeme so konzipieren, dass jede Behauptung zu ihrer Quelle zurückverfolgt werden kann. Dies bedeutet, detaillierte Protokolle über Korrekturen zu führen, die spezifischen Personen oder Systemen zu identifizieren, die für jeden Schritt verantwortlich sind, und sicherzustellen, dass die Regeln zur Berechnung der Ergebnisse klar und zugänglich sind. Die Forscher fanden heraus, dass Unternehmen, die dies tun, den Aufwand für Außenstehende verringern, ihre Ansprüche zu verifizieren. Wenn sie es nicht tun, schaffen sie eine Lücke, in der Vertrauen ohne Beweis gewährt werden muss.

Die Ergebnisse haben wichtige Auswirkungen darauf, wie wir Nachhaltigkeit und Qualität in der Lebensmittellieferkette betrachten. Da immer mehr Unternehmen über ihre Umweltauswirkungen oder das Tierwohl berichten, wird die Fähigkeit, diese Behauptungen zu verifizieren, entscheidend. Die Studie zeigt, dass das Vorhandensein eines digitalen Systems nicht ausreicht, um eine Behauptung als wahr zu beweisen. Der Beweis muss vollständig sein, vom ursprünglichen Ereignis bis zur endgültigen Aussage. Wenn ein Unternehmen nicht die vollständige Beweiskette aufzeigen kann, bleiben seine Behauptungen unverifiziert, ungeachtet dessen, wie positiv die Ergebnisse auch aussehen mögen. Dies bedeutet nicht, dass die Unternehmen lügen; es bedeutet lediglich, dass die öffentliche Aufzeichnung nicht genügend Informationen enthält, um die Geschichte hinter den Zahlen zu belegen.

Letztendlich weist die Forschung auf die Notwendigkeit eines neuen Ansatzes beim Management digitaler Beweise hin. Sie legt nahe, dass der Wert digitaler Datensätze nicht in ihrem Volumen liegt, sondern in ihrer Fähigkeit, eine vollständige und rekonstruierbare Geschichte zu erzählen. Für Unternehmen in der Lebensmittelindustrie bedeutet dies, dass der nächste Schritt auf ihrer digitalen Reise nicht nur darin besteht, mehr Daten zu sammeln, sondern sie so zu organisieren, dass jeder den Weg vom Bauernhof bis zum Endbericht nachvollziehen kann. Indem sie dies tun, können sie einfache digitale Datensätze in verteidigungsfähige Beweise verwandeln, die echtes Vertrauen bei Verbrauchern, Regulierungsbehörden und Partnern aufbauen. Die Studie kommt zu dem Schluss, dass ohne diesen „Evidence-by-Design“-Ansatz das Versprechen der digitalen Transparenz genau das bleiben wird, was es ist: ein Versprechen, statt einer Realität.