Im Projekt „Ageing Smart – Räume intelligent gestalten“ werden vielfältige Daten aus sieben Modellkommunen, Landesämtern und weiteren Quellen erhoben und verarbeitet. Dazu zählen demographische Daten, Finanz- und Umfragedaten, Planungsdokumente sowie Mobilitätsdaten in unterschiedlichen Formaten und Detailstufen. Diese Vielfalt stellt besondere Anforderungen an Datenschutz, Datenqualität und die technische Infrastruktur. Insbesondere die interdisziplinäre Zusammenarbeit erfordert eine strukturierte und zugängliche Datenverwaltung. Ein eigens entwickeltes Tool zur Erfassung und Bearbeitung von Metadaten ermöglicht eine Filterung nach bestimmten Kriterien und unterstützt die Projektmitarbeitenden bei der Datenverwaltung. Dabei spielen verschiedene Speicherorte mit spezifischen Zugriffsregelungen und klar definierten Prozessen, die von einer projektinternen Datenkommission entwickelt und begleitet werden, eine zentrale Rolle. Die Bewertung der Datenqualität ist entscheidend für die Qualität der Projektergebnisse und muss so gestaltet sein, dass sie für alle Beteiligten handhabbar bleibt. Die Datenqualität eines Datensatzes kann in vielen Dimensionen bewertet werden, wie beispielsweise Vollständigkeit, Genauigkeit oder Aktualität, deren Relevanz oft vom Anwendungsfall abhängt. Für eine umfassende Bewertung ist sowohl fachliches Wissen zu den Inhalten eines Datensatzes als auch technisches Wissen zu Formaten, Darstellungen und Integrationsprozessen erforderlich. Die Heterogenität der vorliegenden Daten, die unterschiedlichen Nutzungszwecke sowie die verschiedenen fachlichen Hintergründe der beteiligten Personen erfordern ein umfassendes Datenmanagement, das nicht nur eine Übersichtlichkeit schafft und die Einhaltung der regulatorischen Vorgaben gewährleistet, sondern auch das Potenzial der Daten effizient erschließt und Mindestanforderungen an die Datenqualität sicherstellt. In enger Zusammenarbeit der Projektpartner:innen wurden daher Prozesse, Bewertungsmaßstäbe und Dokumentationsmethoden entwickelt, die eine transparente Kommunikation über mögliche Defizite oder unbekannte Qualitätsaspekte erlauben und Abschätzungen der potenziellen Auswirkungen auf die Ergebnisse des zu entwickelnden Decision Support Systems (DSS) ermöglichen.