# VENIORA — ShapeNeural Projekt

> Wie wird aus großen öffentlichen Datenbeständen eine belastbare regionale Entscheidungsgrundlage?

- **Projekttyp:** Eigenes Produkt
- **Status:** LIVE
- **Kategorie:** REGIONAL AI EVIDENCE
- **Jahr:** 2026
- **Zusammenarbeit:** INDEPENDENT
- **Kanonische Seite:** https://www.shapeneural.com/studio/projekte/veniora
- **Live-Projekt:** https://veniora.de

## Kontext

VENIORA verbindet Beschäftigungsdaten der Bundesagentur für Arbeit mit Forschung der International Labour Organization. Für alle 401 Kreise und kreisfreien Städte wird nachvollziehbar, welche Tätigkeiten generative KI technisch berühren könnte – mit Quellen, Grenzen und Methodik direkt am Befund.

## Aufgabe

### Zwischen abstrakter KI-Debatte und regionaler Realität fehlt die belastbare Verbindung.

Bundesweite Durchschnittswerte helfen Kommunen, Kammern und Weiterbildungsakteuren nur begrenzt. VENIORA führt unterschiedlich strukturierte Daten zusammen, kennzeichnet Ableitungen und macht sichtbar, wo die Evidenz trägt – und wo ausdrücklich keine Aussage möglich ist.

## System

### Datenmodell, Methodik und Interface erklären denselben Befund.

#### Regionale Datenverbindung

Beschäftigungsstatistik, Berufsklassifikationen und KI-Forschung werden für 401 regionale Einheiten nachvollziehbar verbunden.

#### Belastbarkeit sichtbar machen

Direkte Werte, regionale Ableitungen, Quellen und Grenzen bleiben im Interface unterscheidbar.

#### Maschinenlesbare Evidenz

Kreisseiten, strukturierte Metadaten und dokumentierte Methodik machen den Bestand für Menschen, Suche und KI-Systeme nutzbar.

## Übertragbarkeit

### Was Organisationen aus VENIORA für eigene Datenprodukte ableiten können.

Der Case zeigt, wie unterschiedliche öffentliche und interne Daten zu einer verständlichen Entscheidungsebene verbunden werden können – ohne Unsicherheit hinter einer glatten Oberfläche zu verstecken.

#### Regionale Strategie

Wirtschaftsförderung, Kammern und Weiterbildung erhalten einen gemeinsamen Ausgangspunkt für lokale Prioritäten.

#### Evidence Products

Komplexe Datenbestände werden zu zitierbaren Befunden mit klarer Herkunft und nachvollziehbaren Grenzen.

#### Responsible AI

Ein Produkt kann zeigen, was ein Modell oder Datensatz nicht aussagt – und dadurch glaubwürdiger werden.

## Wert und Erkenntnis

- **Value:** Aus Millionen Beschäftigtendaten und internationaler Forschung entsteht eine lesbare regionale Evidenzschicht für konkrete Diskussionen über Arbeit und KI.
- **Learning:** Vertrauen entsteht nicht durch eine möglichst eindeutige Zahl, sondern durch sichtbare Quellen, belastbare Übersetzungsregeln und klar benannte Grenzen.

## Fakten

- **Kreise und kreisfreie Städte:** 401
- **Beschäftigte im Datenbestand:** 34,7 M
- **offene Primärquellen:** 2

## Technologie

Next.js, TypeScript, Public Data, Geospatial Data, JSON-LD, Static Generation

## English summary

**Question:** How can large public datasets become a robust regional basis for decision-making?

VENIORA connects employment data from Germany’s Federal Employment Agency with research by the International Labour Organization. For all 401 districts and cities, it makes visible which tasks generative AI could technically affect — with sources, limitations and methodology attached to each finding.

**Challenge:** The connection between abstract AI debate and regional reality is usually missing. National averages offer limited value to municipalities, chambers and training organisations. VENIORA connects differently structured datasets, labels derivations and makes clear where the evidence holds — and where no responsible claim can be made.

**Transfer:** What organisations can take from VENIORA for their own data products. The case shows how public and internal datasets can become an understandable decision layer without hiding uncertainty behind a polished surface.

**Value:** Millions of employment records and international research become a readable regional evidence layer for concrete conversations about work and AI.