Im Zuge der Digitalisierung stehen Organisationen sehr umfangreiche und immer weiterwachsende Datenmengen zur Verfügung (Stichwort: „Big Data“). So verzehnfacht sich das Datenvolumen von 2016 bis 2025. Für Unternehmen ergeben sich hieraus vielfältige Chancen. So ermöglicht die zielgerichtete und fundierte Analyse und Nutzung dieser Daten eine verbesserte, datengetriebene Entscheidungsunterstützung und Prozessführung. Insbesondere seit dem Beginn von Industrie 4.0 steigt die Bedeutung von Daten im Produktionsumfeld und die damit verbundene Gewinnung von Erkenntnissen sowie die Generierung von Effizienzsteigerungen stetig. Eine wesentliche Grundlage für eine gewinnbringende Nutzung von Daten stellt die Sicherstellung der hinreichenden Datenqualität dar. Ist diese nicht ausreichend gegeben, resultieren fehlerhafte Analyseergebnisse und falsche Entscheidungen, die mehr Schaden anrichten als Nutzen generieren („Garbage In, Garbage Out“). Allerdings zeigt die Empirie, dass die von Unternehmen genutzten Daten häufig durch eine geringe Datenqualität charakterisiert sind. Ursächlich hierfür sind insbesondere eine unzureichende Sensibilität für Datenqualität und Datenqualitätsprobleme, eine fehlende Transparenz des Datenqualitätsniveaus (Datenqualitätsmessung) und eine kaum vorhandene systematische Qualitätsverbesserung und -kontrolle.

Vor diesem Hintergrund besteht auch für unseren Praxispartner aus dem Automobilbau der Bedarf, die Basis für ein methodisches Datenqualitätsmanagement zu schaffen. Im Produktionsumfeld stellen dabei insbesondere die Daten der unterschiedlichen Produktionstechnologien und -steuerungen ein zentrales Asset und eine wichtige Quelle für Big Data dar. Zunächst in einem Pilotprojekt und dann auch in einem darauffolgenden zweiten Projekt sollten für verschiedene Technologien in der Produktion Analysen durchgeführt werden, um den Stand der Datenqualität zu beurteilen und ggfs. zu verbessern. Nach Begutachtung des Status Quo der Datenqualität, wurde gemeinsam beschlossen, dass geeignete Metriken zur Messung der Datenqualitätsdimensionen Vollständigkeit und Konsistenz entwickelt werden sollten, um ein gutes Datenqualitätsmanagement sicherzustellen. Das Ziel ist es, durch die eigens entwickelten Methoden und Verfahren, Erkenntnisse über die aktuelle Datenqualität zu gewinnen sowie ggfs. Verbesserungen von Handlungsentscheidungen abzuleiten und Ausschuss zu reduzieren. Des Weiteren sollen die Resultate dieses Projekts auch zukünftig auf viele weitere Anwendungsfelder und Produktionstechnologien ausgeweitet und übertragen werden.

Kooperationspartner: Premiumhersteller aus dem deutschen Automobilbau

Projektzeiträume: Dezember 2020 – April 2021 & Februar 2022 – September 2022