UdZForschung 1/2020

45 UdZForschung – Unternehmen der Zukunft 1/2020 Leitthema: Gesellschaft & Digitalisierung – FIR-Forschungsprojekte gezeigt, dass reale Rückmeldeprozesse eine exakte Rückmeldung oft verhindern. Nach Apel et al. sind Gründe hierfür ein mangelndes Problembewusstsein, man- gelhaftes Design der Eingabemasken, die Heterogenität der Datenquellen sowie fehlende Ressourcen für die Erfassung der Daten. Diese ungünstige Prozess- gestaltung führt zu einer Verzerrung der Rückmeldedaten und daher zu einer schlechten Datenqualität. 8 Neben dem Einsatz zusätzlicher Sen- sorik stellt die Verknüpfung vorhan- dener Datenquellen eine kostengün- stigere Alternative zur Steigerung der Datenqualität dar. Damit eignet sich diese insbesondere zur Implementierung bei KMU. Das Forschungsprojekt ‚DaFuER‘ zielt zu diesem Zweck auf eine Steigerung der Datenqualität von Rückmeldedaten durch systemorientierte, technische Ansätze ab. Hierbei werden insbesondere die relevanten Rückmeldedaten für die Produktionssteuerung und das operative Produktionscontrolling fokussiert. Bei der Betrachtung der Datenqualitäts- steigerung sollen insbesondere Methoden der Datenfusion und der Decisionfusion 8 s. Apel et al. 2015, S. 37 9 leiholder u. Naumann 2011, S. 59 10 s. Bleiholder u. Naumann 2006, S. 2 11 s. Castanedo 2013, S. 15 eingesetzt werden. Unter dem Begriff der Datenfusion wird die „Zusammenführung mehrerer verschiedener Datensätze, die alle dasselbe Objekt einer realen Welt beschreiben“ 9 , verstanden. Dabei folgt auf eine Prüfung der Schemen der ein- zelnen Datensätze (beispielsweise der Spalteneinträge) das Schema-Mapping, eine Duplikatsprüfung. Zuletzt werden auftretende Datenkonflikte bereinigt. Insbesondere im letzten Schritt lassen sich nachBleiholderu. Neumann verschiedene Methodenbeschreiben, welche sich in ihrer Komplexität bei derUmsetzungunterschei- den. Hierzu zählen beispielsweise einfache Ansätze wie „ Take the Information “, der einen vorhandenenWert einem leeren Feld vorzieht, oder aber auch ein Vergleich mit großenDatenbanken („ Trust your Friends “) sowieder Abgleichmit häufig auftretenden Werten („ Cry with the wolfes “). 10 In Analogie zur Wissenspyramide wird bei der Vereinigung von Informationen (verarbeiteten Daten und Mustern) von Decisionfusion gesprochen (s. Bild 1, S. 46). Ziel ist es hierbei, eine Schlussfolgerung aus den verschiedenen vorhandenen Informationen abzuleiten, wobei auf- grund von Datenqualitätsmängeln auch widersprüchliche Informationen vorliegen können. 11 In der Praxis lassen sich diverse An- wendungsfälle im Bereich der Produk- tionssteuerung und des operativen Produktionscontrollings finden. So ist beispielsweise eine häufig auftretende Problematik die genaue Bestimmung der Durchlaufzeiten undRüstzeiten. Dabei wer- den Zeiten einzelner Bearbeitungsschritte oder möglicher Störungen oft nicht durch geeignete Rückmeldeprozesse oder Rück- meldepunkte erfasst. Dies führt dazu, dass die Datenqualität in Bezug auf verschie- dene Beschreibungsdimensionen nicht korrekt ist. Bei der Bestimmung der Datenqualitätwer- dennachWangu. Strong vier Dimensionen und entsprechende Kriterien unterschie- den. Die Dimension der intrinsischen Datenqualität untersucht den Inhalt eines Datensatzes anhand der Kriterien der Glaubwürdigkeit , der Genauigkeit , der Bild 2: Datenfusion bei der Rückmeldungen eines Rüstprozesses (eigene Darstellung)