UdZForschung 1/2020

46 UdZForschung – Unternehmen der Zukunft 1/2020 FIR-Forschungsprojekte – Leitthema: Gesellschaft & Digitalisierung Objektivität und der Reputation . Bei der Dimensionder kontextuellenDatenqualität wird ein Datensatz bezüglich seines Nutzens beurteilt (Kriterien: Mehrwert, Relevanz, Aktualität, Vollständigkeit und Datenmenge ). Weiterhin lässt sich die repräsentative Datenqualität anhand der DarstellungeinzelnerDatensätzebewerten, sodass die Kriterien der Interpretierbarkeit, Verständlichkeit, Einheitlichkeit und Über- sichtlichkeit relevant sind. Die letzte Dimension der Datenqualität ist die zu- gangsbezogene Datenqualität. Dabei wird eingeschätzt, wie ein Datensatz in Bezug auf die Kriterien der Erreichbarkeit und der Zugriffssicherheit im System vorliegt. 12 Im Forschungsprojekt ‚DaFuER‘ werden unter anderem auch Anwendungsfälle für die genaue Bestimmung der Prozesszeiten untersucht. So variieren beispielsweise die systemseitigerhobenenRüstzeitenbeieinem Projektpartner sehr stark, wodurch eine effektive Produktionssteuerung wie auch eineNachkalkulationder einzelnenProdukte nicht aussagekräftig sind (s. Bild 2, S. 45). Durch die Fusion bereits vorhandener Datenquellen, wie zum Beispiel der Rüst- Rückmeldungen, der Störungsmeldungen, der Auftrags- und Personaldaten, können Datenkonflikte aufgelöst und die gesamte Datenqualität gesteigert werden. Dabei wird nicht nur die inhaltliche Datenqualität verbessert, sondern es werden auchweitere Datenqualitätsdimensionen(z.B.dieNutzung oder Darstellung der Daten) angesprochen. Literatur Apel, D.; Behme, W.; Eberlein, R.; Merighi, C.: Datenqualität erfolgreich steuern. Praxislösungen fürBusiness-Intelligence-Projekte.3.,überarb.und erw. Auflage. dpunkt.verl., Heidelberg 2015. Bauer , J.: Produk tion scontrolli ng mit SAP®-Systemen. Effizientes Controlling, Logistik- und Kostenmanagement moderner Produktionssysteme. 2., aktualis. u. erw. Auflage. Vieweg+Teubner Verlag, Wiesbaden 2003. Bleiholder, J.; Naumann, F.: Conflict Handling Strategies in an Integrated Information System. Humboldt-Universität, Berlin 2006. https://hpi. de/fileadmin/user_upload/fachgebiete/nau- 12 s. Wang u. Strong 1996, S. 20 mann/publications/IIWeb06.pdf (Link zuletzt geprüft: 15.06.2020) Bleiholder, J.; Naumann, F.: Kurz erklärt. Datenfusion. In: Datenbank-Spektrum 11 (2011) 1, S. 59 – 61. Castanedo, F.: A reviewof data fusion techniques. In: The ScientificWorld Journal (2013), 19 S. https:// www.researchgate.net/publication/259003916_A_ Review_of_Data_Fusion_Techniques/fulltext/54a 1196f0cf267bdb9017265/A-Review-of-Data-Fusion- Techniques.pdf (Link zuletzt geprüft: 15.06.2020) Kletti, J. (Hrsg.): MES – Manufacturing Execution System. Moderne Infor-mationstechnologie un- terstützt dieWert-schöpfung. 2. Auflage. Springer Vieweg, Berlin [u. a.] 2015. Müller, J.: Transformation operativer Daten zur Nutzung im Data Warehouse. Deutscher Universitätsverlag, Wiesbaden 2000. – Zugl.: Bochum, Univ., Diss., 1999. Nayar, M.: Achieving Information Integrity. In: Info rmation Sy s tems Ma n a geme nt 10 (1993) 2, S. 51 – 58. Niehues, M.; Reinhart, G.; Schmitt, R.; Schuh, G.; Brambring, F.; Ellereich, M.; Elser, H.; Frank, D.; Groggert, S.; Gützlaff, A.; Heinrichs, V.; Hempel, T.; Kostyszyn, K.; Ngo, H.; Niendorf, L.; Permin, E.; Prote,J.-P.;Reuter,C.;Türtmann,R.:Organisation, Qualität und IT-Systeme für Planung und Betrieb. In: Handbuch Industrie 4.0. Geschäftsmodelle, Prozesse, Technik. Hrsg.: G. Reinhart. Hanser, München [u. a.] 2017, S. 137 – 167. Redman, T. C.: The impact of poor data quality on the typical enterprise. In: Communications of the ACM 41 (1998) 2, S. 79 – 82. Spath, D. (Hrsg.): [Studie] Produktionsarbeit der Zukunft– Industrie4.0.Fraunhofer-Verl.,Stuttgart 2013. https://www.iao.fraunhofer.de/images/iao- news/produktionsarbeit-der-zukunft.pdf (Link zuletzt geprüft: 15.06.2020) VDMA 66412-1: Manufacturing Execution Systems (MES): Kennzahlen. Verein Deutscher Maschinen- undAnlagenbau (VDMA) e. V.; ICS03.100.50. Beuth, Berlin, Oktober 2009. Wang, R. Y.; Strong, D. M.: BeyondAccuracy:What DataQualityMeans toData Consumers. In: Journal of Management Information Systems 12 (1996) 4, S. 5 – 33. Wolf,T.;Decker,S.;Abecker,A.:Unter-stützungdes Wissensmanagements durch Informations- und Kommunikations-technologie. In: [Proceedings] Electronic Business Engineering. 4. Internationale Tagung Wirt-schaftsinformatik 1999. Hrsg.: M. Nüttgens; A.-W. Scheer. Physica, Heidelberg 1999, S. 745 – 765. Projekttitel: DaFuER Forschungs-/Projektträger: Bundesministerium für Wirtschaft und Energie (BMWi); Arbeitsgemeinschaft industrieller Forschungsver- einigungen "Otto von Guericke" e. V. (AiF) Förderkennzeichen: 20579 N Projektpartner: AUTO HEINEN GmbH, Berghof Systeme e. K., DFA Demonstrationsfabrik Aachen GmbH, INDUTRAX GmbH, Maschinenfabrik Möllers GmbH, Mattern Consult Gesellschaft für Produktionsregelung und Logistik mbH, mk Plast GmbH & Co. KG, NETRONIC Software GmbH, SICK AG, Ubisense AG, Westaflexwerk GmbH Internet: dafuer.fir.de Ansprechpartner: Jokim Janßen, M.Sc. FIR e. V. an der RWTH Aachen Wissenschaftlicher Mitarbeiter Bereich Produktionsmanagement Tel.: +49 241 47705-413 E-Mail: Jokim.Janssen@fir.rwth-aachen.de