Home Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg
Article
Licensed
Unlicensed Requires Authentication

Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg

Welchen Wert haben Daten?
  • Bernhard Axmann , Werner Hamberger and Thomas Liegl
Published/Copyright: May 29, 2019
Become an author with De Gruyter Brill
Submit Manuscript Author Information
Zeitschrift für wirtschaftlichen Fabrikbetrieb
From the journal Zeitschrift für wirtschaftlichen Fabrikbetrieb Volume 114 Issue 5

Kurzfassung

Daten bergen ein Potenzial, das weit über deren heutige Verwendung hinausgeht. Der Bundesverband der deutschen Industrie hält dadurch bis 2025 einen Zuwachs der europäischen, industriellen Wertschöpfung von 1,25 Billionen Euro als realisierbar. Eine gewinnbringende Datennutzung soll durch Datenqualitätsmanagement sichergestellt werden. Auch wenn dafür unterschiedliche Konzepte beschrieben sind, eint alle, dass Daten priorisiert werden müssen. Doch genauere Erläuterungen zur Priorisierung von Daten und die Bestimmung des Datenwerts sind eine Herausforderung. Dieser Beitrag befasst sich mit Bedeutung, Grundlagen und Begriffen der Datenqualität. Er erläutert eine Systematik zur Datenwertbestimmung zur Priorisierung für Datenqualitätsprojekte und diskutiert Lösungen zur Implementierung.

Abstract

What is the value of data? Data have a potential that goes far beyond their current use. By 2025, the Federal Association of German Industry even considers an increase in industrial value added of 1.25 trillion euros as realistic in Europe. However, the quality of the data must be sufficiently high to be able to profitably use data. This is ensured by data quality management. Although different concepts of data quality management are described, all agree that data must be prioritized. The use of some data has a much higher value than the use of others. But more detailed explanations of how to prioritize data and determine the data value are challenging. This article deals with the meaning, fundamentals and concepts of data quality. It explains a system for data value prioritization for data quality projects and discusses solutions for implementing such a system.

Prof. Dr. Bernhard Axmann, geb. 1970, studierte Maschinenbau. Seine beruflichen Stationen waren: MTU Aero Engines (Diverse Leitungs- und Projektaufgaben), Stemme AG (Vorstand Technik), Steinmeyer (Produktionsleiter), SELL (Programm Direktor). Heute ist er Professor für Konstruktion, Produktion und Qualität an der Technischen Hochschule in Ingolstadt.

Dr.-Ing. Werner Hamberger, geb. 1964, studierte Elektrotechnik mit Schwerpunkt Automatisierungstechnik an der TU München. Nach seiner Promotion an der TU Berlin, am Zentrum Mensch Maschine Systeme, hatte er zunächst eine leitende Funktion in der Vorentwicklung der Valeo Electronics GmbH (Remchingen) inne, ehe er mehrere Leitungsstellen in der Entwicklung der AUDI AG (Ingolstadt) übernahm. Seit 2016 ist er Leiter der Organisationseinheit Steuerung Digitale Produktion bei der AUDI AG.

Thomas Liegl, B. Eng., geb. 1996, studierte Wirtschaftsingenieurwesen. Heute ist er Wissenschaftlicher Mitarbeiter am Zentrum für angewandte Forschung (ZAF) der Technischen Hochschule Ingolstadt. Sein Forschungsschwerpunkt umfasst die Verbesserung der Datenqualität und Datennutzung in der Produktion von Unternehmen.

Literatur

1. Bundesverband der Deutschen Industrie e. V. (Hrsg.): Die digitale Trans-formation der Industrie: Was sie bedeutet. Wer gewinnt. Was jetzt zu tun ist: Ausgabe 2015. Online unter https://bdi.eu/media/u-ser_upload/Digitale_Transformation.pdf; S. 3 [Letzter Zugriff am 15.03.2019]Search in Google Scholar

2. Hildebrand, K.; Gebauer, M.; Hinrichs, H.; Mielke, M.: Daten- und Informationsqualität: Auf dem Weg zur Information Excellence. Vieweg + Teubner Verlag, Wiesbaden2011, S. 5–6, 30 10.1007/978-3-8348-9953-8Search in Google Scholar

3. Krcmar, H.: Informationsmanagement, Springer-Gabler-Verlag, Berlin2015, S. 11–1210.1007/978-3-662-45863-1_2Search in Google Scholar

4. Kunz, T. (2013). From the Bottom to the Top: Shell's Customer Master Data Journey. Paper vorgestellt auf der Information and Data Quality Conference (IDQ), Little Rock. Online unter https://www.iqint.org/idq2013/presentations/ [Letzter Zugriff am 13.03.2019]Search in Google Scholar

5. Linß, G.: Qualitätsmanagement für Ingenieure. Carl Hanser Verlag, München, Wien2018, S. 741–74610.3139/9783446439368.017Search in Google Scholar

6. Gadatsch, A.; Landrock, H.: Big Data für Entscheider: Entwicklung und Umsetzung datengetriebener Geschäftsmodelle. Springer-Vieweg-Verlag, Wiesbaden2017, S. 1–310.1007/978-3-658-17340-1Search in Google Scholar

7. Hunke, F.; Seebacher, St.; Schüritz, R.; Illi, A.: Towards a Process Model for Data-Driven Business Model Innovation. In: 19th Conference on Business Informatics (CBI), Thessaloniki, IEEE2017, S. 150–15710.1109/CBI.2017.43Search in Google Scholar

8. KPMG (Hrsg.): Mit Daten Werte schaffen: Ausgabe2017. Oline unter https://tinyurl.com/y9m4d9k6; S. 28, 55 [Letzter Zugriff am 13.03.2019]Search in Google Scholar

9. Jakoby, W.: Projektmanagement für Ingenieure: Ein praxisnahes Lehrbuch für den systematischen Projekterfolg. Springer-Vieweg-Verlag, Wiesbaden2019, S. 268, 26910.1007/978-3-658-23333-4Search in Google Scholar

10. Würthele, V. G.: Datenqualitätsmetrik für Informationsprozesse: Datenqualitäts­management mittels ganzheitlicher Messung der Datenqualität. Books on Demand, Zürich2003, S. 21Search in Google Scholar

11. Hildebrand, K.; Gebauer, M.; Hinrichs, H.; Mielke, M.: Daten- und Informationsqualität: Auf dem Weg zur Information Excellence. Vieweg + Teubner Verlag, Wiesbaden2011, S. 26, 2810.1007/978-3-8348-9953-8Search in Google Scholar

12. Apel, D.; Behme, W.; Eberlein, R.; Merighi, Chr.: Datenqualität Erfolgreich Steuern: Praxis­lösungen für Business-Intelligence-Projekte. Carl Hanser Verlag, München, Wien2010, S. 1110.3139/9783446426535Search in Google Scholar

13. Knischek, St.: Grundlagen der Wirtschaftsmoral: Eine problemorientiere Einführung. Springer-Gabler-Verlag, Kempten2019, S. 160–16110.1007/978-3-658-23623-6Search in Google Scholar

14. Schneider, D.: Betriebswirtschaftslehre: Band 4: Geschichte und Methoden der Wirtschaftswissenschaften. De Gruyter Verlag, Oldenburg2000, S. 67010.1515/9783486786880Search in Google Scholar

15. Lughofer, E.; Mouchaweh, M. S.: Predictive Maintenance in Dynamic Systems: Advanced Methods, Decision Support Tools and Real-World Applications. Springer Nature Switzerland, Basel2019, S. 1–210.1007/978-3-030-05645-2_1Search in Google Scholar

16. Schmidt, Th.: Mehr Sicherheit durch Kommunikation – Wissensmanagement auf Wiki-­Basis beflügelt die Prozessverbesserung. QZ (2017) 5, S. 52–54Search in Google Scholar

Online erschienen: 2019-05-29
Erschienen im Druck: 2019-05-28

© 2019, Carl Hanser Verlag, München

Articles in the same Issue

  1. Editorial
  2. Logistik als digitaler Vorreiter
  3. Inhalt/Contents
  4. Inhalt
  5. Montage
  6. Arbeitsfortschrittssynchrone Materialbereitstellung in der Großgerätemontage
  7. Interaktive 4D-Flächenbelegungsplanung
  8. Instandhaltung
  9. Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen
  10. Predictive Maintenance im Kontext der industriellen Robotik
  11. Logistikplanung
  12. Regelbasiertes Assistenzsystem zur Logistikplanung
  13. Data Mining
  14. Dynamische Röntgenprüfung in der Elektronikproduktion
  15. Supply-Chain-Management
  16. LoRaWAN als Kommunikationstechnologie für vernetzte Sonderladungsträger
  17. Sensorik
  18. Sensorauswahl für Bestandsanlagen
  19. Gleisbasierte Schwingungs-diagnose an Straßenbahnen – mit komplementärer Sensorik
  20. Agile Arbeitsweise
  21. Agile Invention: Zehn Erfolgsthesen
  22. Agil, intelligent, flexibel
  23. Management
  24. Systematisches Organisation 4.0-Vorgehensmodell zur ganzheitlichen Prozessdigitalisierung
  25. Me-Systeme
  26. Herausforderungen bei der Auswahl und Beschaffung von ME-Systemen
  27. Anwenderbericht
  28. Fehlerquellen minimieren
  29. Digitalisierung
  30. Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg
  31. Digitaler Informationsfluss in der Unikatfertigung
  32. Künstliche Intelligenz
  33. Qualitätsprognose anhand Prozess-parametern einer Papiermaschine mittels Industrial Data Science
  34. Kollaboration
  35. Kollaboration in globalen Wertschöpfungsnetzwerken
  36. Vorschau/Preview
  37. Vorschau
https://doi.org/10.3139/104.112083

Articles in the same Issue

  1. Editorial
  2. Logistik als digitaler Vorreiter
  3. Inhalt/Contents
  4. Inhalt
  5. Montage
  6. Arbeitsfortschrittssynchrone Materialbereitstellung in der Großgerätemontage
  7. Interaktive 4D-Flächenbelegungsplanung
  8. Instandhaltung
  9. Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen
  10. Predictive Maintenance im Kontext der industriellen Robotik
  11. Logistikplanung
  12. Regelbasiertes Assistenzsystem zur Logistikplanung
  13. Data Mining
  14. Dynamische Röntgenprüfung in der Elektronikproduktion
  15. Supply-Chain-Management
  16. LoRaWAN als Kommunikationstechnologie für vernetzte Sonderladungsträger
  17. Sensorik
  18. Sensorauswahl für Bestandsanlagen
  19. Gleisbasierte Schwingungs-diagnose an Straßenbahnen – mit komplementärer Sensorik
  20. Agile Arbeitsweise
  21. Agile Invention: Zehn Erfolgsthesen
  22. Agil, intelligent, flexibel
  23. Management
  24. Systematisches Organisation 4.0-Vorgehensmodell zur ganzheitlichen Prozessdigitalisierung
  25. Me-Systeme
  26. Herausforderungen bei der Auswahl und Beschaffung von ME-Systemen
  27. Anwenderbericht
  28. Fehlerquellen minimieren
  29. Digitalisierung
  30. Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg
  31. Digitaler Informationsfluss in der Unikatfertigung
  32. Künstliche Intelligenz
  33. Qualitätsprognose anhand Prozess-parametern einer Papiermaschine mittels Industrial Data Science
  34. Kollaboration
  35. Kollaboration in globalen Wertschöpfungsnetzwerken
  36. Vorschau/Preview
  37. Vorschau
Sign up now to receive a 20% welcome discount
Institutional Access
How does access work?
Have an idea on how to improve our website?
Please write us.
© 2025 De Gruyter Brill
Downloaded on 14.9.2025 from https://www.degruyterbrill.com/document/doi/10.3139/104.112083/html
Scroll to top button