Dr. Hajo Wiemer

Unternehmen sehen sich bei der Benutzung und Verwaltung ihrer IT-Systeme mit immer vielfältigen Herausforderungen konfrontiert, da aufkommende Technologien sowohl zusätzliche Komplexität als auch neue Möglichkeiten für ihre Geschäftsprozesse mit sich bringen. Angesichts dieser zunehmenden Komplexität ist es wichtig, über qualitativ hochwertige Daten zu verfügen, die Informationen für wichtige unternehmensweite Entscheidungen aber auch für weitere nachgelagerte Systemen wie etwa MES (Manufacturing Execution System) oder ERP (Enterprise Resource Planning) liefern. Zahlreiche Studien deuten jedoch darauf hin, dass viele Unternehmen ihren Daten nicht genügend Aufmerksamkeit schenken und dass eine der Hauptursachen dafür darin liegt, dass sie es vernachlässigen, ihre Qualität und ihren Wert zu messen oder die Kosten abzuschätzen, die ihnen durch schlechte Daten entstehen. Schaut man in diesem Zusammenhang auf die produzierenden Unternehmen, so erkennt man schnell auch weitere Defizite im Umgang mit den Daten, welche vor allem einen breitgefächerten Einsatz innovativer Technologien wie etwa Künstliche Intelligenz (KI) verhindern und einen Übergang zur Industrie 4.0 stark verzögern. Das in diesem Kapitel vorgestellte Vorgehensmodell unterstützt Unternehmen dabei, Datenqualitätsprobleme frühzeitig zu erkennen und Maßnahmen zur Verbesserung und anschließenden Aufrechterhaltung der Datenqualität zu ergreifen.