Luisa Naumann Messung und Überwachung der Qualität abrechnungsrelevanter Daten in der Fahrzeuglogistik

Zum Inhalt

Im Zuge der Digitalisierung treiben Unternehmen durch den Einsatz verschiedenster Systeme eine Automatisierung ihrer Geschäftsprozesse voran. Dabei ist eine hohe Datenqualität systemübergreifend sicherzustellen, um einen reibungslosen Prozessablauf zu gewähren und eine optimale Unternehmensperformance zu erzielen.

Damit Datenqualitätsprobleme innerhalb der Prozesskette rechtzeitig identifiziert und verbessert werden können, ist eine prozessübergreifende Messung und Überwachung der aktuellen Datenqualitätssituation unerlässlich. Im Bereich des Qualitätsmanagements gibt es sowohl subjektive als auch objektive Messmethoden für die Qualität eines Datensatzes, einer Datentabelle oder einer Datenbank innerhalb eines Systems. Bei mehrstufigen Prozessen werden jedoch mehrere Systeme eingesetzt und Daten an Systemschnittstellen übertragen.

Speziell der Bereich des Supply Chain Managements und der Logistik ist von umfangreichen Systemlandschaften geprägt. Die Literatur aus diesem Bereich beruht auf subjektiven Bewertungen von Datenqualität, die keine geeignete Methode für eine kontinuierliche und automatisierte Messung von Datenqualität bieten.

Das Ziel dieser Dissertation ist die Entwicklung eines automatisierbaren Modells zur Messung und Überwachung der Datenqualität innerhalb von Prozessketten, bei denen mehrere Systeme zum Einsatz kommen. Dafür wurde zunächst eine Literaturrecherche bezogen auf das Supply Chain Management und die Logistik durchgeführt, um die Messmethoden von Datenqualität aus diesem Bereich zu analysieren und relevante Datenqualitätsdimensionen, die sich automatisiert messen lassen, zu identifizieren.

Im Rahmen einer Fallstudie wurden die abrechnungsrelevanten Daten des Fahrzeuglogistikprozesses innerhalb der Volkswagen Konzernlogistik GmbH & Co. OHG untersucht. Die abrechnungsrelevanten Daten durchlaufen die gesamte Prozesskette und eignen sich als Grundlage zum Aufbau einer prozessübergreifenden Messmethode. Die Mitarbeitenden wurden im Rahmen einer Umfrage gebeten, die Datenqualitätssituation anhand von zehn automatisierbaren Datenqualitätsdimensionen und deren Zufriedenheit mit dieser Situation zu bewerten.

Regressionsanalysen halfen herauszufinden, welche Datenqualitätsdimensionen einen signifikanten Einfluss auf die Mitarbeiterzufriedenheit haben. Im Anwendungsfall waren dies Konsistenz und Fehlerfreiheit. Mittels Varianzanalysen wurden Meinungsunterschiede zwischen den Abteilungen aufgezeigt. Für das Messmodell wurden für alle zehn Datenqualitätsdimensionen Metriken auf verschiedenen Detailierungsebenen formuliert, um diese in Verbindung mit den Regressionskoeffizienten als eine Metrik für den Gesamtprozess zusammenzufassen. Die Anwendbarkeit des Messmodells wurde mithilfe einer Konsistenzmessung für den Anwendungsfall nachgewiesen. Ein Überwachungsinstrument wurde in Form eines möglichen Dashboards visualisiert. Des Weiteren wurde erläutert, wie sich Verbesserungsmaßnahmen aus dem Dashboard ableiten lassen und mithilfe eines Algorithmus die kosteneffizienteste Verbesserungsmaßnahme identifizieren lässt.

Diese Dissertation bietet eine prozessübergreifende Messmethode für Datenqualität, die auf andere Prozesse übertragbar ist und als Basis zur Verbesserung von Datenqualität dient.