Produktionsmanagement
Refine
Document Type
Language
- German (3)
Is part of the Bibliography
- no (3)
Keywords
- Datenanalyse (3) (remove)
Institute
GAIA-X-Reifegradmodell
(2024)
Um die wachsenden Kundenanforderungen und die damit verbundene Komplexitätssteigerung der aktuellen Herausforderungen zu bewältigen, öffnen Unternehmen ihre Wertschöpfungsketten, reduzieren ihre Fertigungstiefe und gehen zunehmend Kooperationen ein. Der unternehmensübergreifende Datenaustausch entlang der Supply-Chain wird damit zu einer Schlüsselkomponente für die Wettbewerbsfähigkeit und die Realisierung kundenspezifischer Lösungen. Aus diesem Grund hat die Europäische Union das Projekt GAIA-X ins Leben gerufen, dessen Ziel es ist, die nächste Generation der Dateninfrastruktur für Europa und seine Unternehmen zu schaffen. Das GAIA-X-Reifegradmodell bietet einen Ansatz zur Einordnung von Unternehmen in verschiedene Entwicklungsstufen und liefert konkrete Anforderungen für die Weiterentwicklung entlang eines vorgegebenen Entwicklungspfades hin zu einem vollwertigen Teilnehmer an der föderierten GAIA-X-Dateninfrastruktur.
Im Kontext Industrie 4.0 kommt der Erfassung der anfallenden Daten in der Produktion und deren Nutzung eine zentrale Bedeutung zu. Analysen betrieblicher Daten, welche auf verschiedenen Ebenen generiert werden, lassen Rückschlüsse und Erkenntnisse zur besseren Entscheidungsfindung zu. Die Basis für den Einsatz von Verfahren der Datenanalyse und -auswertung stellt ein hinreichend genaues Abbild der relevanten Daten - der Digitale Schatten - in der Auftragsabwicklung, Produktion, Entwicklung oder angrenzenden Bereichen dar.
Im Rahmen des vorliegenden Beitrages wird ein Modell für den Digitalen Schatten in der Auftragsabwicklung vorgestellt, welches die Basis für die Implementierung von Methoden der Datenanalytik darstellt.
Im "Data Quality Center" widmen sich Experten und Forscher der Hochschule Heilbronn, des FIR und des Trovarit Competence Centers Datenmanagement gemeinsam der Frage, mit welchen Werkzeugen und Methoden Unternehmen effizient die Qualität ihrer Stammdaten messen und verbessern können. Erstes Ziel ist die Entwicklung einer Methodik und Toolchain für das betriebliche Stammdatenmanagement zur Evaluierung und Sicherung der Stammdatenqualität. Der Beitrag liefert erste Ergebnisse sowie eine Marktübersicht zu MDM-Lösungen. Außerdem wird die DQC-Methodik zur Bewertung der Stammdatenqualität im Unternehmen beschrieben.