Datendurchgängigkeit im Engineering von Produktionssystemen und ihre Risiken

Abstract

Eine heterogene IT-Landschaft sowie eine Intransparenz der Datenlage kann neben einer hohen technischen Komplexität auch zu einem Mehraufwand bei der Datenbereitstellung und zu erhöhten Kosten führen. Diese, durch einen Mehraufwand entstehenden Kosten, auch technische Schuld genannt, müssen reduziert bzw. eliminiert werden. Um datengetriebene Entscheidungen treffen zu können und somit die Risiken zu minimieren, ist es entscheidend eine Transparenz in Bezug auf die Prozesse zu schaffen. Datengetrieben agieren zu können und somit Entscheidungen zu treffen, bietet unter anderem den Vorteil einer, vorher benötigten und erzielten, höheren Datenqualität. Damit werden zukunftsbezogene Prognosen ermöglicht. Datendurchgängigkeit spielt hierbei eine essenzielle Rolle. Eine einheitliche Definition für den Begriff der Datendurchgängigkeit ist jedoch nicht vorhanden. Auch die dahinterliegenden Risken, sofern eine Datendurchgängigkeit nicht erreicht wird, sind aufgrund der fehlenden Definition entweder nicht bekannt oder können nicht berücksichtigt werden. Das Ziel dieser wissenschaftlichen Arbeit besteht somit darin, eine Methodik zu erarbeiten, die eine Bewertung hinsichtlich der aktuell bestehenden Lösungsansätze, die das Datendurchgängigkeitsproblem adressieren, bietet. Hierfür wird, neben einer kontextuellen Definition, für die Begriffe Datendurchgängigkeit und Risiko auch eine Möglichkeit erarbeitet, Daten- und Informationsflüsse in einem Prozess mittels Wertstromanalyse abzubilden. Die Wertstromanalyse dient nicht nur einer einfachen Prozessdarstellung, sie dient zusätzlich als Vorlage für Entscheidungsträger. Für die Definitionen wird sowohl eine Literaturrecherche als auch Experteninterviews wie auch eine Umfrage durchgeführt. Des Weiteren wird eine Risikobeurteilung für die Lösungsansätze zur Entscheidungsfindung umgesetzt. Außerdem findet ein Vergleich der gewählten Lösungsansätze sowie eine kritische Würdigung der Methodik statt.

A heterogeneous IT landscape and a lack of transparency in the data situation can lead not only to a high level of technical complexity but also to additional work in data provision and increased costs. These additional costs, also known as technical debt, must be reduced or eliminated. In order to make data-driven decisions and thus minimise the risks, it is crucial to create transparency with regard to the processes. Being able to act in a data-driven manner and thus make decisions offers the advantage of, among other things, higher data quality that was previously required and achieved. This enables future-oriented forecasts. Data consistency plays an essential role here. However, there is no standardised definition for the term data consistency. The underlying risks if data consistency is not achieved are also either unknown or cannot be taken into account due to the lack of a definition. The aim of this scientific work is therefore to develop a methodology that offers an evaluation of the currently existing solution approaches that address the data consistency problem. For this purpose, in addition to a contextual definition for the terms data consistency and risk, a possibility is also developed to map data and information flows in a process using value stream analysis. The value stream analysis serves both as a simple process visualisation and as a template for decision-makers. For the definitions, literature research as well as expert interviews and a survey are carried out. Furthermore, a risk assessment for the solution approaches is implemented for decision-making. A comparison of the selected solution approaches and a critical appraisal of the methodology are also carried out.