Qualitätsmanagement: Wie eine Software bei der Optimierung der Datenqualität helfen kann

Zahlreiche Unternehmen beschäftigen sich derzeit mit der Digitalisierung, Industrie 4.0 und dem Internet der Dinge. Sämtliche Initiativen sind jedoch zum Scheitern verurteilt, wenn die Datenqualität unzureichend ist. Isolierte Systeme, Redundanzen und veraltete Daten versperren den Weg in die Zukunft.

Es gilt daher, ein Datenqualitätsmanagement zu etablieren. Im Idealfall wird für das Qualitätsmanagement eine Software genutzt, die eine kontinuierliche Überwachung und Optimierung von Stammdaten ermöglicht. In diesem Artikel lesen Sie, wie sinnvolle Herangehensweisen aussehen können.
 

Daten sind das neue Gold

Industrie 4.0 hat sich längst vom Hype zum Dogma für strategische Ausrichtungen und die Wettbewerbsfähigkeit von Unternehmen entwickelt. Entsprechend machen sich viele Verantwortliche Gedanken darüber, wie sie eine Verknüpfung sämtlicher Systeme und verschiedener Datenformate entlang der Wertschöpfungskette realisieren können. Obwohl es jedoch Daten sind, die künftig hochautomatisierte Prozesse ohne menschlichen Eingriff steuern sollen, wird deren Qualität in der Praxis mitunter sträflich vernachlässigt. 

Selbst kleine Mängel in Stammdaten wie Lieferadressen, Materialstämmen, Transportmitteln oder Produktionsanlagen können in automatisierten Fertigungsprozessen massive Auswirkungen haben. Ein fehlerhafter Datensatz verursacht durch den hohen Vernetzungsgrad möglicherweise zahlreiche Folgefehler, hohe Kosten, Lieferverzug, die Notwendigkeit einer Neuproduktion und verärgerte Kunden.

Erschwerend kommt hinzu, dass in einem digitalen Unternehmen kein menschliches Korrektiv mehr vorgesehen ist. Wo Mitarbeiter in der Vergangenheit aufgrund ihrer Erfahrung Fehler erkannt und korrigiert haben, bleibt der Mangel in autonomen Prozessen künftig unentdeckt. Kurz: Ohne ein ausgefeiltes Qualitätsmanagementsystem für Daten sind reibungslose Abläufe im Kontext von Industrie 4.0 nicht realisierbar.
 

Daten-Qualitätsmanagement: Software kann unterstützen

Es existieren verschiedene Möglichkeiten zur Optimierung der Datenqualität. Ein zentraler Ansatzpunkt ist es, in puncto Qualitätsmanagement ERP-Software gezielt zu nutzen. Insbesondere bei der Neueinführung von ERP-Lösungen bietet es sich an, das Datenqualitätsmanagement genauer zu betrachten und die Voraussetzungen für „Clean Data“ zu schaffen. Hierbei ist es zunächst unerlässlich, dass sich Unternehmen der Bedeutung konsistenter, aktueller Stamm- und Bewegungsdaten bewusstwerden. Um Auswirkungen von Mängeln zu erkennen, führt kein Weg an einer prozessorientierten Sichtweise vorbei. Zudem empfiehlt es sich, ein Daten-Qualitätsmanagementsystem in der Unternehmensstrategie zu verankern. Welche Maßnahmen konkret für saubere Daten sorgen können, sehen wir uns im Folgenden näher an.
 

In neun Schritten zu sauberen Daten 

Die Herstellung und konsequente Sicherung einer hohen Datenqualität ist unstrittig mit Aufwand verbunden. Im Vergleich zu den Kosten, die mittelfristig durch Mängel in den Daten verursacht werden, ist es in jedem Fall vertretbar, konkrete Maßnahmen einzuleiten. Als Leitfaden können die nachfolgenden Schritte genutzt werden.
 

1. Bewusstsein schaffen

Zunächst muss sich das Management darüber im Klaren sein, wie bedeutsam eine saubere Datenhaltung für die Zukunft des Unternehmens ist. Erst, wenn sich entsprechende Formulierungen in der Strategie wiederfinden, kann eine Sensibilisierung der Mitarbeiter erfolgen. Eine konkrete Zielsetzung könnte beispielsweise lauten: „Wir nutzen ein Qualitätsmanagementsystem für Daten, um hohe Transparenz zu gewährleisten, Prozesse zu automatisieren und unsere Kundenbeziehungen zu optimieren.“
 

2. Erstanalyse durchführen

Um die Qualität von Daten verbessern zu können, ist zunächst eine Analyse des Ist-Zustands erforderlich. Hierfür steht heute leistungsfähige Qualitätsmanagement-Software zur Verfügung, die Schwachstellen bei überschaubarem Aufwand identifiziert und aufzeigt, in welcher Größenordnung Qualitätsmängel vorhanden sind. Meist werden durch diese Werkzeuge beispielsweise unvollständige Datensätze, redundante Stammdaten und fehlerhaft erfasste Informationen aufgedeckt. Anhand definierter Regeln lassen sich zudem Widersprüche innerhalb des Datenbestands identifizieren.
 

3. Regeln für erforderliche und „saubere“ Datensätze definieren

Bevor die Datenbereinigung beginnen kann, sollten klare Regeln für die Qualität von Datensätzen aufgestellt werden. In diesem Rahmen ist zu definieren, welche Informationen zwingend erforderlich sind und welche als optional gelten. Auch die Art und Weise, wie einzelne Felder in Datensätzen befüllt sein müssen (z. B. Schreibweise, Format), muss aus dem Regelwerk hervorgehen. Stehen diese Merkmale fest, kann der Datenbestand bewertet werden. Es ist dann zudem möglich, den Umgang mit fehlerhaften Daten festzulegen.
 

4. Erstbereinigung durchführen

Ist der Soll-Zustand definiert, kann mit der systematischen Erstbereinigung fehlerhafter Datensätze begonnen werden. In diesem wichtigen Schritt wird die Basis für ein dauerhaft funktionierendes Datenqualitätsmanagement geschaffen. Das erreichte Qualitätslevel gilt nun als Maßstab für die Zukunft.
 

5. Qualitätsmanagementsystem für Daten aufbauen

Selbstverständlich darf sich die Qualitätssicherung nicht auf eine einmalige Bereinigungsaktion beschränken. Es gilt, ein Daten-Qualitätsmanagementsystem aufzubauen, das saubere Datensätze auf Dauer sicherstellt. Hierfür ist es unerlässlich, wiederkehrende Kontrollen und Bereinigungen einzuplanen. Auch zu diesem Zweck kann leistungsfähige Qualitätsmanagement-Software genutzt werden.

Zudem empfiehlt es sich, in jedem Fachbereich einen Verantwortlichen für das Datenqualitätsmanagement zu ernennen. Diese Mitarbeiter überwachen die regelkonforme Datenerfassung und koordinieren die turnusmäßige Fehlerbereinigung. Hierfür sind sowohl Entscheidungskompetenzen als auch ein Zugang zum Management erforderlich.
 

6. Datenqualitätsmanagement bereits bei der Erfassung

Zahlreiche Fehler lassen sich bereits bei der Eingabe vermeiden. Hier ist es wichtig, dass das Qualitätsmanagement durch ERP-Software unterstützt wird. Hilfreich sind beispielsweise intuitive und komfortable Eingabemasken. Zudem sollte die ERP-Lösung Vollständigkeits- und Plausibilitätsprüfungen bei der Datenerfassung automatisch durchführen, um Anwenderfehler möglichst auszuschließen.
 

7. Datenerfassung automatisieren

Die manuelle Datenerfassung birgt trotz aller Prüfmechanismen ein gewisses Fehlerpotenzial. Wann immer möglich, sollten Daten deshalb automatisch ins System einfließen. Moderne ERP-Software unterstützt dieses Ziel durch Schnittstellen und automatische Workflows. Insbesondere bei Stammdaten, die abteilungsübergreifend gepflegt werden müssen, sichern Workflows die Vollständigkeit der Informationen.
 

8. Datenbestand durch Archivierung verringern

Die Digitalisierung im Unternehmen ist durch einen umfangreichen Datenbestand geprägt. Hierdurch gestaltet es sich jedoch schwierig, eine hohe Datenqualität aufrecht zu erhalten. Aus diesem Grund ist es notwendig, den Bestand durch gezielte Archivierung regelmäßig zu verkleinern. Auch hierfür sind Regeln erforderlich, die klar aussagen, wann ein Datensatz als inaktiv, veraltet oder nicht mehr relevant gilt.
 

9. Regelmäßige Mitarbeiterschulung durchführen 

Das Thema Datenqualität muss im Arbeitsalltag stets präsent sein. Damit dies sichergestellt ist, sollten regelmäßige Schulungen der Mitarbeiter erfolgen. Es gilt hier, die Wichtigkeit einer sauberen Datenhaltung immer wieder ins Gedächtnis zu rufen und aktuelle Schwachstellen zu besprechen.
 

Fazit

Dass ein Qualitätsmanagement der Daten im Zeitalter der Digitalisierung unumgänglich ist, steht fest. Das Erreichen einer dauerhaft hohen Datenqualität ist zwar herausfordernd, aber durchaus möglich. Zunächst gilt es, die organisatorischen Voraussetzungen zu schaffen. Innovative ERP-Software unterstützt Unternehmen zusätzlich in Form von Analyse-Tools, konsistenten Workflows und automatisierten Qualitätsprüfungen. Die „Fehlerquelle Mensch“ wird somit beherrschbar.

Steht aktuell ein Systemwechsel bevor, so ist dies die beste Gelegenheit, in den Stammdaten für Ordnung zu sorgen. Doch auch, wenn mittelfristig kein Software-Umstieg geplant ist, sollte Datenqualitätsmanagement nicht auf die lange Bank geschoben werden, da minderwertige Daten letztlich den technologischen Fortschritt ausbremsen.