direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Page Content

There is no English translation for this web page.

SAPEQ

Lupe

SAPEQ - Smart Data Analytics in der Produktentstehung zur Sicherstellung der Qualität bei KMU

Ausgangssituation

Kleine und mittlere Unternehmen (KMU) laufen Gefahr, den Anschluss an die Digitalisierung zu verlieren (Mohr et al., 2017). In Bezug auf die Digitalisierung und Industrie 4.0 belegen zahlreiche Studien, dass Smart Data nicht nur ein Trend ist, sondern ein brisantes Thema für Unternehmen jeder Größe darstellt (MHP, 2015). Die stetig anwachsende Datenmenge und die sinkenden finanziellen Anforderungen der technischen Umsetzung ermöglichen bereits heute die Nutzung von Smart Data Analytics auch in KMU (IT-Gipfel, 2014). Dennoch werden die Potentiale von Smart Data in KMU häufig nicht genutzt. Dabei kann durch die effektive und effiziente Integration von Smart Data in den Entwicklungsprozess die Entscheidungsqualität deutlich verbessert werden (Köksal et al., 2011). Die geringe Berücksichtigung von Smart Data in KMU kann hauptsächlich auf drei Barrieren zurückgeführt werden: (1) die mangelnde Kompetenz der Mitarbeiter*innen hinsichtlich Smart Data, (2) die Unsicherheiten im Umgang mit Smart Data und (3) die Angst vor hohen Investitionen. 

Zielsetzung

Zielsetzung des Forschungsvorhabens ist die Erarbeitung eines Konzeptes zur IT-basierten Befähigung der Mitarbeiter*innen in KMU hinsichtlich der bedarfsgerechten Anwendung von Smart Data in einem systematischen und methodenbasierten Produktentstehungsprozess (PEP).

Nutzen

Der Nutzen des Konzepts besteht darin, Mitarbeiter*innen in KMU im Umgang mit komplexen Themenbereichen von Smart Data zu unterstützen, zu leiten und somit Berührungsängste zu minimieren. Die Mitarbeiter*innen werden durch den PEP geführt und erhalten Empfehlungen und Hintergrundwissen zu potentiellen Datenquellen sowie zu der Analyse und Verarbeitung dieser Daten und werden zudem in der Interpretation der Ergebnisse im Kontext Ihrer Entwicklungstätigkeit unterstützt. Dadurch werden die Barrieren des KMU in Bezug auf den Smart-Data-Einsatz reduziert.

Es ist hervorzuheben, dass durch das Forschungsvorhaben insbesondere neue Erkenntnisse generiert werden, welche Daten in den KMU vorliegen, wie diese erhoben werden und wie sie durch KMU genutzt werden können. Weiterhin kann durch das Forschungsvorhaben identifiziert werden, welche Erfolgsfaktoren für die Methodenunterstützung im Bereich Smart Data entscheidend sind. Im Zuge dessen werden die Fragen geklärt, welche Medien eingesetzt werden und wie diese Medien gestaltet werden müssen, um eine möglichst effektive und nachhaltige Befähigung zu gewährleisten. Die zu erarbeitenden Smart-Data-Befähigungskonzepte können auch in andere Bereiche übertragen werden, z.B. andere Branchen aber auch im Bereich der (Aus-/Weiter-)Bildung im Themenfeld Industrie 4.0. Es ist ferner zu erwarten, dass die Erkenntnisse helfen zu verstehen, wie komplexere Themen der Industrie 4.0, z.B. Machine Learning, Predictive Analytics oder Künstliche Intelligenz, in Zukunft für KMU leichter zugänglich gemacht werden können.

Projektpartner und Laufzeit

Lupe
Lupe

Das Forschungsvorhaben wird durch ein interdisziplinäres Team, zusammensetzt aus der Technische Universität Berlin Fachgebiete für Qualitätswissenschaft und der Hochschule Koblenz Forschungsgruppe Produktionsmanagement und Business Excellence, bearbeitet.

 

 

Förderungshinweis

Lupe
Lupe

Das IGF-Vorhaben 20889 N (Bewilligungszeitraum: 01.02.2020 – 31.01.2022) der Forschungsvereinigung Forschungsgemeinschaft Qualität e.V. (FQS), August-Schanz-Straße 21A, 60433 Frankfurt am Main wurde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Quellen

Mohr, Niko, et al. 2017. Die Digitalisierung des deutschen Mittelstands. [Online] 02 2017. [Zitat vom: 23. 10 2017.] www.mckinsey.de/files/mckinsey_digitalisierung_deutscher_mittelstand.pdf.

MHP. 2015. Big Data Future - Chancen und Herausforderungen für die deutsche Industrie. 2015.

IT-Gipfel, AG 2 im Nationalen. 2014. Smart Data – Potenziale und Herausforderungen. [Online] 2014. post-und-telekommunikation.de/PuT/1Fundus/Dokumente/8._Nationaler-IT-Gipfel-20141021-Hamburg/it-gipfel-2014-ag-2-strategiepapier.pdf.

Köksal, Gülser, Batmaz, İnci und Testik, Murat Caner. 2011. A review of data mining applications for quality improvement in manufacturing industry. Expert Systems with Applications. 2011, 10, S. 13448–13467.

Weiterführende Links

Zusatzinformationen / Extras

Quick Access:

Schnellnavigation zur Seite über Nummerneingabe

Auxiliary Functions

Ansprechpartner

Ingo Dietz von Bayer, M. Sc.
Wissenschaftlicher Mitarbeiter
Fachgebiet Qualitätswissenschaft
Institute für Werkzeugmaschinen und Fabrikbetrieb
Faculty V
sec. PTZ 3
Produktionstechnisches Zentrum (PTZ)
Room 433
Pascalstr. 8-9
10587 Berlin
+49 (0) 30 / 314 73582