Datenchaos trotz Digitalisierung: Warum wir immer wieder dieselben Fehler machen

am

Warum wir auch heute noch vor den gleichen Datenproblemen stehen

Ein Gastbeitrag von Alex Schmitt zu seiner Praxis- und Bachelorarbeit

Die Digitalisierung hat die Logistik revolutioniert. Unternehmen sammeln riesige Datenmengen, um Prozesse zu optimieren, Engpässe zu erkennen und Materialflüsse effizient zu gestalten. Doch trotz dieser Entwicklung zeigt sich ein zentrales Problem: Die entscheidenden Daten sind dennoch nicht immer dann verfügbar, wenn sie gebraucht werden. Häufig müssen relevante Informationen erst mühsam beschafft werden, weil sie in der Vergangenheit als unwichtig angesehen wurden. Dieser Beitrag beleuchtet, warum eine umfassende und strategische Datenbeschaffung unerlässlich ist, welche Herausforderungen dabei zu meistern sind und warum immer wieder die gleichen Fehler gemacht werden.


Die Bedeutung einer soliden Datenbasis

Daten bilden die Grundlage für fundierte Entscheidungen in der Logistik. Sie ermöglichen präzise Prognosen, einen effizienten Ressourceneinsatz und eine bessere Reaktion auf unvorhergesehene Ereignisse. Besonders wichtig sind

  • Belegungsdaten von Pufferplätzen: Diese Daten helfen, Engpässe zu vermeiden und die Kapazitäten der Fördertechnik optimal zu nutzen.
  • Durchsatzraten an Arbeitsplätzen: Sie zeigen, wie effizient Prozesse ablaufen und wo Optimierungspotenzial besteht.
  • Materialflüsse und Transportzeiten: Eine detaillierte Erfassung dieser Parameter erleichtert die Identifikation von Schwachstellen, um letztlich Energie, Zeit und Materialverschleiß zu minimieren.

Aber auch in einer zunehmend datenzentrierten Welt bleibt es eine Herausforderung, die richtigen Daten zum richtigen Zeitpunkt bereitzustellen. Ein zentrales Problem ist, dass Unternehmen oft nicht im Voraus wissen, welche Daten in Zukunft wichtig sein werden. Daten, die heute irrelevant erscheinen, können morgen für die Prozessoptimierung oder Fehleranalyse entscheidend sein.

Oft vermeidbare Einschränkungen bei der Datenbeschaffung

Es gibt verschiedene Einschränkungen, die eine umfassende Datenbeschaffung behindern. Einige dieser Einschränkungen könnten durch vorausschauende Planung vermieden werden. Die Erfahrung zeigt, dass eine vorausschauende Datenhaltung unerlässlich ist. Unternehmen sollten bei der Datenbeschaffung nicht nur aktuelle, sondern auch potenzielle zukünftige Anforderungen berücksichtigen:
  • Effiziente, aber unvollständige Datenerfassung: Viele Systeme erfassen nur das Nötigste und erscheinen auf den ersten Blick sogar besonders effizient und zielgerichtet.
  • Begrenzte Speicherkapazitäten: Einige Systeme haben begrenzte Kapazitäten in Bezug auf die Menge der exportierbaren Daten, was weitergehende Analysen zu einem späteren Zeitpunkt verhindert.
  • Begrenzte Exportmöglichkeiten: Die Beschränkung auf bestimmte Datenformate kann langfristig zu Problemen führen. Daten müssen langfristig in einem sicheren, dekodierbaren Format gespeichert werden.
  • Fehlende Verknüpfung von Datenquellen: Informationen aus verschiedenen Bereichen werden oft isoliert betrachtet, was das Erkennen von Zusammenhängen erschwert.

3 Strategien zur Verbesserung der Datenverfügbarkeit

Um das Problem fehlender oder unzureichender Datengrundlagen zu minimieren, sollten Unternehmen gezielte Strategien zur Datenbeschaffung entwickeln:

Umfassende und standardisierte Datenerhebung von Anfang an: Bereits bei der Implementierung neuer Systeme oder Prozesse sollte darauf geachtet werden, möglichst viele relevante Datenpunkte zu erfassen. Auch wenn einige dieser Daten kurzfristig nicht benötigt werden, können sie langfristig von Bedeutung sein. Hier helfen insbesondere Standardisierungen. Werden beispielsweise die Vorgaben für den Einsatz von Robotertypen in der Logistik abteilungsübergreifend standardisiert, können die entstehenden Synergieeffekte dazu führen, dass man über den eigenen Tellerrand hinausschaut und erkennt, welche Daten für eine ganzheitliche Betrachtung relevant sind. Zudem profitiert man von einem einheitlichen Arbeitsprozess und muss nicht immer wieder neue Arbeitsgruppen bilden, um Schnittstellen, Datenbanken und automatisierte Analysen zu realisieren.




Verknüpfung verschiedener Datenquellen: Daten aus unterschiedlichen Systemen sollten miteinander verknüpft werden, um ein vollständiges Bild der Prozesse zu erhalten. Moderne Data-Warehousing-Lösungen und KI-gestützte Analysen können hier unterstützen. Häufig ist dies überhaupt erst die Voraussetzung für den effektiven Einsatz von KI-Systemen.

Echtzeit-Datenerfassung für bessere Steuerung: Die kontinuierliche Erfassung und Analyse von Echtzeitdaten ermöglicht eine schnellere Reaktion auf Störungen und Ineffizienzen. Sensoren, RFID-Technologien und intelligente Trackingsysteme bieten hier wertvolle Unterstützung.

Fazit

Die richtige Datenbasis ist in der Logistik entscheidend, um Prozesse zu optimieren und schnell auf Veränderungen reagieren zu können. Daran hat sich leider in der Vergangenheit nichts geändert. Die Herausforderung, die richtigen Daten zur richtigen Zeit zur Verfügung zu haben, bleibt noch immer bestehen. Unternehmen müssen daher vorausschauend eine umfassende und standardisierte Datenerfassung sowie eine enge Verknüpfung der verschiedenen Datenquellen sicherstellen. Nur so können sie den Wert ihrer Daten voll ausschöpfen und zukünftige Herausforderungen erfolgreich meistern. Ein gezielter Fokus auf Echtzeitdaten und die kontinuierliche Verbesserung der Datenhaltung sind unerlässlich, um für die Zukunft gerüstet zu sein und langfristig wettbewerbsfähig zu bleiben. 

Wer wird in fünf Jahren effizienter sein? Derjenige, der heute effizient das Minimum an notwendigen Daten bereitstellt, oder derjenige, der heute etwas mehr an Infrastruktur und Energie investiert, um das Gleiche zu erreichen, aber für morgen einen Vorsprung schafft, auf den der erste nie wieder zurückgreifen kann?


Quellen

  • Schmitt A (2023), "Leistungs- und Schwachstellenanalyse von Fördertechnik am praktischen Beispiel des M-Log-Loops der Würth Industrie Service". Thesis at: Hochschule Kaiserslautern. Bad Mergentheim, Deutschland, November, 2023. [BibTeX]
  • Schmitt A (2023), "Prozessanalyse des Exportprozesses von RFID-Produkten und ORSYmaten der Würth Industrie Service". Thesis at: Hochschule Kaiserslautern. Bad Mergentheim, Deutschland, Juni, 2023. [BibTeX]
  • Jauss M and Zeitler W (2023), "Vernetzte Systeme – für eine ganzheitliche Produktions- und Betriebsmittelversorgung" Bad Mergentheim, Deutschland Würth Industrie Service GmbH & Co. KG. [BibTeX] [URL]


Blog: , Seite:
Version: 1.3 Mai 2023, Kontakt: E-Mail Martin Wölker
Pirmasens, Germany, 2018-, ausgelesen am: , Licence CC BY-NC-SA




Kommentare

Kommentar veröffentlichen