4. Prozesskette der industriellen Datenanalyse

Im Zuge der Industrie 4.0 und der damit einhergehenden Digitalisierung treten die Potenziale einer intensiven Vernetzung und intelligenten Analyse von Daten in der industriellen Produktion in den Vordergrund (siehe Kap. 3). Ebenso alt wie das Versprechen der zu erwartenden Potenziale ist jedoch auch die Erkenntnis, dass die Anzahl erfolgreich umgesetzter, ganzheitlicher Konzepte der Digitalisierung sowie darauf aufbauender Data Science-Anwendungen in der Produktion deutlich hinter den Erwartungen zurückbleiben (Deuse et al., 2022, S. 2–3).

Das AKKORD-Projekt knüpft an diese Erkenntnis an und stellt ein Konzept zur Prozesskette der industriellen Datenanalyse vor. Basierend auf einem Referenzbaukasten und zusammengesetzt aus sechs verschiedenen Bausteinen soll dieses Konzept den Umgang mit Data Science vereinfachen, sodass die Erwartungshaltung an die Potenziale von IDS erfüllt werden kann (siehe Kap. 1). Auch die Zugangsschwelle zu IDS kann so reduziert werden, sodass auch unerfahrene Nutzer von diesem Trend profitieren können.

Im Rahmen des Forschungsprojekts AKKORD wurde ein Referenzbaukasten mit Werkzeugen für die Anwendung von industriellen Datenanalysen entwickelt. Der Referenzbaukasten besitzt einen integrierten und datengetriebenen Charakter zur Durchführung von industriellen Datenanalysen. Er kombiniert die Prozesskette der Datenanalyse mit der kollaborativen Work&Learn-Plattform, exemplarischen Erfolgsgeschichten und einem umfangreichen Software- und Dienstleistungsangebot (Mazarov et al., 2019, S. 875). Sein Ziel ist die anwendungsorientierte Bereitstellung von modularen und einheitlichen Lösungsbausteinen, um die industrielle Datenanalyse einem breiteren Nutzerspektrum zugänglich zu machen. Zielgruppe sind vorzugsweise Kleine und Mittlere Unternehmen (KMU), die häufig Hemmnisse in der Durchführung von industriellen Datenanalysen haben. Zu den zu nennenden Hindernissen gehören beispielsweise fehlende Ressourcen und Kompetenzen für die Aufgaben der industriellen Datenanalyse. Der Referenzbaukasten adressiert die Hemmnisse indem er Datenanalysen unternehmensübergreifend wiederverwendbar macht und somit Ressourcen schont. Gleichzeitig reduziert die Wiederverwendbarkeit die Komplexität von Datenanalysen, sodass weniger Kompetenzen bei der Durchführung notwendig sind. An dieser Stelle wird der Anwender ebenso durch die Kollaborations- und Lernplattform unterstützt.

Als Basis des AKKORD-Referenzbaukastens dient die Prozesskette der Datenanalyse (West et al., 2021, S. 131). Diese ist in Abb. 4.1 dargestellt und besteht aus den vier Prozessschritten Datenzugriff, -analyse, -nutzung und -administration (engl. Access, Analyze, Apply, Administrate). Der Prozessschritt der Datenadministration wird dabei im Referenzbaukasten nicht explizit aufgeführt, sondern ist in den weiteren Bausteinen inbegriffen. Innerhalb der Bausteine der Prozesskette, welche sich den Prozessschritten des Cross Industry Standard Process for Data Mining, (CRISP-DM, Chapman et al., 2000, S. 13) zuordnen lassen, werden praxisorientierte Module zusammengefasst (siehe Kap. 3). Zunächst werden im Zugriffsbaustein alle notwendigen Datenquellen erschlossen. Dazu gehören Module für die Identifizierung aller relevanten Datenquellen für die Analyse, für die Umcodierung fehlender Daten mit geeigneten Erhebungsmethoden und die Bereitstellung der Daten für das Analysesystem (Eiden et al., 2020, S. 82). Dieser Baustein bezieht sich auf die CRISP-DM Phasen des Business Understanding und des Data Understanding. Nachdem ein durchgängiger Zugang zu den relevanten Daten sichergestellt wurde, beginnt die Zuständigkeit des Analysebausteins. Dieser teilt sich dabei in die Vorverarbeitungs- und Analysemodule. In Bezug auf den CRISP-DM stellt der Analysebaustein die Phasen des Data Understanding, der Data Preparation, des Modeling und der Evaluation dar. Zuletzt ergibt sich erst durch den Nutzungsbaustein der Prozesskette ein wirtschaftlicher Nutzen. Dieser Baustein umfasst die Durchführung von punktuellen Analysen für gezielte Fragestellungen als auch sowohl die Durchführung kontinuierlicher Auswertungen von Langzeitbeobachtungen. Im Einklang mit dem CRISP-DM entspricht der Nutzungsbaustein dem Deployment (West et al., 2021, S. 131). Zu den angesprochenen weiteren Bausteinen gehören die Erfolgsgeschichten. Sie umfassen beispielhafte Anwendungsfälle im AKKORD-Projekt, welche potenziellen Anwendern einen Einblick in die Potenziale, in den Nutzen und die möglichen Anwendungsfelder von IDS ermöglichen. Mit dem Baustein der Lern- und Kollaborationsplattform werden Anwender befähigt, IDS-Projekte durchzuführen. Hierzu stellt die sogenannte Work&Learn-Plattform ein breites Spektrum an Lernpfaden und -modulen zur Verfügung. Gleichzeitig ermöglicht die Work&Learn-Plattform eine unternehmensübergreifende Kollaboration. Zuletzt bietet AKKORD ein Erweitertes Software- und Dienstleistungsangebot, welches valide Werkzeuge für die Umsetzung von IDS-Projekten bietet (Schwenken et al., 2023, S. 2 f.).

Die Bausteine des AKKORD-Referenzbaukastens bilden die Grundlage, um IDS-Projekte einer breiten Nutzerbasis zugänglich zu machen und die Hürden für deren Durchführung zu senken. Bereits in Kap. 1 und 2 wurde als zentrales Projektziel die Entwicklung eines Referenzbaukastens erklärt. Der in diesem Forschungsprojekt erarbeitete Referenzbaukasten ist in Abb. 4.2 dargestellt. Er besteht aus insgesamt sechs Bausteinen, die im Nachfolgenden ausführlicher erläutert werden.

Abschließend lässt sich resümieren, dass der AKKORD-Referenzbaukasten mit seinen sechs Bausteinen die verschiedenen Bedürfnisse und Probleme von Nutzern im IDS-Umfeld adressiert. Er vereinfacht durch seinen modularen Charakter in verschiedenen Anwendungsfällen die Durchführung von IDS-Projekten und erhöht dadurch die Wiederverwendbarkeit von Datenanalysen. Die Nutzung der Bausteine erfolgt in der Praxis mithilfe der webbasierten AI-Toolbox (siehe Kap. 6).

Durch die Work&Learn-Plattform werden zudem die Kompetenzen von Mitarbeitern in den Rollen der Prozesskette der industriellen Datenanalyse verbessert. Gleichzeitig schafft die Plattform eine Möglichkeit, über Unternehmensgrenzen hinweg zu kollaborieren (siehe Kap. 7 und 13) In den Erfolgsgeschichten wird beispielhaft gezeigt, wie die Durchführung der Prozesskette aussehen kann. Mit dem Erweiterten Software- und Dienstleistungsangebot stehen die Konsortialpartner den Nutzern zur Verfügung, um individuell und zielgerichtet bei der Durchführung von Datenanalysen zu unterstützen. Ein weiterführender Ausblick für dieses Vorhaben findet sich in Kap. 20, in dem die weiterführende Entwicklung industrieller Datenanalysen im Einklang mit Mensch, Technik und Organisation diskutiert wird.