Die digitale Transformation des Qualitätsmanagements E-Book

Gernot Freisinger

• Herausgeber: Carl Hanser Verlag GmbH & Co. KG
• Kategorie: Fachliteratur
• Sprache: Deutsch

Seitenzahl: 563

Veröffentlichungsjahr: 2022

Beschreibung

Qualität digitalisieren - schneller - besser - sicherer Big Data, Artifical Intelligence (KI), Predictive Analytics, Data Science, Process Mining etc. sowie die technischen Möglichkeiten der Kommunikation und Vernetzung bieten enorme Chancen, die Qualität der Produkte und Prozesse deutlich zu verbessern, schneller zu reagieren und Risiken abzusichern. Das Erfassen und Auswerten von Qualitätsfeedbacks spielt hierbei eine zentrale Rolle. Dieses Werk führt durch das Dickicht der digitalen Möglichkeiten, zeigt, welche Chancen sich bieten, aber auch welche Risiken sich verbergen. Konkret und praxisorientiert wird der Leser befähigt, eine individuell auf Unternehmensgröße, Branche und Reifegrad der Digitalisierung basierende Digitalisierungsstrategie zu entwickeln und umzusetzen. - Qualitätsdaten und Informationen wirksamer lösungsorientiert auswerten - Fehler besser erkennen und vermeiden - Eigenen Digitalisierungsgrad von Qualität einschätzen und Potenziale ableiten - Digitalisierungsstrategie entwickeln und umsetzen - Chancen der Digitalisierung für die Qualität der Produkte und Prozesse erkennen

Leseprobe

Gernot Freisinger, Oliver Jöbstl, Bernd Kögler, Jürgen Lipp, Manfred Strohrmann

Die digitale Transformation des Qualitätsmanagements

Potenziale nutzen, Strategien entwickeln, Qualität optimieren

Bibliografische Information der Deutschen Nationalbibliothek:

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über <http://dnb.d-nb.de/> abrufbar.

Print-ISBN        978-3-446-46884-9E-Book-ISBN   978-3-446-46885-6ePub-ISBN       978-3-446-46886-3

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutzgesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften.

Alle in diesem Buch enthaltenen Verfahren bzw. Daten wurden nach bestem Wissen dargestellt. Dennoch sind Fehler nicht ganz auszuschließen.

Aus diesem Grund sind die in diesem Buch enthaltenen Darstellungen und Daten mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden. Autoren und Verlag übernehmen infolgedessen keine Verantwortung und werden keine daraus folgende oder sonstige Haftung übernehmen, die auf irgendeine Art aus der Benutzung dieser Darstellungen oder Daten oder Teilen davon entsteht.

Dieses Werk ist urheberrechtlich geschützt.

Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung des Buches oder Teilen daraus, vorbehalten. Kein Teil des Werkes darf ohne schriftliche Einwilligung des Verlages in irgendeiner Form (Fotokopie, Mikrofilm oder einem anderen Verfahren), auch nicht für Zwecke der Unterrichtsgestaltung – mit Ausnahme der in den §§ 53, 54 URG genannten Sonderfälle –, reproduziert oder unter Verwendung elektronischer Systeme verarbeitet, vervielfältigt oder verbreitet werden.

Die Rechte aller Grafiken und Bilder liegen bei den Autoren.Free vectors icons and illustrations from Streamline: https://streamlinehq.com

© 2022 Carl Hanser Verlag GmbH & Co. KG, Münchenwww.hanser-fachbuch.deLektorat: Lisa Hoffmann-BäumlHerstellung: Carolin BenedixCoverrealisation: Max KostopoulosTitelmotiv: © stock.adobe.com/putilov_denis

Inhalt

Titelei

Impressum

Inhalt

1 Welche Inhalte vermittelt dieses Buch?

2 Herausforderungen im Qualitätsmanagement

2.1 Was bedeutet Qualität?

2.2 Was ist Qualitätsmanagement?

2.3 Effektivität und Effizienz von Prozessen

2.4 Aktuelle Herausforderungen im QM

2.5 Der digitale Wandel als Chance im QM

2.6 Entwicklungsstufen im Qualitätsmanagement

2.7 Ziele im Qualitätsmanagement

2.7.1 Produktqualität und Kundenzufriedenheit verbessern

2.7.2 Prozessqualität verbessern

2.8 Digitale Use Cases

2.9 Die neun Handlungsfelder im digitalen Qualitätsmanagement

2.9.1 Das St. Galler Digital-Maturity-Modell

2.9.2 Neun Handlungsfelder im digitalen Qualitätsmanagement

3 Digitale QM-Systeme

3.1 Die Kunst, ausgewogene QM-Systeme zu gestalten

3.2 Moderne QM-Systeme sind prozessorientiert

3.2.1 Das Gestaltungsprinzip vom Groben ins Detail

3.2.2 Die Prozesslandkarte als Basis

3.2.3 Die Strategieanbindung sicherstellen

3.2.4 Eine gelebte Prozessinhaberschaft als Schlüssel zum Erfolg

3.3 Moderne QM-Systeme sind digital

3.3.1 Interaktiver digitaler Aufbau des Prozessmanagementsystems

3.3.2 QMS-Softwarelösungen

3.4 BPMN 2.0 als Basis für Automatisierung

3.5 Digitale QM-Systeme ermöglichen „Augmented Workers“

3.5.1 Warum gerade jetzt?

3.5.2 Warum ist Augmentation sinnvoll?

3.5.3 Technologien der Augmentation

3.5.4 Gelebte Praxis: Der Augmented Worker in der Getriebemontage

3.6 Digitale QM-Systeme nutzen Process Mining

3.7 Digitale QM-Systeme nutzen mobile Kollaborationsplattformen

3.8 Moderne QM-Systeme integrieren Datenqualität

4 Qualitätsgesicherte Innovation

4.1 Kundenorientierung als Basis erfolgreicher Innovation

4.2 User Experience- und Design-Thinking-Ansätze

4.3 Innovative Geschäftsmodelle entwickeln

4.4 Design for Six Sigma

4.5 Agile Methoden in der Entwicklung

4.5.1 Das agile Manifest

4.5.2 Methoden der Softwareentwicklung

4.6 Qualität in softwareintensiven Systemen

4.6.1 Alterung von Software

4.6.2 Qualitätsmodelle

4.7 Systematische Entwicklung von Industrie-4.0-Lösungen

4.7.1 Hierarchieebenen

4.7.2 Interoperabilitätsschichten

4.7.3 Lebenszyklus und Wertschöpfungskette

4.8 Case Study: E-Bikes

4.8.1 Business Layer

4.8.2 Function Layer

4.8.3 Information Layer

4.8.4 Communication Layer

4.8.5 Integration Layer

4.8.6 Asset Layer

4.8.7 Zusammenfassung

5 Die Kunst, die richtigen Daten zu verwenden

5.1 Rolle der Statistik im digitalen QM

5.2 Statistische Grundlagen: Merkmalstypen

5.3 Die richtigen Daten erheben

5.3.1 Konfirmatorische und explorative Datenanalyse

5.3.2 Grundgesamtheit und Stichprobe

5.4 Daten verstehen

5.4.1 Grafische Beschreibung eindimensionaler Datensätze

5.4.2 Absolute und relative Häufigkeit diskreter Merkmale

5.4.3 Beschreibung stetiger Merkmale

5.4.4 Beschreibung qualitativer Merkmale

5.4.5 Kennwerte von quantitativen Merkmalen

5.4.6 Boxplot

5.4.7 Grafische Beschreibung mehrdimensionaler Datensätze mit qualitativen Merkmalen

5.4.8 Grafische Darstellung mehrdimensionaler Datensätze mit quantitativen Merkmalen

5.4.9 Korrelation eines zweidimensionalen Datensatzes

5.4.10 Korrelation mehrdimensionaler Datensätze

5.5 Daten bereinigen („data cleaning“)

5.5.1 Konsistenz der Einträge

5.5.2 Fehlende Einträge

5.6 Kodierung von Merkmalen

5.6.1 Kodierung quantitativer Merkmale

5.6.2 Kodierung qualitativer Merkmale

5.7 Daten konstruieren (Feature Engineering)

5.7.1 Entfernen irrelevanter Merkmale

5.7.2 Zusätzliche Features generieren

5.7.3 Zusammenführen von spärlich besetzten Daten

5.8 Dimensionsreduktion

5.8.1 Hauptkomponentenanalyse

6 Mit Daten risikobasierte Entscheidungen treffen

6.1 Einführendes Beispiel und theoretische Grundlagen

6.2 Durchführung von Hypothesentests

6.3 Sicherheit und Risiko bei Hypothesentests

6.3.1 Fehler erster und zweiter Art

6.3.2 Gütefunktion und notwendiger Stichprobenumfang

6.4 Varianzanalyse

6.5 Case Study: Homogenitätsprüfung eines Luftflusses

7 Die Kunst, aus Daten zu lernen

7.1 Regressionsverfahren im Qualitätsmanagement

7.1.1 Konstruktion einer Regressionsfunktion

7.1.2 Bewertung von Regressionsmodellen

7.1.3 Regularisierung

7.1.4 Beispiel: Einsatz von Machine-Learning-Algorithmen zur Prozessregelung

7.2 Klassifikationsverfahren

7.2.1 K-Nearest-Neighbors-Klassifikation

7.2.2 Bewertung von Klassifikationsmodellen

7.2.3 Beispiel: Klassifikationsverfahren zur Prognose einer Ausbeute

7.3 Cluster-Verfahren

7.3.1 DBSCAN-Algorithmus

7.3.2 Optimierung (Tuning) der Hyperparameter

7.3.3 Bewertung von Cluster-Ergebnissen

7.3.4 Ausreißererkennung mit dem DBSCAN-Algorithmus

7.4 Automatische Sichtprüfung über Faltungsnetzwerke

7.4.1 Grundlagen Neuronaler Netze

7.4.2 Automatische Sichtprüfung - Datenvorbereitung

7.4.3 Automatische Sichtprüfung - Convolutional Neural Networks

7.5 Zeitreihenanalyse

7.5.1 Grafische Darstellung und mathematische Beschreibung

7.5.2 Elementare Operationen mit Zeitreihen

7.5.3 Imputing-Verfahren zur Rekonstruktion fehlender Stichprobenwerte

7.5.4 Resampling: Down- und Upsampling

7.5.5 Filterung von Zeitreihen

7.5.6 Zerlegung der Zeitreihe in Trend, periodische Anteile und Residuen

7.5.7 Optimierung der Werkzeugnutzung durch Zeitreihenanalysen

7.6 Reinforcement Learning

7.6.1 Grundidee des Reinforcement Learning

7.6.2 Markov-Entscheidungsprozess

7.6.3 Q-Learning als einfaches Beispiel für einen RL-Algorithmus

7.6.4 Fallbeispiel Reinforcement Learning

8 Prozessverbesserung durch Digitalisierung

8.1 Arten von digitalen Use Cases

8.2 Erfolgsversprechende Use Cases für ML und Automatisierung finden

8.2.1 Identifikation und Abgrenzung des Prozesses

8.2.2 Stakeholder-Analyse – Sammeln und Strukturieren von Anforderungen

8.2.3 Vertiefende Prozessanalysen

8.2.4 Finden von Use Cases – kreative Phase

8.2.5 Beschreibung der Use Cases – Question Zero

8.2.6 Vorauswahl von Ideen

8.2.7 Beschreibung und Berechnung des Business Case

8.2.8 Use Cases bewerten und auswählen

8.3 KI und Machine Learning Use Cases systematisch umsetzen

Unter Mithilfe von Michael Eder

8.3.1 Business Understanding

8.3.2 Datenverständnis und Datenpräparation

8.3.3 Modelltraining

8.3.4 Modelleinführung (Deployment)

8.3.5 Maintenance/Governance

8.4 Automatisierung von Prozessen

8.4.1 Arten von Robotic Process Automation

8.4.2 Vorgehensmodell zur Umsetzung von Automatisierungslösungen

8.5 Systematische Prozessverbesserung durch Six Sigma+

8.5.1 Kurzeinführung in Six Sigma

8.5.2 Das Vorgehensmodell in Six Sigma – der DMAIC-Zyklus

8.5.3 Six Sigma+: Integration von Machine-Learning-Methoden in den DMAIC-Zyklus

8.5.4 Fallbeispiel Six Sigma+

8.6 Neue Möglichkeiten der Fehlerbehandlung durch Digitalisierung

9 Systematische Architekturentwicklung und IT-Infrastruktur

9.1 Cloud Computing

9.1.1 Servicemodelle

9.1.2 Verteilungsmodelle und die „Private Cloud“

9.2 Methodische Architekturentwicklung

9.2.1 Architekturtreiber

9.2.2 Erste Datenanalysen mit Project Jupyter

9.2.3 Back-of-the-Envelope-Berechnung

9.2.4 Systemdesign

9.3 Industrialisierung der Lösung

9.3.1 Machine-Learning-Bibliotheken

9.3.2 No-Code Tools für Machine Learning

9.3.3 Technische Umsetzung von Schnittstellen

9.3.4 Big Data und NoSQL

9.3.5 Weitere Aspekte der Skalierung

9.4 Iterative Weiterentwicklung und Betrieb

10 Digitale Kompetenzen erlernen

10.1 Die Relevanz des Kompetenzaufbaus

10.2 Trainingsplanung und Evaluierung

10.2.1 Die Planung von Trainings

10.2.2 Die Trainingsevaluierung

10.3 Der Prozessinhaber im digitalen Zeitalter

10.4 Führungskräfte zu digitalen Botschaftern ausbilden

Unter Mithilfe von Johannes Eichler

10.5 Nachhaltiges Lernen in Organisationen

Unter Mithilfe von Friederike König

10.5.1 Psychologische Sicherheit

10.5.2 Lernende Führungskräfte

10.5.3 Individuelles Lernen und Lernen in Gruppen

10.5.4 Digitale Technologien nutzen

10.6 Working Out Loud

Unter Mithilfe von Friederike König

10.7 Reverse Coaching

Unter Mithilfe von Friederike König

11 Den digitalen Wandel meistern

11.1 Den DigiScan nutzen

11.2 Ansatzpunkte im digitalen Qualitätsmanagement

11.3 Führen in unsicheren Zeiten – der Führungskompass

Unter Mithilfe von Björn Ludwig

11.4 Unterstützendes Change-Management mit dem Pipeline-Modell

11.5 Einführungsroadmap für den digitalen Wandel

Glossar

12.1 Die Sprache des Qualitätsmanagers

12.2 Die Sprache des Data Analyst (Data Scientist)

12.3 Die Sprache des Data Engineers

Literatur

Die Autoren

1Welche Inhalte vermittelt dieses Buch?

Anfang der 1960er-Jahre wurden wir erstmals mit digitalen Systemen konfrontiert. Die ersten Computer waren damals etwa so groß wie überdimensionale Kühlschränke, hatten jedoch vergleichsweise verschwindend kleine Speichervolumina und befanden sich vornehmlich nur in militärischen Einrichtungen, Universitäten und Großkonzernen. Mit diesen Computern kamen damals auch nur Personen in dafür spezialisierten Berufen in Berührung, die meisten Menschen kannten sie lediglich aus Erzählungen. Seit damals gilt aber bereits das Mooresche Gesetz, das von einer Verdoppelung der Geschwindigkeit und Rechnerleistung alle zwei Jahre ausgeht. Der bahnbrechende Durchbruch gelang dann etwa Anfang/Mitte der 80er-Jahre, als der Personal Computer seine Marktreife erlangte und dadurch den Zugang zur Computertechnologie für die gesamte Menschheit ermöglichte. Mitte der 90er-Jahre hielt auch das Internet Einzug in Unternehmen und Haushalte. Dadurch digitalisierte sich zunächst unser Briefverkehr. Während 1995 noch mehr physische Post versendet wurde, drehte sich dieser Trend sehr schnell und die Kommunikation via E-Mail gewann schlagartig an Bedeutung. Das Web wuchs danach rasant und wurde dadurch auch immer unübersichtlicher für den Anwender. Der erste digitale Katalog, der Ordnung ins Chaos bringen sollte, war Yahoo!, welcher seit dem Beginn des Millenniums eine Art persönliche Zeitung im Internet zur Verfügung stellte. Nachfolgend ermöglichten YouTube und iTunes die Digitalisierung des Fernsehens und der eigenen Plattensammlung (Seemann, 2020).

Es folgte der Aufstieg der Suchmaschinen und erste soziale Bookmarking-Dienste boten von nun an eine völlig neue Form der Verarbeitung digitaler Objekte an. Es entstand daraus die Social-Media-Welt des Teilens, Likens und Kommentierens. Auf einmal fingen wir Menschen an, alle möglichen Daten in das Internet zu laden, und damit für die Öffentlichkeit bereitzustellen, selbst wenn es sich dabei um höchst private Details handelte. Und als uns schließlich ab etwa 2007 das Smartphone mit all seiner Sensorik und der Möglichkeit ständiger Online-Verbindung an das weltweite Datennetz band, wurde das Internet of Things (IoT) ins Leben gerufen. Die Zeit von Big Data, also der Verarbeitung und Auswertung enorm großer Datenmengen, begann und schnell wurde klar, dass von der zunehmenden Digitalisierung praktisch niemand verschont bleiben würde (Seemann, 2020).

Aber warum ist die Geschichte der Digitalisierung wichtig für uns und für das vorliegende Buch? Viele Digitaltechnologien, die heute State of the Art sind, haben eine weit zurückreichende Historie. So hat die künstliche Intelligenz bereits in den frühen 60er-Jahren des letzten Jahrhunderts ihren Ursprung, auch wenn sie damals aufgrund der Tatsache, dass Rechner nicht leistungsstark genug waren, einigermaßen stiefmütterlich vonseiten der Wissenschaft und Wirtschaft behandelt wurde.

Nun, da das Problem der Leistungsfähigkeit gelöst wurde, können die digitalen Technologien ihr wahres Potenzial entfalten. Die Verarbeitung von Big Data per Cloud, das Internet of Things (IoT), Smart Production, intelligente Roboter und künstliche Intelligenz (KI) nehmen dadurch Einzug in unser tägliches privates und berufliches Leben. Und trotz der alltäglichen Nutzung digitaler Systeme im privaten Umfeld schürt die Fortschreitung der Digitalisierung gewisse Ängste beim Menschen, die Zeichen des bevorstehenden oder bereits realen Wandels sind. Die Entwicklung ist teilweise schleichend, manchmal jedoch fällt sie lawinenartig über uns herein. Sicher ist in jedem Fall, dass sie anhält und immer mehr in unserem Alltag zu spüren sein wird. Die zunehmende Digitalisierung wird somit jedenfalls noch eine lange Zeit richtungsweisend für unser Denken und Tun bleiben.

Was bedeutet dies für das Qualitätsmanagement? Im QM standen seit jeher die systematische Absicherung und Verbesserung der Produkt- und Prozessqualität im Fokus. Viele Firmen haben bereits in der Vergangenheit Methoden verwendet, die zu umfangreicher Steigerung der Produktqualität und Prozesseffizienz geführt haben. Dabei wurden bisher in aller Regel Methoden genutzt, die rein manuell oder mit relativ geringer Rechnerunterstützung implementiert werden konnten. Der gegenwärtige Digitalisierungsgrad in der Produktion ist teilweise bereits weit fortgeschritten, allerdings liegen diese Daten bei vielen Unternehmen weitgehend ungenutzt auf Datenservern brach. Den Entwicklungs- und Fertigungsingenieuren fehlen nämlich oftmals entsprechende Kenntnisse im Umgang mit großen Datenmengen. Um die erreichbare Grenze der Produktqualität und Fertigungseffizienz zu verschieben, ist eine umfassende Kombination von Produktverständnis, Fertigungserfahrung und Kompetenz in digitalen Technologien wie beispielsweise Machine Learning und künstlicher Intelligenz erforderlich.

Dieses Buch zeigt Einsteigern und Entscheidungsträgern auf, wie sich das Qualitätsmanagement (QM) durch die Digitalisierung wandeln kann. Es beschreibt, wie mit neuen Strategien, Methoden, Vorgehensweisen und neuen Formen der Kollaboration ein vertieftes Produkt- und Prozessverständnis generiert werden kann und welche Potenziale sich daraus für Unternehmen ergeben. Es liefert damit die Voraussetzung, sich auch bei komplexeren Produkten und dynamischen Anforderungen langfristig am Markt behaupten zu können.

Dazu liefert dieses Buch umfassende Einblicke in die folgenden Themengebiete:

       Beschreibung der aktuellen Herausforderungen und Chancen durch Digitalisierung im Umfeld des Qualitätsmanagements. Erfahrene Mitarbeitende im Qualitätsmanagement stehen plötzlich vor völlig neuen Anforderungen und werden mit einem neuen Fachvokabular konfrontiert: Was bedeuten diese Begriffe und wie können diese möglichst einfach erklärt werden?

       Praktische Anleitung und Tipps, wie digital unterstützte QM-Systeme aufzubauen sind.

       Praktikable Lösungsansätze, mit denen wir in der Lage sind, qualitätsgesichert Innovationen umzusetzen und einen messbaren Mehrwert für unsere Kunden zu generieren. Wir zeigen auf, wie beispielsweise UX, Design Thinking und agile Methoden hier hilfreich sein können und wie Qualität in softwareintensiven Systemen und Industrie 4.0-Lösungen erreicht werden kann.

       Inwieweit können die Methoden der Statistik, des Machine Learning und der künstlichen Intelligenz dazu dienen, aus Daten zu lernen, risikobasierte Entscheidungen zu treffen und in weiterer Folge Entscheidungen zu automatisieren? Dies immer vor dem Hintergrund, die Qualität zu steigern.

       Systematiken zur zielgerichteten Weiterentwicklung unserer Prozesse in Richtung digitaler Reifegrad, um deren Effektivität und Effizienz zu verbessern. Wir liefern eine Antwort auf die Frage, wie wir die Chancen von Six Sigma, künstlicher Intelligenz, Robotic Process Automation (RPA), Process Mining etc. optimal nutzen können, um Prozessverbesserungen umzusetzen und aus Fehlern zu lernen.

       Auslegung der Data-Science-Infrastruktur – wie richten wir unsere IT so aus, dass sie auf die neuen Herausforderungen im Qualitätsmanagement eingestellt ist und insbesondere durch vertikale und horizontale Vernetzung die Umsetzung digitaler und datengetriebener Use Cases unterstützen kann?

       Analyse der für die digitale Transformation notwendigen Kompetenzen im Qualitätsmanagement. Wie können wir diese bestmöglich systematisch planen und realisieren?

       Welche Strategien können bei der Einführung und Umsetzung im Unternehmen Anwendung finden? Welche sind die Erfolgsfaktoren und wie kann letzten Endes der digitale Wandel im Qualitätsmanagement gelingen?

Die Autoren haben sich lange darüber Gedanken gemacht, wie fundiertes fachliches Wissen zum Thema Digitalisierung in einer Art und Weise vermittelt werden kann, dass sich der Leser beim Studium des Buches wohl fühlt und mit Freude und Aufmerksamkeit bei dieser spannenden, aber nicht immer trivialen Thematik dabeibleiben möchte. Eines der erklärten Hauptziele ist daher, dass der Leser in der Lage ist, eine gemeinsame Sprache mit den involvierten internen Fachbereichen sowie externen Partnern in Sachen Digitalisierungsmethoden zu sprechen. Realisiert wurde daher eine strukturierte und übersichtliche Abfolge von Kapiteln, welche mit entsprechenden Beispielen begleitet werden. Ebenfalls machen wir von Zeit zu Zeit einen Abstecher in eine frei erfundene Geschichte, die sich zwischen Vater und Tochter abspielt und ebenfalls immer in direktem Kontext mit den entsprechenden Fachinhalten steht.

So möchten wir dieses einführende Kapitel mit dem ersten Gespräch unserer beiden fiktiven Protagonisten Johannes und Andrea Rasch abschließen, in dem initial ein Problem besprochen wird, mit dem wir oder unsere Kollegen eventuell bereits konfrontiert wurden, nämlich dem Unverständnis für Fachbegriffe aus dem Bereich der digitalen Welt.

„Vielen lieben Dank für die Einladung und das großartige Essen! Mama, Papa, es hat mir wie immer herrlich geschmeckt, besonders die Salzburger Nockerl als krönender Abschluss des Menüs waren ein absolutes Gedicht. Wie ihr wisst, habe ich mich an denen auch schon öfters versucht, aber sie gelingen mir einfach niemals auch nur annähernd so gut wie euch. Papa, ich weiß, dass du bei der Zubereitung auf besondere Feinheiten achtest, die du mir zwar schon erklärt hast. Aber selbst, wenn ich versuche, dich eins zu eins bei deinen Abläufen zu kopieren, werden sie noch immer nicht vollkommen perfekt.“ „Meine liebe Andrea, wahrscheinlich liegt es zum größten Teil an der jahrelangen Erfahrung als Hobbykoch, aber möglicherweise auch daran, dass ich diese Nachspeise ausschließlich für die allerliebsten Menschen in meinem Leben mit viel Liebe zubereite“, er blickt seiner Tochter in die Augen und lächelt sie dabei liebevoll an. „Ja, das ist vermutlich das wahre Geheimnis“, erwidert seine Tochter und küsst ihn danach dankend sanft auf die rechte Wange.

„Und Papa, bevor wir es vergessen, du wolltest doch auch noch etwas Berufliches mit mir besprechen. Wie kann ich dir helfen?“ „Ach ja, das hätte ich jetzt beinahe verschwitzt, vielleicht gehen wir dazu gemeinsam ins Arbeitszimmer, dort können wir in Ruhe miteinander sprechen.“ „Maria“, ruft er seiner Frau danach noch kurz zu, „wir gehen kurz ins Büro, sind aber gleich wieder zurück.“

Johannes Rasch ist aktuell Mitte fünfzig und arbeitet bereits seit mehr als 30 Jahren in derselben Firma. Dort leitet er die Qualitätssicherungsabteilung, ist verantwortlich für den gesamten Messraum und die drei in diesem Bereich angestellten Mitarbeitenden. Er ist mit großem Abstand der älteste Mitarbeiter seiner Abteilung, vielleicht sogar des gesamten Unternehmens, wenn er genauer darüber nachdenken würde. Er hat die Lehre zum Prüf- und Messtechniker Anfang der Achtzigerjahre des letzten Jahrhunderts absolviert, als in seinem Betrieb noch fast ausschließlich analoge Messmittel verwendet wurden. Es gab damals im Betrieb nur ein einziges, fast wie ein Heiligtum behandeltes, digitales 3D-Messsystem der Firma Zeiss. Auf diese besondere Neuinvestition war sein Lehrherr damals unglaublich stolz, es war daher auch sein Privileg, diese Maschine als einziger programmieren und bedienen zu dürfen. In den Folgejahren etablierte sich die digitale Welt immer mehr in der produzierenden Industrie und Johannes durchlief viele Aus- und Weiterbildungszyklen, um mit dem technologischen Fortschritt weiterhin Schritt halten zu können. Er lernte dabei neben dem professionellen Umgang mit modernen und teilweise hochkomplexen digitalen Messsystemen auch die Grundlagen und Methoden der statistischen Prozesslenkung. Genauso studierte er die Ermittlung von und den Umgang mit Fähigkeiten der eingesetzten Messmittel. Ergänzend unterstützte er auch die Einführung eines modernen Messmittelmanagements. Praktisch sein ganzes Arbeitsleben wird er auch schon von der ISO 9001 begleitet, nach der das Unternehmen bereits seit 1988 zertifiziert ist. Seit diesem Zeitpunkt sind die Begriffe der Planung, Lenkung, Sicherung und Verbesserung der Qualität fest mit seiner täglichen Arbeit verbunden.

„Weißt du, Andrea“, sagt er nach dem Schließen der Bürotür zu seiner Tochter. „Ich komme mir manchmal schon ein wenig überflüssig in meinem Job vor, weil ich mit meinen Kollegen der jüngeren Generation technologisch nicht mehr mithalten kann“, meint er sehr leise, fast so, als ob er sich für sein Alter schämen müsste. „Die können mit den modernen digitalen Systemen viel besser umgehen als ich und entwickeln sogar selbstständig neue Methoden, entdecken Anwendungsfälle und so weiter. Und ich alter Trottel sitze daneben und verstehe nur mehr Bahnhof. Unlängst war ein junger Kollege aus der IT bei mir und wollte sich abstimmen, ob und welche Anwendungsfälle für künstliche Intelligenz und Machine Learning aus meiner Sicht zukünftig in meinem Verantwortungsbereich gegeben sein werden. Ich habe mir ein paar Schlagworte aus seinen Ausführungen aufgeschrieben, musste den armen Kerl aber gleich mit einer billigen Ausrede wegschicken, da ich absolut keine Ahnung hatte, was mit diesen Fachausdrücken gemeint war. Und da mir die gesamte Situation jetzt so peinlich ist, wollte ich dich bitten, ob du mir mit deinem Fachwissen aus dem Studium der Industriewissenschaften nicht auf die Sprünge helfen kannst. Aber in ganz einfachen und auch für deinen alten Herren leicht verständlichen Worten, bitte.“

„Okay, Papa, ich will sehen, was ich machen kann. Kannst du mir vielleicht ein paar Begriffe nennen, die du in simplen Worten erklärt haben möchtest, und ich überlege mir eine einfache Beschreibung, vielleicht auch eine grafische Darstellung, sodass ich dir alles möglichst gut veranschaulichen kann. Und bei meinem nächsten Besuch bei euch nehmen wir uns ausreichend Zeit für unsere kleine gemeinsame Lerneinheit.“ Johannes gibt ihr Papier und Stift und sie notiert sich darauf die folgenden Fachbegriffe:

       Digitalisierung

       Industrie 4.0 und Qualität 4.0

       Smart products

       Smart production

       Künstliche Intelligenz

       Machine Learning

„Fein, dann komme ich nächsten Samstag wieder zu euch. Dazu hätte ich eine Bitte, wenn ich es mir aussuchen darf: Minestrone, Saltimbocca mit getrüffeltem Risotto und Sorbetto di Limone als Abschluss des Menüs, wenn es euch recht ist.“ Tochter und Vater lachen noch immer herzlich, als sie das Büro wieder verlassen und in den Wohnraum zurückkehren, in dem Mutter Maria gerade ein kleines Schläfchen gemacht hat. Sie erwacht vom lauten Gelächter, sieht die beiden mit einem verschmitzten Lächeln an und meint: „Und ich dachte, ihr habt ein ernstes Thema miteinander zu besprechen.“ Danach umarmen sich die drei und drücken einander fest zum Abschied. Andrea verlässt anschließend die Wohnung ihrer Eltern und fährt zurück in ihre Studentenwohnung.

In der folgenden Woche ist Andrea intensiv mit der Beantwortung der Fragen ihres Vaters beschäftigt. Die meisten der Begriffe sind ihr aus dem Studium bereits wohlbekannt, bei einigen muss sie ergänzend die Hilfe ihrer Vorlesungsunterlagen, einiger Fachbücher und online durch Wikipedia in Anspruch nehmen. Die größte Herausforderung für sie ist aber, möglichst einfache Erklärungen zu finden, die ihrem Vater praxisgerecht in seiner aktuellen Lage helfen können. Daher beschließt sie, jeden Fachbegriff mittels eines plakativen Beispiels zu beschreiben. Um einen Leitfaden für sich selbst und den Inhalt der Lehrunterlagen zu erstellen, fasst sie zu Beginn ihrer Vorbereitung in wenigen prägnanten Sätzen die Bedeutung der Begriffe zusammen:

Unter Digitalisierung versteht man das Umwandeln von analogen Werten in digitale Formate und ihre Verarbeitung oder Speicherung in einem digitaltechnischen System. Die Information liegt dabei zunächst in beliebiger analoger Form vor und wird dann über mehrere Stufen in ein digitales Signal umgewandelt, das nur aus diskreten Werten besteht (Wikipedia, Digitalisierung, 2021).

Industrie 4.0 ist die Bezeichnung der vierten industriellen Revolution wobei das 4.0, vergleichbar mit der Version einer Software, auf die industriellen Fortschritte im digitalen Zeitalter hinweist. Die erzielbaren Verbesserungen innerhalb der gesamten Wertschöpfungskette basieren dabei auf der Vernetzung von Maschine, Mensch und Services, welche von moderner Informations- und Kommunikationstechnik unterstützt wird.

Ein Erzeugnis wird als Smart Product bezeichnet, wenn es in der Lage ist, Daten über den eigenen Herstellungsprozess sowie Informationen, welche während der Fertigungs- und Nutzungsphase generiert wurden, zu sammeln, aufzuzeichnen und gegebenenfalls aktiv zu kommunizieren.

Smart Production bezeichnet die Vernetzung der gesamten Wertschöpfungskette in der Industrie 4.0, wodurch innovative Lösungen generiert werden, die die Produktion effizienter und flexibler gestalten können. Es entsteht dadurch eine „intelligente Fabrik“, bestehend aus Fertigungsanlagen und Logistiksystemen, die sich möglichst weitgehend selbst organisiert.

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung intelligenten Verhaltens befasst. Sie simuliert dazu menschliche Intelligenz unter Zuhilfenahme von Computersystemen. Dies umfasst das Lernen, also die Erfassung von Informationen und die Erstellung von Regeln für die Nutzung dieser Daten, die Verwendung dieser Regeln, um entsprechende Schlussfolgerungen ziehen zu können, sowie die Selbstkorrektur.

Machine learning oder maschinelles Lernen beschreibt die „künstliche“ Generierung von Wissen aus Daten. Mithilfe von Algorithmen (eine Folge von Anweisungen, mit denen ein bestimmtes Problem gelöst werden kann) werden in einer Trainingsphase automatisch Muster und Gesetzmäßigkeiten erkannt und modelliert. Diese Modelle werden anschließend auf neue Daten angewandt, um Prognosen zu erstellen.

Nun gilt es für Andrea, ihren Text in leicht verständliche Bilder mit entsprechenden Veranschaulichungen aus dem realen Leben zu übersetzen, die sie im bevorstehenden Schulungstermin mit ihrem Vater besprechen möchte. Ihr Ziel dabei ist, dass er sich mit dem jeweiligen Beispiel gut identifiziert und anhand der Folien den Schritt in den realen Berufsfall meistern kann. Für diese Tätigkeit benötigt Andrea einige Nachmittage, und sie wird daher erst knapp vor dem vereinbarten Termin mit der letzten Präsentationsseite fertig. Gespannt und mit viel Vorfreude auf die bevorstehende Lerneinheit fährt sie zum Haus ihrer Eltern. Nach der Begrüßung beschließen Tochter und Vater unverzüglich in medias res zu gehen und anschließend nach dem Motto „zuerst die Arbeit und dann das Vergnügen“ zusammen das Abendessen als Belohnung für die geleistete Aufgabe zu genießen.

„Na Papa, wie geht es dir denn aktuell? Konntest du deinen Kollegen noch für ein Weilchen vertrösten oder wurde er bereits wieder bei dir vorstellig, um sich mit dir über die Themen der Digitalisierung abzustimmen? Ich habe mir in der Zwischenzeit einige Gedanken zu unserer heutigen Abstimmung gemacht und würde dir gerne ein paar Folien zeigen, die ich für dich als Unterstützung erstellt habe. Wenn du möchtest, lege ich gleich damit los, ich muss nur noch meinen Laptop hochfahren und dann kann es schon losgehen.“ „Liebe Andrea, du weißt ja gar nicht, wie sehr du mir mit deinem Wissen weiterhelfen kannst. Ich habe in der nächsten Woche einem Abstimmungstermin in einer größeren Runde zugestimmt, bei der wir gemeinsam über Digitalisierungsthemen sprechen werden, und ich hoffe, dass ich bei den Kollegen einen fachlich fundierten Eindruck hinterlassen kann, ohne das Gefühl einer großen Verunsicherung zu haben. Also lass uns gleich starten, ich bin wirklich schon sehr gespannt auf deine Erklärungen.“

„Dein erster Begriff war die Digitalisierung. Ich denke, der ist dir schon ganz gut bekannt und ich will ihn daher auch nicht für dich neu erfinden. Ein Beispiel für die Anwendung von digitalen Systemen will ich dir aber trotzdem wieder in Erinnerung rufen: Nimm die Aufzeichnung bewegter Bilder im Wandel der Zeit. Du hast uns analoge Filme aus deiner Kindheit gezeigt, die mein Opa mit seiner Super-8-Kamera aufgenommen hatte. Laut deiner Aussage musste er die aufgezeichneten Filme zuerst entwickeln lassen, um sie dann in mühsamer Kleinarbeit manuell mit einer speziellen Maschine zusammenzuschneiden. Eine Nachbearbeitung der bereits aufgenommenen Szenen war damals nicht möglich und man musste sich aus Kostengründen sehr gut überlegen, was man filmt und wie lange eine Einstellung dauern darf. Dass es damals überhaupt nur eine Bild-Spur und keine Möglichkeit der getriggerten Tonaufzeichnung gab, sei einmal dahingestellt. Später, als ich Kind war, also vor etwa 25 Jahren, hattest du bereits eine digitale Videokamera zur Verfügung, die wahrscheinlich nicht nur wesentlich billiger in der Anschaffung war als das analoge System, sondern auch viel mehr Freiheiten in der Bedienung und Nachbearbeitung bot. Und heutzutage braucht man überhaupt kein spezielles Aufnahmegerät mehr, da jedes Smartphone über eine eingebaute digitale Videokamera verfügt. Der Digitalisierung von analogen Ereignissen sind dadurch gar keine Grenzen mehr gesetzt. Und, Papa, wie geht es dir mit meiner Erläuterung? Ist damit alles klar für dich oder brauchst du noch weitere Informationen?“ „Nein, ich denke du hast das schon sehr gut erklärt und ich kenne mich ausreichend gut aus. Jetzt erinnere ich mich auch wieder an die alten Tage mit meiner geliebten Handycam DCR-VX1000E, Baujahr 1995.“

„Sehr gut, dann lass uns gleich weitermachen mit dem Begriff Industrie 4.0 beziehungsweise Qualität 4.0. Vereinfacht gesagt ist die vierte industrielle Revolution das Ergebnis der konsequenten Weiterentwicklung der vergangenen Fortschritte und somit ein Überbegriff für intelligente Fabriken und computerintegrierte Produktionssysteme. Dass wir an unseren Arbeitsplätzen standardmäßig mit Laptops ausgerüstet sind, die in einem Netzwerk miteinander verbunden sind, und mit computergesteuerten Systemen arbeiten, ist ja nichts Neues mehr für uns. Genauso die Tatsache, dass wir ohne funktionierende IT-Abteilung als Technologieanwender oft völlig hilflos sind. Im Zeitalter der Industrie 4.0 ist nun aber nicht mehr der Computer die zentrale Technologie, sondern das Internet. Unterstützt durch den Einsatz moderner Informations- und Kommunikationstechnologien ist es heutzutage möglich, Menschen, Maschinen und Produkte auf intelligente Weise weltweit direkt miteinander zu vernetzen, wodurch sich für uns völlig neue Möglichkeiten und Chancen ergeben. Experten sprechen in diesem Zusammenhang gerne vom ‚Internet of Things‘ oder IoT. Schau, Papa, ich habe dir zum besseren Verständnis eine grafische Darstellung dazu erstellt (Bild 1.1).“

Bild 1.1Internet of Things (IoT)

„Das ist ja alles ganz nett, und dank deiner Erklärung recht verständlich für mich, aber ich stelle mir die Frage, wie der Kunde von dieser Technologie profitieren kann. Oder ist die ganze Sache nur erfunden worden, um die Profitabilität der Unternehmen zu erhöhen und dadurch die reichen Menschen noch reicher zu machen?“ „Natürlich profitieren die Unternehmen, keine Frage, sonst würden sie nicht sehr viel Geld und Ressourcen in die Entwicklung solcher Systeme stecken.

Aber ohne zusätzlichen Wert für den Kunden ist auch die beste Technologie wertlos. Ein kundenorientierter Ansatz kann beispielsweise die folgende Lösung eines spezifischen Problems sein: Du trägst doch Einlagen in deinen Laufschuhen, mit denen du jährlich den Wiener Marathon bestreitest, richtig?“ „Ja, schon ewig. Und es ist immer wieder eine große Herausforderung für mich, die ideale Passform von Schuheinlage in Kombination mit der richtigen Schuhgeometrie zu finden. Zudem soll mich der Schuh auch noch optisch ansprechen, kannst dir eh vorstellen, dass das gar nicht so einfach ist.“ „Bitte verzeihe mir, wenn ich jetzt ein wenig weiter aushole, aber eine mögliche Lösung dazu könnte in der Welt von IoT folgendermaßen aussehen:

Du übermittelst dein Läuferprofil sowie Informationen zu deinem aktuell getragenen Schuhmodell im Vorfeld an deinen Orthopäden. Er erhält dadurch bereits vor der Untersuchung Informationen zu deinen Körpermaßen sowie deiner persönlichen Laufstatistik. Diese kann er verarbeiten und mit Daten des Schuhproduzenten abgleichen, wodurch er in der Lage ist, den Termin in seiner Ordination wesentlich besser vorzubereiten.

In seiner Praxis nimmt er anschließend mittels eines 3D-Scans das Profil deines nackten Fußes ab und zeichnet danach deine Körperbewegung während eines kurzen Tests auf dem Laufband auf. Diese Informationen führt er zusammen und verarbeitet sie in einer Software, die eine optimierte Einlagenform für dich errechnet.

Nun kommt sein 3D-Drucker zum Einsatz, der die übermittelten Daten in ein reales Objekt transferiert und innerhalb von wenigen Tagen kannst du diese einzigartigen Prototyp-Einlagen bereits für einen ersten Test mit auf deine bevorzugte Laufstrecke nehmen.

Wenn du mit dem Ergebnis zufrieden bist, besteht nun die Möglichkeit, zukünftig nicht mehr an Einlagen gebunden zu sein, sondern einen Schuh in „Losgröße Eins“ (das heißt, es wird wirklich nur dieses eine einzige Paar in genau dieser Konfiguration produziert) genauso herzustellen, wie es dein Fuß erfordert. Dafür wird ein einzigartiges Modell erstellt, wenn du möchtest, kannst du zusätzlich auch noch aktiven Einfluss auf das Design nehmen. Daraus entsteht nun in einer modernen Schuhfabrik dein perfekter, personifizierter Laufschuh. Wenn du möchtest, kann man auch noch einen Mikrochip in die Sohle integrieren, der zukünftig Aufzeichnungen während deiner sportlichen Aktivitäten macht, welche für die nächste Generation deiner Schuhe weitere Optimierungen ermöglichen und dein Produkt quasi automatisch weiter verbessern.“

„Wow, und das gibt’s wirklich schon? Für mich klingt das eher wie in einem guten Science-Fiction-Roman. Aber sehr spannend auf alle Fälle. Doch selbst, wenn diese Systematik bereits existiert, ist ein einzigartiger Laufschuh vermutlich so teuer, dass sich diesen Service nur sehr reiche Menschen leisten können, richtig?“ „Nein, denn genau das soll nicht das Ziel der Übung sein. Solche Schuhe gibt es schon zu kaufen. Der Hersteller ist die bekannte Marke mit den drei Streifen. Und der Preis ist höher als für ein Produkt aus der Massenfabrikation, aber auch nicht absolut unerschwinglich.“

„Gut, Papa, jetzt sind wir bereits voll in Fahrt und schon einigermaßen tief in die Materie eingetaucht. Ergänzend zum spannenden Thema der Industrie 4.0 nun auch noch ein paar Worte zur Qualität 4.0. Eigentlich ergibt sich diese als logische Konsequenz direkt aus Industrie 4.0. Qualität 4.0 steht somit für die Zukunft von Qualität unter Zuhilfenahme der Möglichkeiten der Industrie 4.0. Beispielsweise könnte eine Maschine zukünftig erlernen und steuern, wie sie die geforderte Qualität selbstständig produziert. Wenn auch dieser Begriff für dich einigermaßen verständlich ist, würde ich gerne zum nächsten Schlagwort übergehen.“ „Ja, diese Formulierung ist einigermaßen klar für mich, lass uns bitte weitermachen.“

„Papa, ich kann dir versprechen, dass die nächsten beiden modernen Ausdrücke mit dem jetzt schon erlangten Wissen viel einfacher sein werden. Nun geht es nämlich um „Smart Products“ und „Smart Production“. Eigentlich hast du ein solch pfiffiges Produkt bereits bei der Erklärung der Industrie 4.0 kennengelernt, es handelt sich beispielsweise um deinen modernen Laufschuh. Es kann aber auch eine intelligente Waschmaschine sein, die dir per SMS meldet, bevor der Weichspüler im integrierten Vorratsbehälter leer sein wird. Auf ausdrücklichen Wunsch wird in diesem Fall auch gleich eine automatische Online-Nachbestellung des mangelnden Produkts beim Versandhändler ausgelöst, wodurch du dir den Weg in den Supermarkt ersparen kannst. Und unter Smart Production ist die Art und Weise zu verstehen, wie Produkte unter Zuhilfenahme von vernetzten Systemen effizienter und effektiver vom produzierenden Unternehmen hergestellt werden können.“

„Ja, das klingt recht logisch für mich. Ein intelligentes Produkt sollte auch auf möglichst intelligente Weise produziert werden, um für beide Seiten einen verwertbaren Vorteil zu generieren. Die eine Seite profitiert vom neuartigen, innovativen Erzeugnis oder der modernen Dienstleistung in verbesserter Qualität und die andere Seite ist in der Lage, diese Waren effizienter zu produzieren, als es in der Vergangenheit möglich war.“

„Super, Papa, bisher hast du alles genauso verstanden, wie ich es dir erklären wollte. Dann lass uns gleich weitermachen, und jetzt über künstliche Intelligenz sprechen. Der Begriff der künstlichen Intelligenz steht für die Bemühungen, menschenähnliche Entscheidungsstrukturen nachzubilden. Wenn wir Menschen Entscheidungen treffen, geht man grundsätzlich davon aus, dass der Prozess darin besteht, zuerst Alternativen zu benennen und Informationen zu sammeln, um danach die vorhandenen Wahlmöglichkeiten zu bewerten. Bei der Beurteilung spielt der für uns zu erwartende Nutzen eine entscheidende Rolle. Der Mensch ist gemäß dem Sozialwissenschaftler Herbert Simon allerdings nicht fähig, den maximalen Nutzen zu erreichen, da er bei seinen Entscheidungen niemals alle Alternativen und Konsequenzen kennen kann (Simon, 1959). Daher werden unsere Entscheidungen zusätzlich maßgeblich durch Erfahrung, Intuition und unser Bauchgefühl mitbestimmt.

Da künstliche Intelligenz keine Art von Gefühl hat, muss sie von einem Signal (SENSE) getriggert werden, welches sich möglichst ähnlich verhält wie unsere menschlichen Sinne. Die auf diesem Weg gewonnene Information muss danach weiterverarbeitet werden (THINK). Diese Aufgabe übernehmen Computer für uns mithilfe von Software und intelligenten Algorithmen. Danach findet eine entsprechende Aktion statt (ACT), die vom Computer ausgelöst wird. Wir sprechen von einer sogenannten SENSE – THINK – ACT oder WAHRNEHMEN – VERSTEHEN - HANDELN – Kette.

Der Begriff künstliche Intelligenz wird dann verwendet, wenn durch die Sense-Think-Act-Kette Funktionen realisiert werden, die normalerweise nur dem Menschen vorbehalten sind. Um von künstlicher Intelligenz zu sprechen, zeichnet sich diese Sense-Think-Act-Kette üblicherweise durch hohe Autonomie und kontinuierliches Lernen (FEEDBACK AND LEARN) aus (Bild 1.2).

Bild 1.2Künstliche Intelligenz

Bevor ich jetzt zu theoretisch werde, möchte ich dir den Ablauf anhand eines einfachen Beispiels aus dem täglichen Leben erklären.“ „Ja, das wäre sehr nett, denn aktuell raucht mir schon ein wenig der Kopf.“ „Nehmen wir einfach dein Auto. Wenn du auf der Autobahn fährst, aktivierst du doch normalerweise den eingebauten Tempomat und verlässt dich zusätzlich auf die praktisch unsichtbaren Abstandssensoren. Die Geschwindigkeitsregelung wird durch einen simplen Druck auf eine Taste aktiviert, danach geht alles automatisch, solange du nicht aktiv korrigierend in den Prozess eingreifst. Ab nun nehmen die eingebauten Sensoren kontinuierlich Daten auf und verarbeiten diese in entsprechende Aktivitäten. Hast du das Soll-Tempo noch nicht erreicht, wird das elektronische Gaspedal betätigt und das Auto beschleunigt. Ist der Sollwert erreicht, wird die Gasstellung reduziert. Ist der Abstand zum Vordermann unterschritten, erfolgt automatisch ein Bremsvorgang und so weiter. Laufend werden Sense-Think-Act-Ketten ausgeführt und du kannst sogar kurzzeitig die Hände vom Lenkrad nehmen, da die Abstandssensoren auch seitlich angebracht sind und damit einen ungewollten Spurwechsel verhindern.“ „Jetzt, wo du mir das so plakativ und einfach erklärt hast, verstehe ich bereits sehr gut, was künstliche Intelligenz bedeutet. Sie begleitet uns schon in vielen Formen in unserem täglichen Leben, nur nennen wir diese Technologien nie bei ihrem Namen.“

„Es freut mich wirklich sehr, wie gut wir mit den Themen vorankommen und dass du so viel Interesse für die Inhalte und Erklärungen zeigst. Ich denke, du wirst noch ein echter Profi auf dem Gebiet, wenn wir so weitermachen. Lass uns jetzt noch zum letzten Begriff kommen, den du mir letztens genannt hast, nämlich dem Machine Learning. Wenn der Think-Teil mithilfe von Vergangenheitsdaten realisiert wurde, dann erfolgt dies mithilfe des maschinellen Lernens. Der Computer lernt basiert auf rein statistischen Techniken, ohne explizit programmiert zu werden. Die große Kunst besteht darin, Daten nicht einfach nur auswendig zu lernen, sondern dahinterliegende Muster zu erkennen.“

„Gut, das kann ich mir einigermaßen vorstellen, aber wie ist ein solches System für mich in der Praxis der Qualitätssicherung einsetzbar? Hast du dazu vielleicht auch noch ein gutes Beispiel für mich?“ „Ich glaube schon. Du hast mir vergangene Woche erzählt, dass ihr auch eine visuelle Kontrolle von Bauteilen macht, die bei euch gefertigt werden. Stell dir vor, diese Beurteilung könnte von einer intelligenten Maschine durchgeführt werden.“ „Ja, das hat mein Chef auch schon einmal in einer Abstimmung mit mir erwähnt, weil es doch für einen Menschen schwierig ist, optische Merkmale gemäß einer Foto-Vorlage – bei uns heißt das Dokument „Grenzmusterkatalog“ – nach ‚gut‘ und ‚schlecht‘ zu filtern. Wir haben uns aber dann darauf geeinigt, dass wir dieses Thema für das laufende Jahr nicht in meine Ziele aufnehmen, sondern noch ein wenig abwarten möchten. Und du bist der Meinung, dass das wirklich schon vollautomatisch funktionieren kann?“

„Ob es für euch anwendbar ist, kann ich schwer entscheiden, aber wie der Ablauf sein kann, das kann ich dir schon sehr vereinfacht erklären:

Du bereitest eine gewisse Menge an Teilen vor, von denen du weißt, dass jedes einzelne entweder ‚gut‘ oder ‚schlecht‘ ist.

Das erste Teil wird nun einem speziellen Kamerasystem zugeführt, die Kamera macht ein oder mehrere Bilder und du sagst dem System, dass dieses Teil ‚gut‘ oder ‚schlecht‘ ist.

Diesen Vorgang wiederholst du, bis alle Teile an der Reihe waren.

Danach ist ein selbstlernendes System idealerweise bereits in der Lage, diese Daten entsprechend zu verarbeiten und selbst zu erkennen, welche Merkmale für gut oder schlecht ausschlaggebend sind, und zwar, ohne dass du dies dem System explizit mitgeteilt hast. In der weiteren Folge kannst du andere Teile heranziehen, die bisher noch nicht untersucht wurden. Die „virtuell-visuelle“ Qualitätssicherung sollte nun bereits in der Lage sein, die Schlechtteile ohne unser Zutun selbstständig zu erkennen.“

„Das wäre großartig, denn damit könnte ich meine Mitarbeitenden besser für Messaufgaben einsetzen und die von ihnen ungeliebte visuelle Beurteilung überlassen wir fortan dem Computer. Klasse!“

„Ja, und das war es auch schon wieder“, sagt Andrea und blickt zum ersten Mal nach dem Start des Trainings auf ihre Uhr. „Wahnsinn, jetzt sind knapp zwei Stunden wie im Flug vergangen. Mir ist gar nicht aufgefallen, dass wir so lange miteinander gesprochen und gefachsimpelt haben. Und weißt du was? Jetzt habe ich einen Riesenhunger und freue mich schon auf unser gemeinsames Abendessen! Was meinst du, Papa?“ „Liebe Andrea, das haben wir uns jetzt wahrlich verdient! Ich war so konzentriert bei der Sache, dass mir nicht einmal aufgefallen ist, welch guter Geruch schon aus der Küche bis ins Arbeitszimmer vorgedrungen ist. Los lass uns Mama noch schnell helfen, den Tisch zu decken und die köstlichen Speisen anzurichten.“

Mit dieser ersten einleitenden Kurzgeschichte in diese äußerst spannende Thematik beschließen wir das einführende Kapitel und leiten direkt über in das nächste Kapitel, das sich mit den aktuellen Herausforderungen im Qualitätsmanagement beschäftigt.

2Herausforderungen im Qualitätsmanagement

Ziel dieses Kapitels ist es, die aktuellen Herausforderungen im Qualitätsmanagement und die Chancen durch die Digitalisierung zu beschreiben. Es beschäftigt sich daher zu Beginn mit dem Begriff der Qualität und dem Management von Qualität und leitet danach über zur Bedeutung von Prozessen und der Messbarkeit ihrer Leistungen. Anschließend wird der Begriff digitaler Wandel erklärt und die Chancen, die sich dadurch im Qualitätsmanagement ergeben. Wir erläutern unser Verständnis der Entwicklungsstufen im Qualitätsmanagement und den Begriff Qualität 4.0. Das Kapitel endet mit einer Beschreibung von möglichen digitalen Use Cases und den neun Handlungsfeldern im digitalen Qualitätsmanagement, die in den Folgekapiteln des Buches vertieft werden.

2.1Was bedeutet Qualität?

Es gibt eine Vielzahl von Ansätzen, den Begriff Qualität zu definieren. Die Begriffsdefinition gestaltet sich nicht zuletzt deshalb als äußerst schwierig, weil Qualität im täglichen Sprachgebrauch oftmals anders verwendet und verstanden wird als in der Fachwelt des Qualitätsmanagements. Qualität leitet sich ab vom lateinischen Wort qualitas – also Beschaffenheit, Merkmal, Eigenschaft, Zustand. Der meist positiv besetzte Begriff ist somit ursprünglich wertneutral.

In der ISO 9000 wird Qualität folgendermaßen definiert: „Qualität ist der Grad, in dem ein Satz inhärenter Merkmale Anforderungen erfüllt“ (ISO 9000:2015 (Qualitätsmanagementsysteme - Grundlagen und Begriffe), 2015). Verständlicher ausgedrückt könnte man sagen: Qualität ist der Grad der Erfüllung von Anforderungen und berechtigten Erwartungen. Qualität entsteht somit immer aus einem Soll-Ist-Vergleich der Erfüllung von Anforderungen in Bezug auf die Erwartungen einer Einheit. Daraus leiten sich drei Freiheitsgrade bei der Definition von Qualität ab (Bild 2.1).

Bild 2.1Freiheitsgrade des Begriffs „Qualität“

1.      Was ist die betrachtete Einheit?

Die engste Auslegung einer Einheit ist ein Produkt oder eine Dienstleistung. Die weiteste Auslegung ist die gesamte betroffene Organisation. Diese Interpretation hat die TQM-(Total Quality Management)-Philosophie aufgegriffen, man spricht vom globalen Qualitätsbegriff. In seiner vollen Konsequenz bedeutet dieser Ansatz, dass auch die Qualität der Führung, Qualität der Strategie, Qualität der Mitarbeitenden, Qualität der Prozesse usw. Themen des Qualitätsmanagements sind. Das bekannteste TQM-Konzept in Europa ist das EFQM-Modell für Excellence der European Foundation for Quality Management.

2.      Wer legt das Soll fest?

Diese Frage ist relativ leicht zu beantworten, wenn man als Einheit ein Produkt festlegt. Sinnvoll ist, das Soll vom Kunden festlegen zu lassen, man spricht in diesem Zusammenhang vom kundenorientierten Qualitätsbegriff. Schwieriger zu behandeln ist dieser Sachverhalt dann, wenn man Prozessqualität definieren möchte: Hat der Prozess die erforderliche Qualität dann, wenn die Anforderungen des Kunden des Prozesses erfüllt werden oder müssen dafür die Anforderungen aller interessierten Parteien (Stakeholder) ebenfalls erfüllt sein?

3.      Welche Forderungen und Erwartungen werden erfüllt?

Als dritter Freiheitsgrad bleibt die Fragestellung, welche Forderungen mit zu berücksichtigen sind, um die qualitativen Kriterien ausreichend gut zu beschreiben. Im weiteren Sinne könnten dabei auch Preis- und Kostenkriterien in Betracht gezogen werden. Dies hätte zur Folge, dass Wirtschaftlichkeitsüberlegungen im Qualitätsmanagement Platz greifen. Noch tiefergehend könnten auch Sicherheits- und Umweltanforderungen mit zu berücksichtigen sein.

Unabhängig von der gewählten Qualitätsdefinition kann man sagen, dass man einer Einheit nicht das Vorhandensein oder Fehlen von Qualität zuschreiben kann. Es sind vielmehr alle Ausprägungen zwischen „sehr gut“ und „sehr schlecht“ möglich. Deshalb gibt es keine absolute Qualität, sondern diese stellt den Grad und das Ausmaß der Anpassung des Ergebnisses einer Tätigkeit an die gegebenen Anforderungen dar.

In den letzten Absätzen wurde bereits der Begriff des Qualitätsmanagements verwendet, daher folgt an dieser Stelle auch eine einleitende Erklärung dieser Bezeichnung, um sicherzustellen, dass Leser und Verfasser sich an derselben Definition orientieren können.

2.2Was ist Qualitätsmanagement?

In der ISO 9001 ist Qualitätsmanagement definiert als die Gesamtheit an Verbesserungsmaßnahmen eines Produkts oder Prozesses mit dem Fokus auf die Erfüllung von Kundenforderungen (ISO 9001:2015: Qualitätsmanagementsysteme - Anforderungen, 2015). Qualitätsmanagement ist daher immer auf die Zufriedenheit der Kunden ausgerichtet und legt den Fokus auf Produkte und Prozesse.

Die beiden zentralen Fragestellungen im Qualitätsmanagement, die es in diesem Zusammenhang zu beantworten gilt, lauten:

       Wie stellen wir einerseits sicher, dass Produkte kundenorientiert entwickelt und produziert werden?

       Wie gestalten wir andererseits die Qualität der Prozesse im Sinne Ergebnisqualität für den internen/externen Kunden (Prozesseffektivität) und im Sinne der Effizienz?

2.3Effektivität und Effizienz von Prozessen

Im letzten Abschnitt wurde neben dem Begriff des Produkts auch der des Prozesses verwendet. Während wir mit der Nomenklatur eines Produkts bestens vertraut sind, sollten wir der Begrifflichkeit des Prozesses an dieser Stelle kurz unsere Aufmerksamkeit schenken.

Was ist ein Prozess?

Ein Prozess bezeichnet die inhaltlich abgegrenzte, (sach)logische und zeitliche Abfolge von Tätigkeiten und Aktivitäten zur Wertsteigerung durch Erbringung einer Dienstleistung oder Schaffung eines Produkts. Einfacher ausgedrückt kann man sagen, dass ein Prozess immer aus einem Input einen Output generiert, also ein Ergebnis, das hoffentlich einen Kunden hat, der damit ausreichend zufrieden ist. Die LIPOK-Methode (Lieferant – Input – Prozess – Output – Kunde) ist ein einfaches, strukturiertes Hilfsmittel, um Prozesse zu definieren, zu verstehen und abzugrenzen (Bild 2.2).

Klar ist, dass sich ein Prozess immer aus Teilschritten zusammensetzt, die wiederum als einzelne Prozesse gesehen werden können. Somit existieren Prozesse auf unterschiedlichen Abstraktionsebenen (Abschnitt 3.2).

Bild 2.2LIPOK-Darstellung

Was ist Prozesseffektivität?

Effektivität heißt, sehr einfach dargestellt, die richtigen Dinge zu tun („Was?“). Das Ergebnis, das in einem Prozess erreicht wird, wird in Bezug zu seinen Anforderungen gesetzt. Effektivität gilt daher als Maß für die Zielerreichung bezogen auf das Ergebnis und hat somit starke Ähnlichkeit mit dem Begriff der Qualität. Effektivität beschreibt somit die Ergebnisqualität des Prozesses.

Was ist Prozesseffizienz?

Effizienz betont das „Wie?“ – das bedeutet, die Dinge richtig zu tun. Was aber heißt „richtig tun“? Für die Beurteilung dieser Frage wird das Ergebnis üblicherweise in Bezug zum geleisteten Aufwand gesetzt: Aspekte der Wirtschaftlichkeit stehen im Vordergrund bzw. Verschwendung soll reduziert werden. Bezogen auf den Prozess bedeutet dies, das angestrebte Prozessergebnis mit minimalem Aufwand zu erreichen.

Idealerweise schaffen wir es, die richtigen Dinge auf Anhieb richtig zu tun, also effektiv und effizient zugleich, was uns aber nur selten gelingt. Daher soll das Prinzip „Effektivität zuerst“ an dieser Stelle kurz in Erinnerung gerufen werden: Zuerst muss die Richtung stimmen (Effektivität), dann kann man sich Gedanken machen, möglichst schnell ans Ziel zu gelangen. „Als wir die Orientierung verloren hatten, verdoppelten wir die Geschwindigkeit“ ist somit logischerweise nicht die richtige Strategie.

Im vorliegenden Buch wollen wir uns ausführlich mit beiden Aspekten beschäftigen, der Fokus liegt jedoch auf der Prozesseffektivität als ureigenste Aufgabe im Qualitätsmanagement, jedoch dürfen auch Effizienzüberlegungen nicht fehlen.

2.4Aktuelle Herausforderungen im QM

Das Umfeld, in dem sich Unternehmen heutzutage befinden, verändert sich viel häufiger und umfassender, als wir es in der Vergangenheit gewohnt waren. Aufgrund von digitalen Möglichkeiten sinken Transaktionskosten und Marktzutrittsbarrieren. Es entstehen daher völlig neue Vertriebschancen. Es tauchen dadurch immer schneller neue Wettbewerber auf, die ihrerseits auf Konsumenten treffen, die verstärkt individuelle Nischenprodukte bevorzugen. Dieser Effekt wurde von Chris Anderson unter dem Stichwort Long Tail Effect beschrieben (Anderson C., 2008). Die dadurch resultierende Unbeständigkeit von Angebot und Nachfrage wird gerne mit dem Schlagwort „Volatility“ zusammengefasst, wobei man Volatilität als „Ausmaß der Schwankung innerhalb einer kurzen Zeitspanne“ begreifen kann (Dudenredaktion, 2020).

Bild 2.3VUCA-Modell

Die direkte Konsequenz der zunehmenden Volatilität ist, dass zukünftige Marktentwicklungen viel schlechter prognostiziert werden können, Ursache und Wirkung weniger durchschaubar werden und Probleme teilweise scheinbar aus dem Nichts auftauchen („Uncertainty“). Daraus resultiert, dass die Qualität der Führung einen noch größeren Stellenwert erhält, aber auch um ein Vielfaches herausfordernder wird.

Die zweite direkte Folgerung der Volatilität ist eine steigende Komplexität („Complexity“) für Unternehmen, die wiederum dazu führt, dass die Mehrdeutigkeit („Ambiguity“) von Situationen zunimmt: Informationen und Anforderungen können unterschiedlich gedeutet werden und sind daher nicht mehr eindeutig interpretierbar, was wiederum zu mehr unternehmerischer Unsicherheit führt (Bild 2.3).

Bild 2.4 verdeutlicht die Zusammenhänge zwischen Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit in Erweiterung des klassischen VUCA Konzeptes aus Bild 2.3. Die Volatilität beeinflusst die Unsicherheit und die Komplexität. Die Komplexität erhöht ihrerseits die Mehrdeutigkeit, die wiederum die Unsicherheit weiter verstärkt. Es braucht somit die Fähigkeit der Führungskräfte, mit Unsicherheit umzugehen (Abschnitt 11.3), und es braucht neue Strategien im Umgang mit Komplexität. Dies wird uns im gesamten Buch begleiten, an dieser Stelle wollen wir auf den Umgang mit Komplexität erstmals näher eingehen.

Bild 2.4VUCA-Zusammenhänge

Es gibt verschiedene Möglichkeiten, Komplexität zu charakterisieren (vergleiche hierzu auch die Definition in Abschnitt 4.6.1). Hier an dieser Stelle soll Komplexität im Sinne von Prof. Snowden verstanden werden (Snowden & Boone, 2007). Demnach können in komplexen Systemen Ursache-Wirkungsbeziehungen nicht im Vorhinein analysiert, sondern erst im Nachhinein festgestellt werden.

Prof. Snowden gibt eindeutige Hinweise, wie in komplexen Systemen vorzugehen ist (Snowden & Boone, 2007). Zusammenfassend lässt sich sagen: Je komplexer Systeme sind, desto wichtiger ist eine iterative Vorgehensweise mit schnellen Feedbackzyklen und raschem Lernen. Das heißt, wir brauchen im Qualitätsmanagement weiterhin bewährte Analyseinstrumente für komplizierte Situationen, wo Methoden wie „Fünfmal Warum“ („5 times why“) Anwendung finden. Zukünftig werden aber auch verstärkt agile, datengetriebene, explorative Vorgehensweisen für komplexe Situationen gebraucht, bei denen Ansätze wie Machine Learning und künstliche Intelligenz zum Einsatz kommen.

Das Qualitätsmanagement benötigt zukünftig somit noch stärker als bisher kurze Reaktionszeiten und erhöhte Agilität. Dazu müssen Daten in Echtzeit vorliegen, um rechtzeitig die richtigen Entscheidungen treffen zu können. Informationstechnologie und Qualitätsmanagement müssen dafür noch enger zusammenarbeiten.

2.5Der digitale Wandel als Chance im QM

Zu Beginn dieses Abschnitts möchten wir das ganzheitliche, gesamtgesellschaftliche und weltweite Epochenphänomen der digitalen Transformation erläutern, das von kommerziellen und Konsumenteninteressen sowie von Forschungsergebnissen und dem Handeln des Staats maßgeblich beeinflusst und mitbestimmt wird. Die digitale Transformation (auch „digitaler Wandel“) an sich bezeichnet einen fortlaufenden, in digitalen Technologien begründeten Veränderungsprozess, der in wirtschaftlicher Hinsicht speziell Unternehmen betrifft (Bild 2.5).

Bild 2.5Die digitale Transformation (Wikipedia, Digitale Transformation, 2021)

Ein wesentlicher Treiber und Akteur des Wandels ist dabei die Wissenschaft, die einerseits durch den Erkenntnisfortschritt selbst und andererseits durch die Schaffung und Veröffentlichung von unmittelbar verwertbaren Produkten (z. B. Softwarebibliotheken) beiträgt. Die Forschung profitiert ihrerseits aber auch direkt von der Entwicklung von digitalen Technologien. So wurden beispielsweise komplexe naturwissenschaftliche Simulationen erst durch leistungsstarke digitale Technologien und Systeme ermöglicht.

Der Staat hat zwar selbst keine primär wirkende Funktion im Veränderungsprozess, ist jedoch dessen Mechanismen und Auswirkungen ausgesetzt (z. B. Erwartung der Bürger nach digitalen behördlichen Abläufen). Er kann aber durch die gezielte Förderung und gesetzliche Regulierung ein Umfeld schaffen, das es Unternehmen erlaubt, die Verwertungspotenziale der digitalen Transformation zu nutzen.

Zu den Enabler (Ermöglicher) der digitalen Transformation zählen die digitalen Technologien. Damit gemeint sind die uns weitgehend bekannten digitalen Anwendungen wie Smartphones, Apps und das Internet sowie die digitalen Infrastrukturen wie etwa Netzwerkcomputer mit enormer Rechenleistung. Dadurch entstehen für Unternehmen Verwertungspotenziale, beispielsweise in Form von völlig neuen digitalen Geschäftsmodellen, Produkten und Services.

Für Unternehmen ist die digitale Transformation vielschichtig. So können digitale Verwertungspotenziale, sofern sie richtig genutzt werden, zu schnellem Wachstum führen. Aber genauso können durch das Nicht-Verstehen dieser digitalen Verwertungspotenziale große Unternehmen in Bedrängnis geraten (z. B. Kodak und die Digitalkameras). Dieses Phänomen wird als „The Innovator’s Dilemma“ bezeichnet (Christensen, 2016).

Zu guter Letzt sind es die Individuen und Gemeinschaften, die als Konsumenten und Nutznießer von neuen digitalen Technologien profitieren wollen. Die veränderte Erwartungshaltung von Kunden und Mitarbeitenden – insbesondere Menschen der jüngeren Generationen – bezüglich der Produkte, der Gesellschaft und des Arbeitgebers stellt selbst eine starke treibende Kraft der digitalen Transformation dar. Beispielsweise steigen die Anforderungen der Kunden an individuellen Service, Transparenz und Geschwindigkeit (Kofler, 2021).

Somit ist klar, dass für die langfristige Sicherstellung eines wirtschaftlichen Erfolgs die Umsetzung der digitalen Transformation für Unternehmen von höchster Bedeutung ist. Für das Qualitätsmanagement besonders relevant sind dabei zwei Schwerpunkte, die sich durch die Digitalisierung ergeben:

       Smart Products

       Smart Production/Processes

Um in zunehmend digitalisierten Märkten weiterhin erfolgreich zu sein, ist es notwendig, neue Geschäftsmodelle sowie neue digitale Lösungen und Services („Smart Products“) anzubieten. Smart Products sind intelligente Produkte und Komponenten, die in der Lage sind, sich zu vernetzen und Daten während ihrer Fertigungs- und Nutzungsphase zu sammeln und diese miteinander auszutauschen, so dass ein Mehrwert für den Kunden entsteht. Es muss den Unternehmen gelingen, einen anerkannten Mehrwert für den Kunden durch die Digitalisierung des Produkts und/oder Services anzubieten. Dies ist notwendig, weil bisherige Geschäftsmodelle an die Grenzen ihres Wachstums gestoßen sind.

Gleichzeitig ergeben sich durch die Digitalisierung völlig neue Möglichkeiten, die Produktivität von Prozessen zu optimieren, Verschwendung zu vermeiden und die Effektivität zu erhöhen. Man spricht in diesem Zusammenhang von Smart Production: Sie beschreibt die Vernetzung der Produktionskette durch Digitalisierung mit dem Ziel, Effizienz und Effektivität der Prozesse zu verbessern.

Beide Aspekte, nämlich einen Mehrwert für den Kunden zu schaffen und zweitens die Effektivität und Effizienz von Prozessen zu verbessern, sind zwei wesentliche Ziele im Qualitätsmanagement, für die sich durch die Digitalisierung völlig neue Möglichkeiten eröffnen.

2.6Entwicklungsstufen im Qualitätsmanagement

Die historische Evolution im Qualitätswesen lässt sich in mehrere Entwicklungsstufen unterteilen (Wikipedia, Qualitätsmanagement, 2021)(Bild 2.6). Sie stehen im starken Zusammenhang mit der dahinterliegenden Definition von Qualität sowie den zum jeweiligen Zeitpunkt zur Verfügung stehenden technischen Mitteln.

Bild 2.6Entwicklungsstufen im Qualitätsmanagement

In der frühen Phase der Qualitätskontrolle (Qualität 1.0) war es üblich, Qualitätsbelange von Spezialisten wahrnehmen zu lassen. Die Prüfung und Kontrolle von Qualität am Ende des Prozesses standen dabei im Vordergrund. Sehr oft gab es in Unternehmen eigene Abteilungen, die sich ausschließlich mit der Produktqualität beschäftigten und diese durch umfangreiche Kontrollen sicherzustellen hatten. Qualität wurde damals als reine Produktqualität verstanden, wobei das Soll intern festgelegt wurde (Spezifikationskonformität).

Der Fokus der Produktion bestand primär darin, Menge zu geringen Kosten, aber unabhängig von der produzierten Qualität herzustellen. Die nachgeschaltete Inspektion diente dem Aussortieren von fehlerhaften Teilen und weniger, um Verschwendung oder Ineffizienzen zu vermeiden.

Im Zeitalter der Qualitätssicherung (Qualität 2.0) bestand weiterhin das primäre Ziel darin, die Produktivität zu maximieren, jedoch wurde bereits auch vermehrt Augenmerk daraufgelegt, den finanziellen Aspekt von Ausschuss und Nacharbeit zu beleuchten. Erstmals entstanden daraus Prozessstandards, die es einzuhalten galt, um eine akzeptable Qualität sicherzustellen.

Dadurch traten die Beherrschbarkeit und Regelbarkeit der Prozesse stärker in den Vordergrund. Es wurde begonnen, Prozessdaten auszuwerten, viele Unternehmen führten Prozessregelkarten als Standardwerkzeuge ein. Der Begriff Qualität wurde um den Aspekt der Prozessqualität erweitert.

Später wurde Qualität zunehmend zu einem wichtigen Wettbewerbsvorteil und die Erfüllung der Kundenanforderungen wurde daher stärker in den Vordergrund gestellt. Die Kundenzufriedenheit wurde im Zeitalter des umfassenden Qualitätsmanagements (Qualität 3.0) das wesentliche Ziel des Qualitätsmanagements. Initiativen wie die Sicherstellung der kontinuierlichen Verbesserung und Standardisierung von Prozessen bekamen noch mehr Gewicht. Zudem wurden zahlreiche Zertifizierungen entwickelt und angeboten. Ein weiterführendes Ziel war, künftig alle Mitarbeitenden einer Unternehmung im Sinne des Total Quality Managements (TQM) in den Qualitätsprozess einzubeziehen.

Am Ende der Phase Qualität 3.0 (Beginn des dritten Jahrtausends) nahm der Wettbewerbs- und Kostendruck weiter zu und zunehmend gewannen die Fragenstellungen nach dem Beitrag des QM zum Unternehmenserfolg an Bedeutung. Six Sigma steigerte daher fortlaufend seine Popularität, da es messbare Erfolge verspricht. Der Begriff der Qualität wurde zunehmend um den Aspekt der Wirtschaftlichkeit erweitert.

Aktuell befinden wir uns in einer Phase, die wir als digitales QM bzw. Qualität 4.0 bezeichnen. Bei der Definition von Qualität 4.0 soll der Ansatz der ASQ (American Society for Quality) herangezogen werden (American Society for Quality, 2021):

       „Quality 4.0 brings together Industry 4.0’s advanced digital technologies with quality excellence to drive substantial performance and effectiveness improvements.“

       „Quality 4.0 is a term that references the future of quality and organizational excellence within the context of Industry 4.0.“

Vereinfacht übersetzt kann man sagen: Alles, was im Kontext von Industrie 4.0 in direktem Zusammenhang mit dem Qualitätsmanagement zu sehen ist, wird als Qualität 4.0 bezeichnet. Industrie 4.0 wiederum steht für die Verschmelzung von Informations- und Produktionstechnologie. Dies bedeutet, Produkte, Betriebsmittel, Produktionsprozesse und organisatorische Abläufe zu kennen und miteinander digital zu vernetzen. Die Vernetzung soll dabei sowohl vertikal vom Sensor bis in die Cloud als auch horizontal über Kunden-Lieferanten-Beziehungen in Wertschöpfungsnetzwerken erfolgen – und zwar mit dem Ziel, dass die Vernetzung durch die Digitalisierung die Effektivität und Effizienz der Prozesse verbessert.

Im Zeitalter von Qualität 4.0 wird die Digitalisierung dazu verwendet, um zeitnah und adaptiv zu lernen. Die selbstinduzierte Produkt- und Prozessoptimierung wird zum Ziel. Besonders hervorzuheben sind die folgenden Aspekte im Zusammenhang mit Qualität 4.0 (American Society for Quality, 2021):

       Adaptives Lernen und selbstinduzierte Systemlenkung.

       Maschinen lernen, wie sie selbst Qualität und Produktivität steuern können.

       Der Fokus verlagert sich vom Anlagenbediener hin zum Prozessdesigner (Entwicklung von Industrie-4.0-Lösungen, Industrialisierung von Prozessen, Entwicklung von softwareintensiven Systemen).

Diese Elemente werden in den Folgekapiteln detailliert beschrieben und erläutert.

2.7Ziele im Qualitätsmanagement

Als Zusammenfassung aus den letzten Abschnitten erkennen wir im Wesentlichen zwei Treiber, welche die Ausgangssituation und Herausforderungen, aber auch unsere Möglichkeiten im Qualitätsmanagement drastisch geändert haben. Zum einen nehmen Dynamik und Komplexität dramatisch zu, zum anderen ergeben sich durch die Digitalisierung völlig neue Möglichkeiten, Qualität zu lenken, zu sichern und zu verbessern.

Keinesfalls darf aber die oberste Prämisse verloren gehen: Nämlich, dass das Qualitätsmanagement durch Erhöhung und Sicherstellung der Kundenzufriedenheit und auch durch die Senkung der Fehlerrate einen Beitrag zum wirtschaftlichen Erfolg des Unternehmens leisten muss, idealerweise sowohl kurz- als auch langfristig. Dies gilt insbesondere im digitalen Zeitalter, da gerade jetzt die Gefahr besteht, digitale Systeme und Vorgehensweisen, welche „schick“ oder „in“ sind, einzuführen und dabei den Fokus auf die Wirtschaftlichkeit bzw. Wirksamkeit („Business Case“) des Tuns zu verlieren.

Bild 2.7 beschreibt die aus Sicht der Autoren wesentlichen Ziele im Qualitätsmanagement und deren potenziellen Beitrag zum wirtschaftlichen Erfolg des Unternehmens. Die Verbesserung der Produktqualität auf der einen Seite zielt darauf ab, die gerechtfertigten Anforderungen der Kunden zu erfüllen und somit die Kundenzufriedenheit zu erhöhen. Die Fokussierung auf die Prozessqualität auf der anderen Seite hat zum Ziel, Fehler und Verschwendung in den Prozessen zu reduzieren.

Bild 2.7Ziele im QM

2.7.1Produktqualität und Kundenzufriedenheit verbessern

Zur Kundenzufriedenheit lassen sich drei Unterziele definieren: Zum Ersten muss es das Ziel sein, einen Mehrwert für den Kunden zu schaffen; hier ist gemeint, dass es gelingt, den Kunden zu begeistern, indem ihm eventuell sogar mehr als erwartet geboten wird.

Ein weiteres Ziel im Qualitätsmanagement besteht darin, dass einerseits die Bedürfnisse der Kunden bestmöglich verstanden werden, um diese im Rahmen der Prozesse zu realisieren („Quality Forward Chain“), und dass andererseits gute Feedbackmechanismen etabliert werden („Quality Backward Chain“), um aus der gemachten Kundenerfahrung bestmöglich lernen zu können.

Als drittes Ziel im Bereich der verbesserten Produktqualität kann man die Fähigkeit nennen, Entwicklungsprozesse so zu beherrschen, dass innovative Produktemit den dazugehörigen Prozessen kundenorientiert und fehlerfrei entwickelt werden.

Wie stark eine verbesserte Kundenzufriedenheit den wirtschaftlichen Erfolg des Unternehmens beeinflussen kann, sehen wir an folgenden Merkmalen:

       Zufriedene Kunden bewirken am Markt ein verbessertes Image. Dies wiederum bewirkt einerseits Folgeaufträge und andererseits durch Weiterempfehlung eine aufwandsneutrale Umsatzsteigerung durch die Einsparung von Akquisitionskosten, da es erfahrungsgemäß ein Vielfaches an Kosten verursacht, Neukunden zu gewinnen, als bestehende Kunden zu halten.

       Durch die Steigerung des Marktanteils kommt ein weiterer positiver Effekt für die Organisation hinzu, nämlich, dass durch die Produktion größerer Mengen kostengünstiger gefertigt werden kann.

       Außerdem können Unternehmen eventuell das verbesserte Image dazu nutzen, einen höheren Verkaufspreis für die eigenen Produkte am Markt zu rechtfertigen und damit ebenfalls den eigenen Gewinn erhöhen (Bild 2.8).

Bild 2.8Erhöhung der Kundenzufriedenheit steigert den Gewinn (Deutsche Gesellschaft für Qualität, 1995)

Wie wir sehen, kommt im besten Fall eine duale Gewinnsteigerung zustande, da die zunehmende Kundenzufriedenheit und die daraus resultierende Produktionsmengenerhöhung es zulassen, effizienter und billiger zu produzieren. Zudem ergibt sich durch das verbesserte Image das Potenzial, das Produkt zu einem höheren Verkaufspreis am Markt anzubieten, ohne damit die Zufriedenheit der Kunden negativ zu beeinflussen.

2.7.2Prozessqualität verbessern

Ein wesentliches Ziel des Qualitätsmanagements ist es, die Prozessqualität kontinuierlich zu verbessern. Dies inkludiert einerseits die Reduktion oder den präventiven Ausschluss von Fehlern, aber auch die technologische Absicherung von Prozessen sowie die nachhaltige Reduktion von Verschwendung.

Die Wirkung auf den Erfolg des Unternehmens ist dabei vielfältig: Die Reduktion der Fehlerrate bewirkt zum einen eine Senkung der externen Fehlerkosten, weil beispielsweise die Kosten und Aufwände einer Reklamationsbearbeitung gespart werden oder teure Gewährleistungszahlungen entfallen. Andererseits werden interne Fehlerkosten, die beispielsweise durch Nacharbeit oder Ausschuss entstehen, reduziert oder gänzlich vermieden. Durch den Ausschluss von Fehlern wird zudem automatisch auch die Menge an produzierten Gutteilen erhöht, was sofort zu einer verbesserten Produktivität (= Verhältnis von Input zu Output, z. B. produzierte Menge pro Zeiteinheit) führt. In derselben Zeit mit demselben Aufwand kann somit mehr Material produziert und ein höherer Umsatz erzielt werden. Anders ausgedrückt können dadurch Opportunitätskosten in Form von entgangenen Deckungsbeiträgen vermieden werden.

Die erzielte Senkung der Service- und Herstellkosten führt zu einer Gewinnsteigerung bei gleichbleibenden Preisen oder zu Preissenkungsspielräumen, die wiederum zu einem entscheidenden Wettbewerbsvorteil führen können (Bild 2.9).

Bild 2.9Senkung der Fehlerkosten wirkt stark auf den wirtschaftlichen Erfolg (Deutsche Gesellschaft für Qualität, 1995)

Wenn wir also unsere Fehlerrate senken, öffnen wir damit ebenfalls wieder ein doppeltes wirtschaftliches Potenzial. Einerseits können wir damit die Effizienz steigern (weniger Verluste) und andererseits werden wir mit weniger Reklamationen aus dem Markt konfrontiert sein. Dies führt neben der Kostenreduktion auch zur Erhöhung der Zufriedenheit unserer Kunden und damit zur Imageverbesserung.

2.8Digitale Use Cases

In einer gereiften Organisation sind die Tätigkeiten und Abläufe der einzelnen Fachbereiche durchwegs klar geregelt, organisiert, in Prozessen beschrieben und in das Qualitätsmanagement integriert. Bei ganzheitlicher Betrachtung können wir für jeden Schritt der Wertschöpfungskette sowie auch in den unterstützenden Prozessen Anwendungsfälle, sogenannte „Use Cases“, für die Digitalisierung und Nutzung von künstlicher Intelligenz und Machine Learning im Sinne der Gestaltung einer „Fabrik der Zukunft“ identifizieren. Die möglichen Anwendungsgebiete der digitalen Technologien sind dabei mannigfaltig (Bild 2.10).

Gemäß einer Studie der Boston Consulting Group (Küpper, Knizek, Ryeson, & Noecker, 2020) wird die Wichtigkeit, alle Bereiche der gesamten Supply Chain im Zusammenhang mit Qualität 4.0 zu betrachten, explizit unterstrichen. Die Befragungsteilnehmer sehen zwar in den Bereichen Produktentwicklung und Produktion die größten Potentiale, erkennen aber auch Chancen, Qualitätsverbesserungen in der Versorgungskette zu erzielen, die traditionellerweise nicht im direkten Fokus von klassischen Digitalisierungsansätzen stehen. Beispielsweise sind dies die Logistik- und Verkaufsprozesse eines Unternehmens. Die befragten Personen halten die Themen Prognosefähigkeit (Predictive Analytics), Sensorik, Rückverfolgbarkeit und geschlossene elektronische Regelkreise als besonders wichtig.

Betrachten wir ein produzierendes Unternehmen mit einer eigenen Entwicklungsabteilung, so kann es in die Bereiche Produktentwicklung, Beschaffung, Fertigung, Logistik & Vertrieb und Service unterteilt werden (Küpper, Knizek, Ryeson, & Noecker, 2020).

Bild 2.10Mögliche Einsatzgebiete der Digitalisierung in einer Unternehmung (Küpper, Knizek, Ryeson, & Noecker, 2020)

Hinsichtlich der Möglichkeiten der Digitalisierung bietet sich im Bereich der Produktentwicklung