Fragen Sie jemanden, was Qualität bedeutet, und er wird Ihnen wahrscheinlich eine Erfahrung beschreiben: ein Produkt, das zuverlässig funktioniert, gut passt und lange hält.
Doch diese Erfahrung ist kein Zufall. Sie ist das Ergebnis hunderter technischer Entscheidungen in den Bereichen Konstruktion, Fertigung und Prüfung – und jede einzelne dieser Entscheidungen basiert auf Daten.
Wenn Unternehmen die Qualitätskosten optimieren, konzentrieren sie sich in der Regel darauf, *was* produziert wird und *wie*: weniger Fehler, straffere Prozesse, bessere Ausrüstung. All dies ist wertvoll.
Dennoch wird die Integrität der Daten, die jeder Qualitätsentscheidung zugrunde liegen, selten mit derselben Sorgfalt überprüft. Und hier kommt die Realität ins Spiel: Die Ergebnisse werden von Hand übertragen. Die Daten gelangen aus verschiedenen Systemen in unterschiedlichen Formaten ein. Ein Teil davon wurde bereits an der Quelle falsch erfasst – und das Problem tritt oft erst zutage, wenn es bereits kostspielige Folgen nach sich gezogen hat.
Die Herausforderung besteht darin, dass sich Datenfehler unbemerkt häufen.
Ein einzelner Messfehler oder ein falsch gekennzeichnetes Ergebnis bleibt selten auf ein einzelnes Bauteil beschränkt. Er fließt in SPC-Diagramme und Toleranzkumulierungsanalysen ein, wo Teams Entscheidungen mit größerer Sicherheit treffen, als es die Daten rechtfertigen. Unentdeckt fließt er in die Konstruktionsoptimierung ein und prägt die nächste Produktversion. Ein sichtbarer Fehler verursacht Ausschuss oder erfordert Anpassungen in benachbarten Teilsystemen; ein unsichtbarer Datenfehler verursacht Kosten – die manchmal weit über das Ausmaß des ursprünglichen Fehlers hinausgehen.
Fehlerkosten machen in der Regel den größten Teil der Qualitätskosten aus, und die Datenqualität hat einen starken Einfluss auf dieses Verhältnis. Unzuverlässige Daten erhöhen die Wahrscheinlichkeit unerwarteter Abweichungen und reaktiver „Feuerwehrmaßnahmen“. Prüfdaten liegen zwar vor – doch wie sicher können wir uns auf diese verlassen? Dies ist eine zentrale Frage.
Die Kosten beschränken sich zudem nicht nur auf das Produkt. Jede Fabrik birgt versteckte Kosten, die mittlerweile als fester Bestandteil der Fertigungsrealität gelten: Hochqualifizierte Ingenieure verbringen bis zu 80 % ihrer Zeit damit, Daten zu suchen, zusammenzuführen und doppelt zu überprüfen, anstatt sie zu analysieren. Dies taucht selten in einem Bericht über Qualitätskosten auf, stellt jedoch erhebliche Betriebskosten dar – und jeder manuelle Arbeitsschritt birgt eine weitere Fehlerquelle.
Das Bewusstsein für diese Einschränkungen führt zu einer weiteren Erhöhung der Kosten.
Werden Ergebnisse in Frage gestellt, werden weitere Messungen durchgeführt. Werden Anpassungen in der Fertigung vorgenommen, diese jedoch nicht an das Produktlebenszyklusmanagement zurückgemeldet, arbeiten die Konstruktionsteams auf der Grundlage von Annahmen, die nicht mehr der Realität entsprechen, während manuelle Umgehungslösungen die Herstellungskosten in die Höhe treiben. Keine einzelne Funktion innerhalb der Fertigungswertschöpfungskette verfügt über den vollständigen Überblick, und es entsteht ein sich selbst verstärkender Kreislauf: Mehr manuelle Kontrollen, um Daten auszugleichen, denen wir nicht voll und ganz vertrauen, was wiederum mehr Daten von ungewisser Qualität erzeugt.
Dieser Teufelskreis gewinnt angesichts der Entwicklung, in die sich die Branche bewegt, noch mehr an Bedeutung. Mit modellbasierter Definition, digitalen Zwillingen und KI-gestützter Qualitätsvorhersage wird die Datenqualität nicht mehr nur ein Grundthema, sondern *der* entscheidende Faktor – mangelhafte Eingabedaten führen nicht mehr nur zu mangelhaften Ergebnissen, sondern ermöglichen es der Automatisierung, fehlerhafte Schlussfolgerungen effizient zu skalieren.
Doch das Gegenteil trifft ebenso zu – und genau darin liegt die eigentliche Chance. Stellen Sie sich ein einheitliches digitales Rückgrat vor, in dem Daten in jeder Phase angereichert werden, dabei jedoch stets alle erforderlichen Informationen enthalten – von der Konstruktionsabsicht über die Fertigung bis hin zur Qualitätsprüfung. Übergaben erfolgen automatisch. Manuelle Zusammenführungen entfallen. Was den Menschen bleibt, ist das, was tatsächlich Mehrwert schafft: die Entscheidungsfindung.
Die Hersteller, die für das nächste Jahrzehnt am besten aufgestellt sind, werden nicht diejenigen sein, die über die meisten Prüfgeräte verfügen, sondern jene, deren Qualitätsentscheidungen auf Daten beruhen, die sie niemals anzweifeln müssen – Daten, die unterbrechungsfrei vom CAD-Modell bis zum Messbericht fließen und nur an bewusst gewählten manuellen Schnittstellen bearbeitet werden. Messdaten verdienen dieselbe Sorgfalt, die wir den Produkten selbst widmen – in einer modellbasierten Welt sind beide untrennbar miteinander verbunden.
Bevor wir also die nächste Initiative zur Prozessverbesserung in Angriff nehmen, sollten wir uns zunächst eine einfachere Frage stellen: Wie sehr vertrauen wir unseren Daten – und durch wie viele Hände gehen sie, bevor jemand darauf reagieren kann? Wo immer Unsicherheit herrscht, liegt dort ein Ansatzpunkt – und möglicherweise eine der kosteneffizientesten Investitionen in die Qualität, die ein Unternehmen tätigen kann.