„Daten sind das neue Gold.“ – So abgedroschen dieser Satz klingt, so wahr ist er auch. Schließlich funktionieren ohne eine große Menge aktueller und zuverlässiger Informationen weder smarte Online-Dienste noch das Internet der Dinge. Im Rahmen von Industrie-4.0-Projekten sind vor allem hochwertige Stammdaten entscheidend. Einer der populärsten Anwendungsfälle in diesem Bereich ist sicherlich Predictive Maintenance. Hierbei ermöglichen Stammdaten, die Wartungsplanung vorausschauend und effektiv zu gestalten. Denn wenn die Informationsgrundlage bruchstückhaft oder veraltet ist, werden Produktionsanlagen oft erst gewartet, wenn es zu spät und schon zu Ausfällen gekommen ist.
Je nach Industriezweig können schon wenige Minuten Produktionsstillstand zu Verlusten in Millionenhöhe führen. Für die vorausschauende Instandhaltung werden die Anlagen daher mit Sensoren ausgestattet, die kontinuierlich Messwerte zum Zustand einzelner Komponenten sammeln. Mathematische oder statistische Methoden auf Basis künstlicher Intelligenz (KI) führen diese mit weiteren Informationen, zum Beispiel zur Anlage selbst, ihren Bestandteilen oder zu Umwelteinflüssen, zusammen und werten sie aus. Die Ergebnisse liefern wiederum frühzeitig Einblicke in Wartungsbedarfe und Optimierungspotenziale – noch bevor die Produktion stillsteht.
KI-Methoden lassen sich für Industrie-4.0-Projekte wie Predictive Maintenance relativ einfach einsetzen. Die gewonnen Ergebnisse aus den gesammelten Bewegungsdaten sind aber immer nur so gut, wie die zugehörigen Stammdaten. Und hier kommt Master Data Management (MDM) ins Spiel.
„Vielen Unternehmen ist der Zusammenhang von Instandhaltung, Ausfällen und Stammdaten nicht bewusst. Dieses Verständnis ist aber wichtig, um Anlagen zukunftssicher zu betreiben.“
– Burak Karaoglu, Consultant, SIRIUS
Master Data Management: Tools für den besseren Überblick
Jedes Unternehmen pflegt Stammdaten – allerdings häufig inhomogen, unvollständig oder mehrfach. Stellen Sie sich zum Beispiel ein Pharmaunternehmen vor. Damit es seine Lagerbestände nachvollziehen kann, legt ein Pharmakant für alle Wirk- und Inhaltsstoffe der Medikamente Stammdatensätze an. Einen davon erfasst er als „Alkohol“. Ein weiterer Pharmakant legt ebenfalls Stammdaten an, nennt das Lösungsmittel jedoch „Ethanol“. Was sie beide nicht wissen: Ein dritter Kollege hat in der Vergangenheit den Datensatz bereits angelegt. Als Namen hatte er jedoch die chemische Summenformel eingetragen. Eine Datenbankabfrage nach einem der drei Begriffe kann jetzt keine eindeutigen Informationen mehr zu den Lagerbeständen ausgeben.
Das Beispiel veranschaulicht zwei häufige Schwierigkeiten im Umgang mit Stammdaten: ein fehlendes Berechtigungsmanagement und eine uneinheitliche Datenerfassung. Mit einem MDM können Sie Ordnung in das System bringen und Richtlinien erstellen, wer Stammdaten auf welche Weise anlegen kann. Dann darf etwa nur noch ein Pharmakant Stammdaten initial anlegen, eine bestimmte Personengruppe kann sie bearbeiten und der Vorgesetzte muss sie abschließend freigeben. Gleichzeitig definieren Datenmodelle das Format der Stammdaten und stellen schematisch einheitliche Datensätze sicher – oftmals auf Basis interner Anforderungen oder offizieller Normen.
MDM-Tools wie SAP Master Data Governance (SAP MDG) oder Stibo STEP unterstützen Sie dabei, den Überblick zu behalten. Sie sind damit in der Lage, Fehler in den Daten aufzudecken und zu verhindern, dass neue entstehen. Das MDM-System verwaltet die Single Source of Truth: Änderungen an den Stammdaten werden nur noch dort vorgenommen und automatisch in andere, verbundene Systeme repliziert. Ein angeschlossenes Action Log dokumentiert alle Veränderungen. Das ist gerade für Branchen interessant, die rechtlichen Vorgaben unterliegen – wie die Pharmaindustrie. Hier müssen Unternehmen noch viele Jahre nachdem eine Produktionsanlage abgeschaltet wurde, sämtliche Stammdatenänderungen nachweisen können. Meterweise Aktenregale zur Dokumentation werden mit dem MDM-Tool obsolet.
Stammdatenprojekte richtig planen
Sie können ein MDM-System aber nicht einfach einführen und dann klappt das mit den hochwertigen Stammdaten schon. Die erfolgreiche Implementierung braucht ein sorgfältig vorbereitetes Stammdatenprojekt: Definieren Sie zunächst konkrete Ziele, die Sie erreichen möchten. Identifizieren Sie Sicherheits- und Designrichtlinien, wie die oben genannten Vorgaben der Pharmabranche, und überführen Sie sie in ein Datenmodell. Anschließend können Sie Ihre Stammdaten in das MDM-Tool migrieren. Hier helfen vorgefertigte Schnittstellen zu anderen Systemen, die Daten im Laufe des Migrationsprozesses zu extrahieren, zu transformieren und anschließend zu replizieren.
Alles eine Frage der Kultur
Stammdatenprojekte und die Einführung einer MDM-Lösung sind keine Selbstläufer. Es ist wichtig, dass Sie Ihre Daten auf Vordermann bringen und dann fortlaufend dafür sorgen, dass die Datenqualität durch die Governance auch in Zukunft beibehalten wird.
Instandhaltung und Stammdaten hängen untrennbar zusammen: Hochwertige Daten beeinflussen die effiziente Wartung. Das macht sie für alle Unternehmen relevant. Die jeweilige Umsetzung ist letztlich aber immer auch eine Kulturfrage. Wollen Sie up to date sein und setzen auch das ein oder andere Extra an Technologie ein – just um der Innovation Willen? Oder belassen Sie es bei einem grundsätzlicheren Stammdatenprojekt, das in erster Linie für einen reibungslosen Ablauf sorgt? Was auch immer auf Sie zutrifft, eins bleibt durchweg gleich: Effiziente Instandhaltung, effektive KI und kostenoptimierte Prozesse erreichen Sie nur mit hochwertigen Stammdaten sowie einer durchdachten Governance.
Titelbild: © Melpomenem/iStock
