ISBN 9783843903752

978-3-8439-0375-2, Reihe Wirtschaftswissenschaften

Jörg Schumacher
Prozess- und Data Governance im industriellen Anlagenmanagement

256 Seiten, Dissertation Karlsruher Institut für Technologie (2011), Hardcover, B5

Zusammenfassung / Abstract

Stammdaten haben Auswirkungen auf den Erfolg eines Unternehmens und rücken zunehmend in den Mittelpunkt betrieblicher Entscheidungen. Erfüllen die Stammdaten für den Nutzer in den Geschäftsprozessen nicht den verlangten Zweck, wird vielfach die Schuld der schlechten Datenqualität gegeben. Das Stammdatenmanagement im Unternehmen steht somit zunehmend unter Druck, ihren geleisteten Beitrag zum Unternehmenserfolg aufzuzeigen. Der Wertbeitrag der Stammdatennutzung in den Geschäftsprozessen ist meist nicht oder nur indirekt erkennbar.

Für die Implementierung einer prozessorientierten Data Governance steht derzeit in Forschung und Praxis kein systematisches Vorgehen zur Verfügung. Unternehmen fehlt es an Handlungsempfehlungen, um Data-Governance-Strategien in Geschäftsprozessen und IT-Anwendungen operativ nutzen zu können.

Im Rahmen der Dissertation werden mit dem entwickelten Lösungsansatz Prozess- und Data Governance die Anforderungen zur Nutzung, Wertsteigerung und Nachhaltigkeit an eine prozessorientierte Data Governance im industriellen Anlagenmanagement produzierender Unternehmen ganzheitlich festgelegt. Prozess- und Data Governance beinhaltet ein systematisches Vorgehen, um aufzuzeigen, wie Stammdaten harmonisiert und durchgängig in den Geschäftsprozessen genutzt werden können, mit dem Ziel, in der gesamten Wertschöpfungskette durch hohe Datenqualität einen hohen Wertbeitrag zu erreichen und diesen auch messen zu können. Der positive Einfluss von Stammdaten auf den Unternehmenserfolg wird somit erfasst und transparent dargestellt.

Die Entwicklung standardisierter Lösungen zu eBusiness-Prozessen für industrielle Dienstleistungen ist in den letzten Jahren bei den Industrieunternehmen zu einem Trendthema geworden. Der Fokus der Dissertation liegt daher auf Nutzung von Stammdaten zu industriellen bzw. hybriden Dienstleistungen (Material- und Leistungsstammdaten) und Standards am Beispiel des Klassifikationsstandards eCl@ss für das Anlagenmanagement produzierender Unternehmen (sekundärer Sektor).

Basierend auf den Ergebnissen der Analysen und mit der Nutzung von Reifegradmodellen werden Handlungsempfehlungen für die Implementierung und Bewertung einer prozessorientierten Data Governance im Unternehmen gegeben. In der Data Governance erfolgt die ganzheitliche Festlegung der Anforderungen an Datenqualitätsmanagement sowie operatives und analytisches Stammdatenmanagement.