aiMOOC

Qualitätsmanagement 4.0 und digitale Fehleranalyse

QR-Code

Zielgruppe: Auszubildende im 3. bis 4. Ausbildungsjahr in gewerblich-technischen und kaufmännisch-technischen Berufen. Voraussetzung: Z1 bis Z3 oder vergleichbare Kompetenzen in Prozessabläufen, Dokumentation und Qualitätssicherung. Stimme das Projektziel mit deinen Ausbildenden ab. Dauer: ungefähr 5–8 Lernstunden plus Projektarbeit. Arbeitsweise: nur mit fiktiven Daten auf Papier oder in einer lokalen Tabellenkalkulation, ohne kostenpflichtiges KI-Konto.

Einleitung

Wie wird aus einem digitalen Prüfsignal eine begründete Qualitätsverbesserung? In diesem Kurs erstellst du einen Fehlerbericht zu verwechselten Varianten in einer fiktiven Variantenfertigung. Du lernst, einen Prüfplan und die Stichprobe zu begründen, konkurrierende Fehlerursachen zu testen und eine Änderung nachweisbar gegenzuprüfen. Das Ziel ist ein überprüfbarer Lernkreislauf statt einer bloßen Fehlermeldung.

Aktivierung: Erkläre in zwei Sätzen den Unterschied zwischen Sollvorgabe und Istbefund. Sammle dann drei mögliche Datenfelder einer Qualitätsprüfung. Als vorausgesetzte Grundlage dient diese bestehende Lernressource. Ihr genauer Seiteninhalt war beim Quellenabruf nicht verfügbar; dieser Kurs behauptet deshalb keine Einzelheiten über sie und führt bewusst ein neues Lernprodukt ein.

Sicherheit und Unabhängigkeit: Alle Produktions-, Maschinen-, Personal- und Kundendaten sind synthetisch. Keine reale Maschinensteuerung, Sicherheitsfreigabe, Sperrentscheidung oder Änderung eines Produktionssystems. Der Kurs ist ein unabhängiges Bildungsangebot und weder eine offizielle Liebherr- noch eine IHK-Zertifizierung.

Digitale Qualitätsprozesse verstehen

Vom Prüfmerkmal zum digitalen Befund

Eine Prüfspezifikation legt fest, was geprüft wird, welche Sollwerte und Toleranzen gelten und welche Entscheidung bei Abweichung zu dokumentieren ist. Eine Prüfaufzeichnung enthält beobachtete Werte, Prüfzeitpunkt, Variantenkennung, Prüfmittel beziehungsweise Datenquelle, Version der Prüfvorschrift und das Ergebnis. Eine Abweichung bedeutet, dass ein definiertes Kriterium nicht erfüllt ist; sie beweist noch keine Fehlerursache.

Qualitätsmanagement 4.0 bezeichnet hier die Nutzung vernetzter Daten, digitaler Rückverfolgbarkeit und systematischer Rückkopplung zur Verbesserung von Prozessen; der Ausdruck ersetzt keine einzelne verbindliche Norm. Ziel ist nicht möglichst viel Datensammlung, sondern verlässliche Entscheidungsevidenz. Datenqualität umfasst Vollständigkeit, zeitliche Zuordnung, Konsistenz und Herkunft. Die ISO erläutert Prozessorientierung, risikobasiertes Denken und Verbesserung im Zusammenhang mit ISO 9001; verwende Normverweise nicht als automatische Zertifizierungszusage.

Minibeispiel: Ein Prüfdatensatz „Variante B; Soll B; gelesen A; 10:25; Prüfregel v2; manuelle Nachprüfung offen“ beschreibt eine Auffälligkeit. Für einen belastbaren Fehlerbericht fehlen noch die gesicherte Teileidentität, das Prüfergebnis der Gegenkontrolle und die Abgrenzung der betroffenen Aufträge.

Prüfkette, Berechtigungen und digitale Spuren

Ein nachvollziehbarer Ablauf lautet Auftrag → Teileidentität → Merkmalsprüfung → Befund → Sichtung → Maßnahmenvorschlag → Wirksamkeitsprüfung. Die Ereigniskette benötigt eindeutige künstliche Kennungen und Versionsstände. Ein Dashboard kann Abweichungen visualisieren, aber eine rote Anzeige ist keine Ursachenanalyse. Lege in deiner Simulation fest, wer Beobachtungen erfassen, Hypothesen prüfen und Entscheidungen dokumentieren würde; eine reale Freigabe gehört ausschließlich in die betrieblichen Zuständigkeiten.

Vertiefung: Unterscheide falsch-negative Befunde (Fehler wird übersehen) und falsch-positive Befunde (fehlerfreies Stück wird beanstandet). Prüfe, ob Messmittel, Datenübertragung, Schwellenwert und Referenzdaten selbst Fehlerquellen sein könnten. Dies gilt besonders für automatische oder KI-gestützte Bildauswertung.

Audit-Frage: Welche drei Belege müssen vorliegen, damit eine zweite Person deinen Befund unabhängig nachprüfen kann? Hilfestellung: Prüfkriterium, Rohbefund, Versions- und Zeitbezug.

Medien: Die kurze Sprachaufnahme dient ausschließlich als Aussprachehilfe, nicht als fachliche Vorlesung.

Aussprache des Wortes Qualität

Dateiseite, Jeuwre, CC BY-SA 4.0. Ohne Audio: Sprich „Qualität“ aus und erläutere die sachliche Bedeutung eines Qualitätskriteriums in eigenen Worten.

Stichproben und digitale Prüfentscheidungen

Auswahl und Aussagekraft einer Stichprobe

Grundgesamtheit bedeutet alle Einheiten, über die eine Aussage getroffen werden soll. Eine Zufallsstichprobe gibt Einheiten eine vorab definierte Auswahlchance; eine geschichtete Stichprobe teilt die Menge zunächst nach relevanten Merkmalen wie Variante oder Schicht. Eine bewusste Risikostichprobe eignet sich zum Suchen möglicher Fehlernester, ist aber ohne geeignete Auswertungsmethode keine repräsentative Schätzung der Gesamtfehlerquote. Stichprobenumfang, Verteilung und Auswahlregel gehören in jeden Prüfbericht.

Entscheidungsregel: Für explorative Fehlersuche darfst du überproportional aus der besonders riskanten Variante auswählen; benenne dann offen die verzerrte Verteilung. Für eine belastbare Schätzung der Gesamtquote bräuchtest du passende Stichprobenplanung, Stichprobengewichte und Unsicherheitsangaben. Bei gravierendem Sicherheitsrisiko darf eine bloße kleine Stichprobe niemals eine reale Freigabe ersetzen.

Trend, Streuung und Warnsignal

Eine Fehlerquote ist der Anteil fehlerhafter Einheiten, bezogen auf eine eindeutig genannte Prüfmenge. Ein einzelner Prozentwert ohne Umfang und Zeitraum kann irreführen. Ein Regelkartensignal zeigt je nach Verfahren auffällige Veränderungen in einem Prozess an; seine Kontrollgrenzen sind nicht dasselbe wie Produkttoleranzen. Prüfe zunächst korrekte Datenerfassung und plausible Vergleichszeiträume.

Beispiel einer Regelkarte; keine unmittelbar anwendbare Grenze für unsere Modellfertigung. DanielPenfield, von Urheber in die Gemeinfreiheit gegeben. Ohne Grafik: Zeichne sechs Messzeitpunkte in ein Koordinatensystem und markiere einen plötzlichen Anstieg als Anlass für eine Prüfung, nicht als bewiesene Ursache.

Prüffrage für später: Warum sagt eine Stichprobe mit zehn A- und zehn B-Teilen bei einer Gesamtmenge von sechzig A- und vierzig B-Teilen nicht unmittelbar die Gesamtfehlerquote aus?

Fehlerursachen statt Symptome untersuchen

Ursachenhypothesen und Belegarten

Ein Symptom ist die beobachtete Abweichung, etwa „physisches Teil B trägt Etikett A“. Eine Hypothese ist die überprüfbare Aussage „eine veraltete Zuordnungstabelle erzeugt falsche Etiketten“. Unterschiedliche Hypothesen können dasselbe Symptom erklären: falsche Stammdaten, vertauschte Behälter, unlesbare Kennzeichen, veraltete Softwareversion oder manuelle Fehlentnahme.

Die 5-Warum-Methode vertieft einen vermuteten Ursache-Wirkungs-Pfad. Das Ishikawa-Diagramm ordnet mögliche Ursachen systematisch, etwa nach Mensch, Methode, Maschine, Material, Messung und Umfeld. Beide Werkzeuge erzeugen zunächst Vermutungen; bestätigte Ursache wird eine Hypothese erst durch unterscheidbare Belege und Gegenbelege. Ein Gegenbeispiel ist wertvoller als zehn unbelegte Wiederholungen.

Ishikawa-Struktur, im Original englisch beschriftet. Jake Choules, Public Domain. Ohne Grafik: Schreibe das Symptom rechts auf ein Blatt und ordne links sechs mögliche Ursachenfamilien an.

Deutschsprachiges Video zur 5-Warum-Methode, OECplus Leadership Management, veröffentlicht 07.07.2022; Inhalte des Videos sind urheberrechtlich geschützt. Verfügbarkeit und Nutzungsbedingungen können sich ändern. Ohne Video: Frage zu einem synthetischen Zuordnungsfehler wiederholt „Warum?“, bis du eine überprüfbare Prozesshypothese erhältst; teste sie zusätzlich gegen einen Alternativgrund.

Eine Alternative wirklich prüfen

Nimm nicht einfach die erste scheinbar plausible Ursache. Formuliere für jede relevante Hypothese eine erwartete Beobachtung und eine Beobachtung, die ihr widersprechen würde.

Hypothese	Erwarteter Befund	Unterscheidender Test
Veraltete Variantenzuordnung	Fehler häufen sich bei Datensatzrevision r17	Simuliere denselben Auftrag mit r17 und r18 auf Testdaten
Vertauschte Teilebehälter	Physisches Teil stimmt trotz korrekter digitaler Zuordnung nicht	Vergleiche Etikett, Teilegeometrie und unabhängiges Referenzblatt
Teilemangel mit Ersatzentnahme	Fehler folgen bestimmten Engpassaufträgen	Vergleiche fiktive Materiallisten und Zeitpunkte der Ersatzentnahme

Wichtig: Gleichzeitiges Auftreten ist keine Kausalitätsbestätigung. Nutze dokumentierte Gegenproben, Grenzfälle und unterschiedliche Datenquellen. Wähle bei knappen Ressourcen den Test mit der höchsten Unterscheidungskraft und geringstem Simulationsaufwand.

Geführter Modellfall: Variantenverwechslung

Ausgangsdaten der fiktiven Fertigung

Die Modellfirma „Werkstatt Nova“ montiert zwei Varianten eines Bauteils. Aufgrund eines synthetischen Materialengpasses werden Ersatzteile in beschrifteten Behältern bereitgestellt. Es existieren 100 fiktive Aufträge: 60 der Variante A und 40 der Variante B. Ein nicht produktiver Datensatz zeigt mögliche Etikettverwechslungen.

Gruppe	Grundgesamtheit	gezielt geschichtete Stichprobe	beobachtete Verwechslungen
Variante A	60	10	1
Variante B	40	10	5
Summe	100	20	6

Schritt 1 – Stichprobe begründen: Du hast je zehn Fälle gewählt, damit du die seltener gefertigte, als riskanter eingeschätzte Variante B gründlich vergleichen kannst. Die sechs von zwanzig Befunde ergeben 30 % in dieser gezielt geschichteten Prüfmenge, nicht nachweislich 30 % aller 100 Aufträge. Der Befund ist ein Untersuchungssignal. Notiere Stichprobenregel, Zeitpunkt und Grenzen ausdrücklich.

Schritt 2 – alternative Ursache prüfen: In zusätzlichen synthetischen Logs sind vier der fünf auffälligen B-Fälle mit Mapping-Version r17 verbunden; ein B-Fall und der A-Fall mit r18. Dies macht r17 verdächtig, beweist aber keinen Softwarefehler. Stelle zwei konkurrierende Testfragen: Lässt sich eine Etikettabweichung mit r17 bei korrekter physischer Entnahme reproduzieren? Entsteht eine Abweichung auch bei r18 durch vertauschte Behälter oder den Teilemangel? Kennzeichne nicht zugängliche Informationen als offen.

Schritt 3 – Änderung gegenprüfen: Simuliere die Korrektur der Zuordnungstabelle ausschließlich als Vergleich zweier Papier- oder Tabellenmodelle. Lasse zehn neue erfundene Aufträge mit beiden Varianten durch dieselbe vorab festgelegte Prüfroutine laufen; halte Referenz, Zeit, Version und Einzelbefunde fest. Prüfe außerdem einen unveränderten Vergleichsfall und einen bewusst fehlerhaften Fall. Selbst null entdeckte Fehler in zehn Fällen wären kein ausreichender Sicherheits- oder Produktionsfreigabenachweis; kleine Tests können seltene Fehler übersehen.

Vorlage für das Lernprodukt Fehlerbericht

Erstelle einen lesbaren Bericht mit folgenden Pflichtfeldern:

Kennung und Geltung: Q-TEST-01, Datum, Versionsstand, „synthetische Übung, nicht freigabefähig“.
Problemdefinition: Welche Soll-Ist-Abweichung trat bei welcher Variante und in welcher Prozessstufe auf?
Evidenz: Datentabelle, Prüfkriterium, Herkunft, Umfang, Auswahlregel, unbekannte Größen und gegebenenfalls korrigierte Quote.
Hypothesenvergleich: Mindestens zwei Ursachen, Belege, Gegenbelege und eine falsifizierbare Probe je Hypothese.
Maßnahmenvorschlag: Simulation der Korrektur mit Verantwortungsrolle, Versionskennzeichnung und möglichem Nebenrisiko.
Wirksamkeitsprüfung: vorher definierter Vergleich, neue Testfälle, unveränderte Kontrollfälle, Grenzen des Ergebnisses.
Rückkopplung: Wer würde aus dem Bericht welche Datenqualität oder Prüfregel künftig verbessern? Was bleibt offen?

Mini-Beispiel für eine Berichtspassage: „Die gezielt geschichtete Stichprobe umfasst je zehn A- und B-Fälle. Sechs Abweichungen wurden beobachtet, fünf davon in B. Die Hypothese einer falschen Zuordnungstabelle r17 ist begründet, aber wegen eines auffälligen B-Falls unter r18 nicht bestätigt. Ein unabhängiger Abgleich von Behälterkennzeichnung und Zuordnungsversion ist als nächste simulierte Gegenprobe geplant.“

Bewertung an drei konkreten Kriterien:

Stichprobe begründet: Aussage über Teilgruppen statt irreführender Hochrechnung; Auswahlrisiko und offene Unsicherheit benennen.
Alternative Ursache geprüft: Behälterverwechslung mit einer unabhängigen physischen Referenz von r17-Fehlern unterscheiden.
Änderung gegengeprüft: neue Fälle, Negativ- und Vergleichsfall sowie Ergebnisgrenzen vorab festlegen und nachher dokumentieren.

Kontinuierliche Verbesserung und verantwortliche KI

PDCA als dokumentierte Rückkopplung

Plan: Problem und Messregel präzisieren, Hypothesen und Prüfszenarien definieren. Do: nur die simulierte Änderung im Testmodell vornehmen. Check: anhand zuvor festgelegter Daten prüfen, ob die Abweichung zurückgeht und neue Fehler entstehen. Act: eine nachweislich sinnvolle Änderung als Vorschlag dokumentieren oder bei ungenügender Evidenz erneut planen. KVP heißt kontinuierlicher Verbesserungsprozess; er lebt vom transparenten Lernen aus wiederholten Prüfschleifen.

PDCA-Kreislauf; englische Originalgrafik. Karn Bulsuk, CC BY 4.0, Zuschreibung: Diagram by Karn Bulsuk (http://www.bulsuk.com).

Ergänzende GIF-Darstellung des Kreislaufs; eine Animation ist aus dem Dateieintrag allein nicht nachgewiesen. Xsmith, CC BY-SA 3.0 oder GFDL. Ohne Bilder: Zeichne vier Felder Plan, Do, Check, Act; trage für Q-TEST-01 pro Feld einen eigenen Satz ein.

Deutschsprachiges PDCA-Erklärvideo von Florian Frankl, 12.11.2020; externer Inhalt und Wiedergabe können sich ändern. Ohne Video: Begründe, weshalb ein gemessener Rückgang von Fehlern ohne neue Vergleichsdaten keine tragfähige Ursachenbestätigung ist.

Lernende Qualitätssicherung mit KI: kritisch, reproduzierbar, begrenzt

Ein KI-System kann Abweichungen clustern oder Prüfhinweise formulieren. Es kann aber auch nicht belegte Ursachen erfinden, seltene Varianten übersehen oder falsche Sicherheit vermitteln. Ein Human-in-the-loop-Ablauf trennt maschinellen Vorschlag, unabhängige Prüfung und dokumentierte menschliche Entscheidung. Für eine optionale KI-Simulation ohne Konto genügt, dass eine Lernperson die Rolle eines automatischen Fehlermelders übernimmt und eine andere die Meldung mit Referenzdaten kontrolliert.

NIST AI 600-1 (Juli 2024) beschreibt Risiken generativer KI und Maßnahmen zum Risikomanagement. Es ist kein Qualitätsprüfstandard für Maschinenbauteile und kein Ersatz für eine konkrete betriebliche Risikobeurteilung. Übertrage nur die allgemeinen Leitgedanken nachvollziehbarer Evaluierung, Dokumentation und menschlicher Kontrolle; aktualisiere Quellen bei späterer Nutzung.

Anspruchsvolle Vertiefung: Vergleiche zwei Prüfregeln auf denselben fiktiven Datensätzen: Regel X übersieht einen B-Fall, Regel Y meldet zwei zusätzliche Fehlalarme. Begründe den Zielkonflikt anhand von Fehlerfolgen, Prüfkosten, Variantenhäufigkeit und verbliebener Unsicherheit. Eine Optimierung auf eine einzige Kennzahl kann die Gesamtqualität verschlechtern.

Interaktive Aufgaben

Quiz: Prüfentscheidungen verstehen

Welchen Schluss erlaubt die gezielt geschichtete Stichprobe im Modellfall unmittelbar? (In den zwanzig gezielt ausgewählten Prüffällen wurden sechs Verwechslungen beobachtet) (!Die Gesamtfehlerquote aller hundert Aufträge beträgt exakt dreißig Prozent) (!Jede Variante hat dieselbe Fehlerwahrscheinlichkeit) (!Die Ursache wurde bereits durch die Stichprobe bewiesen)

Was gehört zur digitalen Rückverfolgbarkeit einer Abweichung? (Prüfkriterium Ereigniszeit Variante und Versionsstand der Prüfanweisung) (!Nur ein farbiger Warnhinweis ohne Rohdaten) (!Eine vermutete Ursache ohne Prüfdatum) (!Ausschließlich die Gesamtstückzahl ohne Variantenkennung)

Wie lässt sich eine alternative Ursache sachgerecht testen? (Man legt vorher eine Beobachtung fest die zwei Hypothesen unterscheidet) (!Man streicht alle Hypothesen außer der zuerst genannten) (!Man fragt nur Personen die der ersten Hypothese zustimmen) (!Man ersetzt die Messung durch eine plausibel klingende Geschichte)

Welche Aussage über das Ishikawa-Diagramm ist zutreffend? (Es strukturiert mögliche Ursachen die anschließend mit Daten überprüft werden müssen) (!Es bestätigt jede eingetragene Ursache automatisch) (!Es ersetzt alle Prüfaufzeichnungen) (!Es berechnet allein verbindliche Sicherheitsgrenzen)

Welche Bewertung ist nach zehn fehlerfreien Simulationen angemessen? (Die Änderung ist in diesen Testfällen unauffällig aber ein seltener Fehler bleibt möglich) (!Eine reale Sicherheitsfreigabe ist damit automatisch erteilt) (!Alle zukünftigen Varianten sind erwiesenermaßen fehlerfrei) (!Eine weitere Dokumentation ist überflüssig)

Was unterscheidet Kontrollgrenzen von Produkttoleranzen? (Kontrollgrenzen beschreiben Prozessverhalten und Toleranzen Anforderungen an das Produkt) (!Beide bezeichnen immer genau dieselben Grenzwerte) (!Kontrollgrenzen werden ausschließlich durch den Kundenauftrag festgelegt) (!Produkttoleranzen ersetzen die Ursachenanalyse)

Wozu wird ein unveränderter Vergleichsfall verwendet? (Er hilft unbeabsichtigte Nebeneffekte einer geänderten Prüfregel zu erkennen) (!Er ersetzt die Dokumentation der neuen Version) (!Er garantiert perfekte statistische Repräsentativität) (!Er macht ein Sollkriterium überflüssig)

Welcher Schritt gehört zu Check im PDCA-Zyklus? (Die Wirkung einer Maßnahme anhand vorher definierter Kriterien prüfen) (!Eine ungeprüfte Hypothese als endgültigen Standard einführen) (!Ohne Messung nur ein neues Projekt benennen) (!Alle Fehlerdaten verwerfen)

Welche Aussage über NIST AI 600-1 stimmt? (Es beschreibt ein freiwilliges Risikomanagementprofil für generative KI) (!Es erteilt Zertifikate für die Qualität von Maschinenbauteilen) (!Es ersetzt jede betriebliche Prüfanweisung) (!Es erlaubt autonome Sicherheitsfreigaben ohne menschliche Prüfung)

Was kennzeichnet einen guten digitalen Fehlerbericht? (Er trennt Befund Hypothese Gegenprüfung Maßnahme und verbleibende Unsicherheit) (!Er nennt nur eine Ursachenbehauptung ohne Beleg) (!Er verzichtet auf Version und Datenquelle) (!Er meldet ausschließlich positive Ergebnisse)

Memory: Begriffe und Bedeutung

Prüfmerkmal	Beobachtbare Eigenschaft mit definiertem Sollkriterium
Stichprobenrahmen	Liste der für die Auswahl erreichbaren Einheiten
Gegenhypothese	Alternative Erklärung zum zunächst vermuteten Fehlergrund
Rückverfolgbarkeit	Rekonstruktion eines Vorgangs aus Kennungen und Ereignisdaten
Wirksamkeitsnachweis	Dokumentierte Prüfung der Wirkung einer vorgeschlagenen Änderung
Fehlalarm	Beanstandung ohne tatsächliche Sollabweichung

Drag-and-Drop: Nachweisbausteine zuordnen

Ordne den passenden Begriff zu.	Bedeutung im Modellfall
Stichprobenplan	Vorher festgelegte Auswahl von A- und B-Aufträgen
Rohbefund	Unveränderte künstliche Prüfbeobachtung mit Zeitbezug
Ursachenprobe	Vergleich von Zuordnungsdaten und unabhängiger Teileidentität
Kontrollfall	Unveränderter Auftrag zum Aufspüren unbeabsichtigter Nebeneffekte
Lernschleife	Rückführung des geprüften Ergebnisses in die nächste Prozessverbesserung

Kreuzworträtsel: Qualitätsbegriffe

Toleranz	Erlaubter Abweichungsbereich einer Produktspezifikation
Audit	Systematische dokumentierte Überprüfung eines Ablaufs
Variante	Eine unterscheidbare Ausprägung desselben Produkttyps
Ursache	Vermuteter oder bestätigter Auslöser einer Abweichung
Messung	Quantitative Ermittlung eines Merkmals
Freigabe	Formale Entscheidung die in diesem Kurs ausdrücklich nicht praktisch erteilt wird

LearningApps: selbst überprüfen

Die externe Suche liefert mögliche Übungen, nicht automatisch eine geprüfte Qualitätsmanagement-Aufgabe. Ohne externe Plattform: Decke in der Memory-Tabelle die rechte Spalte ab, erläutere alle Begriffe und vergleiche anschließend die Definitionen.

Lückentext: digitaler Fehlerbericht

Offene Aufgaben

Leicht

Prüfmerkmal: Formuliere für zwei fiktive Teilevarianten je ein überprüfbares Sollkriterium und ein passendes Datenfeld.
Qualitätsmanagement: Zeichne den Unterschied zwischen Symptombeschreibung und Ursachenvermutung mit einem eigenen erfundenen Beispiel.
Datendokumentation: Fülle vier Zeilen eines fiktiven Prüflogs mit Zeit, Variante, Referenz und Ergebnis aus.
Stichprobe: Erkläre mit den Zahlen 60 A, 40 B und je zehn Proben, warum die beobachteten dreißig Prozent nicht automatisch die Gesamtquote sind.

Standard

Stichprobenverfahren: Entwirf einen alternativen Stichprobenplan für Fehlersuche und einen für eine möglichst unverzerrte Gesamtschätzung; begründe beide.
Ishikawa-Diagramm: Erstelle sechs Ursachenäste für die Verwechslung und wähle zwei testbare konkurrierende Hypothesen.
Fehleranalyse: Simuliere eine Gegenprüfung von r17 und r18 mit einer unabhängigen physischen Referenz; protokolliere auch Widersprüche.
PDCA-Zyklus: Schreibe einen Verbesserungsplan mit Ziel, Maßnahme, Prüfkriterien und dokumentierter Entscheidungsmöglichkeit ohne reale Freigabe.

Schwer

Statistische Prozesskontrolle: Zeige mit einem synthetischen Datensatz, wann eine Zeitreihe für einen Trendverdacht spricht und warum Grenzwerte begründet werden müssen.
Fehlermanagement: Verfasse einen vollständigen Fehlerbericht Q-TEST-01 mit Priorisierung bei Personal- und Zeitknappheit und ausdrücklich offenen Ursachen.
Validierung: Plane eine unabhängige Gegenprüfung mit neuen, unveränderten und absichtlich auffälligen Fällen; diskutiere falsch-positive und falsch-negative Ergebnisse.
Künstliche Intelligenz: Vergleiche regelbasierte Prüfung und hypothetische KI-Mustererkennung auf dem gleichen Testdatensatz unter den Kriterien Nachvollziehbarkeit, Risiko und Fairness zwischen Varianten.

Lernkontrolle

Stichprobenplanung: Begründe mit den Modellzahlen deine Stichprobenwahl und formuliere exakt, worauf sich die sechs Fehler beziehen.
Ursachenanalyse: Definiere zwei überprüfbare Hypothesen und jeweils einen möglichen Gegenbeleg, der deine eigene Vermutung schwächt.
Qualitätsprüfung: Beschreibe, wie du einen künstlichen Etikettfehler unabhängig von einer falschen Stammdatenzuordnung erkennst.
Wirksamkeitsprüfung: Lege vor der simulierten Änderung messbare Akzeptanzkriterien und mindestens einen Kontrollfall fest; begründe ihre Grenzen.
Verbesserungsprozess: Ordne deine Berichtsentscheidungen den PDCA-Phasen zu und beschreibe, wie neuer Prüfstoff aus Fehlerbeobachtungen entsteht.
KI-Risikomanagement: Erkläre, warum ein KI-Hinweis nur Hypothese und keine Freigabe ist und welche menschliche Gegenkontrolle nötig bleibt.

Lernnachweis

Abgabe: Dein vollständiger synthetischer Fehlerbericht Q-TEST-01 als Text oder lokale Tabellenmappe mit Titel, Version, fiktiver Datenbasis, Prüfplan, mindestens zwei konkurrierenden Ursachenhypothesen, belegter Alternativprüfung, geplantem Gegencheck und dokumentierter Lernschleife. Füge eine einseitige Reflexion „Welche Entscheidung würde ich bei unzureichender Evidenz offenlassen?“ hinzu.

Bewertungsraster (je 0–3 Punkte): Stichprobe (Begründung, Auswahlregel, Grenzen); alternative Ursache (unabhängiger Test, Gegenbeleg, Unsicherheit); Änderung (neue Testfälle, Kontrollfall, Versionsvergleich); Nachvollziehbarkeit (Kennungen, Quellen, Datensatz); Transfer (PDCA, Risiken, menschliche Verantwortung). Höchstens 15 Punkte, keine betriebliche Qualifikation oder Zertifizierung. Selbstkontrolle: Kann jemand den gleichen Test nur mit deinem Bericht reproduzieren? Kannst du einen bewusst irreführenden Erfolgsbefund erkennen?

Projektübergabe: Besprich die Eignung für einen schulischen oder betrieblichen Lernauftrag mit Ausbildenden. Nutze ausschließlich freigegebene Übungsdaten; keine echten Mitarbeiter-, Kunden- oder Produktionsdaten.

OER und Wikipedia

Quellenstand: 21.10.2026; Informationen und verfügbare Links sind Momentaufnahmen. Normen und Online-Angebote können aktualisiert werden. Bei Quellenkonflikten gelten die konkreten aktuell gültigen betrieblichen Vorschriften und Herstellerunterlagen, nicht dieser Übungskurs.

Liebherr, „Unser Weg zur Smart Factory“, UpLoad Magazin 02/2025 – Praxisbericht über digitale Fertigungsprüfung, Variantenvielfalt und dokumentierte Prüfdaten. Kontext, keine Partnerschaft oder Zertifizierung.
NIST AI 600-1, Generative Artificial Intelligence Profile, Juli 2024, DOI 10.6028/NIST.AI.600-1 – freiwilliger Referenzrahmen zu Risiken generativer KI; fachlich kein Produktprüfstandard.
ISO, „ISO 9001 explained“ – Prozessorientierung, dokumentierte Information, Leistungsbewertung und Verbesserung; Seitenfassung bei Zugriff prüfen.
ISO, „Quality management principles – Your foundation for success“, Ausgabe 3, 2026 – Grundlagen evidenzbasierter Qualitätsentscheidungen.
Wikipedia: Qualitätsmanagement und Ishikawa-Diagramm – offen zugängliche Lernbegriffe; Wikipedia ist kein normativer Beleg.
Vorhandener Grundlagenkurs – vom Auftrag vorgegeben, beim Recherchezugriff nicht abrufbar; im Unterricht inhaltlich gesondert abgleichen.

Prüfbare Mediennachweise (Wikimedia Commons):

Medium	Dateiseite und Urheber	Rechte	Fachlicher Nutzen
	Fishbone.svg, Jake Choules	Public Domain	Visuelle Ursachenfamilien
	ControlChart.svg, DanielPenfield	Public Domain	Beispiel statistischer Streuung
	PDCA Cycle.svg, Karn Bulsuk	CC BY 4.0; Zuschreibung und Link zum Urheber	Vier Phasen der Verbesserung
	PDCA.gif, Xsmith	CC BY-SA 3.0 / GFDL	GIF-Abbildung, Animation nicht gesichert
De-Qualität.ogg	Jeuwre	CC BY-SA 4.0	Kurze deutsche Wort-Aussprache, keine Fachlektion

Videonachweise: 5-Warum-Methode, OECplus Leadership Management, 07.07.2022; PDCA, Florian Frankl, 12.11.2020. Die Videoseiten waren auffindbar; Einbettungsrechte, Geoblocking und dauerhafte Abspielbarkeit können sich ändern. Urheberrechte verbleiben bei den jeweiligen Anbietern. Texte und Aufgaben sind ohne YouTube und Commons bearbeitbar.