aiMOOC

QMT-Prüfsystem in Ehingen – Wiederkehrende Montagefehler statistisch auswerten

QR-Code

Einleitung

Wie erkennst du in vielen Prüfeinträgen ein wiederkehrendes Montageproblem, ohne aus einer Häufung vorschnell auf dessen Ursache zu schließen? In diesem aiMOOC wertest du ausschließlich synthetische Meldungen eines ausdrücklich fiktiven QMT-Lehrmodells aus. Du gruppierst Hinweise nach Fehlerbild und Montageabschnitt, berechnest Häufigkeiten und Fehleranteile, zeichnest ein Paretodiagramm, prüfst mögliche Messartefakte und entwickelst eine überprüfbare Verbesserungsmaßnahme.

Zielgruppe: Auszubildende im 3. Ausbildungsjahr in Elektronik für Geräte und Systeme, Mechatronik, Industriemechanik und Werkstoffprüfung. Die Jahresfolge ist eine redaktionelle Lernempfehlung und mit Betrieb und Berufsschule abzustimmen.

Quellen- und Sicherheitsgrenze (Stand 2026): Das Quality Management Tool (QMT) ist laut Liebherr, „Qualität auf Knopfdruck“, UpLoad 01/2026 eine Eigenentwicklung für automatisierte und dokumentierte Prüfprozesse in Ehingen. Dokumentierte statistische Auswertung und modular einsetzbare Prüfwagen sind belegt; eine frei dokumentierte QMT-Bedienoberfläche oder konkrete interne Meldungs- und Grenzwerttabellen liegen dieser Lehreinheit nicht zugrunde. Alle nachfolgenden Codes, Abschnitte, Zahlen, Skizzen und Prüfhinweise sind erfundene, ungefährliche Lehrbeispiele und keine Herstellerparameter, Stromlaufpläne oder Bedienfreigaben. Arbeiten an realen Maschinen oder unter Spannung sind kein Bestandteil dieser Lernaufgaben: Sie erfolgen nur nach betrieblicher Unterweisung, Freigabe und qualifizierter Anleitung. Dieser Kurs ist weder ein offizieller Liebherr-Lehrgang noch ein Ersatz für Betriebsanweisungen.

Dein Lernziel: Am Ende kannst du Daten nachprüfbar ordnen, die jeweils richtige Bezugsmenge wählen, zwischen Beobachtung, Verdacht und bestätigter Abweichung unterscheiden und die Wirksamkeit einer Maßnahme mit vorher festgelegten Kriterien prüfen.

QMT-Kontext und belastbare Datenerfassung

Was öffentlich belegt ist – und was nicht

Nach der genannten Liebherr-Primärquelle prüft das QMT nach Montageschritten elektrische und teilweise hydraulische Komponenten; die Prüfprozesse werden automatisch dokumentiert und statistisch ausgewertet. Die Quelle beschreibt eine modulare Architektur mit Prüfwagen und eine datenbasierte Grundlage für kontinuierliche Verbesserung. Daraus folgt nicht, dass die nachfolgende Lehrtabelle reale QMT-Datenfelder, Benutzeransichten, Fehlerkennungen oder Freigabelogik abbildet. Wir üben die Auswertung, nicht die Bedienung einer realen Anlage.

Beruflich treffen hier Qualitätssicherung, Messtechnik, Montage, Prozessanalyse und Statistik zusammen. Elektronik und Mechatronik betrachten Signal- und Schnittstellenbezüge, Industriemechanik Montageabläufe und Werkstoffprüfung die verlässliche Einordnung von Prüfbefunden. Jede Disziplin dokumentiert Auffälligkeiten, ohne vorschnell Schuldige oder Ursachen zu benennen.

Welche Angaben eine auswertbare Ereignisliste braucht

Ein Prüfereignis ist in diesem Lehrmodell ein einmal durchgeführter dokumentierter Check. Ein Prüfhinweis ist eine vom Lehrmodell ausgegebene Auffälligkeit. Ein Montagefehler wird daraus erst durch eine gesonderte, fachlich begründete Bestätigung. Messartefakt bedeutet, dass die Auffälligkeit möglicherweise durch den Prüfaufbau, die Zuordnung oder die Datenerfassung entstand und nicht durch die geprüfte Montage.

Fiktives Datenfeld	Warum dokumentieren?	Plausibilitätskontrolle
Lehr-ID	Prüfungen ohne Personendaten unterscheiden	eindeutige, nicht personenbezogene Kennung
Lehr-Montageabschnitt	Gruppen vergleichbar machen	Abschnittskatalog A, B oder C
Fehlerbildklasse	ähnliche Hinweise zählen	nur definierte Kategorien verwenden
Prüfumfang und Zeitraum	Bezugsmenge sicherstellen	gezählte Prüfungen passen zur Fragestellung
Prüfhinweis und Nachsicht	Meldung von Befund trennen	Status offen, bestätigt oder als Artefakt eingeordnet
Lehrmodell-Version	Änderungen am Testablauf erkennen	gleiche Logik vor einem Vergleich

Eigenes Prozessschema für das Lehrmodell:

Erzeugen	Sichern	Bereinigen	Auswerten	Entscheiden
Fiktiver Check und Hinweis	ID, Abschnitt, Zeitfenster	Dubletten und Artefaktverdacht prüfen	Anteile und Rangfolge	Hypothese und Prüfplan festhalten

Ein Datensatz ohne eindeutige Prüfung, ohne Fehlerklasse oder ohne Bezugsmenge wird nicht stillschweigend einer Fehlerquote zugeschlagen. Er wird gekennzeichnet und zur Klärung zurückgestellt.

Der Unterschied zwischen Histogramm und Häufigkeitsbalken

Fehlerbilder wie „Kontaktierung“ sind Kategorien und werden als Balken- oder Paretodiagramm gezeigt. Ein Histogramm dagegen gruppiert numerische Messwerte in Intervalle, etwa fiktive Prüfzeiten. Wer ein Histogramm mit Fehlertypen beschriftet, vermischt zwei unterschiedliche Datenarten.

Methodisches Vergleichsbild: Histogramm stetiger Zufallswerte, nicht QMT-Messdaten. Urheber Jkv, gemeinfrei; vollständiger Bildnachweis im OER-Abschnitt.

Fehlerbilder gruppieren und Montageabschnitte vergleichen

Fiktiver vollständiger Lehrdatensatz

Lehrmodell, ausschließlich synthetisch: Es gibt 200 verschiedene Prüfungen. Pro Prüfung wird für diese Übung höchstens ein vorrangiger Hinweis gezählt; dadurch sind die Klassen überschneidungsfrei. Die drei didaktischen Montageabschnitte A, B und C sind frei erfunden und keine veröffentlichten Montageplanbezeichnungen von Liebherr.

Fiktiver Abschnitt	Prüfungen	Kontaktierungsauffälligkeit	Kennzeichnungsauffälligkeit	Zuordnungsauffälligkeit	Artefaktverdacht	Alle Hinweise
A – Verbindungs-Lehrstation	80	8	3	3	2	16
B – Modul-Lehrstation	70	3	4	2	1	10
C – Abschluss-Lehrstation	50	1	1	1	1	4
Summe	200	12	8	6	4	30

Prüfung der Summen: 80 + 70 + 50 = 200 Prüfungen. 12 + 8 + 6 + 4 = 30 Hinweise. Zeilensummen 16 + 10 + 4 = 30. Bei abweichenden Summen müsstest du den Datenexport und die Regeln der Zählung erneut prüfen.

Fiktive Nachsicht: Im getrennten Lehrprotokoll wurden die 26 Hinweise der drei Montageklassen als tatsächliche Abweichungen am spannungsfreien Modell bestätigt. Die vier Einträge „Artefaktverdacht“ sind dagegen ausdrücklich ungeklärt und bleiben zunächst außerhalb einer Zahl bestätigter Montageabweichungen. Auch für die 26 bestätigten Abweichungen ist die Ursache noch nicht nachgewiesen.

Gleiche Kategorien und gleiche Prüfgelegenheiten

„Kontaktproblem“, „Kontaktierungsauffälligkeit“ und „Steckkontakt-Hinweis“ dürfen nur dann zusammengefasst werden, wenn eine nachvollziehbare Kodierregel dieselbe Bedeutung bestätigt. Gleiche Fehlerbezeichnungen bei verschiedenen Prüfplänen können unterschiedliche Sachverhalte meinen. Die Lernenden halten deshalb Definitionsstand, Lehrmodell-Version und Ein- und Ausschlussregeln schriftlich fest.

Die Aussage „Abschnitt A hat die meisten Meldungen“ beschreibt zunächst nur 16 Ereignisse. Ob A auch die höchste Rate hat, erkennst du erst, wenn du die Anzahl der Prüfungen berücksichtigst. Absolute Werte vergleichen Arbeitsaufkommen; Raten vergleichen die Häufigkeit je geprüfter Einheit.

Fehleranteile, Pareto und zeitliche Auffälligkeiten berechnen

Absoluter Wert, Anteil und Prozentpunkte

Die absolute Häufigkeit ist die gezählte Anzahl. Der Anteil lautet Anzahl der betreffenden Ereignisse geteilt durch die ausdrücklich benannte Bezugsmenge; für Prozentwerte wird mit 100 multipliziert.

Rechenweg 1 – Anteil an allen Hinweisen: 12 Kontaktierungshinweise / 30 Gesamthinweise × 100 = 40,0 %. Das bedeutet nicht, dass 40 % aller 200 Prüfungen betroffen waren.

Rechenweg 2 – bestätigte Abweichungen je Prüfung: 26 bestätigte Montageabweichungen / 200 Prüfungen × 100 = 13,0 %. Diese Zahl darf nur verwendet werden, weil das Lehrmodell ausdrücklich eine getrennte Bestätigung der 26 Fälle voraussetzt.

Rechenweg 3 – alle Prüfhinweise je Prüfung: 30 / 200 × 100 = 15,0 %. Die Differenz von 2,0 Prozentpunkten zwischen 15,0 % und 13,0 % betrifft vier noch ungeklärte Hinweise. Sie ist weder die nachgewiesene Messfehlerquote noch ein Beleg, dass die vier Meldungen harmlos waren.

Rechenweg 4 – Abschnittsrate bestätigter Abweichungen: A: 14 / 80 = 17,5 %; B: 9 / 70 ≈ 12,9 %; C: 3 / 50 = 6,0 %. Die 14, 9 und 3 ergeben sich jeweils aus allen Hinweisen minus den dort offenen Artefaktverdachten. Bei unterschiedlich großen Prüfgruppen wäre ein Vergleich allein von 14, 9 und 3 unzulänglich.

Typischer Fehler: 12 / 200 = 6,0 % beantwortet eine andere Frage als 12 / 30 = 40,0 %. Jede Grafik braucht deshalb Zähler, Nenner, Zeitfenster, Status der Nachsicht und Einheit.

Paretodiagramm: Häufigkeiten nach Größe ordnen

Das Paretodiagramm sortiert Kategorien absteigend. Verwende für eine erste Sicht auf Meldungen die vier Klassen einschließlich ungeklärter Artefaktverdachte, aber kennzeichne diese Kategorie deutlich. Für eine gesonderte Auswertung bestätigter Montageabweichungen verwendest du nur die ersten drei Klassen und den Nenner 26.

Gemeldete Klasse	Anzahl	Anteil an 30 Hinweisen	Kumuliert
Kontaktierung	12	40,0 %	40,0 %
Kennzeichnung	8	26,7 %	66,7 %
Zuordnung	6	20,0 %	86,7 %
Artefaktverdacht, offen	4	13,3 %	100,0 %

Eigenes schematisches Balkenbild; ein Block entspricht einem Lehr-Hinweis, keine Skala einer realen Maschine:

Klasse	Didaktische Häufigkeitsbalken
Kontaktierung	■■■■■■■■■■■■
Kennzeichnung	■■■■■■■■
Zuordnung	■■■■■■
Artefaktverdacht	■■■■

Die beiden ersten Klassen ergeben 20 / 30 = 66,7 % aller Hinweise. Eine „80/20-Regel“ ist keine mathematische Pflichtverteilung. Die Rangfolge zeigt, welche Klassen genauer untersucht werden sollten; sie beweist nicht, warum sie entstehen.

Externe methodische Beispielgrafik zu Gussfehlern, ausdrücklich keine QMT-Auswertung. DanielPenfield, CC BY-SA 3.0; Quelle und Lizenz unten.

Vertiefung: „Pareto-Diagramm und Qualitätsmanagement“ von MariusEbert (2015), externes Lehrvideo; es dokumentiert nicht das QMT. Einbettung von YouTube, Videorechte verbleiben beim Rechteinhaber.

Zeitreihen und Grenzen ihrer Aussagekraft

Für wiederkehrende Hinweise genügt eine einzige Gesamtzahl oft nicht. Erfasse deshalb pro Woche oder Schicht einheitlich sowohl Hinweise als auch die Anzahl der Prüfungen. Ein fiktiver Anstieg von 4 auf 8 Meldungen wäre wenig aussagekräftig, wenn gleichzeitig die Prüfanzahl von 20 auf 100 gestiegen wäre: 4/20 = 20 %, 8/100 = 8 %. Mehr absolute Meldungen können also mit einer geringeren relativen Rate zusammenfallen.

Eine Regelkarte kann unter geeigneten statistischen Modellannahmen Anteile über die Zeit darstellen. Sie benötigt ausreichend Daten, definierte Stichproben, geeignete Grenzen und fachkundige Interpretation. In diesem Kurs werden keine QMT-Grenzwerte und keine echten Eingriffsgrenzen festgelegt. Eine einzelne hohe Rate allein belegt noch keinen Prozesswechsel.

Externes Lehrbild einer p-Regelkarte für Anteile; kein QMT-Regel- oder Grenzwertbild. DanielPenfield, CC BY-SA 3.0; vollständiger Nachweis unten.

Messartefakte prüfen und Ursachenhypothesen testen

Drei verschiedene Erkenntnisstände

Einstufung	Zulässige Aussage	Noch unzulässiger Schluss
Auffällige Häufung	Kontaktierung ist im Lehrdatensatz die häufigste Klasse	Alle Kontakte wurden gleich falsch montiert
Messartefaktverdacht	Bei vier Hinweisen ist der Prüf- oder Datenpfad zu untersuchen	Die vier Meldungen sind bereits falsche Alarme
Noch unbelegte Ursache	Gleichartige Hinweise könnten mit einer gemeinsamen Arbeitsbedingung zusammenhängen	Die Mitarbeitenden oder ein bestimmtes Bauteil haben den Fehler verursacht

Eine Korrelation zwischen Schicht, Bauteiltyp oder Lehrstation und Hinweishäufigkeit ist kein Kausalnachweis. Plausible Alternativen sind verschieden große Prüflose, ein anderer Mix von Aufgaben, Änderungen der Prüfdefinition, zeitweilige Datenduplikate oder unterschiedliche Klassifikationsregeln.

Ishikawa als Hypothesensammlung, nicht als Beweis

Das Ursache-Wirkungs-Diagramm ordnet mögliche Einflüsse, etwa Mensch, Methode, Material, Maschine beziehungsweise Prüfmittel, Milieu und Messung. In unserer ungefährlichen Lernsimulation sind „fehlende eindeutige Lehr-Beschriftung“, „verwechselbare Übungsverbinder“, „abweichende Kodierregel“ und „nicht abgeglichene Lehrdatei-Version“ lediglich Prüfhypothesen. Keine davon wird ohne weitere Untersuchung als Ursache behauptet.

Prinzipdarstellung eines Ursache-Wirkungs-Diagramms, keine Herstellerzeichnung. SVG von User:Capi nach Vorlage von FabianLange, CC BY-SA 3.0; Quellen unten.

Vertiefung: „Ishikawa-Diagramm und Qualitätsmanagement“ von MariusEbert (2015), externes Lehrvideo. Keine Liebherr- oder QMT-Bedienanleitung; Rechte beim jeweiligen Videokanal.

Evidenzleiter für die getrennte Nachsicht

Didaktisches Schema für eine gefahrlose Datenprüfung: Beobachtung → Datenintegrität kontrollieren → Fehlerklasse reproduzierbar zuordnen → Hypothesen vergleichen → vereinbarte Lehrmodell-Probe planen → Ergebnis dokumentieren. Bei einem Artefaktverdacht prüfst du zuerst Kennung, Versionsstand, doppelte Einträge, Zeitstempel und die Zuordnung der Lernmessung. Experimente erfolgen nur an papierbasierten Tabellen oder spannungsfreien Schulungsmodellen unter Aufsicht.

Hypothese	Gezielte ungefährliche Prüfung	Was würde widersprechen?
Doppelt importierter Datensatz	Lehr-IDs im synthetischen Export auf Dopplungen untersuchen	jede Lehr-ID ist eindeutig
Falsche Abschnittscodierung	Stichprobe mit der vorab definierten Codeliste abgleichen	unabhängige Zweitkodierung stimmt durchgängig überein
Unklare Lehr-Beschriftung	zwei Übungsgruppen dieselben bebilderten Arbeitskarten zuordnen lassen	beide Gruppen wählen zuverlässig dieselbe Zuordnung
Unterschiedliche Prüfumfänge	Meldungen durch zugehörige Prüfungen teilen	der Rateunterschied verschwindet nach korrekter Normierung

Ein überprüfbarer Verbesserungsvorschlag nennt genau definierte Maßnahme, Verantwortungsrolle, Zeitraum, Messkriterium, Vergleichsgruppe und Abbruchbedingung. „Alle sorgfältiger arbeiten“ ist weder operationalisiert noch fair auswertbar.

Berufstypischer Modellfall: Ein Verbesserungsvorschlag mit Nachweis

Arbeitsauftrag im fiktiven Qualitätskreis

Du bist Teil einer berufsübergreifenden Ausbildungsgruppe an einer spannungsfreien, nicht betrieblichen Modellstation. Der vollständig synthetische Datensatz mit 200 Prüfungen wurde im Kapitel „Fehlerbilder gruppieren“ bereitgestellt. Die Kursleitung fragt: Welche Klasse priorisiert ihr, welche Montageabschnitte vergleicht ihr, wie behandelt ihr die offenen Artefaktverdachte und wie prüft ihr eine mögliche Verbesserung? Erstellt eine verständliche Auswertungsnotiz mit Tabelle, Prozentrechnung, Diagramm, Hypothese und Testplan.

Arbeitsprodukte: eine bereinigte Klassifikation, eine Nennerübersicht, mindestens ein Paretodiagramm, ein Hypothesenblatt, ein sicherer Datentestplan und eine kurze Übergabe an eine fiktive Qualitätsrunde.

Musterlösung, Schritt für Schritt

1. Datenprüfung: Einzigartige Lehr-IDs und der Status „eine vorrangige Meldung je Prüfung“ sind Voraussetzungen des Beispiels. Kontrollsummen ergeben 200 Prüfungen, 30 Hinweise und 4 offene Artefaktverdachte; 26 bestätigte Modellabweichungen verteilen sich auf die drei anderen Klassen.

2. Klassifikation: Kontaktierung 12, Kennzeichnung 8, Zuordnung 6 und ungeklärter Artefaktverdacht 4. Ursache ist in keiner der Kategorien nachgewiesen.

3. Prozentrechnungen: 12/30 × 100 = 40 % Kontaktierung an allen Hinweisen; 12/26 × 100 ≈ 46,2 % Kontaktierung an bestätigten Modellabweichungen. 26/200 × 100 = 13 % bestätigte Modellabweichungen je Prüfung. Abschnitt A: 14/80 = 17,5 %, B: 9/70 ≈ 12,9 %, C: 3/50 = 6,0 %. Rundungen jeweils sichtbar angeben.

4. Priorisieren: Kontaktierung ist nach Anzahl und Anteil die größte bestätigte Fehlerbildklasse. Für Abschnitt A besteht mit 17,5 % im Lehrdatensatz die höchste beobachtete bestätigte Abweichungsrate; das ist ein Untersuchungsanlass, nicht der Nachweis einer bestimmten verursachenden Person oder Methode.

5. Artefaktprüfung: Die vier offenen Fälle werden in einem separaten Prüfpfad dokumentiert. Ohne zusätzliche Evidenz weder „echt“ noch „falsch“ zählen; die Gesamtmelderate von 15 % und die Rate bestätigter Abweichungen von 13 % bleiben getrennt beschriftet.

6. Hypothese: Untersuche mit standardisierten Bildkarten, ob unklare didaktische Zuordnungsmarkierungen an Lehrverbindern mehr Kontaktierungsauffälligkeiten begünstigen. Prüfe parallel die Alternativerklärung „unterschiedliche Zuordnung der Meldungen durch Beobachtende“.

7. Verbesserungsversuch: Erstelle zwei Versionen desselben ungefährlichen Papier- oder Steckmodells, mit beziehungsweise ohne eindeutige Lehrkennzeichnung. Lege vorab dieselben Aufgaben, einheitliche Codes, eine unabhängige Auswertung, gleiche Anzahl an Versuchen und eine sichere Abbruchbedingung fest. Die Ausbildungsgruppe darf keine realen Hersteller- oder Maschinenparameter verändern.

8. Auswertung eines zusätzlichen synthetischen Pilots: Vor dem Versuch werden 16 bestätigte Modellabweichungen in 80 Versuchen gezählt, danach 10 in ebenfalls 80 Versuchen. Vorher 16/80 = 20,0 %; nachher 10/80 = 12,5 %. Die Differenz beträgt 7,5 Prozentpunkte; relativ zur Ausgangsrate ergibt sich (20,0 − 12,5)/20,0 × 100 = 37,5 % weniger. Das Beispiel beweist wegen kleiner Fallzahlen und möglicher Störeinflüsse noch keine allgemeingültige Wirksamkeit. Prüfe Wiederholbarkeit, Aufgabenmix, Klassifikationskonstanz und die offenen Meldungen; melde Unsicherheit und Gegenbefunde ausdrücklich.

9. Bericht: Empfiehl zunächst die kontrollierte Erprobung klarerer Lernkennzeichnungen, verbunden mit einer Datenqualitätsprüfung. Gib für eine spätere Neubewertung eine erneute Stichprobe, denselben Nenner und einen festen Überprüfungstermin an.

Bewertungsraster für die berufstypische Leistung

Kriterium	Erwartete Leistung	Punkte
Datenhygiene und Abgrenzung	synthetische Daten, 200 Prüfungen, 30 Hinweise, 4 offene Fälle korrekt benannt	0–4
Fachliche Gruppierung	die vier Fehlerbildklassen und drei Abschnitte konsistent verwendet	0–4
Rechenwege	Nenner, Prozentwerte und Prozentpunkte nachvollziehbar und richtig	0–6
Visualisierung	rangrichtiges Pareto mit beschrifteten Gruppen und Legende	0–4
Evidenzkritik	Beobachtung, Artefaktverdacht, Ursache und Unsicherheit sauber getrennt	0–6
Verbesserungsplan	sichere, überprüfbare Maßnahme mit fairer Vergleichsregel	0–4
Dokumentation	Quellen, Lehrmodellstatus und Einschränkungen transparent	0–2
Summe		30

Vorschlag für Rückmeldung: 27–30 Punkte = sehr sicher; 22–26 = sicher; 16–21 = teilweise sicher; 0–15 = weiter üben. Dieses Bewertungsraster ist eine didaktische Empfehlung, keine betriebliche oder IHK-Prüfungsvorschrift.

Interaktive Aufgaben

Multiple-Choice: Fachwissen anwenden

Welche Aussage ist zur öffentlich belegten Rolle des QMT richtig? (Prüfprozesse werden dokumentiert und statistisch ausgewertet) (!Die komplette Bedienoberfläche ist öffentlich spezifiziert) (!Alle hier gezeigten Lehrmeldungen sind echte Herstellerdaten) (!Das System ersetzt jede betriebliche Sicherheitsunterweisung)

Was ist im Lehrmodell zunächst ein Prüfhinweis? (Eine dokumentierte Auffälligkeit ohne automatisch bewiesene Ursache) (!Immer ein bestätigter Montagefehler) (!Immer ein Messartefakt) (!Eine personengebundene Schuldzuweisung)

Wie groß ist der Anteil der zwölf Kontaktierungshinweise an insgesamt dreißig Hinweisen? (40 Prozent) (!6 Prozent) (!12 Prozent) (!60 Prozent)

Welcher Nenner gehört zur Rate bestätigter Modellabweichungen je Prüfung? (Alle zweihundert zugehörigen Prüfungen) (!Nur die zwölf Kontaktierungshinweise) (!Die vier offenen Artefaktverdachte) (!Die drei Montageabschnitte)

Wie hoch ist die bestätigte Abweichungsrate in Abschnitt A? (17,5 Prozent) (!20 Prozent) (!14 Prozent) (!80 Prozent)

Was zeigt die Rangfolge in einem Paretodiagramm? (Welche erfassten Kategorien am häufigsten vorkommen) (!Welche Person die Fehler verursacht hat) (!Dass die Ursache einer Häufung bereits bewiesen ist) (!Dass immer genau achtzig Prozent auf zwanzig Prozent entfallen)

Wie sind vier noch ungeklärte Artefaktverdachte zu behandeln? (Separat kennzeichnen und gezielt nachprüfen) (!Als nachweislich falsche Alarme löschen) (!Ohne Kennzeichnung als Montagefehler zählen) (!Durch einen erfundenen Grenzwert ersetzen)

Welche Aussage über höhere absolute Meldezahlen ist korrekt? (Bei mehr Prüfungen kann zugleich die relative Rate sinken) (!Sie beweisen immer eine schlechtere Montagequalität) (!Die Prüfanzahl ist für alle Vergleiche unwichtig) (!Sie erlauben sofort einen Kausalschluss)

Wozu dient ein Ishikawa-Diagramm in diesem Kurs? (Mögliche Ursachen geordnet als überprüfbare Hypothesen sammeln) (!Maschinenparameter ohne Freigabe verändern) (!Eine Schuldige oder einen Schuldigen bestimmen) (!Eine Hypothese durch ihre Nennung als bewiesen festlegen)

Was bedeutet der Unterschied zwischen zwanzig und zwölf Komma fünf Prozent im synthetischen Pilotversuch? (Eine beobachtete Verringerung um 7,5 Prozentpunkte) (!Ein Beweis für dauerhaft kausale Verbesserung) (!Eine Verringerung um 7,5 Prozent relativ zur Ausgangsrate) (!Ein Fehleranteil von insgesamt 32,5 Prozent)

Memory: Fachbegriff und Bedeutung

Absolute Häufigkeit	Gezählt auftretende Ereignisse
Bezugsmenge	Für die Fragestellung geeigneter Nenner
Paretodiagramm	Rangfolge erfasster Fehlerklassen
Messartefakt	Mögliche Auffälligkeit aus Prüf- oder Erfassungsweg
Kausalhypothese	Noch zu überprüfende Ursachevermutung
Prozentpunkt	Absolute Differenz zweier Prozentwerte

Drag-and-drop: Auswertungsschritte zuordnen

Ordne die richtigen Arbeitsschritte zu.	Beschreibung
Datenintegrität prüfen	Doppelte Lehrkennungen und fehlende Felder erkennen
Fehlerklassen bilden	Synonyme nach einer dokumentierten Codeliste zuweisen
Bezugsmenge festlegen	Prüfungen passend zur Fragestellung zählen
Häufigkeiten visualisieren	Kategorien absteigend in einem Paretobild anordnen
Hypothese erproben	Vergleichsplan und vorher festgelegte Kriterien verwenden

Kreuzworträtsel: Statistik und Qualität

Nenner	Wie heißt die untere Zahl eines Bruchs?
Häufung	Welches Wort bezeichnet häufiges gemeinsames Auftreten von Meldungen?
Pareto	Welcher Name steht für ein absteigend sortiertes Fehlerdiagramm?
Artefakt	Wie heißt eine durch Prüf- oder Erfassungsbedingungen entstandene Scheinauffälligkeit?
Stichprobe	Wie heißt eine ausgewählte Teilmenge untersuchter Fälle?
Hypothese	Wie heißt eine noch überprüfbare Ursachevermutung?

LearningApps: zusätzliche Übungsangebote

Dies ist eine Suchseite für mögliche zusätzliche Lernangebote, keine Behauptung über eine bestimmte vorhandene LearningApp. Prüfe Treffer auf Fachlichkeit, Lizenz und Eignung.

Lückentext: Vorgehen in eigenen Worten sichern

Vor jeder Prozentrechnung ist die passende

festzulegen.

Die Anzahl der erfassten Hinweise heißt absolute

.

Nach Fehlerklassen sortierte Balken bilden das

.

Die Addition aufeinanderfolgender Anteilswerte ergibt den

Anteil.

Ein offener Verdacht auf einen prüfbedingten Scheinbefund heißt

.

Eine mögliche Ursache ist vor der Überprüfung eine

.

Der Unterschied zweier Prozentwerte lässt sich in

angeben.

Die Übereinstimmung der Klassifikation wird durch eine unabhängige

kontrolliert.

Der Vergleich verschiedener Arbeitsumfänge verlangt eine aussagekräftige

.

Eine Verbesserung bleibt ohne faire Wiederholung und Kontrolle der Störfaktoren

.

Offene Aufgaben

Bearbeite genau vier Aufgaben pro Niveaustufe. Nutze ausschließlich die bereitgestellten synthetischen Zahlen, Papier, Tabellenkalkulation und gegebenenfalls ausdrücklich spannungsfreie Lehrmodelle.

Leicht

Datenerfassung: Erstelle eine Legende für die sechs fiktiven Datenfelder und erkläre schriftlich den Unterschied zwischen Prüfhinweis und bestätigter Abweichung.
Häufigkeitsverteilung: Rechne die drei Spaltensummen der Fehlerbildklassen und die vierte Spalte Artefaktverdacht nach; zeige deine Kontrollsumme.
Prozentrechnung: Berechne 12/30, 8/30, 6/30 und 4/30 jeweils als Prozentwert und benenne den Nenner in jedem Satz.
Diagramm: Zeichne auf Papier ein Balkendiagramm mit den vier Meldeklassen und ergänze Titel, Legende und Quellenhinweis „synthetisches Lehrmodell“.

Standard

Paretodiagramm: Erstelle mit einer Tabellenkalkulation eine nach Häufigkeit sortierte Pareto-Tabelle mit kumuliertem Prozentwert.
Fehlerquote: Vergleiche die bestätigten Abweichungsraten der Abschnitte A, B und C und erläutere, weshalb bloße Fallzahlen allein nicht ausreichen.
Datenqualität: Entwirf eine kurze Checkliste für Dubletten, fehlende Lehr-IDs, Versionswechsel und offene Artefaktverdachte.
Erklärvideo: Plane ein 60-sekündiges Lernvideo mit eigener Skizze, das „Häufung ist nicht Ursache“ an dem synthetischen Datensatz erklärt.

Schwer

Ursache-Wirkungs-Diagramm: Skizziere mindestens drei konkurrierende Hypothesen zur Kontaktierungshäufung und nenne für jede einen widerlegbaren Datentest.
Stichprobe: Entwickle einen fairen Vorher-nachher-Vergleich mit gleicher Aufgabenmischung, festem Nenner und dokumentierten Unsicherheiten.
Messsystemanalyse: Beschreibe, wie du allein anhand künstlicher Exportdateien echte Modellabweichungen von möglichen Codier- oder Importartefakten trennst.
Qualitätsverbesserung: Verfasse einen kurzen Prüfbericht zur synthetischen Pilotauswertung mit Rechenweg, vorläufiger Empfehlung und überprüfbarem Folgetermin.

Musterlösungen und Bewertungshinweise zu den offenen Aufgaben

Aufgabe	Erwartete Lösung beziehungsweise zentrale Prüfkriterien
Leicht 1	Prüf-ID, Abschnitt, Klasse, Umfang, Status, Version; Hinweis ist nicht gleich bestätigter Befund
Leicht 2	Kontaktierung 12, Kennzeichnung 8, Zuordnung 6, Artefaktverdacht 4; Summe 30
Leicht 3	40,0 %, 26,7 %, 20,0 %, 13,3 % bezogen auf 30 Hinweise; Rundungsabweichung erklären
Leicht 4	Absteigende Balkenlängen 12, 8, 6, 4; alle Werte und Lehrmodellhinweis vorhanden
Standard 1	Kumuliert 40,0 %, 66,7 %, 86,7 %, 100,0 %; offene Klasse ausdrücklich markieren
Standard 2	A 14/80 = 17,5 %, B 9/70 ≈ 12,9 %, C 3/50 = 6 %; Nenner unterscheiden sich
Standard 3	Prüffelder vollständig, IDs eindeutig, gleiche Version, offene Meldungen getrennt; keine stille Löschung
Standard 4	Sprechertext unterscheidet 12 von 30 und 200, benennt Ursache ausdrücklich als ungeklärt
Schwer 1	Beispielsweise Kennzeichnung, Prüfdatei-Version und unterschiedlicher Aufgabenmix; jeweils Gegenbefund definieren
Schwer 2	Vorab gleiche Versuchsanzahl und Codierung; bei 16/80 und 10/80 Ergebnis −7,5 Prozentpunkte ohne Kausalgarantie
Schwer 3	Datenimport, Zeitfelder, Kennungen und Zweitkodierung kontrollieren; keine Eingriffe an realen Maschinen
Schwer 4	Vorher 20,0 %, danach 12,5 %, relativ −37,5 %; Unsicherheit, Prüfplan und Dokumentationsweg nennen

Lernkontrolle

Grundgesamtheit: Begründe, warum 12/30 und 12/200 verschiedene Fragestellungen beantworten, und erkläre beide Ergebnisse.
Datenbereinigung: In einem zusätzlichen synthetischen Export wird dieselbe Lehr-ID zweimal gefunden; beschreibe den Umgang ohne vorschnelles Löschen eines möglichen Wiederholungstests.
Qualitätsstatistik: Für ein weiteres fiktives Zeitfenster liegen 5 Hinweise bei 20 Prüfungen und anschließend 8 bei 100 Prüfungen vor; berechne und interpretiere beide Raten.
Ursachenanalyse: Entwickle zu einer Häufung von Kontaktierungsauffälligkeiten eine plausible Alternativerklärung und eine Beobachtung, die deine bevorzugte Hypothese widerlegen könnte.
Kontinuierlicher Verbesserungsprozess: Formuliere einen sicheren Pilotplan mit Vergleichsgruppe, gleichen Codierregeln, Stichprobenumfang, Auswertungstermin und Stoppsignal.
Wissenschaftliche Redlichkeit: Prüfe die Aussage „Die Maßnahme hat alle QMT-Montagefehler um 37,5 Prozent gesenkt“ auf unzulässige Verallgemeinerungen.

Kontrolllösungen: 1: 40 % aller Hinweise versus 6 % aller Prüfungen. 2: Prüfe, ob identische Datensatzkopie oder eigenständiger Wiederholungstest; mit Version und Prüfzeit nachverfolgen. 3: 25 % und 8 %, also sinkende Rate trotz mehr Ereignissen. 4: Alternativen wären unterschiedliche Prüfumfänge oder Versionsstände; unabhängige Gegenprüfung vorsehen. 5: Ausschließlich Papier- oder spannungsfreie Lehrversuche mit einheitlicher Messdefinition und überprüfbarer Dokumentation. 6: Aus dem kleinen synthetischen Pilot folgt eine beobachtete relative Ratenabnahme von 37,5 %, kein Beweis über reale QMT-Anlagen, sämtliche Montagefehler oder Kausalität.

Lernnachweis

Du kannst deinen Lernerfolg anhand eines anonymen Modellberichts dokumentieren: (a) Datendictionary und gereinigte Häufigkeitstabelle, (b) vollständige Rechenwege mit ausdrücklich genannten Nennern und Rundungen, (c) eigene Pareto-Grafik und Abschnittsvergleich, (d) Kennzeichnung aller ungeklärten Artefaktfälle, (e) mindestens zwei konkurrierende Ursachenhypothesen, (f) dokumentierter sicherer Pilotversuch, (g) reflektierter Schluss mit Grenzen der Übertragbarkeit. Bewertet wird insbesondere, ob du Beobachtungen von bewiesenen Ursachen trennst. Als Portfolio können eine selbst erstellte Grafik, eine Tabellenkalkulation und eine kurze Audioerklärung dienen. Es werden keine personenbezogenen Lern- oder Betriebsdaten benötigt.

OER und Wikipedia

Fach- und Primärquellen, überprüft für den Quellenstand 2026:

Liebherr: Qualität auf Knopfdruck, UpLoad 01/2026 – Herstellerquelle für die öffentliche Beschreibung des modularen QMT und der statistisch ausgewerteten Prüfung; Quellentext ist urheberrechtlich geschützt, daher nur eigene didaktische Zusammenfassung.
Wikipedia: Paretodiagramm – methodischer Hintergrund, CC BY-SA für Wikipedia-Text mit gesonderten Mediendateirechten.
NIST Engineering Statistics Handbook: Proportions Control Charts – statistischer Hintergrund zur Anteilregelkarte, englisch, keine Herstellerfreigabe.
NIST: Attributes Control Charts – Unterscheidung zwischen fehlenden Einheiten und Fehlern pro Einheit, englisch.

Wikipedia-Lernfenster: geprüfter deutschsprachiger Grundlagenartikel; ein eingebettetes Angebot, keine offizielle QMT-Dokumentation.

Bildnachweise und Rechte (alle externen Darstellungen sind Beispiele für Methoden, keine originalen QMT-Grafiken):

Verwendete Datei	Nachweis / Originalseite	Urheber	Lizenz / Rechtsgrundlage
File:Histogram example.svg	Wikimedia Commons	Jkv	Gemeinfrei laut Dateiseite
File:Pareto chart of titanium investment casting defects.svg	Wikimedia Commons	DanielPenfield	CC BY-SA 3.0
File:P control chart.svg	Wikimedia Commons	DanielPenfield	CC BY-SA 3.0
File:Ursache Wirkung Diagramm allgemein.svg	Wikimedia Commons	User:Capi, auf einer Vorlage von FabianLange	CC BY-SA 3.0

Videonachweise: Die Filme werden lediglich aus dem YouTube-Angebot ihrer Urheber eingebettet. Eine freie Nachnutzung oder Bearbeitung der Filme ist nicht behauptet; insbesondere gehören sie nicht automatisch zu den offenen Lernmaterialien. Der Videoinhalt bezieht sich auf allgemeine QM-Methoden, nicht auf die QMT-Eigenentwicklung.

Verwendetes Video	Videoquelle	Rechteinhaber / Kanal	Rechtehinweis
https://www.youtube.com/watch?v=d0vMldGtmv8	Pareto-Diagramm und Qualitätsmanagement, 2015	MariusEbert	YouTube-Einbettung; kein CC-Nachweis
https://www.youtube.com/watch?v=i967GgTBTCY	Ishikawa-Diagramm und Qualitätsmanagement, 2015	MariusEbert	YouTube-Einbettung; kein CC-Nachweis

Eigene offene Lernmaterialien: Die hier ausdrücklich als „eigenes Schema“, „Lehrmodell“ und „synthetisch“ bezeichneten Tabellen, Aufgaben, Zahlenreihen und methodischen Skizzen wurden für diese Lerneinheit neu formuliert. Fremdgrafiken behalten ihre jeweiligen Lizenzbedingungen. Bei Weiterverbreitung Quellenangaben und gültige Lizenzbestimmungen jeder Datei beachten.

Verknüpfte Lernbereiche

Liebherr-Maschinen und Ausbildung

Qualitätsmanagement und Datenanalyse

Lernpfad: Rohdaten verstehen → Meldungen gruppieren → richtige Fehleranteile berechnen → Pareto und Abschnittsvergleich anfertigen → Artefakte prüfen → Ursachenhypothesen testen → Verbesserung dokumentieren. Die Zuordnung zu Berufen und dem dritten Ausbildungsjahr ist redaktionell und durch Berufsschule beziehungsweise Ausbildungsbetrieb zu konkretisieren.