aiMOOC

Daten- und Prozessanalyse im Technikbetrieb – Eine Analysefrage präzise formulieren

QR-Code

Einleitung

Daten- und Prozessanalyse im Technikbetrieb – Eine Analysefrage präzise formulieren

Zielgruppe: Berufsausbildung, insbesondere Fachinformatik – Daten- und Prozessanalyse sowie technische Berufe.

Lernzeit: ca. 90–120 Minuten.

Lernziel: Du kannst aus einem betrieblichen Problem eine präzise Analysefrage entwickeln und festlegen, welche Entscheidung, Daten und Erfolgskriterien dafür notwendig sind.

Dein Merksatz:

Entscheidung → Analysefrage → Datenbedarf → Kennzahl → Erfolgskriterium → Bewertung

Abbildung: Technische Förderanlage. Foto: falco, Wikimedia Commons, CC0 1.0. Das Bild illustriert einen möglichen Einsatzbereich und zeigt nicht die fiktive Übungslinie.

Lerneinheit 1: Der Ausbildungsfall

Situation: Du arbeitest im fiktiven Ausbildungsbetrieb TechForm.

Die Übungslinie L1 verpackt identische Übungsbauteile. Gelegentlich kommt es zu ungeplanten Stillständen.

Das Ausbildungsteam möchte eine Materialcheckliste erproben, die vor Schichtbeginn abgearbeitet wird.

Dein Auftrag: Formuliere eine Analysefrage, mit deren Hilfe entschieden werden kann, ob die Checkliste weiter erprobt werden sollte.

Ausgangspunkt	Präzisierung
Problem	Ungeplante Stillstände
Entscheidung	Materialcheckliste weiter erproben?
Messgröße	Stillstandsminuten je 100 gefertigte Stück
Vergleich	Vier Basisschichten ohne und vier Pilotschichten mit Checkliste
Erfolgsziel	Mindestens 20 % weniger Stillstand
Schutzkriterium	Ausschussquote darf nicht steigen

Wichtig: Alle Daten dieses Kurses sind frei erfunden. Es werden keine echten Maschinen, fremden Netze, Kundendaten oder Produktivsysteme verwendet.

Lerneinheit 2: Eine Analysefrage präzise formulieren

Unpräzise:

„Warum läuft unsere Anlage manchmal schlecht?“

Präzise:

„Sinken an der Übungslinie L1 in vier vergleichbaren Pilotschichten mit Materialcheckliste gegenüber vier Basisschichten ohne Checkliste die ungeplanten Stillstandsminuten je 100 gefertigte Stück um mindestens 20 %, ohne dass die Ausschussquote steigt?“

Diese Frage legt fest, was geprüft wird, wo und wann gemessen wird und wann der Pilot als erfolgreich gilt.

Abbildung: Beispiel für ein Flussdiagramm. Erik Streb, Wikimedia Commons, CC BY-SA 3.0. Übertrage das Prinzip der Entscheidungen auf Deinen Analyseprozess.

Videoimpuls: SMART formulierte Ziele

Mini-Aufgabe: Unterstreiche in der präzisen Frage die Entscheidung, den Datenbedarf und das Erfolgskriterium.

Lerneinheit 3: Den Datenbedarf bestimmen

Eine Analyse ist nur so belastbar wie ihre Datengrundlage.

Benötigtes Merkmal	Bedeutung
Phase	Basis oder Pilot
Schichtkennung	Eindeutige Zuordnung
Stückzahl	Anzahl aller gefertigten Teile
Stillstand	Ungeplante Stillstandsminuten
Ausschuss	Anzahl fehlerhafter Teile
Rahmenbedingungen	Produkttyp, Schichtdauer und vergleichbare Bedingungen

Messregel: Ungeplante Stillstände müssen eindeutig definiert sein. Planmäßige Pausen gehören nicht dazu.

Abbildung: Beispiel eines Prozessablaufs in BPMN. ZweiOhren, Wikimedia Commons, CC BY-SA 3.0.

Denkfrage: Warum reichen die reinen Stillstandsminuten nicht für einen fairen Vergleich, wenn unterschiedlich viele Teile produziert werden?

Rückmeldung: Eine Bezugsgröße ist notwendig. Deshalb betrachten wir die Stillstandsminuten je 100 gefertigte Stück.

Lerneinheit 4: Erfolgskriterien vorab festlegen

Für die Übung werden zwei Kriterien vereinbart:

Hauptkennzahl: Mindestens 20 % weniger ungeplante Stillstandsminuten je 100 gefertigte Stück.
Schutzkennzahl: Die Ausschussquote darf gegenüber der Basisphase nicht steigen.

Formeln:

$Stillstandskennzahl = \frac{Stillstandsminuten}{Stückzahl} \cdot 100$

$Ausschussquote = \frac{Ausschussteile}{Gesamtstückzahl} \cdot 100 %$

$Verbesserung = \frac{Basiswert - Pilotwert}{Basiswert} \cdot 100 %$

Abbildung: Beispiel eines Säulendiagramms, nicht die Übungsdaten. Cuvwb, Wikimedia Commons, CC BY-SA 4.0.

Video zur Vertiefung: Gesamtanlageneffektivität

Hinweis: Die Gesamtanlageneffektivität (OEE) ist eine umfassendere Kennzahl. Die einfache Stillstandskennzahl dieses Kurses ist keine OEE-Berechnung.

Lerneinheit 5: Fiktive Daten untersuchen

Datensatz: Acht künstlich erzeugte Schichten mit gleichen Übungsbauteilen. Die Stillstandszeiten beziehen sich ausschließlich auf ungeplante Stopps.

Phase	Schicht	Stückzahl	Stillstand in min	Ausschuss
Basis	B1	100	32	2
Basis	B2	90	36	2
Basis	B3	110	28	1
Basis	B4	100	34	1
Pilot	P1	98	23	2
Pilot	P2	102	19	1
Pilot	P3	100	22	2
Pilot	P4	100	24	1

Ergebnisse:

Messgröße	Basis	Pilot
Gesamtstückzahl	400	400
Stillstandsminuten	130	88
Stillstand je 100 Stück	32,5 min	22,0 min
Ausschussquote	1,5 %	1,5 %

Datenvisualisierung

Ungeplanter Stillstand je 100 Stück
Ein Block entspricht ungefähr 2 Minuten.

Basis  ████████████████  32,5 min
Pilot  ███████████       22,0 min

Rückgang: 32,3 %
Ausschuss: unverändert bei 1,5 %

Ergebnis: Die beiden vereinbarten Kriterien werden im fiktiven Datensatz erfüllt.

Bewertung: Der Pilot könnte unter kontrollierteren Bedingungen fortgesetzt werden. Die acht Schichten beweisen jedoch nicht, dass allein die Checkliste die Veränderung verursacht hat.

Lerneinheit 6: Lokales interaktives Python-Labor

Dieses Labor enthält zwei Übungen: einen Fragecheck und ein Datenlabor mit drei Szenarien.

Sicherheitsrahmen: Verwende ausschließlich einen lokalen, isolierten Übungsrechner, beispielsweise eine Offline-Lern-VM ohne Netzwerk oder eine ausdrücklich freigegebene Testumgebung. Der Übungsordner soll keine echten Betriebsdaten enthalten. Das Programm verwendet nur die im Quelltext gespeicherten fiktiven Daten, liest keine externen Dateien und stellt keine Netzwerkverbindung her.

Speichere den folgenden Code als analysefrage_labor.py.

# Offline-Labor: nur fiktive Daten, Python-Standardfunktionen
DATEN = [
    ("Basis", 100, 32, 2),
    ("Basis", 90, 36, 2),
    ("Basis", 110, 28, 1),
    ("Basis", 100, 34, 1),
    ("Pilot", 98, 23, 2),
    ("Pilot", 102, 19, 1),
    ("Pilot", 100, 22, 2),
    ("Pilot", 100, 24, 1),
]

def kennzahlen(phase):
    zeilen = [z for z in DATEN if z[0] == phase]
    menge = sum(z[1] for z in zeilen)
    if menge <= 0:
        raise ValueError("Keine verwertbare Stückzahl")
    stillstand = 100 * sum(z[2] for z in zeilen) / menge
    ausschuss = 100 * sum(z[3] for z in zeilen) / menge
    return stillstand, ausschuss

def fragecheck():
    print("1: Warum läuft L1 schlecht?")
    print("2: Wie viele Minuten steht L1?")
    print("3: Sinken im Pilot die Stillstandsminuten je")
    print("   100 Stück um mindestens 20 Prozent,")
    print("   ohne dass die Ausschussquote steigt?")
    antwort = input("Beste Analysefrage [1-3]: ").strip()
    if antwort == "3":
        print("Richtig: Vergleich, Messgröße und")
        print("Erfolgskriterium sind erkennbar.")
    elif antwort in ("1", "2"):
        print("Noch nicht präzise genug:")
        print("Entscheidung, Vergleich oder Ziel fehlen.")
    else:
        print("Bitte eine Zahl von 1 bis 3 wählen.")

def datenlabor():
    print("Szenario 1: Normalfall")
    print("Szenario 2: Zusätzlicher Stillstand in P4")
    print("Szenario 3: Zusätzlicher Ausschuss in P4")
    szenario = input("Szenario [1-3]: ").strip()

    if szenario == "2":
        DATEN[-1] = ("Pilot", 100, 60, 1)
    elif szenario == "3":
        DATEN[-1] = ("Pilot", 100, 24, 6)
    elif szenario != "1":
        print("Ungültiges Szenario")
        return

    basis = kennzahlen("Basis")
    pilot = kennzahlen("Pilot")
    rueckgang = 100 * (basis[0] - pilot[0]) / basis[0]

    print("\nStillstand je 100 Stück:")
    print("Basis:", "#" * int(basis[0] / 2 + 0.5),
          f"{basis[0]:.1f} min")
    print("Pilot:", "#" * int(pilot[0] / 2 + 0.5),
          f"{pilot[0]:.1f} min")
    print(f"Rückgang: {rueckgang:.1f} %")
    print(f"Ausschuss: {basis[1]:.1f} % -> {pilot[1]:.1f} %")

    try:
        eingabe = input("Mindestverbesserung in % [20]: ")
        ziel = float((eingabe or "20").replace(",", "."))
    except ValueError:
        print("Bitte eine gültige Zahl eingeben.")
        return

    if not 0 <= ziel <= 100:
        print("Das Ziel muss zwischen 0 und 100 liegen.")
        return

    if rueckgang >= ziel and pilot[1] <= basis[1]:
        print("Feedback: Beide Kriterien sind erfüllt.")
        print("Nächster Schritt: größeren Pilot prüfen.")
        print("Ein Ursache-Wirkungs-Beweis liegt nicht vor.")
    else:
        print("Feedback: Mindestens ein Kriterium")
        print("ist nicht erfüllt. Keine Ausweitung")
        print("allein anhand dieser Daten empfehlen.")

def selbsttest():
    basis = kennzahlen("Basis")
    pilot = kennzahlen("Pilot")
    assert round(basis[0], 1) == 32.5
    assert round(basis[1], 1) == 1.5
    assert round(pilot[0], 1) == 22.0
    assert round(pilot[1], 1) == 1.5
    print("Selbsttest erfolgreich.")

if __name__ == "__main__":
    selbsttest()
    print("A: Fragecheck")
    print("B: Datenlabor")
    wahl = input("Wähle A oder B: ").strip().upper()
    if wahl == "A":
        fragecheck()
    elif wahl == "B":
        datenlabor()
    else:
        print("Bitte A oder B eingeben.")

Lokal starten: Öffne ein Terminal in Deiner isolierten Übungsumgebung und führe diesen Befehl aus:

python3 -I -S analysefrage_labor.py

Unter Windows kann der Python-Aufruf entsprechend py -I -S analysefrage_labor.py lauten.

Achtung: Die Python-Optionen -I und -S begrenzen bestimmte Umgebungseinflüsse, ersetzen aber keine Offline-VM oder andere echte Systemisolierung.

Laboraufgaben:

Basis: Führe den Fragecheck aus und begründe Deine Auswahl.
Anwendung: Vergleiche die drei Datenszenarien und protokolliere, wann der Pilot die Kriterien erfüllt.
Transfer: Ändere die Erfolgsschwelle auf 35 % und erkläre, warum sich die Bewertung trotz unveränderter Daten ändert.

Begründetes Feedback:

Niveau	Erwartete Rückmeldung
Basis	Frage 3 ist am besten überprüfbar, weil sie eine definierte Kennzahl und ein Ziel enthält. Für einen vollständigen Analyseplan müssen außerdem Ort, Zeitraum und Entscheidung dokumentiert werden.
Anwendung	Im Normalfall sind beide Kriterien erfüllt. Im zweiten Szenario ist die Stillstandsverbesserung zu gering. Im dritten steigt die Ausschussquote. Ein einziges nicht erfülltes Schutzkriterium verhindert die positive Gesamtbewertung.
Transfer	Bei einer Schwelle von 35 % reicht der Rückgang um 32,3 % nicht aus. Deshalb müssen Erfolgskriterien vor der Auswertung vereinbart werden.

Lerneinheit 7: Daten kritisch interpretieren

Abbildung: Ursache-Wirkungs-Diagramm. FabianLange, Wikimedia Commons, CC BY-SA 3.0. Die dargestellten Ursachen sind Beispiele und keine nachgewiesenen Ursachen des Ausbildungsfalls.

Prüfe mögliche Einflussfaktoren: Bedienung, Material, Wartung, Produktwechsel, Schichtlänge und Messfehler.

Merke: Ein zeitlicher Zusammenhang allein beweist keine Ursache.

Abbildung: Pareto-Diagramm zu Gussfehlern als unabhängiges Anschauungsbeispiel. DanielPenfield, Wikimedia Commons, CC BY-SA 3.0. Die Werte gehören nicht zum Ausbildungsfall.

Mit einem Pareto-Diagramm kannst Du Fehlerursachen priorisieren, wenn passende Ursachen- und Häufigkeitsdaten vorliegen. Es ersetzt aber keine Prüfung der Ursache-Wirkungs-Zusammenhänge.

Gestufte Hilfen

Hilfe 1 – Denkimpuls

Welche konkrete Entscheidung soll nach der Auswertung möglich sein? Formuliere sie zunächst als Ja-Nein-Entscheidung.

Hilfe 2 – Satzbauplan

„Verändert sich an [Anlage] bei [Maßnahme] im Vergleich zu [Ausgangssituation] die [Kennzahl] um mindestens [Zielwert], ohne dass [Schutzkennzahl] schlechter wird?“

Hilfe 3 – Muster und Bewertung

„Sinkt in vier Pilotschichten mit Materialcheckliste an Übungslinie L1 gegenüber vier vergleichbaren Basisschichten der ungeplante Stillstand je 100 Stück um mindestens 20 %, ohne dass die Ausschussquote steigt?“

Diese Formulierung ist für den Übungsfall prüfbar. Für einen belastbaren betrieblichen Nachweis wären ein größerer Datensatz und die Kontrolle weiterer Einflussfaktoren erforderlich.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was steht am Anfang einer zielgerichteten Prozessanalyse? (Die Entscheidung, die unterstützt werden soll) (!Die Auswahl einer Diagrammfarbe) (!Die Installation möglichst vieler Programme) (!Die Sammlung beliebiger Dateien)

Welche Frage ist am präzisesten? (Wird die Stillstandskennzahl im Pilot um mindestens 20 Prozent gesenkt ohne steigende Ausschussquote) (!Warum ist die Maschine manchmal langsam) (!Welche Maschine arbeitet am besten) (!Haben wir genügend Informationen)

Welche Daten werden für die Stillstandskennzahl benötigt? (Stillstandsminuten und gefertigte Stückzahl) (!Nur die Maschinenbezeichnung) (!Nur die Zahl der Beschäftigten) (!Nur die Kosten der Maschine)

Wozu dient die Bezugsgröße je 100 Stück? (Sie verbessert die Vergleichbarkeit unterschiedlicher Produktionsmengen) (!Sie macht jede Datenerhebung überflüssig) (!Sie beweist die Ursache einer Störung) (!Sie verhindert automatisch Messfehler)

Was zählt nach der Messregel des Kurses als ungeplanter Stillstand? (Eine unerwartete Betriebsunterbrechung) (!Eine reguläre Mittagspause) (!Eine vorgesehene Wartungspause) (!Ein geplanter Schichtwechsel)

Wann ist das Erfolgskriterium des Piloten erfüllt? (Bei mindestens 20 Prozent weniger Stillstand und nicht steigender Ausschussquote) (!Wenn die Pilotphase einfach beendet ist) (!Wenn ausschließlich die Stückzahl steigt) (!Wenn unabhängig von der Qualität weniger Beschäftigte benötigt werden)

Wie hoch ist die Stillstandskennzahl bei 130 Minuten und 400 Stück? (32,5 Minuten je 100 Stück) (!13 Minuten je 100 Stück) (!130 Minuten je 100 Stück) (!3,25 Minuten je 100 Stück)

Welcher Wert ergibt sich aus 88 Stillstandsminuten bei 400 Stück? (22 Minuten je 100 Stück) (!44 Minuten je 100 Stück) (!88 Minuten je 100 Stück) (!8 Minuten je 100 Stück)

Wie groß ist der relative Rückgang von 32,5 auf 22 Minuten? (Etwa 32,3 Prozent) (!Genau 10,5 Prozent) (!Etwa 48 Prozent) (!Genau 20 Prozent)

Welche Schlussfolgerung ist aus dem kleinen fiktiven Pilotversuch zulässig? (Die Kriterien sind erfüllt aber eine ursächliche Wirkung ist nicht bewiesen) (!Die Checkliste ist als einzige Ursache nachgewiesen) (!Die Checkliste funktioniert garantiert in jedem Betrieb) (!Weitere Messungen sind grundsätzlich unnötig)

Memory

Finde die zusammengehörigen Fachbegriffe und Erklärungen.

Entscheidung	Auswahl zwischen Handlungsoptionen
Analysefrage	Konkret überprüfbare Fragestellung
Bezugsgröße	Gemeinsame Grundlage zum Vergleichen
Ausschussquote	Anteil fehlerhafter Teile
Erfolgsschwelle	Vorab vereinbarte Mindestverbesserung
Basisphase	Vergleichsmessung ohne neue Maßnahme
Pilotphase	Erprobung einer geplanten Veränderung

Drag and Drop

Ordne jeden Begriff seiner Bedeutung zu.

Ordne die richtigen Begriffe zu.	Bedeutung
Entscheidungsfrage	Klärt die betriebliche Handlungsalternative
Messgröße	Beschreibt die zu erfassende Eigenschaft
Datenqualität	Beschreibt die Eignung und Verlässlichkeit der Werte
Erfolgskriterium	Legt die Bedingung für eine positive Bewertung fest
Vergleichbarkeit	Erfordert geeignete gemeinsame Rahmenbedingungen
Schutzkennzahl	Verhindert eine einseitige Optimierung

Kreuzworträtsel

Stillstand	Wie heißt eine Unterbrechung des Anlagenbetriebs?
Ausschuss	Wie heißen produzierte Teile, die wegen Fehlern nicht verwendbar sind?
Kennzahl	Wie heißt ein verdichteter messbarer Wert zur Bewertung eines Sachverhalts?
Checkliste	Wie heißt eine strukturierte Liste zur systematischen Prüfung?
Schicht	Wie heißt ein festgelegter Arbeitszeitabschnitt im Betrieb?
Pilot	Wie nennt man eine begrenzte Erprobung vor einer möglichen breiteren Einführung?

LearningApps

Suche ergänzende Lernübungen zum Thema. Verwende ausschließlich Übungsinformationen und keine realen betrieblichen Daten.

Lückentext

Eine zielgerichtete Datenanalyse beginnt mit einer konkreten

.

Die zentrale überprüfbare Fragestellung heißt

.

Für einen fairen Vergleich muss eine gemeinsame

festgelegt werden.

Ungeplante Betriebsunterbrechungen werden als

erfasst.

Die Summe der fehlerhaften Teile wird als

dokumentiert.

Vor der Auswertung vereinbart das Team ein

.

Die Messungen vor Einführung der Maßnahme gehören zur

.

Die Erprobung der Checkliste findet in der

statt.

Die Qualität der Ergebnisse hängt auch von der

ab.

Ein beobachteter Zusammenhang beweist nicht automatisch eine

.

Offene Aufgaben

Bearbeite die Aufgaben in aufsteigender Schwierigkeit.

Leicht – Basis

Prozessbeschreibung: Zeichne mit Papier und Stift den Ablauf einer fiktiven Verpackungslinie mit vier Prozessschritten.
Analysefrage: Schreibe eine unpräzise Frage und verbessere sie durch einen eindeutigen Vergleich und ein messbares Ziel.
Datenerhebung: Erstelle eine kleine Tabelle mit den fünf wichtigsten Datenfeldern für den Ausbildungsfall.
Kennzahl: Berechne die Stillstandskennzahl der Basisphase ohne Programm und prüfe sie mit dem Python-Labor.

Standard – Anwendung

Datenvisualisierung: Gestalte ein Balkendiagramm mit den Kennzahlen der Basis- und Pilotphase.
Python: Führe alle drei Szenarien in der lokalen Offline-Übungsumgebung aus und dokumentiere die Entscheidungen.
Qualitätssicherung: Entwirf einen Vorschlag zur Erfassung von Stillständen mit eindeutigen Start- und Endzeitpunkten.
Präsentation: Erstelle eine zweiminütige Präsentation mit Analysefrage, Datenbedarf, Erfolgskriterium und begründeter Bewertung.

Schwer – Transfer

Versuchsplanung: Entwickle einen verbesserten Pilotplan mit mehr Schichten und möglichst vergleichbaren Bedingungen.
Ursache-Wirkungs-Diagramm: Gestalte ein Diagramm möglicher Ursachen von Stillständen und unterscheide Vermutungen von Belegen.
Datenschutz: Entwirf eine sichere Übungsdatenstrategie, die ohne reale Kunden-, Personen- oder Produktionsdaten auskommt.
Projektarbeit: Erstelle ein kurzes Drehbuch für ein selbst produziertes Lernvideo, in dem Du anhand eines simulierten Betriebsfalls eine präzise Analysefrage entwickelst.

Begründetes Feedback zu den offenen Aufgaben

Niveau	Woran erkennst Du eine gute Lösung?
Basis	Die Entscheidung, der messbare Gegenstand und die Bezugsgröße sind eindeutig. Ohne diese Elemente bleiben unterschiedliche Interpretationen möglich.
Anwendung	Rechenweg, Diagramm, Messdefinition und Entscheidung stimmen überein. Nur so kann eine andere Person die Bewertung nachvollziehen.
Transfer	Der Entwurf berücksichtigt Störfaktoren, Datenqualität, Grenzen der Aussagekraft und Schutz realer Daten. Eine gute Analyse prüft auch, warum das beobachtete Ergebnis anders erklärt werden könnte.

Lernkontrolle

Bearbeite die folgenden Transferaufgaben schriftlich.

Prozessoptimierung: Ein zweiter fiktiver Betrieb produziert andere Werkstücke. Erkläre, welche Teile Deiner Analysefrage übernommen und welche neu definiert werden müssen.
Vergleichbarkeit: Im Pilot werden andere Materialien verwendet als in der Basisphase. Begründe, welche Folgen das für die Interpretation hat und wie Du den Vergleich verbessern könntest.
Datenqualität: Bei mehreren Schichten fehlen Stillstandsprotokolle. Entwickle ein Verfahren, mit dem Du die Datenlücke dokumentierst, ohne fehlende Werte als Null zu behandeln.
Qualitätsmanagement: Die Stillstandszeit sinkt stark, gleichzeitig steigt der Ausschuss. Formuliere eine begründete Entscheidung und schlage weitere Untersuchungen vor.
Statistik: Die Wirkung ist in vier Pilotschichten sichtbar. Erkläre, weshalb ein größerer oder kontrollierter Versuch für eine allgemeine Empfehlung sinnvoll ist.
Informationssicherheit: Ein Teammitglied möchte zur Analyse echte Maschinendaten an einen unbekannten Online-Dienst übermitteln. Entwickle einen geeigneten und sicheren Alternativvorschlag.

Lernnachweis

Als Lernnachweis erstellst Du eine kompakte Analysekarte oder eine Präsentation mit diesen Bestandteilen:

Entscheidung: Welche betriebliche Handlung soll vorbereitet werden?
Analysefrage: Ist sie räumlich, zeitlich und hinsichtlich des Vergleichs präzise?
Datenbedarf: Sind Messfelder, Einheiten, Erhebungsregeln und Bezugsgrößen angegeben?
Erfolgskriterium: Sind Zielwert und Schutzkennzahl vorab definiert?
Auswertung: Sind die Ergebnisse aus fiktiven Daten korrekt berechnet und visualisiert?
Interpretation: Werden Unsicherheiten und alternative Ursachen berücksichtigt?
Sicherheit: Sind ausschließlich zulässige lokale Testumgebungen und künstliche Daten verwendet worden?

Bewertungsmaßstab: Besonders wichtig sind die Nachvollziehbarkeit der Entscheidung, die fachliche Begründung der Kennzahlen und das Bewusstsein für Grenzen der Datenanalyse.

OERs zum Thema

Wikipedia – Datenanalyse

Ergänzende frei zugängliche Fachinformationen:

Quellenprüfung: Die Ausbildungsordnung bildet die berufliche Grundlage für Arbeits- und Geschäftsprozessanalyse, Datenanalyse und Datenqualität. Das NIST-Handbuch erläutert grundlegende Anforderungen an Messprozesse und deren Zuverlässigkeit. Die Schwellenwerte und der Datensatz des Ausbildungsfalls sind eigens für diese Lernübung konstruiert und keine realen betrieblichen Befunde.

Medienrechte und Nutzung: Die eingesetzten Commons-Dateien wurden anhand ihrer Dateibeschreibungsseiten mit folgenden Nutzungsrechten ausgewählt:

Förderanlage – falco, CC0 1.0.
Flussdiagramm – Erik Streb, CC BY-SA 3.0.
Prozessgrafik – ZweiOhren, CC BY-SA 3.0.
Säulendiagramm – Cuvwb, CC BY-SA 4.0.
Ursache-Wirkungs-Diagramm – FabianLange, CC BY-SA 3.0.
Pareto-Diagramm – DanielPenfield, CC BY-SA 3.0.

Bei Weiterverwendung und Bearbeitung sind die jeweiligen Lizenzbedingungen, insbesondere Namensnennung und gegebenenfalls Weitergabe unter gleichen Bedingungen, zu beachten.

Die verlinkten YouTube-Videos sind externe Lernmedien. Ihre Einbettung begründet keine freie Lizenz zur Weiterverwertung. Wikipedia und LearningApps sind ebenfalls externe Angebote. Eingebettete Drittangebote können schon beim Laden Verbindungsdaten übertragen. Nutze sie nur nach Freigabe im jeweiligen Lernkontext und übermittle niemals echte Betriebs- oder Kundendaten.

Die interaktiven Wiki-Quizaufgaben und das lokale Python-Labor können ohne Eingabe betrieblicher Informationen genutzt werden.