Manufacturing Data Analytics Studie 2023: Status quo und zukünftiges Potenzial von Datenanalysen in produzierenden Unternehmen

Sebastian Beckschulte (), Miriam Kaden, Lorenzo Pirrone, Robert H. Schmitt and Thomas Friedli
Additional contact information
Sebastian Beckschulte: RWTH Aachen University
Miriam Kaden: RWTH Aachen University
Lorenzo Pirrone: Universität St. Gallen
Robert H. Schmitt: RWTH Aachen University
Thomas Friedli: Universität St. Gallen

A chapter in Neue Methoden und Trends in der Qualitätswissenschaft, 2025, pp 115-135 from Springer

Abstract: Zusammenfassung Im Zuge der fortschreitenden Digitalisierung sehen sich produzierende Unternehmen mit stetig wachsenden Datenmengen konfrontiert, um ihre Geschäftsprozesse zu optimieren, ein besseres Verständnis für Kundenanforderungen zu entwickeln und Produkte sowie Dienstleistungen kontinuierlich zu verbessern. Die Notwendigkeit, Daten effektiv zu erfassen, zu speichern, zu analysieren und für datenbasierte Entscheidungen zu nutzen, ist hierfür essenziell. Obwohl diese theoretisch umfangreichen Datenmengen zur Verfügung stehen, fällt es vielen Unternehmen schwer, das analytische Potenzial ihrer Daten auszuschöpfen und daraus einen Wettbewerbsvorteil zu generieren. Vor diesem Hintergrund stellen sich die Fragen, welche Faktoren den erfolgreichen Einsatz von Datenanalysen in produzierenden Unternehmen beeinflussen und welches Potenzial sich aus dem aktuellen Status quo für die Zukunft ergibt. Aufbauend auf einer im Jahr 2016 durchgeführten Studie (Groggert, S., Wenking, M., Schmitt, R. H., Friedli, T.: Status quo and future potential of manufacturing data analytics – an empirical study. 2017 IEEE International conference on industrial engineering and engineering management (IEEM), S. 779–783 (2017) [1]) wurden in der repräsentativen Folgestudie „Manufacturing Data Analytics 2023“ insgesamt 154 Personen aus 125 produzierenden Unternehmen der DACH-Wirtschaftsregion befragt. Der Beitrag bietet Einblicke in datenbasierte Analyseprozesse bis hin zu strategischen Auswirkungen auf die Produktion. Die gewonnenen Erkenntnisse liefern wertvolle Informationen, um die Herausforderungen der Datenverarbeitung anzugehen und die Potenziale der Datenanalyse effektiver zu nutzen. Insbesondere fällt auf, dass die Herausforderungen in der Datenerfassung, -verarbeitung und -nutzung nach wie vor bestehen. Defizite in der Datenstandardisierung und -verfügbarkeit werden als Hauptgründe hierfür genannt. Weiterhin zeigen die empirischen Ergebnisse, dass die meisten Unternehmen Schwierigkeiten haben, die aus den Ergebnissen der Datenanalysen abgeleiteten Optimierungspotenziale erfolgreich umzusetzen. Dies liegt häufig an Problemen im gesamten Datenanalyseprozess.

Keywords: Data Analytics; Datenanalyse; Datenqualität; Industrie 4.0; Fertigungsdaten; Montagedaten; Produktion; Produktionsdaten; Studie (search for similar items in EconPapers)
Date: 2025
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-45899-7_7

Ordering information: This item can be ordered from
http://www.springer.com/9783658458997

DOI: 10.1007/978-3-658-45899-7_7

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().