Zusammenfassung
Big Data zählt zu den Megatrends der global vernetzten Welt. Quantitativ nimmt die Datenmenge stets zu, jedoch ist letztlich nicht die Menge, sondern die Qualität der zur Verfügung stehenden Informationen entscheidend. Die Informationen werden vernetzt, woraus Wissen generiert wird, um Unternehmensprozesse zu steuern. Doch die Steuerung und Bewertung heterogener Partnernetzwerke, also der partnerschaftlichen Lieferanten-Abnehmer-Interaktion, innerhalb der externen Wertschöpfung wird mit konventionellen Methoden der Wissensgenerierung zunehmend schwieriger. Neue Formen der Datenerhebung und -verarbeitung bieten Unternehmen vielfältige Ansätze, um Geschäftsprozesse der Produktion und Qualität sowie die Partnernetzwerke abzusichern und zu steuern. Am Fachgebiet Qualitätsstrategie und Qualitätskompetenz der TU Berlin werden aus diesem Grund Möglichkeiten zur Risikoprävention in Partnernetzwerken entwickelt, um über eine bereichsübergreifende und koordinierende Steuerung auf Basis des Total Supplier Managements Synergieeffekte bei den Faktoren Zeit, Aktivitäten sowie Ressourcen zu nutzen. Dabei ist innerhalb der Forschungsaktivitäten ein Modell auf Basis des Data Mining entwickelt worden, welches diese Herausforderungen in einem strukturierten Vorgehen löst. Das Potenzial im Bereich des Data Mining liegt dabei besonders in der Verarbeitung großer Datenmangen (Big Data), um auffällige Datenmuster bei potenziell kritischen Lieferanten zu erkennen. Die Lösungsansätze berücksichtigen dabei präventive Ansätze im Bereich des Total Supplier Managements.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
[1] Lochmahr, A., Wildemann, H.: Die Einführung logistischer Konzepte in Theorie und Praxis – Fallbeispiel Kapazitätsmanagement. In: Neue Wege in der Automobillogistik. Hrsg.: Günthner, W. A. Berlin, Heidelberg: Springer, 2007, S. 509–524.
[2] Mößmer, H. E.; Schedlbauer, M.; Günthner, W. A.: Die automobile Welt im Umbruch. In: Neue Wege in der Automobillogistik. Hrsg.: Günthner, W. A. Berlin, Heidelberg: Springer, 2007, S. 3–15.
[3] Walther, G.: Nachhaltige Wertschöpfungsnetzwerke. Wiesbaden: Gabler, 2010.
[4] Gluchowski, P., Chamoni, P. (Hrsg.): Analytische Informationssysteme. Berlin, Heidelberg: Springer Gabler, 2016.
[5] Wagner, S. M.; Bode, C.: An empirical Examination of Supply Chain performance along several dimensions of risk. Journal of Business Logistics 29 (2008) 1, S. 307–325.
[6] Pfefferli, H.; Springer, G.: Lieferantenqualifikation. Renningen: expert-Verl., 2002.
[7] DIN EN 31010, 2010. (11.2010) Risikomanagement – Verfahren zur Risikobeurteilung. Berlin: VDE Verlag GmbH.
[8] ISO 31000, (11.2009) Risk management — Principles and guidelines. Geneva: ISO copyright office.
[9] Schatz, A.; Mandel, J.; Hermann, M.: Studie Risikomanagement in der Beschaffung 2010. Stuttgart, 2010.
[10] Gleißner, W.: Reifegradmodelle und Entwicklungsstufen des Risikomanagements: ein Selbsttest. CONTROLLER Magazin (2016) 6, S. 31–36.
[11] Gabath, C.: Risiko- und Krisenmanagement im Einkauf., 1. Aufl. Wiesbaden: Gabler, 2010.
[12] Dreyer, H. W.: Lieferantentypspezifische Bewertung von Lieferleistungen. Frankfurt am Main, Lang, 2000.
[13] Janker, C. G.: Multivariate Lieferantenbewertung. Wiesbaden: Springer Fachmedien, 2008.
[14] Dust, R.; Wilde, A.: Total Supplier Management. Berlin, 2016.
[15] Wiederkehr, B.; Züger, R.-M.: Risikomanagementsystem im Unternehmen., 1. Aufl. Zürich: Compendio Bildungsmedien, 2010.
[16] Glantschnig, E.: Merkmalsgestützte Lieferantenbewertung. Köln: Förderges. Produkt-Marketing, 1994.
[17] Harting, D.: Lieferanten-Wertanalyse. Ein Arbeitshandbuch mit Checklisten und Arbeitsblättern für Auswahl, Bewertung und Kontrolle von Zulieferern. 2. Aufl. Stuttgart: Schäffer-Poeschel, 1994.
[18] Hofbauer, G.; Mashhour, T.; Fischer, M.: Lieferantenmanagement. München: Oldenbourg, 2009.
[19] Wagner, S. M.: Lieferantenmanagement. München: Hanser, 2002.
[20] Arndt, H.: Supply Chain Management., 4. Auflage. Wiesbaden: Gabler Verlag / GWV Fachverlage GmbH, 2008.
[21] Muschinski, W.: Empirische Bestandsaufnahme der Lieferantenbewertung in Deutschland. Mönchengladbach: Fachbereich Wirtschaft Fachhochsch. Niederrhein, 1998.
[22] Wagner, S. M.: Strategisches Lieferantenmanagement in Industrieunternehmen. Frankfurt am Main: Lang, 2001.
[23] Dust, R.: Machtverhältnisse im Wandel. Beschaffung aktuell (2010) S1/2010, S. 8–9.
[24] Dust, R.: Total Supplier Management. Heilbronn, 2013.
[25] Moder, M.: Supply Frühwarnsysteme. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Thomas Gabler / GWV Fachverlage GmbH Wiesbaden, 2008.
[26] Arnolds, H.; Heege, F.; Röh, C.; Tussing, W.: Materialwirtschaft und Einkauf., 11. Auflage. Wiesbaden: Gabler Verlag / GWV Fachverlage GmbH, 2010.
[27] National Institute of Stansards and Technology: DRAFT NIST Big Data Interoperability Framework: Volume 1, Definitions, 2017.
[28] Mayer-Schönberger, V.; Cukier, K.: Big Data., 2. Auflage. München: Redline Verlag, 2013.
[29] Laney, D.: 3D Data Management: Controlling Data Volume, Velocity, and Variety. 2001. URL: https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf (Zugriff: 2017-07-14).
[30] Ward, S.W.; Barker, A.: Undefined By Data: A Survey of Big Data Definitions. 2013. URL: https://arxiv.org/pdf/1309.5821.pdf (Zugriff: 2017-06-13).
[31] Rieder, G.; Simon, J.: Big Data: A New Empiricism and its Epistemic and Socio-Political Consequences. In: Berechenbarkeit der Welt? Hrsg.: Pietsch, W.; Wernecke, J.; Ott, M. Wiesbaden: Springer Fachmedien, 2017, S. 85–105.
[32] Stahl, R.; Staab, P.: Die Vermessung des Datenuniversums. [Place of publication not identified]: Springer Science and Business Media; Springer Vieweg, 2017.
[33] Dust, R.; Wilde, A.: Datenqualität im Lieferanten-Risikomanagement. ERP Management (2015) 3, S. 35–37.
[34] Cleve, J.; Lämmel, U.: Data Mining., 2nd ed. Berlin: De Gruyter, 2016.
[35] Arnold, D., Isermann, H., Kuhn, A., Tempelmeier, H., Furmans, K. (Hrsg.): Handbuch Logistik. Berlin: Springer, 2008.
[36] Heinrich, L. J.; Stelzer, D.: Informationsmanagement., 9. Aufl. München: Oldenbourg, 2009.
[37] McKinsey Global Institute: Open data: Unlocking innovation and performance with liquid information. 2013. URL: http://www.mckinsey.com/businessfunctions/digital-mckinsey/our-insights/open-data-unlocking-innovation-andperformance-with-liquid-information (Zugriff: 2017-07-11).
[38] Würthele, V. G.: Datenqualitätsmetrik für Informationsprozesse. 2003.
[39] Dust, R.; Gleisner, M.; Gürtler, B.: Total Supplier Risk Monitoring. Management und Qualität (2010) 1-2, S. 27–29.
[40] Apel, D.; Behme, W.; Eberlein, R.; Merighi, C.: Datenqualität erfolgreich steuern., 3., überarb. Und erw. Aufl. Heidelberg: dpunkt.verl., 2015.
[41] Bensberg, F.: Web Log Mining als Instrument der Marketingforschung. Wiesbaden: Deutscher Universitätsverlag, 2001.
[42] Dust, R.; Wilde, A.: Was kostet die Steuerung Ihrer Lieferanten? 60. Jahrgang (2016) Sonderheft 2, S. 36–41.
[43] Schulte, C.: Logistik., 3. Aufl. München: Vahlen, 1999.
[44] Gudehus, T.: Logistik., 3. Aufl. Berlin: Springer, 2005.
[45] Heß, G.: Supply-Strategien in Einkauf und Beschaffung., 1. Aufl. Wiesbaden: Gabler Verlag / GWV Fachverlage GmbH, 2008.
[46] Handelsblatt: Fehlendes Bauteil. 2017. URL: http://www.handelsblatt.com/unternehmen/industrie/fehlendes-bauteil-bmw-produktion-steht-teilweisestill/19860828.html (Zugriff: 2017-06-01).
[47] Gabriel, R.; Gluchowski; Pastwa, A.: Data Warehouse und Data Mining. Witten: W3L GmbH, 2009.
[48] Ester, M.; Sander, J.: Knowledge Discovery in Databases. Berlin, Heidelberg: Springer, 2000.
[49] Cios, K. J.; Pedrycz, W.; Swiniarski, R. W.; Kurgan, L. A.: Data Mining. Boston, MA: Springer Science+Business Media LLC, 2007.
[50] Zobolski, A.: Kooperationskompetenz im dynamischen Wettbewerb. Wiesbaden: Gabler Verlag / GWV Fachverlage GmbH, 2009.
[51] Heinz, K.; Mesenhöller, E.; Grünz, L.: Workflow-Management-Systeme. Dortmund: Verlag Praxiswissen, 2002.
[52] Schmitt, R.; Ngo, Q. H.; Groggert, S.; Elser, H.: Datenbasierte Qualitätsregelung. In: Qualitätsmanagement 4.0 – Status quo! Quo vadis? Hrsg.: Refflinghaus, R.; Kern, C.; Klute-Wenig, S. Kassel: Kassel University Press, 2016, S. 23–42.
[53] Stauffer, H.: Business Intelligence (BI): Strategische Steuerung von Leistungen und Innovationen. 2016. URL: https://www.informatik-aktuell.de/management-und-recht/projektmanagement/business-intelligence-strategischesteuerung-von-leistungen.html (Zugriff: 2017-08-15).
[54] Schüller, K.; Fritsch, S.: Wie man Wert aus Smart Data schöpft. In: Herausforderung Utility 4.0. Hrsg.: Doleski, O. D. Wiesbaden: Springer Vieweg, 2017, S. 477–500.
[55] Vossen, G.: Datenmodelle, Datenbanksprachen und Datenbankmanagementsysteme. 5. Aufl. München: Oldenbourg, 2008.
[56] Mandl, C.; Minner, S.: Big Data in der Rohstoffbeschaffung. Beschaffung aktuell (2017) Ausg. 04, S. 22–23.
[57] Müller, R. M.; Lenz, H.-J.: Business Intelligence. Berlin, Heidelberg: Springer Vieweg, 2013.
[58] Beekmann, F.: Stichprobenbasierte Assoziationsanalyse im Rahmen des Knowledge Discovery in Databases. Wiesbaden: Deutscher Universitätsverlag, 2003.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this paper
Cite this paper
Wilde, A., Dust, R. (2020). Vom Data Lake zum strukturierten Datenmuster – Big Data als Basis für ein Risiko-Frühwarnsystem in Partnernetzwerken. In: Schmitt, R. (eds) Potenziale Künstlicher Intelligenz für die Qualitätswissenschaft. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-60692-6_11
Download citation
DOI: https://doi.org/10.1007/978-3-662-60692-6_11
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-60691-9
Online ISBN: 978-3-662-60692-6
eBook Packages: Computer Science and Engineering (German Language)