<ul><li>So verbessern Logistiker mit dem Computerspiel Minecraft ihre Prozesse</li><li>Wie Sie sich auf Nachhaltigkeitsreports (CSRD) vorbereiten</li><li>SPECIAL: MES und Internet of Things</li></ul>

In seinem Editorial schreibt Wolfgang Kräußlich darüber, wie die Qualität in unseren alltäglichen Prozessen verbessert werden könnte.

Qualität ist mehr als die richtige Toleranz bei technischen Bauteilen. Qualität ist auch mehr als ein gut dokumentierter Fertigungsprozess. Und: Qualität ist nicht nur im produzierenden Gewerbe wichtig. Das alles wissen Sie. Aber warum begegnet uns an so vielen Stellen schlechte Qualität?

 Ich meine im täglichen Leben: Unpünktliche Züge, lange Warteschleifen in den Service-Hotlines, Finanzämter, die der Grundsteuer nicht Herr werden. Und ja, auch immer wieder mal Produkte, die nicht das tun, was man von ihnen erwartet.

Eines der Probleme ist die Bürokratie. Viele Regeln, Normen und Standards sind mit Aufwand verbunden – Recherche, Dokumentation, Nachverfolgung. Das kann schnell zu viel werden. Ärzte klagen, dass sie ob des Papierkrams immer weniger Zeit zum Behandeln haben, mittelständische Betriebe klagen über das neue Lieferkettengesetz, und wer als Unternehmen seinen CO2-Fußabdruck sauber ermitteln will, der kommt schnell ins Schwimmen, ich sage nur Scope 1 bis 3… Helfen soll an dieser Stelle die Digitalisierung, das viel gepriesene Allheilmittel. Leider ist es aber so: Wenn man ineffiziente Prozesse digitalisiert, erhält man schlicht ineffiziente digitale Prozesse.

Doch nun stehen die nächsten Helfer in den Startlöchern: Künstliche Intelligenz soll es richten. Damit Sie, liebe Leserinnen und Leser, bei all dem nicht den Überblick verlieren, haben wir zu allen genannten Themen vielfältige Anregungen in dieser Ausgabe der QZ zusammengetragen – aus der Pflege ebenso wie vom Immobilienhandel oder der Industrie. Sogar Computerspiele kommen zum Einsatz! Viel Spaß und Erkenntnis beim Durchblättern.

Wolfgang Kräußlich [<a href="mailto:wolfgang.kraeusslich@hanser.de">wolfgang.kraeusslich@hanser.de</a>]

16:9

Editorial Kräußlich

Assessment-Center-Übung für angehende Scrum-Master

Wie man geeignete Bewerber erkennt, die besondere Kenntnisse im agilen Projektmanagement mitbringen sollen.

Die Nutzung agiler Ansätze wie Scrum hat in den letzten zehn Jahren auch außerhalb der Softwareindustrie Fuß gefasst. Im Hinblick auf die steigende Nutzung agiler Ansätze, zum Beispiel in der Kombination mit Six Sigma, ist es notwendig, geeignete Bewerber für Stellen zu erkennen, für die besondere Kenntnisse in diesem Bereich notwendig sind.

Siegfried Stumpf, Thomas Münster, Till Zenses

Wird eine ausgeschriebene Stelle mit einem Kandidaten besetzt, der für das Anforderungsprofil der späteren beruflichen Tätigkeiten nicht geeignet ist, kostet dies dem Unternehmen unter Umständen viel Geld. Dies kann vermieden werden, wenn geeignete Verfahren verwendet werden, um einen späteren beruflichen Erfolg eines Kandidaten besser vorhersagen zu können. Agile Kompetenzen von Kandidaten zu bewerten, ist schwierig. Eine Literaturrecherche zeigt, dass die Rolle des Scrum-Masters bisher eher im Hinblick auf die Aufgaben und das Verhalten im Scrum-Prozess beschrieben wird. Die Anforderungen an die Fähigkeiten, das Wissen oder die Einstellungen wurden in der Literatur bis dato unzureichend diskutiert. Die Studie von Stumpf et al. geht jedoch genau auf diese Punkte ein, indem innerhalb einer empirischen Untersuchung ein Anforderungsprofil für den Scrum-Master erstellt wird. Ausgehend von diesem Anforderungsprofil wurde eine Assessment-Center-Übung entwickelt, die einen Beitrag dazu leisten soll, geeignete Kandidaten für die Scrum-Master-Rolle mit einer hohen Treffsicherheit zu identifizieren.

Ein Assessment-Center (AC) ist ein Verfahren, um geeignete Bewerber für eine vakante Stelle in einem Unternehmen zu erkennen. In einem AC werden die Bewerber auf Grundlage eines Anforderungsprofils in verschiedenen Übungen beobachtet und bewertet. Charakteristisch für ein AC ist die Mischung unterschiedlicher Verfahren (Multimethodalität). Insgesamt besteht ein AC aus den Verfahrenselementen Simulationsübungen (zum Beispiel Gesprächssimulationen, Fallbearbeitungen), den Einsatz von Fragebögen oder Tests sowie Interviews zum Lebenslauf oder zum Verhalten in kritischen Anforderungssituationen.

Postkorbübungen gehören zu den Verhaltenssimulationen und zeichnen sich dadurch aus, dass die Kandidaten eine Zusammenstellung von 15 bis 25 Kurzfällen bearbeiten, die einen gemeinsamen organisatorischen Rahmen haben. Dazu zählt zum Beispiel das Lösen von Problemfällen oder das Erkennen von Prioritäten. Eine Herausforderung für den Kandidaten ist die vorgegebene Zeit, in der dieser die Fälle eigenständig bearbeitet werden. Bedingt durch die Vielzahl an unterschiedlichen Aufgaben gibt eine Postkorbübung einen sehr guten Einblick in die Fähigkeiten des Bewerbers zum strukturierten Denken. Die hier vorgestellte Übung zielt darauf ab, vier der neun von Stumpf et al. spezifizierten erforderlichen Kompetenzen von Scrum-Mastern zu erfassen: Team- und Prozessorientierung, Organisationsfähigkeit und Problemlösekompetenz, Kommunikations- und Moderationsfähigkeit sowie die Fähigkeit im Umgang mit Stress.

Der Kandidat soll im Postkorb mit Situationen aus der Welt eines Scrum-Masters konfrontiert werden: Inwieweit setzt er sich für die die Effektivität und Effizienz des Teams ein? Wie beseitigt er Hemmnisse für die Arbeit des Teams? Wie geht er mit Stress um? Ebenso soll deutlich werden, inwieweit er fähig ist, gut zu kommunizieren und zu moderieren.

<ol><li>Im Rahmenszenario wird festgelegt, dass der Kandidat seit kurzem die Rolle eines Scrum-Masters in einem Unternehmen aus der Elektronikbranche übernommen hat. In dem laufenden Projekt geht es um die Entwicklung eines innovativen Kopfhörers. In dem Projekt arbeiten zehn Entwickler mit und es gibt einen Product-Owner, der die Kundeninteressen vertritt.</li><li>Um die Fähigkeiten überprüfen zu können, wurden 15 verschiedene Memos entwickelt. Diese bestehen aus Nachrichten von Mitarbeitenden an den Scrum-Master. Jedes Memo schildert eine andere Situation, in der der Scrum-Master verschiedene Hemmnisse beseitigen und Probleme lösen muss. Mit jedem Memo sind ein bis drei der genannten Kompetenzanforderungen verbunden, die anhand der auf ein Memo gezeigten Reaktionen bewertet werden. In einem Memo geht es beispielsweise darum, dass ein Entwickler erstzunehmende Fähigkeitsdefizite im Team beobachtet und er deswegen befürchtet, dass die Projektziele nicht erreicht werden können.</li><li>Die Reaktionen der Kandidaten werden über ein Antwortformular erfasst. Auf diesem Formular befinden sich zu jedem Memo einige Fragen wie zum Beispiel „Welche wichtigen Informationen entnehmen Sie dem Memo?“ und „Was sind die Schritte, die Sie als nächstes durchführen werden?“ Die Antwort des Kandidaten könnte hier auf das genannte Beispiel lauten: „Das ist ein sehr wichtiges Problem. Ich würde dem Entwickler zunächst mal mitteilen, dass ich dankbar für seine Hinweise bin und dass ich morgen beim Team-Meeting dieses Punkt ansprechen werde. Ich werde mit ihm und dem Team genau abklären, welche Fähigkeiten im Team fehlen. Dann sollten wir gemeinsam besprechen, wie wir ein mögliches Fähigkeitsdefizit beheben können. Vielleicht hilft auch eine kurze Schulung. Wenn nicht werde ich mich im Unternehmen erkundigen, und dies sehr rasch, wer solche Fähigkeiten im Unternehmen hat und wie man eine entsprechende Person ins Team integrieren könnte.“</li><li>Für jedes Memo wurde eine Musterlösung entwickelt. Diese Lösung wird dann mit den von den Kandidaten gelieferten Antworten abgeglichen und so die Leistung eines Kandidaten mittels Punktvergabe bewertet. Anschließend werden die vergebenen Punkte für jedes Anforderungsmerkmal addiert und die erreichten Punktzahlen errechnet.</li><li>Abschließend wurde ein Feedbackleitfaden entwickelt, anhand dessen jedem Kandidaten ein Feedback zu seinen Leistungen und zu seinen Stärken und Schwächen in der Übung mitgeteilt wird. Ein Feedbackgeber sollte dabei eine positive Grundhaltung zeigen, um die Akzeptanz des Feedbacks zu unterstützen.</li></ol>

Die Durchführung der Übung lässt sich in folgende Schritte unterteilen: Zuerst wird dem Kandidaten der Ablauf erklärt und die Materialien zur Bearbeitung ausgeteilt. Im Anschluss wird den Kandidaten 75 Minuten Zeit gegeben, die Übung zu bearbeiten. Danach werden diese Antworten durch Abgleich mit der Musterlösung bewertet und die Gesamtbewertung erstellt. Abschließend wird dem jeweiligen Kandidaten sowohl schriftliches als auch mündliches Feedback gegeben.

Die Übung wurde mit acht studentischen Teilnehmenden aus den Ingenieurwissenschaften erprobt. Die Kandidaten füllten nach der Übung und dem Feedback zusätzlich einen Akzeptanzfragebogen aus, mit dem erfasst wird, wie die Teilnehmenden die Übung wahrnehmen. Die Ergebnisse zeigen, dass die Kandidaten insgesamt die Postkorbübung als realitätsnahe empfanden und das Feedback als nachvollziehbar und hilfreich. Allerdings fühlten sich einzelne Teilnehmenden auch überfordert und haben die Übung als anstrengend empfunden. Weiterhin wurde die Postkorbübung mit zwei Scrum-Experten aus der Praxis diskutiert. Beide Experten fanden die Übung sowohl realitätsnah als auch für Diagnostikzwecke geeignet.

Gegenwärtig wird diese Übung weiterentwickelt und erprobt. Dazu gehören eine noch realistischere Erfassung der Teilnehmerreaktionen an. Hierzu könnte man von dem bisherigen Antwortformular abrücken und stattdessen die Reaktionen des Teilnehmers über zu schreibende Nachrichten oder Anrufe direkter erfassen. Insgesamt sind die Übungen ein sinnvoller Baustein innerhalb eines Assessment-Centers zur Erfassung des Potenzials für die Scrum-Rolle im agilen Six-Sigma-Projektmanagement. Übungen wie diese geben Unternehmen, die sich mit der Implementierung von agilen Strukturen beschäftigen, geeignete Assessment-Instrumente an die Hand, die im Rahmen der Personalauswahl einsetzbar sind.

Hauptartikel

Neue Assessment-Center-Übung für angehende Scrum-Master

Prof. Dr. Siegfried Stumpf und Prof. Dr. Thomas Münster lehren an der Fakultät für Informatik und Ingenieurswissenschaften der Technischen Hochschule (TH) Köln. Till Zenses studiert an der TH Köln Wirtschaftsingenieurwesen mit dem Schwerpunkt Maschinenbau.

Prof. Dr. Siegfried Stumpf <a href="mailto:siegfried.stumpf@th-koeln.de">siegfried.stumpf@th-koeln.de</a>

Projektmanagementmethoden

Wirtschaft

Projektmanagement

Projektmanagementwerkzeuge

Scrum

Agile Methoden

Welche neuen Skills die Technologie im Qualitätsmanagement einfordert

Bereits seit mehreren Jahren findet ein Wandel der Rollenanforderungen an den Qualitätsmanager statt: In einer  zunehmend komplexer werdenden Welt hat sich auch die Bandbreite der Aufgaben eines Qualitätsmanagers deutlich geweitet. Aus dieser Entwicklung ergeben sich gleichermaßen Chancen und Herausforderungen für die Profession.

Schauen wir zum Beispiel auf künstliche neuronale Netze (KNN). KNN ahmen das menschliche Nervensystems nach und können so komplexe Daten verarbeiten: Damit heben sie sie sich stark von programmierter Software, maschinellem Lernen, und sogar Deep Learning ab. Für QM und QS bedeutet der Einsatz einer solchen Technologie etwa Unterstützung bei der Detektion und sogar Vorhersage von Anomalien: Etwa bei Prozessen oder in der Produktion. Die KI „denkt“ quasi für den Qualitätsmanager mit und meldet potenzielle Fehler. Der Qualitätsbeauftragte kann sich dann darauf fokussieren, basierend auf den Rückmeldungen der KI Entscheidungen zu treffen und bei Bedarf strategisch und steuernd in den Gesamtprozess einzugreifen.

Durch die zunehmende Entwicklung und den vermehrten Einsatz von KI, sehen sich Qualitätsbeauftragte nun weiteren Anforderungen an ihren Beruf gegenüber: Plötzlich müssen KI-Systeme auditiert, Datenarchitekturen beurteilt und die Implementierung und Etablierung der neuen Technologie im Workflow geprüft werden. Dazu braucht es ein grundlegendes Know-how rund um künstliche Intelligenz. Sachverständige Qualitätssichernde schlüpfen in die Rolle des Vermittlers: Sie wissen um die Fähigkeiten und das sich ständig weiterentwickelnde Potenzial von künstlicher Intelligenz und können die Systeme für die vorgesehenen Einsatzzwecke beurteilen.

Unsere Erfahrung hat uns gelehrt: Es macht wenig Sinn punktuell 1-2 KI-Beauftragte im Unternehmen zu schulen und dann zu hoffen, dass sich das KI-Know-how und -Mindset von selbst im Unternehmen verbreiten. Vielmehr muss das Wissen und das KI-positive Mindset die gesamte Organisationsstruktur durchdringen: Im Idealfall von oben nach unten und in die Breite: Von der Führungskraft bis zum Mitarbeitenden. Bis das gesamte Unternehmen die gewinnbringende Zusammenarbeit mit KI lebt.

Zunächst sollten also Qualitätsmanager und Führungskräfte zumindest über ein Basisverständnis rund um KI verfügen. Denn weder eine Führungskraft, noch Qualitätsbeauftragte können ein Projekt rund um KI betreuen und die Mitarbeitenden mitreißen, wenn ihnen das erforderliche Grundwissen fehlt. Denn auch das hat uns die Erfahrung gelehrt: Wenn nur 30 Prozent des Führungsteams Widerstände gegen KI verspüren, ist der Erfolg des Projektes bereits bedroht.

Schon seit mehreren Jahren hat sich das Qualitätsmanagement von einer rein produktbezogenen Disziplin zu einer Instanz entwickelt, die auf das gesamte Unternehmen einwirkt und qualitätsbezogene Tätigkeiten weit über den Produktbereich hinaus steuert: Diese Veränderung des Berufsbildes verstärkt sich in unserer Praxiserfahrung durch den Einsatz von KI immer stärker. Bei der Durchführung von KI-Projekten sind die Kompetenzen von Qualitätsbeauftragten zunehmend in der Organisationsentwicklung und bei der strategischen Managementberatung rund um den Einsatz künstlicher Intelligenz gefragt.

Und noch mehr Veränderungen kommen auf QMler zu: Es kommt zu einer stärkeren Zusammenarbeit zwischen verschiedenen Abteilungen und Fachbereichen, da die Ergebnisse von KI-Analysen und die Entscheidungen, die aufgrund der Ergebnisse getroffen werden, oft von mehreren Abteilungen abgesegnet werden müssen. Auch hier kommen Qualitätsbeauftragte als kommunikative Mittler zwischen den unterschiedlichen Parteien zum Einsatz.

Neuer Gradmesser für Qualität: Augmentierte Intelligenz

Neben neuen Skills, die Qualitätsmanager in der Arbeit mit KI benötigen, entsteht auch ein neuer Gradmesser für Qualität. Kurzum, eine KI darf nicht im ewigen Teststatus versacken. Ja, ein Pilotieren ist sinnvoll, um einen Proof of Concept darzulegen und zu beweisen, dass die KI eine Lösung zu einem bestehenden Problem liefert. Doch dann geht die Arbeit erst los, denn dann muss eine KI im Tagesgeschäft implementiert und etabliert werden. Konkret: Sie muss von den Mitarbeitern auch tatsächlich gewinnbringend genutzt werden. Womit wir beim Konzept der augmentierten Intelligenz angelangt wären. Unserer Meinung nach ist augmentierte Intelligenz der zukunftsträchtige Weg, KI zu betrachten und auf ihre Qualität hin zu beurteilen.

Augmentierte Intelligenz: Kooperation und Co-Kreation

Augmentierte Intelligenz beruht auf künstlicher Intelligenz (KI): KI bezieht sich auf die Fähigkeit von Computersystemen in Form von neuronalen Netzen, menschenähnliche Denk- und Problemlösungsfähigkeiten nachzuahmen. Dabei agiert die KI weitestgehend eigenständig. Sozusagen in ihrem eigenen Silo. Im Gegensatz dazu unterstützt die augmentierte Intelligenz den Menschen bei der Entscheidungsfindung. Bei augmentierter Intelligenz vereinen sich Mensch und Maschine in perfekter Synthese zu einem neuen, höheren Ganzen, indem sie einander ergänzen: Die künstliche Intelligenz unterstützt hier lediglich die Entscheidungsfindung des Menschen, anstatt sie zu ersetzen. Sie liefert dem Menschen relevante Informationen und Empfehlungen, die er bei der Entscheidungsfindung berücksichtigen kann.

Am effektivsten ist ein Unternehmen, wenn Mensch und Maschine auf diese Weise gewinnbringend zusammenarbeiten: Wenn Mensch und Maschine in Synthese kooperieren und co-kreieren, dann geschieht eine exponentielle Steigerung der Qualität und Unternehmensleistung. Der Qualitätsmanager der Zukunft muss also um diese Symbiose wissen, um das volle Potenzial des Prozesses zu sichern.

Neuer Qualitätsstandard: Güte der Mensch-Maschinen-Interaktion

Somit wird der Benchmark bei der Beurteilung der Qualität von augmentierter Intelligenz nicht allein durch den Funktionsumfang des KI-Systems selbst bestimmt, sondern dadurch gesetzt, wie gewinnbringend Mensch und Maschine miteinander interagieren. Für die Anforderungen an das Qualitätsmanagement bedeutet dies, den Fokus noch weiter in Richtung Mensch zu verschieben.

Sie als Qualitätsmanager müssen zum Beispiel beurteilen können, ob die Anwender die KI etwa insgeheim boykottieren. Im Vordergrund steht die Frage: Wie erfolgreich nutzen die Mitarbeiter das Tool? Im Zweifelsfalle benötigen Sie die Fähigkeit, auch solche Menschen zu überzeugen, die ihren Arbeitsplatz durch eine KI bedroht sehen.

Maßgeblich für die Qualitätssicherung einer KI ist also nicht nur die Auditierung von

<ul><li>Datenarchitektur</li><li>eingesetztem KI-Typ</li><li>KI-Trainingsmethode</li></ul>

alleine, sondern auch die Begutachtung der Zusammenarbeit zwischen Mensch und Maschine. Gütekriterium ist damit der Faktor der Synthese zwischen menschlicher und künstlicher Intelligenz.

Kompetenzen, die KI von  Qualitätsmanagern fordert

Um erfolgreich in diesem Bereich tätig zu sein, benötigen Qualitätsmanagerinnen und -manager entsprechende Fähigkeiten für die folgenden Tätigkeiten und Themen:

<ul><li>Grundqualifizierung bezüglich KI: Wissen und Mindset rund um künstliche Intelligenz, Machine Learning und Data Science</li><li>Verständnis für augmentierte Arbeitsweise: Grundverständnis für das gewinnbringende Zusammenarbeiten von Mensch und Maschine</li><li> Vertieftes Prozess-Know-how: Ganzheitliches Prozessverständnis</li><li>Agile Arbeitsweise, um eine KI abteilungsübergreifend im Unternehmen auf Qualität hin sicher einsetzen zu können</li></ul>

<ul><li>Führungs- und Managementfähigkeiten sind notwendig, um bei Themen wie Organisationsentwicklung und Unternehmensstrategie eine aktive Rolle zu spielen</li><li>Hohe Veränderungsbereitschaft und Innovationsfähigkeit ermöglicht Qualitätsmanagerinnen und -managern, andere kreativ zu beraten und zu unterstützen</li><li>Kommunikationskompetenz sozialer Kompetenz sowie Überzeugungsfähigkeit, um mit den Anwendenden und dem Management aktiv in den Dialog zu treten bei Skepsis oder Ängsten gegenüber dem Einsatz von KI</li><li>Change-Management Skills, um Mitarbeitende und Schnittstellen effektiv in Zeiten der hohen Veränderungsgeschwindigkeit zu begleiten und zusammenzuführen und Veränderungsprozesse aktiv anzustoßen und steuern</li></ul>

Mit dem boomenden Einsatz von KI-Systemen entstehen neue Anforderungsprofile und Gütemaßstäbe für Qualitätsmanager. KI-Projekte scheitern häufig an der Implementierung und Etablierung im täglichen Doing. Neuer Maßstab zur Beurteilung der Qualität von KI-Systemen ist der Synthesefaktor: Die gewinnbringende Zusammenarbeit von Menschen und künstlicher Intelligenz. Dies ist der neue Gradmesser für die Qualität beim Einsatz von augmented Intelligence.

Aus unserer Sicht ist ein grundlegender Sachverstand rund um KI unverzichtbar und gehört zu den zukünftigen Kompetenzen der QM- und QS-Berufe. Darüber hinaus fungieren Qualitätsmanager bei KI-Projekten zunehmend als Vermittler, Kommunikatoren und strategische Berater auf Organisationsebene.

Obwohl die Anforderungen an das QM steigen, gibt es auch gute Nachrichten: Denn die Bedeutung der Rolle der Qualitätssachverständigen dürfte mit zunehmender Einführung von KI-Systemen weiter steigen. In dem Sinne dürfen wir gespannt in die Zukunft blicken und beobachten wie die Synthese zwischen QM und KI neue Potenziale erschließt.

Hauptartikel DGQ Augmented Reality

Neue Skills, die die Technologie im Qualitätsmanagement fordert

Philipp Papadopoulos gründete 2016 die Unternehmensberatung Pegalion und begleitet Unternehmen in digitalen Transformationsprozessen: Maßgeschneiderte Lösungen aus einer Hand und die KI-Befähigung von Mitarbeitenden sind sein Erfolgsrezept. Mit Mut zur Innovation, Weitsicht und Pragmatismus stellt er sicher, dass die PS der KI auch auf die Straße kommen.

Beruf des Qualitätsmanagers

Qualitätsmanagement

qz-online.de

Augmented Reality für die Qualitätssicherung

Industrie 4.0

Industrie 4.0 für die Qualitätssicherung

Virtual Reality für die Qualitätssicherung

Zwei neue Schwerpunkte  der Normungsarbeit

Normungsaktivitäten der DGQ zu Pflege und Gesundheit (Teil 3)

Krankheit und Pflegebedarf – hier liegen zwei neue Schwerpunkte in der Normungsarbeit der DGQ. Damit folgt sie einer integrierten Sicht der Qualität, die auch nach den Anforderungen von Kundinnen und Kunden fragt. Sie stellt den Menschen so in den Mittelpunkt. Diese Perspektive bringt sie in nationale und internationale Normungsgremien ein.

In einer Artikel-Reihe stellen wir das Engagement des DGQ-Fachbereichs Pflege in der Normung vor. Mit Teil drei schließt diese kleine Reihe vorläufig ab. Diesmal geht es um die Standardisierung von Qualifikationsanforderungen für Menschen, die im Gesundheitsbereich Assistenzsysteme einsetzen.

Über den Mangel an Fachpersonal klagt mittlerweile fast jede Branche in Deutschland. Die Pflege macht keine Ausnahme. Hier reicht die angespannte Situation sogar bis in den Bereich der Angelernten mit Hilfstätigkeiten, sogenannte Pflegehelfern. Die demographische Entwicklung führt zu einer sich immer weiter öffnenden Schere zwischen Leistungs-Bedarf und Angebot, was die Verfügbarkeit der Ressource Personal absehbar weiter verringert.

In diesem Dilemma scheint das Licht der Digitalisierung am Ende des Tunnels verheißungsvoll. Damit ist im Gesundheitsbereich insbesondere intelligente Technik in Form von Assistenzsystemen gemeint, die im Pflegeprozess an unterschiedlichen Stellen Routineaufgaben übernehmen, Ressourcen schonen und vielfach sogar das Potenzial für eine Leistungs- und Qualitäts-Verbesserung aufweisen. Intelligente Technik muss entworfen, bedient, gewartet werden. Das erfordert Kompetenzen und Qualifikationen, die je nach dem Setting unterschiedlich ausfallen. Besonders sensibel ist der Einsatz von Assistenzsystemen im Zusammenspiel mit sozialen Dienstleistungen und wenn Menschen auf Grund von Behinderung, Pflegebedarf oder Krankheit auf Technik angewiesen sind.

Bei der Pflege und Versorgung von Menschen, die auf Hilfe angewiesen sind, spielen Alarmsysteme eine immer größere Rolle. Das Feld reicht vom Schwesternruf im Krankenhaus über die Sturzmatte am Pflegebett bis zum Hausnotruf. Diese klassischen Technologien werden durch die Digitalisierung ergänzt und aufgewertet. Die neuen Systeme liefern ein Vielfaches an Daten. Damit lassen sich Prävention, akute und dauerhafte Hilfestellung und Therapie verbessern.

Manchmal können solche Assistenzsysteme Leben retten. So wie der klassische Hausnotruf. Der bestand am Anfang aus einem Gerät, das die Größe eines Nachtschranks hatte und über Mikrofon und Lautsprecher verfügte. Das System ermöglichte über eine analoge Telefonverbindung das Hineinhören in die Wohnung und funktionierte wie eine Gegensprechanlage. Helfende waren bei der Einschätzung der Lage auf das angewiesen, was sie über das Mikrofon im Hausnotrufgerät eines Hilfesuchenden hörten.

Mit der Digitalisierung der Fernsprechnetze wuchs die Menge der übertragbaren Daten und die Möglichkeiten der Lageeinschätzung aus der Ferne erhöhte sich. Moderne Notrufgeräte liefern über Sensoren und Messgeräte ein Vielfaches an Informationen. Über Aktoren können sie sogar unmittelbar in das Geschehen vor Ort eingreifen. Gleichzeitig würden die analogen und elektronischen Bauteile nun ohne Wirkungsverlust in eine Zigarettenschachtel passen. Allerdings sind die Anforderungen an alle diejenigen gestiegen, die solche Systeme installieren, bedienen und die komplexen Informationen für ihre berufliche Praxis nutzen.

Die Helfenden verfügten als Ausbildung für den Hausnotrufdienst zu Beginn häufig nur über eine Erste-Hilfe-Schulung. Das hat sich geändert. Mittlerweile ist umfangreiches medizinisch-technisches und gegebenenfalls auch pflegerisches Know-how erforderlich, um die eingehenden Informationen situationsbezogen und individuell einzuschätzen und entsprechend zu reagieren. Das gilt bereits bei der Installation der Notrufgeräte, die fachgerecht angebracht, eingerichtet und programmiert werden müssen. Sie müssen zudem mit zusätzlichen technischen Komponenten – etwa Sturzsensoren oder intelligenten Weglaufanzeigern – gekoppelt werden.

Kompetenzen für das soziale Dienstleistungs-Setting

Der Notruf ist ein Assistenzsystem der ersten Stunde. Längst gibt es solche, die an Komplexität weit umfangreicher sind. Das geht bis hin zu Robotern. Das Prinzip ist aber immer dasselbe: Menschen treffen im Zusammenhang mit der Erbringung sozialer Dienstleistungen auf Technik. Mit dem Einsatz dieser Assistenzsysteme wird dabei das Ziel verfolgt, den Versorgungsprozess besser, sicherer und effizienter zu machen.

An allen Punkten in dem oben geschilderten Dienstleistungsprozess – von der Installation über die Notrufzentrale, den Einsatzdienst bis hin zur Wartung – besteht Kundenkontakt. Das können die versorgten Menschen selbst sein, in deren Häuslichkeit ein solches System für mehr Sicherheit sorgt. Vielfach handelt es sich auch um Angehörige, die zum Beispiel in die Pflege eingebunden sind und Assistenzsysteme verstehen und anwenden müssen oder sie wie im Falle des Notrufs selbst auslösen.

Aus dieser besonderen Situation im sozialen Versorgungssetting mit hilfebedürftigen Menschen, ergeben sich weitreichende Anforderungen an das Ausbildungsprofil derjenigen, die auf der Leistungserbringerseite die Technik anbieten, einbauen und bedienen. Die dafür erforderlichen Kompetenzen und Fähigkeiten werden in Ausbildungsstandards beschrieben und festgelegt, für die es Vorgaben aus dem Bereich der Normungsarbeit gibt. Damit werden Mindeststandards für die fachliche, pädagogische und auf die Kommunikation bezogene Qualifikation gesetzt.

Intelligente Assistenzsysteme sind inzwischen zu einem eigenen Fachbereich in der Sozialwirtschaft gereift. Sie werden unter dem Akronym „AAL“, „Actice Assisted Living“, zu Deutsch „technikunterstütztes Leben“ zusammengefasst. An dieser Stelle ist der Fachbereich Pflege der DGQ in der International Electrotechnical Commission (IEC) und deren nationalen Spiegelgremien in der Deutschen Kommission Elektrotechnik (DKE) aktiv, um pflegefachliches Know-how in die Vorgaben für Ausbildungen einfließen zu lassen, die im Zusammenhang mit intelligenten Assistenzsystemen stehen.

Konkret geht es zum Beispiel um die Anforderungen an die Qualifikation von AAL-Beratern. Sie müssen über Kompetenzen im Umgang mit Menschen verfügen, den Hilfebedarf abschätzen und voraussehen sowie technisches und sozialfachliches Know-how mitbringen. Das sind Voraussetzungen, um für Betroffene die besten individuell abgestimmten Lösungen zu finden.

Neben der Beschreibung der Anforderungen geht es bei der Festlegung entsprechender Ausbildungsprofile auch um die Einordnung in bestehende nationale (DQR) und europäische (EQF) Qualifikationsrahmen. Für den AAL-Beratenden ist das der Level 4 (DQR/EQR), wo Berufe mit drei- bis dreieinhalbjähriger Ausbildung auf Fachhochschul-Niveau angesiedelt sind. Darüber hinaus sind weitere Ausbildungsprofile im AAL-Bereich definiert. Dazu gehören AAL-Technik-Experten mit noch weitreichenderen Kompetenzen als die Beratenden, die AAL-Technikassistenten sowie die AAL-Versorgungs-Assistenten.

Der Einsatz intelligenter Technik in sozialen Dienstleistungen, sogenannten AAL-Systemen, birgt Herausforderungen an die Qualifikation der Handelnden. Das Feld reicht von ethisch-moralischen Aspekten, unterschiedlichen fachlichen Anforderungen bis hin zur Kenntnis von Gesetzen. Die DGQ bringt sich bei der Standardisierung der Vorgaben von Qualifikationen und deren internationaler Harmonisierung im AAL-Bereich ein. Dabei finden insbesondere die Integration der Kunden-Sicht sowie die Pflege-Perspektive Berücksichtigung.

Hauptartikel DGQ Pflege Dudel

Holger Dudel ist Fachreferent Pflege der DGQ. Der gelernte Krankenpfleger und studierte Pflegepädagoge und Pflegewissenschaftler hatte Leitungsfunktionen bei privaten, kommunalen und freigemeinnützigen Trägern der Langzeitpflege auf Bundesebene inne. Qualität im Sozialwesen bedeutet für ihn, dass auch, Haltung und Beziehung ihren Platz haben.

<a href="mailto:holger.dudel@dgq.de">holger.dudel@dgq.de</a>

QM im Gesundheits- / Sozialwesen

Dienstleistungen

Beratung und Consulting

Sicherheit ist funktional, mechanisch, elektrisch und chemisch

Der Product Safety Risk Graph ermöglicht Produktsicherheit

Für den Automotive-Zulieferer Hella war es an der Zeit, ein eigenes Konzept für Product Safety zu entwickeln.

Gerade in der Autoindustrie hat das Thema Produktsicherheit an Bedeutung gewonnen. Die Rufe aus dem Markt werden immer lauter und die Forderungen etwa aus dem VDA-Rotband zur Produktintegrität immer konkreter. Für den Automotive-Zulieferer Hella war es an der Zeit, ein eigenes Konzept für Product Safety zu entwickeln.

Aktuelle Fahrzeugsysteme zeichnen sich durch ein komplexes Zusammenspiel verschiedener Technologien aus, das völlig neue Funktionalitäten ermöglicht. So wird beispielsweise in einem Gaspedal eine mechanische Bewegung genutzt, um ein elektrisches Signal zu erzeugen, das wiederum durch Software ausgewertet wird. Diese Kombinationen verschiedener Technologien zeichnet heutige Fahrzeugkomponenten aus. Gleichzeitig geht dieses Zusammenspiel der Technologien mit neuen Herausforderungen in Sachen Produktsicherheit einher. Mit den unterschiedlichen Technologien sind verschiedene Sicherheitsrisiken verbunden, von der funktionalen Sicherheit über die chemische, elektrische bis zur mechanischen Sicherheit. Während sich die funktionale Sicherheit mit Fehlern einer Fahrzeugfunktion beschäftigt, etwa dem Versagen der Bremse, betrachten die mechanische, die elektrische und die chemische Sicherheit Aspekte, die sich aus dem physikalischen Einfluss eines Geräts auf den Menschen ergeben. Beispielsweise sind Aspekte wie Brennbarkeit, elektrischer Schlag und auch Gefahren durch giftige Substanzen zu betrachten.

Die Forderung nach einem sicheren Produkt setzt voraus, dass alle möglichen Gefahren für Leib und Leben berücksichtigt werden, und damit all diese Aspekte und auch deren Wechselspiel. So können sich die einzelnen Safety-Aspekte gegenseitig ergänzen aber auch gegenseitig einschränken. In einem Batteriesystem beispielsweise sind Themen wie die Batteriesäure, elektrische Ströme und Spannungen sowie mögliche Eigenerwärmungen zu betrachten. Hier ergänzen sich Maßnahmen, die auf Grund der hohen Ströme ergriffen werden und ein für mechanische Sicherheit gefordertes Kühlsystem gegenseitig. Gleichzeitig schränken sich die Sicherheitsaspekte auch gegenseitig ein. Dies ist beispielsweise der Fall, wenn das aus mechanischer Sicht gewählte Kühlmittel unter Berücksichtigung der Aspekte der chemischen Sicherheit durch ein anderes ersetzt werden muss.

Bei der Erstellung eines Safety-Konzepts ist es daher unabdingbar, alle Safety-Anforderungen zu berücksichtigen und so ein in sich schlüssiges, vollständiges Konzept zu erarbeiten. Doch woher kommen diese Anforderungen und wie entsteht das Safety-Konzept?

Produktsicherheit muss  sich messen lassen

Aus der funktionalen Sicherheit gemäß ISO 26262 ist das Hazard Analysis and Risk Assessment H&R bekannt, bei dem Fahrfunktionen auf Fahrzeugebene bezüglich möglicher Risiken bewertet und Safety Goals abgeleitet werden. Bei der chemischen, elektrischen und mechanischen Sicherheit greift dieses Konzept nicht. Bei diesen Aspekten werden keine Fahrfunktionen betrachtet, sondern vielmehr der physikalische Einfluss, den zum Beispiel ein Sensor auf den Menschen haben kann. So etwa ein elektrischer Schlag bei Berührung des Sensors, Verätzungen durch freigesetzte Chemikalien oder Verbrennungen durch hohe Temperaturen. Für diese Aspekte gibt es keine Vorgaben von den Fahrzeugherstellern, und dennoch sind die Zulieferer verpflichtet ein sicheres Produkt zu liefern und State-of-The-Art sicherzustellen.

Um der Forderung nach Produktsicherheit gerecht zu werden und den aktuellen Trends der Automobilindustrie nachzukommen, muss das Entwicklungsmodell um die Themen chemische, elektrische und mechanische Sicherheit erweitert werden. Um effektiv und vor allem effizient an die Anforderungen zur Produktsicherheit zu gelangen, hat Hella den Product Safety Risk Graph entwickelt, der eine umfängliche Analyse der Safety-Aspekte in der Entwicklung gewährleistet.

Entwicklung des  Product Safety Risk Graph

Dabei ergaben sich verschiedene Herausforderungen. So müssen die Anforderungen bereits in einem frühen Stadium der Entwicklung bekannt und ein ganzheitliches Bild der Sicherheitsanforderungen erreicht sein, um rechtzeitig Einfluss auf Designentscheidungen nehmen zu können. Auch das Produktportfolio von Hella spielt hier eine entscheidende Rolle. So muss die Methodik auf einfache, rein mechanische Produkte genauso anwendbar sein, wie auf Produkte mit einem komplexen Wechselspiel der Technologien.

Die Basis dieser Analyse bilden Normen und Standards zur chemischen, elektrischen und mechanischen Sicherheit. Normen und Standards bieten hier zwar allgemeine Richtlinien, allerdings obliegt es den Herstellern selbst diese Aspekte für ihr Produkt zu analysieren und umsetzbare Anforderungen daraus abzuleiten. Als Kriterien sind hier die Schadensschwere sowie die Eintrittswahrscheinlichkeit gewählt worden, um den verschiedenen Produkten und Einbausituationen Rechnung zu tragen. Beispielsweise ergeben sich je nach Spannung und Einsatzort verschiedene Maßnahmen zum Schutz vor elektrischem Schlag. Bei geringen Spannungen ergeben sich keine besonderen Maßnahmen. Bei höheren Spannungen reichen die Maßnahmen von einem Gehäuse bis hin zu einer separaten Isolationsmessung. Um das richtige Maß zu finden sind Kriterien wie Schadensschwere und Eintrittswahrscheinlichkeit unabdingbar.

Auf die Kontrollierbarkeit als zusätzliches Kriterium wurde bewusst verzichtet, da Fehler im Bereich der chemischen, mechanischen und elektrischen Sicherheit meist erst erkannt werden, wenn der Schaden bereits eingetreten ist und somit nicht kontrollierbar sind. Beispielsweise wird ein elektrischer Schlag nur erkannt, wenn dieser bereits eingetreten ist.

Für die Analyse wurde eine Baumstruktur gewählt, um trotz der großen Zahl an Normen und Standards die Übersicht nicht zu verlieren. Auf diese Weise ist der Graph für alle Produkte nutzbar und ermöglicht es, einfach und schnell detaillierte Anforderungen für das Produkt abzuleiten. Für jedes Produkt wird der Graph von links nach rechts durchlaufen und jeweils der zutreffende Zweig weiterverfolgt. So wird für ein einfaches Produkt nur ein kleiner Teil des Graphen durchlaufen, während in einem komplexen Produkt deutlich mehr Zweige weiterfolgt werden. Relevante Aspekte werden markiert und mit Referenzen hinterlegt um die Traceability sicherzustellen und gleichzeitig die Vollständigkeit der Analyse zu belegen.

Jeder Aspekt des Graphen ist bezüglich Schadensschwere und Eintrittswahrscheinlichkeit bewertet, wobei sich diese Bewertungen aus Normen und Standards ergeben und entsprechend verlinkt sind. Indem diese Kriterien zentral bewertet wurden, ist sichergestellt, dass gleichartige Produkte auch zu gleichen Anforderungen führen, unabhängig davon wo und von wem die Analyse durchgeführt wird. Dies trägt dem Einsatz in einem internationalen Konzern Rechnung. Gleichzeitig wird dem Projektteam die Analyse erleichtert und verhindert, dass jedes Projektteam für sich erneut die jeweilige Norm interpretieren muss.

Für jeden Aspekt sind die entsprechenden Anforderungen aus den Normen extrahiert und im Graphen hinterlegt. Auf der ersten Ebene finden sich dabei Anforderungen auf Systemebene die zusammengenommen das Product Safety Konzept ergeben. Aus diesen ergeben sich auf den folgenden Ebenen die Anforderungen zur Umsetzung auf Hardware-, Software-Ebene, sowie Anforderungen zu Verifikation und Validierung. Ebenso ergeben sich aus dem Graphen Anforderungen, die an Produktion und Logistik gerichtet sind.

Vollständiges Bild  der Sicherheitsanforderungen

Sobald der Graph vollständig ausgefüllt ist, werden die Anforderungen sowie deren Verlinkung untereinander exportiert und in die Spezifikation übernommen. Auf diese Weise ergibt sich ein vollständiges Bild der Sicherheitsanforderungen und notwendigen Maßnahmen.

Der Product Safety Risk Graph bietet zudem die Möglichkeit einen Aspekt als nicht relevant zu kennzeichnen, jedoch nur wenn eine entsprechende Argumentation bereitgestellt wird. Diese Argumentation kann zum Beispiel eine Maßnahme sein, die das übergeordnete System bereitstellt. Eine solche Argumentation muss entsprechend abgestimmt und belegt sein.

Integration in das V-Modell  bringt zusätzlich Sicherheit

Um die Aspekte der chemischen, elektrischen und mechanischen Sicherheit effektiv umzusetzen und somit der Forderung der Produktsicherheit gerecht zu werden, bedarf es also einer Erweiterung des altbewährten V-Models.

Auf der einen Seite ergeben sich die Anforderungen der funktionalen Sicherheit die vom Fahrzeughersteller in der H&R abgeleitet werden und somit Input für das Safety-Konzept sind. Auf der anderen Seite stehen die Anforderungen der chemischen, elektrischen und mechanischen Sicherheit. Diese werden wie beschrieben mit Hilfe des Product Safety Risk Graph abgeleitet und fließen zusammen mit den funktionalen Sicherheitsanforderungen in das Safety-Konzept ein. Die Verantwortung für diesen Schritt liegt in Händen des Zulieferers, der sein Produkt bewertet. Die so abgeleiteten Anforderungen adressieren sowohl die Umsetzung in der Entwicklung als auch die Testebene, wirken sich aber auch direkt auf Produktion und Logistik aus. Damit ergibt sich ein direkter Pfad in die Produktion und Logistik, um den das V-Model erweitert wurde, sodass es nun die Form des griechischen Buchstaben Psi annimmt.

Um sicherzustellen, dass die während der Analyse getroffenen Annahmen hinsichtlich des übergeordneten Systems zutreffen, ist eine Abstimmung des Konzepts mit dem Kunden unabdingbar.

Das somit erweiterte V-Modell in Kombination mit dem Product Safety Risk Graph ermöglicht es, die Forderungen nach einem sicheren Produkt gemäß State-of-the-Art zu garantieren und dabei praktikabel zu bleiben.

Der Product Safety Risk Graph steht und fällt mit den angewandten Regelwerken. Bei Hella umfasst der Graph mehr als 150 Normen und Standards aus diversen Bereichen. Mit der Zahl der verwendeten Normen steigt auch der Aufwand zur Erstellung des Graphen, aber eben auch die möglichen Anwendungsbereiche. Bei Verwendung des Graphen werden die Normen allerdings einmal zentral interpretiert und nicht in jedem Projekt von neuem, sodass der Graph den Aufwand für das Unternehmen erheblich reduziert.

Während sich das V-Model auf Entwicklung und Produktion bezieht, kann der Risk Graph ebenso zur Bewertung von Rückläufern genutzt werden. Dies stellt sicher, dass Fehler auf gleiche Weise bewertet werden, egal ob diese während der Entwicklung oder im Zuge eines Vorfalls betrachtet werden, und ermöglicht es Erkenntnisse aus dem Feld in den Graphen und damit zur Entwicklung zurückfließen zu lassen.

Der Product Safety Risk Graph umfasst alle Merkmale die potenzielle Risiken darstellen.

Schadensschwere und Auftretenswahrscheinlichkeit werden bewertet.

Die Anforderungen aus den Normen sind extrahiert und im Graphen hinterlegt.

Erweiterung des V-Modells garantiert die Umsetzung aller Sicherheitsaspekte.

Produktsicherheit bei Hella

Wie Hella mit dem Product Safety Risk Graph für Produktsicherheit sorgt

Dr. rer. nat. Simone Hamerla ist Leiterin des Bereichs Product Safety Incidents & Product Conformity bei Hella. Sie verantwortet Aufbau und Implementierung von Produktsicherheit in Prozess und Projekt.

Dipl.-Ing. Nastaran Fiegler arbeitet im Bereich Produktsicherheit von Hella. Er ist spezialisiert auf reaktive und proaktive Marktbeobachtung.

<a href="mailto:simone.hamerla@forvia.com">simone.hamerla@forvia.com</a>

Qualitätssicherung

Gamification im Dienst der Prozessverbesserung

Wie Six Sigma und Minecraft einen Logistiker noch effizienter machen

Ein Projektteam der Hochschule Koblenz hat sich mit der Optimierung des Beladungsprozesses eines Logistikdienstleisters beschäftigt. Es wurde mit dem Deutschen Six Sigma-Preis ausgezeichnet.

Über vier Monate hat sich ein Projektteam der Hochschule Koblenz mit der Optimierung des Beladungsprozesses an den Rampen eines Logistikdienstleisters am Standort Düsseldorf beschäftigt. Das Projektziel war die Entwicklung von mindestens zwei detaillierten Lösungsansätzen inklusive Implementierungsleitfaden, um den Beladungsprozess zu verbessern. Für das Ergebnis wurde das Team mit dem Deutschen Six-Sigma-Preis ausgezeichnet.

Klara Engert, Katrin Keip, Eric Manz, Jaqueline Schado, Niklas Wagner

Die Projektidee entstand, als das Logistikunternehmen Rhenus Home Delivery mit der Verbesserung des morgendlichen Beladungsprozesses eine Optimierung der Termintreue gegenüber seinen Kunden anstrebte. Das Projektteam an der Hochschule Koblenz hatte zur Prozessverbesserung die Anwendung analytischer und statistischer Methoden vorgesehen. Das Six-Sigma-Phasenmodell Define-Measure-Analyze-Improve-Control (DMAIC) eignete sich am besten für die Prozessanalyse und bildete zudem einen adäquaten Rahmen für die Projektstrukturierung.

In jeder Phase kamen unterschiedliche Techniken der Six-Sigma-Methodik sowie Lean-Management-Tools zum Einsatz, um die Einflussgrößen des Problems zu identifizieren und hinsichtlich ihres Wirkungsgrads analytisch einzuordnen. Beispielsweise wurden mithilfe des Ishikawa-Diagramms in Verbindung mit der 5-W-Methode Einflussgrößen für potenzielle Ursache-Wirkungs-Zusammenhänge unter Einbindung der Rhenus-Mitarbeiter gesammelt. Zudem wurden vor Ort unter anderem die gesamten Prozesse der Beladung mithilfe der Kreidekreismethode beobachtet und so aufschlussreiche Erkenntnisse in Bezug auf das Problemausmaß gesammelt.

In diesem Zuge wurden auch die Beladungszeiten gemessen. Die Messungen umfassten den Prozessschritt von der Anfahrt an die Rampe über die Beladung der auszuliefernden Ware bis hin zur Abfahrt der Fahrerteams. Darüber hinaus hat das Projektteam vor Ort im Rahmen der Measure-Phase die Zeiten gestoppt, um die Laufwege der Fahrerteams zu messen.

Mit diesen Prozessdaten konnten grafische Auswertungen erstellt und weitere Fehlerquellen durch die Befragung der beteiligten Mitarbeiter aufgedeckt werden. Die aufgenommen Prozessdaten konnten in der darauffolgenden Analyze-Phase dazu genutzt werden, den tatsächlichen Prozess grafisch aufzubereiten sowie über die statistische Analyse bestimmte Wirkungszusammenhänge zu ermitteln. Auf Grundlage der vorangegangenen Phasen konnten schließlich in der Improve-Phase verschiedene Lösungsansätze generiert und tiefer ausgearbeitet werden, sodass dem Unternehmen ein konkreter Maßnahmenkatalog an die Hand gegeben werden konnte.

Im Sinne einer nachhaltigen Verbesserung wurden dem Unternehmen abschließend in der Control-Phase Vorschläge für wiederkehrende Abläufe gemäß der Methodik des Plan-Do-Check-Act-Zyklus (PDCA) unterbreitet, die zu einer festen Verankerung der ständigen Optimierung beitragen sollen.

Ein wesentlicher Faktor für den Erfolg war die Projektdokumentation über eine Kollaborationsplattform sowie die regelmäßigen virtuellen Online-Meetings. Auf diese Weise konnte trotz der herausfordernden pandemiebedingten Situation eine effektive Arbeitsaufteilung, eine gemeinsame Bearbeitung sowie eine gemeinsame Ablage der Projektdokumentation sichergestellt werden.

Spielerische Prozessverbesserungen mit Minecraft

Darüber hinaus wurde im Rahmen der Analyze- und der Improve-Phase versucht, den Prozess spielerisch abzubilden. Dafür wurde auf das bekannte und weit verbreitete PC-Spiel Minecraft zurückgegriffen. Mithilfe der Gamification, der Darstellung des Ist- und Soll-Prozesses in Minecraft, konnte das Projektteam die Prozessverbesserungen visuell in einer virtuellen Welt darstellen.

Voraussetzung dafür war eine Übertragung der realen Analyseumgebung, die Lagerhalle der Rhenus Home Delivery, in ein dreidimensionales Modell, welches außerdem die Möglichkeit der realitätsnahen Abbildung von Prozessen ermöglicht.

 Dies konnte mithilfe von Minecraft fast schon ideal umgesetzt werden. Denn trotz des vermeintlich einfachen Spielkonzepts (man kann mit verschiedenen Blöcken eine virtuelle Welt erschaffen) , bietet die Vielzahl der möglichen Automationen dem Erbauer einen großen Gestaltungsspielraum. Mithilfe der Blöcke aus verschiedensten Materialien und einiger weiterer im Spiel enthaltenen Gegenstände können eigene Gebäude und Strukturen erbaut, Tunnel tief in die Erde gegraben oder auch Schienensysteme zum Transport von Materialien anlegt werden.

Logistik-Standort Düsseldorf  virtuell nachgebaut

Diese Möglichkeiten wurden vom Projektteam dazu genutzt, um den Rhenus-Home-Delivery-Standort in Düsseldorf nachzubilden und so den Prozess virtuell genau darzustellen. Wie bei einer Simulation üblich, mussten dafür allerdings gewisse Parameter angepasst und vereinfacht werden. Auf diese Weise konnte der Prozess aus Sicht der Fahrerteams nachgebildet werden. Diese neue Methodik diente dabei als Ergänzung zu den grafischen Analysewerkzeugen des Spaghetti-Diagramms und des Zuständigkeitsdiagramms.

Die konkrete Umsetzung erfolgte innerhalb von Minecraft. So werden die Fahrzeuge (z.B. Lieferwagen der Fahrerteams oder Gabelstapler der Lagermitarbeiter) in der Simulation durch Loren dargestellt. Diese bewegen sich auf einem vorgegebenen Schienennetz und können mithilfe von Weichen und Schaltern unterschiedliche Rampen und Orte ansteuern. An den Schaltern und Beladezonen dienen die Truhen als Ablage für Waren und Dokumente und fungieren somit als Schnittstelle zwischen dem eigentlichen Beladeprozess der Fahrzeuge an den Rampen und den nachgelagerten Prozessen der anderen Abteilungen.

Mit Hilfe der Simulation konnten bei der Analyse des Ist-Prozesses weitere wichtige Erkenntnisse gesammelt und verdeutlicht werden, die im Rahmen der klassischen grafischen Analysewerkzeuge weniger offensichtlich waren. Beispielhaft kann hier die Länge und Dauer der Laufwege der Fahrerteams zwischen verschiedenen Stationen genannt werden sowie die Vielzahl an digitalen und ausgedruckten Dokumenten. Zusätzlich konnten Schnittstellen und Interaktionen sichtbar gemacht werden, deren Zeitaufwand weiteres Optimierungspotenzial bietet.

Virtuelle Mechanik erleichtert Transfer in echte Welt

Neben der Anwendung im Rahmen der Analyze-Phase wurde die Spielwelt außerdem bei der Suche nach Optimierungspotenzialen im Rahmen der Improve-Phase angewandt. Dafür konnte die zuvor verwendete Simulation übernommen und nur geringfügig angepasst werden. Auf Basis der im Rahmen der Improve-Phase identifizierten Verbesserungsansätze konnte auf diese Weise ein idealer Soll-Prozess abgebildet werden. Die virtuelle Spielmechanik erleichterte zudem die Transformation und Integration digitaler Lösungsideen des Soll-Prozesses, sodass der neu entstandene Prozess detailgetreu simuliert werden konnte.

In diesem Schritt liegt auch das größte Potenzial der Prozessdarstellung mittels Minecraft. Die Simulation ermöglicht es, einen Prozess in einem geschützten virtuellen Raum zu betrachten, ohne Risiken einzugehen. Eine Analyse des Prozesses kann somit bereits vor der Implementierung im realen Umfeld erfolgen und mögliche Schwachstellen der Lösungsansätze können frühzeitig identifiziert werden. Für den konkreten Fall der Verladung an den Rampen der Rhenus Home Delivery bedeutet dies eine klare Sichtbarkeit der Zeitersparnis entlang des Prozesses durch die Reduzierung von Laufwegen, die einfachere Bereitstellung von Dokumenten mit weniger Schnittstellen und die stärkere Digitalisierung des Prozesses.

Mehr Effizienz und  Six-Sigma-Preis in Bronze

Mit dem Einsatz von Six Sigma und dessen projektbasierten Ansatz konnte die Effektivität und Effizienz bei Rhenus Home Delivery verbessert werden. Das Projektteam hatte mehrere Lösungsansätze konzipiert. Dazu gehören die Umstellung von analogen auf digitale Dokumente sowie die Implementierung automatisierter Systeme zur schnelleren Informationsbereitstellung unter dem Aspekt der Verbesserung der Datenqualität. Auch die Implementierung von Lean Management Tools, um Verschwendungen im Prozess zu eliminieren, war ein wichtiger Aspekt des Projekts.

Neben diesen Lösungen wurde dem Logistiker ein umfangreicher Implementierungsleitfaden übergeben. Darüber hinaus kann anhand des erarbeiteten Kontrollleitfadens die Nachhaltigkeit des Projekts langfristig sichergestellt werden. Das Projektteam konnte mit Six-Sigma-Methoden und Lean-Management-Tools praktische Erfahrungen sammeln und die im Studium erworbenen Kenntnisse vertiefen. Für seine Arbeit wurde es vom European-Six-Sigma-Club Deutschland mit dem Six-Sigma-Preis in Bronze ausgezeichnet.

Minecraft- Nachbau der Lagerhalle mit den Anlieferungstoren im Hintergrund und den Schienensystemen für die Warenbereitstellung im Vordergrund.

Six Sigma Uni Koblenz

Das Projektteam der Hochschule Koblenz wurde vom ESSC-D mit dem „Deutschen Six Sigma Preis für Business Excellence 2022“ in Bronze ausgezeichnet. Die wissenschaftliche Betreuung übernahm Prof. Dr. Bert Leyendecker von der HS Koblenz.

Klara Engert, Katrin Keip, Eric Manz,  Jaqueline Schado und Niklas Wagner haben 2022 ihren M. Sc. Business Management mit Schwerpunkt Operations Management an der Hochschule Koblenz erfolgreich absolviert

Klara Engert <a href="mailto:klaraengert@outlook.de">klaraengert@outlook.de</a>

Six Sigma

Qualitätsmethoden

So sind Unternehmen auf die kommende CSR-Berichtspflicht gut vorbereitet

Ab Januar 2024 gelten für viele Unternehmen neue Auflagen bei der Nachhaltigkeitsberichterstattung. LRQA hat Entscheider zum Stand der Umsetzung befragt.

Ab Januar 2024 gelten für viele Unternehmen neue Auflagen bei der Nachhaltigkeitsberichterstattung. Doch was sind die Hintergründe der neuen Richtlinie für Corporate Sustainability Reporting (CSRD). Und was können Unternehmen tun, um sich auf die Umsetzung vorzubereiten? LRQA hat international Experten und Entscheider befragt, fasst die Ergebnisse zusammen und gibt Empfehlungen.

Wenige Faktoren haben einen so großen Einfluss auf den geschäftlichen Erfolg wie das Vertrauen, das einem Unternehmen entgegengebracht wird: Denn ohne Kunden oder Partner lässt sich kein Geschäft machen. Zu den zentralen Aufgaben einer Marke zählt es daher, einen guten Ruf aufzubauen und diesen zu kommunizieren. Dies gilt insbesondere in Bezug auf das Nachhaltigkeitsengagement. Befeuert nicht zuletzt durch die sozialen Medien hat sich eine Kultur der Skepsis verbreitet, die von Unternehmen Belege fordert und Fehltritte oder Unehrlichkeit öffentlich bloßstellt. Unternehmen bietet dies erneut Anlass, ihr Engagement für Klimaschutz und Nachhaltigkeit transparent und nachweisbar zu machen – zumal die aktuellen Ansätze in Sachen CSR-Berichtspflicht dazu führen dürften, dass Investoren sich diese Daten sehr genau ansehen.

Forderungen nach belegbarem Umwelt- und Sozialengagement werden immer dringlicher, und so steigt auch die Nachfrage nach unabhängigen Prüfungen und Verifizierungen, die die Glaubwürdigkeit von Unternehmen und damit das Vertrauen von Kunden und Stakeholdern stärken. Dass Commitments messbar durchgesetzt und transparent nachvollzogen werden sollten, ist den meisten bewusst. Dennoch verlassen sich viele nach wie vor auf Selbstverifikationen – doch die sind nur schwer zu überwachen und eignen sich selten für eine präzise Berichterstattung.

Eine Umfrage unter mehr als 1.100 Nachhaltigkeitsexperten in 11 Ländern und 13 Branchen ergab, dass nur 46 Prozent ihre Daten und Informationen von unabhängigen Dritten überprüfen lassen. Dabei kann jedes Anzeichen von mangelnder Transparenz bei Kunden und Investoren zum Vertrauensverlust führen – mit den entsprechenden negativen Konsequenzen.

Das Konzept von Corporate Social Responsibility ist ein freiwilliger Beitrag der Wirtschaftsunternehmen zu einer nachhaltigen Entwicklung. Dieser sollte über die gesetzlichen Forderungen hinausgehen. Dennoch: Immer mehr internationale Unternehmen betrachten die unabhängige Verifizierung als unverzichtbares Instrument im Berichtswesen. Denn der unabhängige Blick durch Dritte liefert den Beweis, dass das Unternehmen seinem Commitment für Transparenz, Vertrauen und Supply Chain Visibility auch Taten folgen lässt.

Auch auf der Ebene internationaler Richtlinien und Gesetze hat das Konzept des belegbaren Nachhaltigkeitsengagements Einzug gehalten. So verpflichtet die Richtlinie über die nichtfinanzielle Berichterstattung der EU (NFRD) bestimmte Unternehmen, auch nichtfinanzielle Informationen offenzulegen. Mit dem Ziel, mehr Transparenz zu schaffen und die Unternehmen stärker für die sozialen und ökologischen Folgen ihrer Aktivitäten zur Rechenschaft zu ziehen.

In den vergangenen Jahren wurden die Bestandteile der Non-Financial Reporting Directive (NFRD), der Pflicht zur Nachhaltigkeitsberichterstattung weiterentwickelt, die sich auf die Themen Umwelt, Soziales und Governance (ESG) beziehen. Doch diese Änderungen reichen nach Ansicht der Europäischen Kommission nicht weit genug. Sie kritisiert, dass die bisherigen Vorschriften keinen einheitlichen Rahmen für die Datenerhebung bieten, was einen Vergleich von Daten und Berichten unterschiedlicher Herkunft erschwert.

Ziel der vorgeschlagenen Corporate Sustainability Reporting Directive (CSRD), der Europäischen Verordnung über Wertpapierzentralverwahrer ist es daher, den Prozess der Datenerhebung sowie die Berichterstattung so zu vereinheitlichen, dass Investoren und andere Stakeholder Vergleiche durchführen können. Sowohl seitens der Industrie als auch der EU-Regierung stehen die Zeichen auf mehr Transparenz. Und das bedeutet, dass evidenzbasierte Angaben die Zukunft sind.

Die gesetzlichen Änderungen betreffen zunächst alle Unternehmen, für die bereits die NFRD gilt. Sie sind verpflichtet, ihre Daten für das Jahr 2024 zu erfassen und die entsprechenden Nachhaltigkeitsberichte 2025 zu veröffentlichen. Gegenwärtig sind europaweit nur etwa 12.000 große Unternehmen von der NFRD betroffen. Doch anders als die NFRD soll die CSRD in ihrem aktuellen Vorschlag nicht nur für Großkonzerne und Finanzdienstleister gelten, sondern könnte rund 50.000 Unternehmen unterschiedlicher Größe betreffen. So fallen ab 2026 auch Unternehmen mittlerer Größe unter die Nachhaltigkeitsberichtspflicht.

Zuletzt sind Nicht-EU-Unternehmen an der Reihe: Sie müssen ihre Daten ab 2027 vorlegen. Die CSRD gilt dann für alle Unternehmen, die auf dem europäischen Markt registriert sind, ebenso wie für außereuropäische Unternehmen mit einer europäischen Niederlassung von signifikanter Größe.

Da die erste Kohorte bereits ab dem 1. Januar 2024 mit der Datenerfassung beginnen muss, sollten Unternehmen jetzt aktiv werden. Nur dann haben sie ausreichend Vorlauf, um die nötigen Prozesse und Systeme einzuführen. Angesichts dieser klaren Deadline ist es besorgniserregend, dass 93 Prozent der im Rahmen des Berichts Climate Focus befragten Nachhaltigkeitsverantwortlichen mindestens ein unternehmensinternes Hindernis nennen konnten, das dem Erreichen der ökologischen Nachhaltigkeitsziele im Weg steht. Zu den am häufigsten genannten Hürden zählten mangelndes Wissen, fehlende Ressourcen sowie zu hohe Komplexität und Kosten. Unternehmen sind daher gut beraten, die entsprechenden Prozesse und Ressourcenzuteilungen zu überprüfen, damit sie rechtzeitig nötige Korrekturen oder Ergänzungen vornehmen können.

Da bereits am 1. Januar 2024 der Startschuss für die Datenerfassung fällt, müssen Unternehmen möglichst schon jetzt abschätzen, was die Umsetzung der CSRD für sie bedeutet. Wer frühzeitig damit beginnt, die bestehenden Strategien, Methoden und Prozesse zu überprüfen, verschafft sich einen Vorsprung im Rennen um die unabhängige Verifizierung.

So ist es vor der Verifizierung sinnvoll, eine GAP-Analyse durchzuführen, die aufzeigt, wie das vorhandene Managementsystem in puncto Compliance abschneidet. So können Unternehmen erkennen, ob und welche Maßnahmen zur Mängelbehebung notwendig sind. Sie sollten sich fragen, ob sie auf die neue Richtlinie vorbereitet sind. Werden größere Mängel im Managementsystem festgestellt, ist eine Phase der Konsolidierung und Reifung unerlässlich.

Dabei geht es jedoch nicht oder nicht nur um einzelne Stellschrauben und Prozesse. Unternehmen müssen insgesamt umdenken und ihre Schwerpunkte verlagern. Damit nachhaltigkeitsbezogene Daten erfolgreich erfasst, überprüft und zu transparenten Berichten zusammengefasst werden können, müssen alle im Unternehmen einbezogen werden und die ganze Belegschaft an einem Strang ziehen. In diesem Zusammenhang muss auch die Frage gestellt werden, ob die Organisationsplanung die geeigneten Strukturen für eine solche Herangehensweise schafft. Konkret müssen sich Unternehmensverantwortliche fragen, ob die bestehenden Methoden der Datenerfassung ausreichen und wo Änderungen erforderlich sind.

Richtig genutzt helfen die erfassten und verifizierten Nachhaltigkeitsdaten Unternehmen nicht nur, ihre Berichtspflicht zu erfüllen, sondern machen das Engagement auch messbar, sichtbar und damit wertsteigernd.

CSR Berichtspflicht

Wie sich Unternehmen auf die kommende CSR-Berichtspflicht vorbereiten

Im Auftrag von LRQA wurden insgesamt 1.123 Experten und Entscheider im Bereich Nachhaltigkeit in mittleren bis großen Unternehmen befragt. Mindestens 100 der Umfrageteilnehmer stammten jeweils aus dem Vereinigten Königreich (102), den USA (105), Japan (102), China (103), den Niederlanden (104), Deutschland (101), Spanien (103), Italien (100), Thailand (100), Singapur (101) und Frankreich (102).

Olga Rivas ist Nachhaltigkeitsspezialistin bei LRQA.

LRQA Deutschland GmbH <a href="mailto:olga.rivas@lrqa.com">olga.rivas@lrqa.com</a>

Normen / Standards

Recht allgemein / sonst.

Warum sich Industrial Internet of Things und MES bestens ergänzen

Welche Rolle nehmen MES-Systeme in Kombination mit zunehmender IIoT-Funktionalität zukünftig ein? Und was unterscheidet MES von IIoT?

Immer wieder wird behauptet, das Industrial Internet of Things (IIoT) sei der Nachfolger von MES. Die Annahme einer Disruption trifft in diesem Fall aber nicht zu. Viel interessanter sind die Fragen: Welche Rolle nehmen MES-Systeme in Kombination mit zunehmender IIoT-Funktionalität zukünftig ein? Und was unterscheidet MES von IIoT?

Michael Möller, Andreas Kirsch, Markus Diesner, Michael Sinn, Christian Wittleder, Burkhard Röhrig, Alexander Schließmann

Bevor die Unterschiede zwischen dem Industrial Internet of Things (IIoT) und MES beleuchtet werden, zunächst ein Blick auf die Gemeinsamkeiten: Sowohl ein MES als auch das IIoT erfasst Daten, verarbeitet diese und gibt ein Ergebnis aus. Beide Systeme bewegen sich im Fertigungsumfeld und es geht darum, effizienter zu produzieren. Wesentliche Unterschiede bestehen darin, aus welcher Perspektive die jeweilige Anwendung arbeitet und welchen Wirkungsbereich eine etwaige Optimierung haben kann.

Das IIoT erfasst in der Regel technische Echtzeitdaten wie Temperaturen, Geschwindigkeiten, Vibration, Zustandswechsel und Ähnliches. Damit bekommt das IIoT einen technischen Blick auf die aktuelle Situation einer Maschine oder Anlage. Auf Basis historischer Daten können Verläufe betrachtet und Vorhersagen getroffen werden. Diese technische Sichtweise ermöglicht Anwendungen wie Condition Monitoring und Predictive Maintenance. Mögliche Optimierungen beziehen sich auf einzelne Maschinen oder Anlagen respektive auf einzelne Prozessschritte. Die Funktionalitäten von IIoT-Software sind eng verbunden mit den Assets wie Geräten, Maschinen und Anlagen (VDMA 66412-40).

Ein MES hingegen bringt die erfassten technischen Daten – sowohl Daten aus IIoT als auch direkt im MES erfasste Daten – auf einer übergeordneten Ebene in einen betriebswirtschaftlichen Gesamtkontext. Auf Basis der bekannten Auftrags- und Produktdaten entstehen neue Erkenntnisse. Ein MES weiß nicht nur, dass gerade ein Teil produziert wurde, sondern auch, ob es sich um ein Gutteil oder Ausschuss handelt oder zu welchem Auftrag das Teil gehört und wie viele Teile noch hergestellt werden müssen, bis der Auftrag fertig ist. Auch erkennt das MES, warum eine Maschine steht – wegen einer Störung oder weil sie gerade für den nächsten Auftrag gerüstet wird. Auf Basis dieser erweiterten Sichtweise kann man mit einem MES komplette Herstellungsprozesse und ganze Fertigungsbereiche ganzheitlich betrachten und optimieren.

Die Funktionalitäten sind in der Regel nicht auf spezielle Geräte, Maschinen und Anlagen ausgerichtet, sondern sind Asset-übergreifend unabhängig der Maschinenbesonderheiten. Diese erweiterte Sichtweise ist wiederum auch Datenbasis für ein ERP-System und dessen Aufgaben. Daher ist es wichtig, auch hierzu eine klare Abgrenzung zu finden.

Nicht MES oder IIoT,  sondern MES und IIoT