Lean Data Management

Von Monika Pletschke am 27. August 2014

Lean Data ManagementLean Manufacturing hat seinen Ursprung in der japanischen Fertigungsindustrie. Es handelt sich um eine Philosophie, deren Ansatz ist, Werte ohne Verschwendung zu schaffen, indem überflüssige Arbeitsschritte identifiziert und ausgeschaltet werden. Wert, in diesem Sinne wird aus 2 Sichten betrachtet:

  1. Kundensicht: Wert = Verfügbarkeit, Individualität, Qualität & Preis
  2. Unternehmenssicht: Wert = Profit & Wettbewerbsfähigkeit

Aber was ist Lean Data Management?

Data Management befasst sich mit den Themen und Disziplinen deren Ziel es ist, Daten bereitzustellen und zu verwalten. Lean Data Management ist demnach die Verbesserung dieser Disziplinen durch Vermeidung von Verschwendungen.

Verschwendungen im Datenmanagement treten hauptsächlich auf, wenn Prozesse ineffizient laufen oder fehlerhafte Ergebnisse liefern, weil die Daten auf denen sie basieren, schlecht strukturiert oder gar falsch sind. Auswirkungen sind steigende Prozesskosten und Umsatzverluste.

Hier ein paar Beispiele:

  • Ein Artikel, obwohl im Lager vorhanden, kann noch nicht verkauft werden, weil der Artikelstamm im System nicht rechtzeitig verfügbar ist oder nicht vollständig gepflegt wurde.
  • Nach einer Migration oder Konsolidierung enthalten die Stammdaten Dubletten. Berichte über Kunden oder Lieferanten geben dann verfälschte Aussagen.
  • Preiskonditionen stimmen nicht und verursachen, dass Kundenaufträge mit zu hohen oder niedrigen Preisen versandt werden. Preisverhandlungen und Verträge sind beeinträchtigt.
  • Adressen stimmen nicht. Unnötige Logistikkosten fallen durch verkehrte Lieferungen an.
  • Lagerbestände sind zu hoch weil MRP Berechnungen auf verkehrter Parametrisierung (z.B. Sicherheitsbestände, Lieferzeit) im Materialstamm basieren.

Womack und Jones definieren 5 Kernprinzipien als Basis für Lean Manufacturing Systeme. Auf Basis dieser 5 Kernprinzipien, lässt sich Lean Data Management vergleichen und können folgende Ähnlichkeiten festgestellt werden:

1. Wert aus der Sicht des Kunden definieren:

Lean Manufacturing Lean Data Management
Produkte sollen aus der Sicht des Kunden zur richtigen Zeit, an passendem Ort, individuell angepasst, von guter Qualität und zu adäquatem Preis verfügbar sein. Es gilt hier, zu prüfen genau was produziert werden soll. Daten müssen rechtzeitig vorhanden und vollständig sein sowie individuell angepasst sodass auch ganz spezifische Geschäftsprozesse die richtigen Ergebnisse liefern. Der Preis, Daten zeitnah, richtig und individuell bereitzustellen muss in Relation zum Wert stehen.Die Kosten und Komplexität für ein Datenmanagement System sollten daher in Relation zum Wert stehen. (Ein übermäßig teures und komplexes System kann nicht als „Lean“ gelten)

 

2. Wertstrom identifizieren:

Lean Manufacturing Lean Data Management
Genaue Betrachtung der Prozesse und Arbeitsschritte zur Erstellung eines Fertigerzeugnisses vom Rohmaterial bis zur Lieferung an den Kunden. Das  Ziel ist, das Produktionssystem auf diesen Wertstrom auszurichten, optimal zu unterstützen und Ressourcen effizient einzusetzen. Dabei werden klare  Verantwortungen gesetzt.Poke Yoke ist ein Konzept nachdem Mechanismen eingesetzt werden, welche sicherstellen, dass Fehler keine Auswirkung auf das Endprodukt haben. Poke Yoke Lösungen sind meist günstig und sofort einsetzbar. Datenanforderungen in ERP Systemen benötigen einen gewaltigen Aufwand und spezielle Kenntnisse. Ständig  steigende Datenvolumen und die Auswirkung auf Ressourcen müssen daher berücksichtigt werden.Automatisierung von Datenpflege durch unterstützende Tools steigert die Effizienz. Plausibilitätstests und Eingabehilfen vermeiden Fehler und steigern die Qualität.Freigabe und Einsatz des 4-Augen-Prinzip kann ebenfalls dazu beitragen, dass Fehler vermieden werden und damit der Wert gesteigert wird.

 

3. Das Fluss-Prinzip umsetzen

Lean Manufacturing Lean Data Management
Kontinuierlicher und geglätteter Ablauf der Produktion. Das Ziel ist, die Fertigung flexibel, auftragsbezogen und effizient zu gestalten.Engpässe werden beseitigt, Stopps und Zwischenlager von Halberzeugnissen  werden vermindert oder eliminiert. Zur Anlage und Pflege von Daten sind strukturierte Prozesse mit deutlich definierten Verantwortungen erforderlich. Workflows unterstützen Prozesse, bei denen die Kenntnisse vieler Fachbereiche und Mitarbeiter in Anspruch genommen werden und der Datenaustausch koordiniert werden soll.Der Datenanlage- und Pflegeprozess soll vorhersehbare und akkurate Ergebnisse erzielen.Prozesse sollen messbar sein, sodass Engpässe entdeckt werden können.

 

4. Das Pull Prinzip einführen

Lean Manufacturing Lean Data Management
Produktionsplanung nach Kundenaufträgen anstatt Erzielung maximaler Maschinenauslastung. Techniken die hier eingesetzt werden sind z.B. Kanban, wonach Nachlieferung nur dann angestoßen wird wenn ein Auftrag besteht oder Bestände ein Minimum erreicht haben. Verhindern von Wildwuchs in den Daten. Dubletten Prüfung, Governance und 4-Augen Prinzip.

 

5. Perfektion Anstreben

Lean Manufacturing Lean Data Management
Geschäfts- und Rahmenbedingungen ändern sich stetig. Mit dem kontinuierlichen  Verbesserungsprozess (Kaizen) werden durch  Beobachtung und Messung neue Ideen eingeführt, die kleine schrittweise Verbesserungen erzielen. Einsatz von Tools, die es ermöglichen schnell reagieren zu können. Dabei muss es schnell und einfach sein Analysen zu machen und  auszuwerten.Schnell reagieren können, indem man schlanke Prozesse rasch einführen und anpassen kann.

Die Prinzipien des Lean Manufacturing, seit Mitte des 20. Jahrhunderts bei Toyota im Einsatz, sind gewiss für dessen weltweiten Erfolg verantwortlich.

Data Management hat trotz viel Aufmerksamkeit, Hype und komplexer Lösungen bisher noch nicht die Erfolge erzielt, die man sich erhofft hat. Gartner setzt Master Data Management (MDM) auf der Hype-Kurve in den Bereich „Trough of Disillusionment“.

Vielleicht sollte man sich bei Lean Data Management an das Vorbild des Lean Manufacturing lehnen: Kleine Schritte, Flexibilität, gezielte Betrachtung, den Blick auf Wertschaffung, Einsatz von Tools, die es ermöglichen schnell zu reagieren, Vermeiden von Fehlern und Verschwendung und vor allem eine Management Strategie, die all diese Prinzipien vorantreibt.  Es gibt kein System, welches menschliche Intelligenz oder gutes Management ersetzt.  Lean Data Management ist möglich, aber benötigt all diese Elemente.