Abstract
Erklärungsmodelle dienen der Abbildung existierender Systeme, um Wissen über ein System zu erhalten. Six Sigma und Data Mining sind jeweils etablierte Ansätze zur Identifikation von Erklärungsmodellen in Form von Ursache-WirkungsBeziehungen. Während sich Six Sigma bei der Analyse auf menschliches Erfahrungswissen stützt, bieten Verfahren des Data Mining die Möglichkeit, nicht triviale Zusammenhänge zwischen Einfluss- und Prozessergebnisgrößen aus maschinengenerierten Prozessdaten zu ermitteln. Eine Integration beider Ansätze besitzt das Potenzial, Erklärungsmodelle zur Beherrschung und Verbesserung komplexer Prozesse in soziotechnischen Systemen zu schaffen.
Literatur
Fayyad, U. M.; Piatetsky-Shapiro, G.; Smyth, P.: From Data Mining to Knowledge Discovery in Databases. AI Magazine 17 (1996), 3, pp. 37–54.
Grob, H. L.; Bensberg, F.; Coners, A.: Regelbasierte Steuerung von Geschäftsprozessen. Konzeption eines Ansatzes auf Basis von Process Mining. Wirtschaftsinformatik 50 (2008), 4, S. 268–281.
Kagermann, H.; Wahlster, W.; Helbig, J. (Hrsg.): Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Abschlussbericht des Arbeitskreises Industrie 4.0. Deutsche Akademie der Technikwissenschaften e.V., München, 2013.
Lunau, S.; Roenpage, O.; Staudter, C.; Meran, R.; John, A.; Beernaert, C.: Six Sigma + Lean Toolset. Verbesserungsprojekte erfolgreich durchführen. 2. Aufl., Springer-Verlag, Berlin, Heidelberg, 2007.
Mariscal, G.; Marban, O.; Fernandez, C.: A survey of data mining and knowledge discovery process models and methodologies. The Knowledge Engineering Review 25 (2010), 2, pp. 137–166.
Otte R.; Otte V.; Kaiser V.: Data Mining für die industrielle Praxis. 1. Aufl., Carl Hanser Verlag, München, 2004.
Spath, D.; Weisbecker, A.: Potenziale der Mensch-Technik Interaktion für die effiziente und vernetzte Produktion von Morgen. Fraunhofer Verlag, Stuttgart, 2013.
Töpfer, A. : Six Sigma. Konzeption und Erfolgsbeispiele für praktizierte Null-Fehler-Qualität. 4. Aufl., Springer-Verlag, Berlin, Heidelberg, 2007.
Toutenburg, H.; Knöfel, P.: Six Sigma. Methoden und Statistik für die Praxis. 2. Aufl., Springer-Verlag, Berlin, Heidelberg, 2009.
Watson, J. H.: The Necessary Skills for Advanced Analytics. Business Intelligence Journal 17 (2013), 4, pp. 4–7.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Wieland, U., Fischer, M. & Hilbert, A. Menschliches Expertenwissen und Prozessdaten im Verbund. HMD 50, 66–75 (2013). https://doi.org/10.1007/BF03342070
Published:
Issue Date:
DOI: https://doi.org/10.1007/BF03342070