Wer früher ein Warenwirtschaftssystem pflegte, war mit hoher Wahrscheinlichkeit im Handel tätig. Heute sind in nahezu allen Branchen spezialisierte IT-Systeme für den Unternehmenserfolg mitverantwortlich – in Großkonzernen wie in KMU. Im Forschungsvorhaben IMQAA entwickeln Wissenschaftlerinnen und Wissenschaftler des Umwelt-Campus Birkenfeld einen lernfähigen Assistenten, der Firmen bei der Verwaltung ihrer zumeist hochkomplexen Daten unterstützt.

Wie groß ist ein Produkt, welche Lagerbedingungen sind notwendig und was kostet es? Welche Lieferzeiten weist der Hersteller aus? Bietet er Rabatte? Gibt es gesetzliche Verordnungen, welche Steuer- und Zollbedingungen gelten? Welche internen Merkmale sind zu verzeichnen, etwa die Warengruppe oder Filialzuordnung? Diese und unzählige weitere Attribute müssen für jedes Produkt im Warenwirtschaftssystem hinterlegt und regelmäßig geprüft werden. In der Beschaffungs- und Distributionslogistik eines Unternehmens kommen so leicht einige Millionen Stammdatensätze zusammen, die zudem in komplizierter Weise verknüpft sind.

Dieses Datenmanagement manuell unter Berücksichtigung aller Kriterien und Qualitätsregeln zu betreiben, ist nahezu unmöglich. Das führt häufig zu einer fehlerbelasteten Datenbasis – und erfordert die Implementierung eines teuren Datenqualitäts-Tools. In jedem Fall bedeutet es einen messbaren wirtschaftlichen Schaden für das Unternehmen.

Assistenzsystem für bessere Daten

An einer Lösung dieses Problems arbeiten Wissenschaftlerinnen und Wissenschaftler der Hochschule Trier/Umwelt-Campus Birkenfeld mit Partnern aus der Wirtschaft. Hinter dem Kürzel IMQAA (Intelligent Master Data Quality Assurance Assistant) verbirgt sich ein Assistenzsystem, das mittels Verfahren des maschinellen Lernens unter anderem Regeln für Datenqualität bestimmt, diese kontinuierlich optimiert und das erlangte Wissen den Benutzern zur Verfügung stellt. Der Vorteil für Unternehmen: Externe Qualitätswerkzeuge, deren Bedienung aufgrund der heterogenen Systemlandschaft und sich dynamisch ändernder Geschäftsprozesse zumeist sehr aufwendig ist, wären obsolet.   

Konkret erkennt IMQAA beispielsweise Fehler bei Attributen, liefert selbsterlernte Korrekturvorschläge oder ergänzend einen kompletten Workflow zur Behebung des Problems. Das System kann aber ebenso Felder bei der Datenerfassung automatisch vorbelegen oder mittels einer Analyse von Log-Daten und externen Datenquellen autonom bisher unbekannte Zusammenhänge zwischen fehlerhaften Transaktionen und Stammdatenattributen aufdecken. Damit kommen die Entwickler dem Ziel, den Automatisierungsgrad bei zentralen Aufgaben der Datenqualitätssicherung im Warenwirtschaftssystem signifikant zu erhöhen, schon sehr nahe.

Wie erfolgreich IMQAA seine Aufgabe erledigt, darüber soll nun ein Prototyp Aufschluss geben. Für die Evaluation wurde eine spezielle Test- und Entwicklungsumgebung entworfen, in der das Assistenzsystem Artikelstammdaten bearbeitet, die von den assoziierten Partnerunternehmen Transgourmet Deutschland GmbH und der Schweizer Coop Genossenschaft bereitgestellt wurden.