Knowledge Discovery in Databases: Eine Analyse des Änderungsmanagements in der Produktentwicklung

326 Pages·2013·4.197 MB·German

by  Armin Sharafi (auth.)

Informationsmanagement
und Computer Aided Team
Herausgegeben von
H. Krcmar, München, Deutschland
Die Schriftenreihe präsentiert Ergebnisse der betriebswirtschaftlichen Forschung im
Themenfeld der Wirtschaftsinformatik. Das Zusammenwirken von Informations-
und Kommunikationstechnologien mit Wettbewerb, Organisation und Menschen
wird von umfassenden Änderungen gekennzeichnet. Die Schriftenreihe greift diese
Fragen auf und stellt neue Erkenntnisse aus Theorie und Praxis sowie anwendungs-
orientierte Konzepte und Modelle zur Diskussion.
Herausgegeben von
Professor Dr. Helmut Krcmar
Technische Universität München,
Deutschland
Armin Sharafi
Knowledge Discovery
in Databases
Eine Analyse des Änderungsmanage-
ments in der Produktentwicklung
Mit einem Geleitwort von Prof. Dr. Helmut Krcmar
Armin Sharafi
München, Deutschland
Dissertation Technische Universität München, 2012

ISBN 978-3-658-02001-9 ISBN 978-3-658-02002-6 (eBook)
DOI 10.1007/978-3-658-02002-6
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Natio-
nalbibliografi e; detaillierte bibliografi sche Daten sind im Internet über http://dnb.d-nb.de
abrufb ar.
Springer Gabler
© Springer Fachmedien Wiesbaden 2013
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung,
die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zu-
stimmung des Verlags. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Über-
setzungen, Mikroverfi lmungen und die Einspeicherung und Verarbeitung in elektronischen
Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in die-
sem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass
solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu be-
trachten wären und daher von jedermann benutzt werden dürft en.
Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier
Springer Gabler ist eine Marke von Springer DE. Springer DE ist Teil der Fachverlagsgruppe
Springer Science+Business Media.
www.springer-gabler.de
Geleitwort
Die Automobilindustrie steht der Herausforderung gegenüber, den Kunden mit begrenzten
Ressourcen eine breite Modellvielfalt und neue Innovationen anzubieten. Als elementarer
Prozess wird dabei das Änderungsmanagement als Mittel genutzt, die Effektivität und Effizi-
enz bei der ressortübergreifenden Entwicklungsarbeit zu steigern. Durch die heutzutage zur
gemeinschaftlichen, standortübergreifenden und standardisierten Bearbeitung von Ände-
rungsanträgen eingesetzten IT-Workflowsysteme wird eine Vielzahl von Daten erzeugt und
gespeichert. Diese werden verstärkt genutzt, um zum einen die Entwicklungsprozesse zu mes-
sen, aber auch um Potentiale zur Verbesserung und zur Wissensgenerierung zu heben. Her-
kömmliche Methoden der Statistik haben sich in der Vergangenheit jedoch häufig als
unwirksam und unpraktisch erwiesen.
Herr Dr. Armin Sharafi beschäftigt sich in seiner Arbeit mit dieser Problemstellung und wen-
det für diesen Fall erstmalig im umfänglichen Rahmen Methoden des Knowledge Discovery
in Databases an. Dabei legt er besonderen Wert auf ein Verständnis für die Domäne, indem
die Grundlagen der Produktentwicklung und des Änderungsmanagements durch Literaturana-
lyse eruiert und durch Interviews bei einem Automobilhersteller um realweltliche Gegeben-
heiten ergänzt werden. Die Arbeit liefert zunächst einen Beitrag zur Identifikation von bislang
in der Forschung vernachlässigten Teilbereichen der Entwicklung in Prozessmodellen und
beschreibt Möglichkeiten, diese einzubinden. Weiterhin werden für die Datenanalysen rele-
vante und anwendbare Methoden des Data und Text Mining aufgezeigt und etablierte Vorge-
hensmodelle des KDD systematisch und strukturiert angewendet.
Durch das aufgezeigte und zugrundegelegte Domänenwissen gelingt es Herrn Dr. Sharafi,
reale Daten (ca. 53.000 Änderungsanträge aus fünf Jahren Entwicklungstätigkeit) aus dem
Änderungsmanagement eines großen Automobilkonzerns aus verschiedenen Blickwinkeln
sowohl wissenschafts- als auch praxisrelevant zu analysieren. Hierzu entwickelte er ein Fra-
mework für die Domänenuntersuchung aus etablierten und ausgewählten Methoden der empi-
rischen Forschung, das eine an dem Einsatzzweck ausgerichtete Datenanalyse (Domain
Driven Data Mining) ermöglicht. Ausgehend von für die Forschung und Praxis relevanten
Fragestellungen werden für die quantitativen Untersuchungen automatisierte Analyseprozesse
modelliert, die als Ergebnis bislang unbekannte Muster identifizieren und darstellen. Diese
werden genutzt, um Handlungsempfehlungen zur Verbesserung von Produktentwicklungspro-
zessen abzuleiten.
Effiziente Datenanalysen und erprobte Anwendungsmöglichkeiten werden durch die Ergeb-
nisse standardisiert in den Änderungsmanagementprozess integriert und haben direkte Wir-
kung auf die Produktentwicklungsprozesse. Die vorliegende Arbeit steht aus diesem Grunde
für die erfolgreiche Anwendung des KDD in einer dafür neuen Domäne und unterstützt damit
die Diskussion, weitere Nutzungsmöglichkeiten, insbesondere in der Automobilindustrie, zu
prüfen. Denn der Einsatz von Knowledge Discovery in Databases bietet Chancen zur Entde-
ckung von neuartigem Wissen, welche mit herkömmlichen Analysemethoden nicht zu reali-
sieren sind.
VI Geleitwort
Der Arbeit von Herrn Dr. Sharafi wünsche ich daher die ihr gebührende weite Verbreitung in
Wissenschaft und Praxis.
Prof. Dr. Helmut Krcmar
Vorwort
Diese Arbeit ist während meiner Tätigkeit als wissenschaftlicher Mitarbeiter am Lehrstuhl für
Wirtschaftsinformatik der Technischen Universität München entstanden. Die Idee dazu wurde
auf Basis von vielen Gesprächen mit Persönlichkeiten aus Forschung und Praxis entwickelt,
denen ich an dieser Stelle meinen Dank ausdrücken möchte.
Zuallererst danke ich Professor Dr. Helmut Krcmar, meinem akademischen Lehrer und Dok-
torvater. Zusätzlich zur erstklassigen fachlichen Betreuung habe ich durch ihn und durch die
Arbeit am Lehrstuhl auch die eine oder andere Lebenserfahrung mitgenommen. Mein weiterer
Dank gilt Professor Dr. Udo Lindemann für die Übernahme der Begutachtung der Arbeit.
Professor Dr. Willibald Günthner danke ich für die Organisation und Führung des Prüfungs-
vorsitzes.
Für die besonders freundschaftliche und kollegiale Zusammenarbeit möchte ich mich bei Dr.
Andreas Schwertsik bedanken. In zahlreichen, mitunter auch amüsanten Gesprächen konnten
wir uns gegenseitig Hilfestellung geben und den Spaß an der Arbeit vergrößern. Dank gilt in
diesem Zuge auch Dr. Maximilian Pühler, Fatos Elezi, Michael Huber, Dr. Petra Wolf und
Dr. Mathias Baume für die überaus freundschaftliche und konstruktive Zusammenarbeit.
Dank bekunden möchte ich auch meinen damaligen Hiwis, insbesondere Thomas Maier und
Thomas Wolfenstetter, die mit ihrer tatkräftigen Unterstützung zum Gelingen dieser Arbeit
beigetragen haben. Auch den vielen Industriepartnern der Forschungsprojekte bin ich zu Dank
verpflichtet, insbesondere Herrn Andreas Weber, ohne den diese Arbeit in dieser Form nicht
möglich gewesen wäre.
Meinen Eltern danke ich für die ausnahmslose Unterstützung. Sie gaben und geben mir stets
die notwendigen Freiheiten und werden immer Vorbild für mich sein.
Mein ganz besonderer Dank gilt meiner Frau Saba, die mich bei allen Schritten unterstützend
und ermutigend über die Zeit begleitet und stets an mich geglaubt hat - Merci. Ihr und meinen
Eltern ist diese Arbeit gewidmet.
Armin Sharafi
Zusammenfassung
Problem: Das Änderungsmanagement ist gekennzeichnet durch Komplexität und steigender
Relevanz für die Produktentwicklung. Da Änderungen in großen Unternehmen über Anträge
gesteuert und IT-seitig unterstützt werden, werden im Prozess Daten unterschiedlichen Typs
und Ausprägung generiert. Diese große Datenbasis wird zunehmend zur Prozessverbesserung
und Wissensgenerierung analysiert. Methoden der Statistik sind aber oftmals ungeeignet.
Zielsetzung: Vor diesem Hintergrund ist das Ziel der Arbeit, den Einsatz der Methoden des
KDD zur Analyse von Änderungsanträgen zu prüfen und den Nutzen zu bewerten. Dies wird
durch die Anwendung auf einen realen Datensatz (~53.000 Anträge) realisiert. Die Absicht
ist, Muster zu erkennen und den daraus resultierenden Erkenntnisgewinn zur Verbesserung
des Änderungsmanagements respektive der Produktentwicklung abzuleiten.
Ergebnis: Zusammengefasst wurden in dieser Arbeit die Anwendungsmöglichkeiten von
KDD-Methoden im Änderungsmanagement dargestellt indem 1) ein Framework zur situati-
onsgerechten Domänenanalyse zu Beginn von KDD-Vorhaben entwickelt wurde, 2) Prozesse
zur Analyse von Daten modelliert wurden, 3) die Erkenntnisse in Form von Mustern darge-
stellt und 4) Handlungsempfehlungen zu deren Nutzungsmöglichkeiten abgeleitet wurden.
Forschungsdesign: Um ein Verständnis für die Domäne zu erlangen, werden die Grundlagen
der Domänen Produktentwicklung und Änderungsmanagement durch Literaturanalyse eruiert
sowie durch Interviews um realweltliche Konstellationen ergänzt. Ausgehend von Vorge-
hensmodellen des KDD werden quantitative Untersuchungen durchgeführt. Im Vorfeld wur-
den dazu relevante Fragen gesammelt und abschließend Handlungsempfehlungen in iterativen
Diskussionen mit Vertretern des Herstellers und beteiligten Wissenschaftlern eruiert.
Implikationen für die Forschung: Vermutete Zusammenhänge im Änderungsmanagement
wurden entdeckt und die Integration von Datenanalyseverfahren in den Anwendungskontext
als nutzbringend überprüft. Weitere noch unbekannte Muster und Wechselbeziehungen sind
durch Modellierung und Integration weiterer Analyseprozesse zu erforschen.
Implikationen für die Praxis: Der Einsatz von KDD bietet Möglichkeiten, die mit her-
kömmlichen Analysemethoden nicht zu realisieren sind. Effiziente Datenanalysen die prak-
tisch nutzbares Wissen generieren werden aufgezeigt. Dies führt dazu, dass Anwendungs-
möglichkeiten erprobt, diese zunehmend standardisiert in den Änderungsmanagementprozess
integriert und die Ergebnisse in der Produktentwicklung genutzt werden.
Originalität: In der Wissenschaftslandschaft sind kaum Arbeiten publiziert, in denen ein der-
art großer Datensatz analysiert wird. Dadurch werden Möglichkeiten von Analysewerkzeugen
in der Produktentwicklung aufgezeigt, welche die Durchführbarkeit bislang nicht praktikabler
Analysen vorstellen. Im Gegensatz zu Fallstudien usw. bei denen Einzelfallanalysen durchge-
führt werden, basieren die Untersuchungen auf einer ganzen Reihe von Fällen.
Stichworte: KDD, Änderungsmanagement, Produktentwicklung, Data Mining, Text Mining
Abstract
Problem: Engineering Change Management is characterized by growing complexity and in-
creasing relevance for Product Development. Because on the fact that in large companies such
changes are controlled by requests and supported by IT, many different types of data are gen-
erated in the process. This large data base is increasingly analyzed for process improvement
and knowledge generation. But statistical methods have often proved to be unsuitable.
Objective: In response to this the aim of the work is to assess the application and usefulness
of methods of Knowledge Discovery in Databases for the analysis of engineering change re-
quests. The application is tested by applying them to a large real data set (~53.000 requests).
The intention is to identify patterns and to use the resulting insights to improve Engineering
Change Management respectively Product Development.
Result: Briefly summarized, this work represents the applications of KDD in Engineering
Change Management by 1) developing a framework for situation-based domain analysis at the
beginning of KDD projects, 2) modeling processes for analyzing data, 3) presenting findings
as a collection of patterns and 4) deriving recommendations for action in order to demonstrate
possibilities of utilization.
Research Method: To gain an understanding of the domain, the theoretical foundations of
Product Development and Engineering Change Management are elicited by literature analysis
and supplemented to real-world situations by interviews. On the basis of process models of
KDD quantitative studies were conducted. Prior to this, issues were collected and finally rec-
ommendations for action were elicited in iterative discussions with representatives of the in-
dustrial partner and involved scientists.
Research Implications: Assumed correlations in Engineering Change Management (ECM)
have been discovered and the integration of data analysis procedures in the application con-
text has been tested as beneficial. Other still unknown patterns and correlations can be inves-
tigated through modeling and integrating additional analytical processes.
Practical Implications: The use of KDD provides possibilities that could not be realized with
conventional analysis methods. Efficient data analysis techniques generating practically use-
ful knowledge are identified. The outcome is that possible applications were tested, increas-
ingly integrated in the change management process and the results were used for product
development purposes.
Originality: In the scientific landscape there are hardly any published publications in which
such a large data set is analyzed in detail. Thereby possibilities to use analysis tools in product
development are presented, which presents the feasibility of not yet practicable analysis
methods. In contrast to case studies and other research methods where individual cases were
analyzed and carried out, the elaborations in this work are based on a series number of cases.
Keywords: KDD, Engineering Change Management, Product Development, Data Mining