Grundgedanke des Projektes "Business Intelligence" ist es, die Themenbereiche Produktion, Logistik, Supply Chain Management mit dem Themenbereich Digitalisierung zu verbinden, genauer die Prozesse der zuerst genannten Themenbereiche durch die Digitalisierung zu optimieren.

Sie lernen
- die Basis-Optimierungsmethoden kennen und anzuwenden,
- einfache Programmierungen mit Hilfe von EXCEL, QlikSense und MS Power Tool zu erstellen,
- beides auf reale Unternehmen anzuwenden, d. h., Schwachstellen zu ermitteln, zu clustern und zu priorisieren sowie
- Optimierungsmaßnahmen vorzuschlagen.

Zusätzlich lernen Sie
- Projektmanagementmethoden anzuwenden,
- mit agilen Entwicklungsmethoden wie SCRUM und Entwicklungstools wie SLACK umzugehen und
- im Team zu arbeiten und dabei Konfliktlösungsmethoden anzuwenden.

Die Projektbearbeitung wird im neuen und für diese Zwecke optimal ausgestatteten Digital Lean Learning Office Lab im Raum PBH6105 stattfinden.

Dieses Projekt ist für programmierungsinteressierte Studierende geeignet, da Sie mehrere IT-Tools anwenden und einen realen Anwendungsbezug haben. Noch mehr ist dieses Projekt für Studierende geeignet, die Angst vor dem Programmieren haben. Programmierkenntnis werden nicht erwartet, Sie arbeiten im Team und die Programmierumfänge sind gering. Ich bin davon überzeugt, dass keiner von Ihnen zukünftig im Berufsleben ohne zumindest einfache Programmierfähigkeiten auskommen wird. Hier ist eine von wenigen Chancen, diese Fähigkeiten in einer geschützten Umgebung zu erlernen. Sie werden mit diesen Kenntnissen und Fähigkeiten Ihren "Marktwert" deutlich steigern.

Wir werden jeweils in vier Kleingruppen versuchen, für die fünf Funktionen Entwicklung, Vertrieb, Beschaffung, Produktion und Distribution datenbasierte Analysen in "realtime" und "ongoing" durchzuführen:

Im ersten Semester:

1. Auftragspositionswertanalyse
- inkl. Backlogs (aus Sicht des Kunden verspätet ausgelieferte Aufträge), Losses (aus Sicht des Lieferanten verlorene Aufträge, da der Kunde nicht warten kann oder will) und Prognosen (zukünftig zu erwartende Aufträge).
- Dazu werden Kundenreaktionen über MS-Powertools und eine Ergänzungsdatenbank erfasst sowie ca. acht verschiedene produkt- und kundenspezifische Prognosemethoden eingesetzt.

2. Auftragspositionsbearbeitungsstatusanalyse
Bearbeitungsstatus- und Durchlaufzeitüberwachung als Soll-/ Ist-Abgleich für Herstellungs-, Montage-, Prüf-, Transport- und Lagervorgänge bzgl. der Materialien, Mitarbeiter, Anlagen, Werkzeuge, Aufträge etc.
inkl.
- Anmeldung des Werkers über QR-Scan mit Handy / Tablett
- Zuweisung von Aufträgen, Maschinen, Werkzeugen und Materialien
- Anmeldung von Maschinen, Werkzeugen und Materialien durch QR-Scan mit dem Handy / Tablett
- Rückmeldung von Störungen, Teilrückmeldungen, Fertigmeldungen über MS-Powertools und eine Ergänzungsdatenbank Anzeigen und Auswertungen sollten rückwirkend und als Prognose zukünftig in fünf Formen möglich sein:
- Mit Mitarbeiterbezug: auftragsübergreifend, aber mitarbeiterspezifisch als „Arbeitsvorratsliste“
- Mit Maschinenbezug: auftragsübergreifend, aber maschinenspezifisch als „Arbeitsvorratsliste“
- Mit Werkzeugbezug: auftragsübergreifend, aber werkzeugspezifisch als „Arbeitsvorratsliste“
- Mit Auftragsbezug: komplett für alle Fertigungs-, Montage- und Transport- auch Prüfpositionen eines Auftrags
- Mit Planungsbezug: über alle Aufträge, Positionen und Ressourcen zur Priorisierung Anzeigen und Auswertungen sollten als Push und Pull ausgelöst werden können

3. Materialbestandsanalyse
- für Rohstoffe, Halbzeuge und Fertigwaren in Bestellung (von Bestellauftrag bis Verladung beim Kunden), im Anliefer-Transit (unterwegs vom Lieferanten zum Kunden), im Vorratslager, in Produktionslagern, in Auslieferlagern, im Abliefer-Transit
- in Lager- und Transitbereichen mit der Wertstrommethode, im Produktionsanalgen mit der WIP-Methode (Work in Process Methode) inkl. Rework (Nacharbeit) und Scrap (Ausschuss)
- nach Preis, Wert (Menge x Preis), Volumen, Umschlagshäufigkeit, Kapitalbindung etc. mit der ABC-Analyse, nach Verbrauchsverhalten mit der XYZ-Analyse etc.

4. Kostenanalyse
- Durch mengenbasierte Prozesskostenrechnung werden Ressourcenverbräuche verursachungsnah den Kostenträgern zugeordnet.
- Durch zeitbasiertes ABC (Activity-Based-Costing) werden Rationalisierungspotentiale aufgedeckt.

Im zweiten Semester:

5. Trendanalyse bzgl. der Ressourcenauslastung unter Verwendung von OEE Overall Equipment Efficiency und OLE Overall Labor Efficiency bzgl. der Produkte, Prozesse und Ressourcen

6. Trendanalyse bzgl. der Qualitätsentwicklung bei Rohstoffe, Halbzeuge und Fertigwaren durch Analyse der Ursachen und Verursacher von Reklamationen und Retouren sowie bei Prozessen durch Analyse der Ursachen und Verursacher von Reklamationen und Retouren sowie durch Analyse von Lieferfähigkeit, -treue und -qualität

7. Trendanalyse
- bzgl. des Zusammenhangs von Durchlaufzeiten und Materialbeständen unter Verwendung des Hannoveraner Trichtermodells sowie
- bzgl. des Zusammenhangs von Service Level und Materialbeständen durch Analyse von Alpha- (Auftragspositionsmenge, die von Abweichungen betroffen sind), Beta (Objektmenge, die von Abweichungen betroffen ist) und Gamma-Service-Graden (Kundenspezifische Service-Grade) im Verhältnis zu Bestandswerten und deren Kapitalbindung

8. Trendanalyse bzgl. der Datenquantität und Datenqualität durch Analyse fehlender Daten, falscher Daten, nicht aktueller Daten, insbesondere für Dispositionsstammdaten wie z. B. WBZ Wiederbeschaffungszeiten, Bearbeitungszeiten etc.

Als Daten stehen uns die Unternehmensdaten mindestens eines, vermutlich aber von drei realen Berliner Unternehmen zur Verfügung. Diese Unternehmen werden das Projekt begleiten und sich die Ergebnisse regelmäßig berichten lassen.

Der Ablauf in den beiden Semestern ist grob, wie nachfolgend beschrieben:

Woche 1 bis 2
Lastenheft / Pflichtenheft
Methodenbeschreibung

Woche 3 bis 5
Datenmodell
Ein-/ Ausgabemasken, -tabellen, -grafiken Algorithmen / Programmablaufplan

Woche 6 bis 10
EXCEL-Prototypenentwicklung
QlikSense-Prototypenentwicklung
Ggf. MS Power Tools-Prototypenentwicklung

Woche 11 bis 13
Analysendurchführung
Schwachstellen-Clusterung und Priorisierung Optimierungsmaßnahmenvorschläge

Woche 14
Ergebnispräsentation

• Prof. Dr.-Ing. Martin Pohlmann (Projektleitung)

• 3 KMUs