{"id":37572,"date":"2025-09-09T16:32:48","date_gmt":"2025-09-09T11:02:48","guid":{"rendered":"https:\/\/www.verdantis.com\/?p=37572"},"modified":"2026-06-02T14:41:22","modified_gmt":"2026-06-02T09:11:22","slug":"wie-man-ersatzteildaten-bereinigt","status":"publish","type":"post","link":"https:\/\/www.verdantis.com\/de\/wie-man-ersatzteildaten-bereinigt\/","title":{"rendered":"Bereinigung von Ersatzteildaten"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Eine durchschnittliche Produktions- oder Fertigungseinrichtung verbraucht mehrere Tausend Ersatzteile oder Verbrauchsmaterialien, um einen ungest\u00f6rten und st\u00f6rungsfreien Betrieb aufrechtzuerhalten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Einem Bericht zufolge, der von Daten Horrizon Forschung<\/strong><\/a>,<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t

\n\t\t\t\tDer globale Markt f\u00fcr die Herstellung von Ersatzteilen wurde im Jahr 2023 auf rund 620 Milliarden USD gesch\u00e4tzt und wird bis 2033 voraussichtlich rund 930 Milliarden USD erreichen, wobei die CAGR von 2024 bis 2033 bei 4,3% liegt.\t\t\t<\/p>\n\t\t\t\t\t<\/blockquote>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Allein in den USA sind die Ausgaben f\u00fcr Ersatzteile betr\u00e4chtlich und werden f\u00fcr das Jahr 2023 auf etwa $89,5 Milliarden gesch\u00e4tzt.<\/p>

Die tats\u00e4chliche Nutzung ist jedoch gering; Unternehmen verwenden in der Regel nur 8 - 10% ihres MRO-Bestands pro Jahr, d.h. 90% bleiben ungenutzt in den Regalen. [Laut Terrence Ohanlon bei Reliability AI<\/a>].<\/p>

Um die rechtzeitige Beschaffung, die Verf\u00fcgbarkeit, die Verhandlungsst\u00e4rke und einen fehlerfreien Beschaffungsprozess zu gew\u00e4hrleisten und eine \u00dcberbevorratung zu vermeiden, werden die Daten und Informationen zu diesen Ersatzteilen in der Regel \u00a0sorgf\u00e4ltig<\/a> die in einem ERP-System gepflegt werden, in der Regel in einem \"Stammdaten\"-Modul, das auch als \"Material Master<\/a>\" oder ein \"Artikel Master<\/a>\"<\/p>

Mit zunehmender Betriebsgr\u00f6\u00dfe steigen auch die Anfragen nach neuen Ersatzteilen, und die Daten zu diesen Teilen k\u00f6nnen die \"Datenqualit\u00e4t\" dieser Ersatzteile beeintr\u00e4chtigen. So geht's.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\tNeue Teilanforderungen k\u00f6nnen Duplikate eines bereits im System vorhandenen Teils sein, das zum Zeitpunkt der Erstellung einer neuen Teilanforderung noch nicht bekannt war\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\tIn der neuen Anfrage k\u00f6nnten wichtige Informationen wie Teilespezifikationen, Abmessungen, Kategorie, Unterkategorie, etc. fehlen.\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/i>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\tEs gibt keinen klaren, zentralen Standard, um die Integrit\u00e4t der Ersatzteile zu wahren, was die Katalogisierung der Daten noch schwieriger macht\t\t\t\t\t<\/p>\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Um dies abzumildern, m\u00fcssen Unternehmen in eine einmalige Bereinigung ihrer aktuellen Ersatzteildaten investieren, um Duplikate zu entfernen, fehlende Informationen zu erg\u00e4nzen, den Datensatz zu strukturieren und in fortgeschrittenen F\u00e4llen auch die Daten zu integrieren und sie mit andere Stammdaten-Dom\u00e4nen<\/a> oder andere ERP-Module.<\/p>

Unternehmen, die sich derzeit mit diesem Prozess befassen, k\u00f6nnen dies auf verschiedene Weise angehen, wobei jeder Ansatz unterschiedliche Kosten, Komplexit\u00e4t und Anforderungen an die technische Bandbreite mit sich bringt. \u00a0<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\n\t\t\t\t\t\t
\n\t\t\t\t\n\t\t\t\t<\/path><\/svg>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
\n\n\t\t\t\t\t\t\t\t\t

\n\t\t\t\t\t\t\n\t\t\t\t\t\t\tMethode 1: Verwendung von ETL Data Readiness & Migration Tools\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

ETL- und Datenbereitstellungs-\/Migrations-Tools wurden entwickelt, um Daten aus mehreren Quellen zusammenzuf\u00fchren, indem sie diese aus verschiedenen Quellen wie Dateien, Ordnern, Software, Lieferanten-Feeds\/Katalogen usw. extrahieren.<\/p>

Danach werden die Daten bewertet, bevor sie transformiert und auf der Grundlage der anerkannten Taxonomie und Standards standardisiert werden.<\/p>

Schlie\u00dflich werden die Daten in die Quellsysteme aufgenommen oder \"geladen\".<\/p>

Einfach ausgedr\u00fcckt, macht ein ETL-Tool Folgendes;<\/p>

  1. E - Extrahieren Sie Daten aus mehreren Quellen und fassen Sie sie in einer Gesamtansicht zusammen.<\/li>
  2. T - Umwandlung der Daten in einen einheitlichen Standard mit Abk\u00fcrzungen, Ma\u00dfeinheiten, Kategorien usw., die gem\u00e4\u00df der anerkannten Taxonomie geschrieben wurden. In dieser Phase werden die Daten gr\u00fcndlich bereinigt, auf Duplikate gepr\u00fcft, um fehlende Werte erg\u00e4nzt und gegebenenfalls zusammengef\u00fchrt sowie auf Regeln \u00fcberpr\u00fcft.<\/li>
  3. L - Laden Sie die Daten zur\u00fcck in die Quellsysteme, nachdem Sie sie gem\u00e4\u00df den urspr\u00fcnglichen Anforderungen behandelt haben. So stellen Sie sicher, dass die Daten korrekt, standardisiert und f\u00fcr die einheitliche Verwendung in allen Gesch\u00e4ftsbereichen bereit sind.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t
    \n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Vorteile:<\/strong><\/p>

    1. Dieser Ansatz ist relativ kosteng\u00fcnstig, da die ETL-Tools nicht \u00fcberm\u00e4\u00dfig teuer sind.<\/li>
    2. Dieser Ansatz ist skalierbar, und wenn die erforderlichen technischen und verwaltungstechnischen Ressourcen zur Verf\u00fcgung stehen, kann die Bereinigung von mehreren Tausend (oder sogar Millionen) von Ersatzteildatens\u00e4tzen viel schneller durchgef\u00fchrt werden, vorausgesetzt, die Gesch\u00e4ftsregeln werden kontinuierlich aktualisiert.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
      \n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t\t\t\t\t

      Nachteile:<\/strong><\/p>

      1. Die Genauigkeit und die Abdeckung von Anwendungsf\u00e4llen sind nicht ideal. In den meisten F\u00e4llen schadet die Anwendung umfangreicher Gesch\u00e4ftslogik mehr, als sie n\u00fctzt, da die Techniken zur Datenvalidierung und -umwandlung kaum kontrolliert werden k\u00f6nnen.<\/li>
      2. Es erfordert sowohl technische als auch gesch\u00e4ftliche Ressourcen (von Teams wie Beschaffung, Datenmanagement), die oft nicht ohne weiteres verf\u00fcgbar sind, und der Einsatz von Ad-hoc-Ressourcen kann die Kosten in die H\u00f6he treiben, wodurch der wichtigste Vorteil dieses Ansatzes zunichte gemacht wird.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
        \n\t\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Empfehlung:<\/strong><\/p>

        Dieser Ansatz ist ideal, wenn die Anzahl der zu bereinigenden Ersatzteile viel kleiner ist (innerhalb von 3-5K Datens\u00e4tzen), die Schwelle f\u00fcr die Datengenauigkeit nicht zu hoch ist und wenn technische Ressourcen zur Verf\u00fcgung stehen.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

        \n\t\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Beispiele:<\/strong><\/p>

        Ein Einzelhandelsunternehmen hatte mit erheblichen Dateninkonsistenzen in seinen verschiedenen Filialen zu k\u00e4mpfen, was die betriebliche Effizienz und die Entscheidungsfindung beeintr\u00e4chtigte.<\/p>

        Um diese Herausforderung zu bew\u00e4ltigen, implementierte das Unternehmen eine ETL-Datenbereinigungsl\u00f6sung, die Daten aus verschiedenen Quellen standardisiert und validiert.<\/p>

        Im Ergebnis konnte das Unternehmen seine betriebliche Effizienz um 20% steigern und datenbezogene Fehler erheblich reduzieren, was einen reibungsloseren Betrieb und eine zuverl\u00e4ssigere Berichterstattung erm\u00f6glicht.<\/p>

        Laut Forbes<\/a>kosten unsaubere Daten Unternehmen j\u00e4hrlich bis zu 12% des Gesamtumsatzes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

        \n\t\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t
        \n\n\t\t\t\t\t\t
        \n\t\t\t\t\n\t\t\t\t<\/path><\/path><\/path><\/path><\/path><\/path><\/path><\/path><\/path><\/path><\/circle><\/circle><\/path><\/path><\/path><\/path><\/path><\/circle><\/path><\/path><\/path><\/g><\/svg>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
        \n\n\t\t\t\t\t\t\t\t\t

        \n\t\t\t\t\t\t\n\t\t\t\t\t\t\tMethode 2: Outsourcing oder Offshoring an Spezialistenteams\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
        \n\t\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Mehrere Unternehmen sind mit dem Problem der Verwaltung der Ersatzteile<\/a> Daten, und viele verf\u00fcgen nicht \u00fcber die technischen Ressourcen oder die Bandbreite, um einen \"softwarebasierten\" Ansatz zur Korrektur der Materialdaten von Ersatzteilen zu implementieren.<\/p>

        Als Alternative entscheiden sich Unternehmen, die mit diesem Problem konfrontiert sind, daf\u00fcr, die Datenbereinigung an spezialisierte Unternehmen auszulagern, die ein gro\u00dfes Team von \"Data Stewards\", \"Analysten\" oder \"Mitarbeitern\" besch\u00e4ftigen, um diese Datenqualit\u00e4tsprobleme zu korrigieren.<\/p>

        Ein typischer Datenverwaltungsanalyst verwendet einen manuellen oder halbautomatischen Ansatz, um;<\/p>

        1. Identifizieren Sie fehlende Informationen in jedem Datensatz<\/li>
        2. Standardisieren Sie die Daten auf der Grundlage der \"Datenblatt\"-Definition der Ersatzteilkategorie<\/li>
        3. Extrahieren Sie die wichtigsten Details\/Informationen aus der Beschreibung in die richtigen \"Eigenschaften\", \"\u00dcberschriften\" oder \"Spalten\".<\/li>
        4. F\u00fchren Sie eine L1-Dublettenpr\u00fcfung f\u00fcr den gesamten Datensatz durch, um doppelte Eintr\u00e4ge auszusortieren. Selbst zu diesem Zeitpunkt ist die Wahrscheinlichkeit, dass sich doppelte Eintr\u00e4ge im System befinden, hoch<\/li>
        5. Erg\u00e4nzen Sie fehlende Werte, Kategorien, Attribute, Hersteller-Teilenummern, Herstellernamen, etc.<\/li>
        6. F\u00fchren Sie eine weitere Dublettenpr\u00fcfung L2 durch. Dieses Mal wird die Dublettenpr\u00fcfung mit zus\u00e4tzlichen Datenpunkten viel gr\u00fcndlicher und \"vollst\u00e4ndiger\" sein.<\/li><\/ol>

          Der Prozess ist, wie man vermuten k\u00f6nnte, m\u00fchsam, und diese Outsourcing-Unternehmen besch\u00e4ftigen in der Regel einen gro\u00dfen Teil ihrer Mitarbeiter in einem Land mit einer gro\u00dfen englischsprachigen Bev\u00f6lkerung, die \u00fcber gute Computerkenntnisse verf\u00fcgen, um die Kosten niedrig zu halten.<\/p>

          Die oben skizzierten Schritte sind die grundlegenden Aufgaben und Ergebnisse einer Bereinigung von Ersatzteildaten.<\/p>

          Gr\u00f6\u00dfere Unternehmen mit weitaus komplexeren Anforderungen an die Datenverwaltung haben jedoch in der Regel einen viel umfassenderen Bedarf an Datenbereinigung und -erg\u00e4nzung.<\/p>

          Dies beinhaltet<\/p>

          1. Vollst\u00e4ndige Anreicherung von Ersatzteildaten, einschlie\u00dflich Lieferantenname, Attribute und Datenanreicherung<\/li>
          2. Anreicherung, Bereinigung und Deduplizierung von Lieferanten- und Ger\u00e4tedaten sowie<\/li>
          3. Integrationen zwischen diesen Datendom\u00e4nen, d.h. Querverweise zwischen Ersatzteilen und Ger\u00e4ten durch Nutzung der Ger\u00e4te-St\u00fcckliste<\/li>
          4. Integration von Ersatzteilen und Anbietern durch Nutzung von Lieferantenkatalogen, internen Daten usw.<\/li><\/ol>

            Exzellenz f\u00f6rdern in der Bestandsverwaltung f\u00fcr MRO-Teams<\/a>In der Regel erg\u00e4nzen diese Outsourcing-Teams nicht nur die Ersatzteildaten (auch als Materialersatzteile bezeichnet), sondern auch alle anderen Daten, die mit den Instandhaltungsprozessen verbunden sind. Dies wird in der Regel als MRO Master Data Cleansing bezeichnet.<\/p>

            Dies ist eine viel umfassendere und fortschrittlichere L\u00f6sung zur Datenbereinigung. Weitere Informationen finden Sie auf der Seite MRO Data Cleansing hier<\/a>.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

            \n\t\t
            \n\t\t\t\t
            \n\t\t\t\t
            \n\t\t\t\t\t\t\t\t\t

            Vorteile:<\/strong><\/p>

            1. F\u00fcr Unternehmen, die hohe Anforderungen an die Datengenauigkeit stellen, ist dies ein sauberer Ansatz mit der h\u00f6chsten Genauigkeit bei Metriken, die mit Datenstandardisierung, Datenanreicherung, Extraktion und Deduplizierung verbunden sind.<\/li>
            2. Kundenspezifische Anforderungen im Zusammenhang mit der Extraktion, Anreicherung oder Standardisierung von Daten k\u00f6nnen leicht erf\u00fcllt werden, da der Ansatz recht flexibel ist.<\/li>
            3. Es ist die ideale Wahl f\u00fcr die Bereinigung von Ersatzteil-Stammdatens\u00e4tzen, die mehr als 20.000 Datens\u00e4tze umfassen, da mit der Suche, dem Onboarding und der Verwaltung des ausgelagerten Anbieters feste Kosten verbunden sind.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
              \n\t\t\t\t
              \n\t\t\t\t
              \n\t\t\t\t\t\t\t\t\t

              Nachteile: <\/strong><\/p>

              1. Trotz der Kosteneinsparungen, die durch den Einsatz von kosteng\u00fcnstigen Offshore-Teams erzielt werden, kann sich dieser Ansatz auf lange Sicht als ziemlich teuer erweisen, da der Prozess manuell ist und bis zu einem gewissen Grad ein \"technisches\" Verst\u00e4ndnis erfordert, insbesondere bei wiederkehrenden Datenbereinigungsma\u00dfnahmen.<\/li>
              2. Abh\u00e4ngig von der Anzahl der Ersatzteile und Datens\u00e4tze kann dieser Ansatz die l\u00e4ngste Bearbeitungszeit erfordern. Projekte mit mehr als 50.000 Teiledatens\u00e4tzen k\u00f6nnen leicht mehr als 2 Monate in Anspruch nehmen.<\/li>
              3. Obwohl die Genauigkeit im Vergleich zu fr\u00fcheren Ans\u00e4tzen in der Regel viel h\u00f6her ist, h\u00e4ngt sie wirklich von der Qualit\u00e4t des Offshore-Teams ab. Regelm\u00e4\u00dfige Koordination, Fortschrittsaktualisierungen und \u00dcberpr\u00fcfungen sind erforderlich, um sicherzustellen, dass die Qualit\u00e4tskontrolle in Ordnung ist.<\/li>
              4. F\u00fcr weniger als 20.000 Ersatzteil-Materialdatens\u00e4tze ist dies aufgrund der Fixkosten, die mit der Suche, der Einbindung, dem Vertragsabschluss und der Verwaltung des Offshore-Partners verbunden sind, kein idealer Ansatz.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
                \n\t\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t\t\t\t\t

                Empfehlung: <\/strong><\/p>

                Dies ist ein idealer Ansatz f\u00fcr Unternehmen mit hohen Schwellenwerten f\u00fcr die Datenqualit\u00e4t, Budgets, einer hohen Anzahl von Ersatzteildatens\u00e4tzen und relativ langen Zeitr\u00e4umen f\u00fcr die Implementierung.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

                \n\t\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t\t\t\t\t

                Beispiel:<\/strong><\/p>

                Ein weltweit t\u00e4tiges Medizintechnikunternehmen ben\u00f6tigte eine effiziente Verwaltung von Ersatzteilen und Serviceartikeln, um seinen Betrieb zu unterst\u00fctzen.<\/p>

                Das Unternehmen lagerte die Verwaltung von Ersatzteilen und Serviceartikeln aus, einschlie\u00dflich der Erstellung von 200 Ersatzteilkits und Unterbaugruppen, um seine Logistik- und Lagerprozesse zu optimieren.<\/p>

                Die Outsourcing-Initiative f\u00fchrte zu einer verbesserten Bestandskontrolle und Service-Effizienz, wodurch die operative Gesamtleistung gesteigert wurde.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                \n\t\t\t\t
                \n\t\t\t\t\t\t\t\t\t

                Einem Bericht zufolge, der von PSC Global<\/a>,<\/strong> Die Auslagerung der Datenverwaltung f\u00fchrte zu einer Reduzierung der Vorlaufzeiten von 12 Wochen auf nur 1 Tag, zu einer Verringerung des Betriebskapitals durch die Zentralisierung des Lagerbestands, zu einer Minimierung der Ersatzteilanforderungen und zu einer Verbesserung der Artikelverf\u00fcgbarkeit.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

                \n\t\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t\t\t
                \n\n\t\t\t\t\t\t
                \n\t\t\t\t\n\t\t\t\t<\/path><\/path><\/path><\/path><\/svg>\t\t\t\t<\/span>\n\t\t\t<\/div>\n\t\t\t\n\t\t\t\t\t\t
                \n\n\t\t\t\t\t\t\t\t\t

                \n\t\t\t\t\t\t\n\t\t\t\t\t\t\tMethode 3: Selbst erstellte Software\t\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/h3>\n\t\t\t\t\n\t\t\t\t\n\t\t\t<\/div>\n\t\t\t\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
                \n\t\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t\t\t\t\t

                Neben der ETL\/Data Readiness Software gibt es mehrere spezialisierte Tools, die behaupten, den Prozess der Bereinigung von Ersatzteildaten mit integrierten Validierungsregeln und der Identifizierung von Duplikaten vollst\u00e4ndig zu automatisieren.<\/p>

                Vor dem Aufkommen von KI-Modellen k\u00f6nnte man argumentieren, dass es so gut wie unm\u00f6glich war, diese Bereinigung zu automatisieren, da saubere und klare Regeln f\u00fcr die Bereinigung oder Standardisierung der Ersatzteildaten einfach nicht existieren ODER zahlreiche regelbasierte Logiken erfordern, die nicht praktikabel einzurichten sind.<\/p>

                Seit 2025 jedoch haben die Anwendung von KI-Agenten und ihre F\u00e4higkeit, kontextbewusst zu sein, indem sie mit den richtigen Daten trainiert werden, neue T\u00fcren ge\u00f6ffnet.<\/p>

                Verdantis MDM Suite<\/a>k\u00f6nnen Sie diese Aufgaben jetzt erheblich automatisieren.<\/p>

                Die Investition in die Entwicklung von KI-Agenten zur Standardisierung von Teilebeschreibungen, zur autonomen Erstellung von Datenbl\u00e4ttern auf der Grundlage von Taxonomien und zur Anreicherung von Daten aus verifizierten Quellen hat dazu gef\u00fchrt, dass die Bereinigung von Ersatzteildaten viel schneller, produktiver und kosteng\u00fcnstiger ist.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

                \n\t\t\t\t\t
                \n\t\t
                \n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t\t\t\t\t

                Im Folgenden erfahren Sie, wie unsere L\u00f6sung die Datenbereinigung und -anreicherung automatisiert<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                \n\t\t\t\t
                \n\t\t\t\t\t\t\t
                \n\t\t\t\t\t
                \n\t\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t\t\t\t\t

                Dar\u00fcber hinaus k\u00f6nnen dieselben KI-Modelle verwendet werden, um sicherzustellen, dass die Qualit\u00e4t der Teiledaten kontinuierlich erhalten bleibt; dies wird \u00fcblicherweise als Verwaltung von MRO-Daten.<\/a><\/p>

                Es hat zwar einige Fortschritte in der KI gegeben und unser Team bei Verdantis hat mehrere KI-Modelle in verschiedene Workflows zur Bereinigung von Ersatzteildaten integriert. In 90%+ F\u00e4llen k\u00f6nnen diese Datenbereinigungs-Workflows nicht vollst\u00e4ndig automatisiert werden und erfordern Menschen in einer \u00fcberpr\u00fcfenden Funktion.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

                \n\t\t
                \n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t\t\t\t\t

                Vorteile:<\/strong><\/p>

                1. Eine der genauesten Methoden zum Aufr\u00e4umen, Anreicherung und Standardisierung der MRO-Ersatzteildaten<\/a> auf angenommenen Taxonomien in gro\u00dfem Umfang - insbesondere wenn die Software KI-Modelle nutzt, die auf branchenspezifischen Teiledaten trainiert wurden. Da dieser Ansatz trainierte KI-Modelle nutzt, kann die Genauigkeit sogar besser sein als die oben beschriebene Methode #2.<\/li>
                2. Eine der schnellsten M\u00f6glichkeiten, eine Bereinigung von Teilen in k\u00fcrzester Zeit durchzuf\u00fchren<\/li>
                3. Die Idee dieses Ansatzes besteht darin, KI-Agenten auf einer gro\u00dfen Menge standardisierter Daten zu trainieren und Prozesse zu entwickeln, die es den KI-Agenten erm\u00f6glichen, die schwere Arbeit zu erledigen und gleichzeitig die Genauigkeit zu maximieren. Menschliche \u00dcberpr\u00fcfungen k\u00f6nnen gestrafft werden, um das gew\u00fcnschte Genauigkeitsniveau zu erreichen, indem KI-basierte Konfidenzwerte usw. taktisch eingesetzt werden.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
                  \n\t\t\t\t
                  \n\t\t\t\t
                  \n\t\t\t\t\t\t\t\t\t

                  Nachteile: <\/strong><\/p>

                  1. Dieser Ansatz ist zwar weitaus billiger als der Einsatz von Offshore-Teams, die von den Outsourcing-Unternehmen verwaltet werden, aber im Vergleich zu ETL\/MDM-Tools ist dies eine teurere Option.<\/li>
                  2. Viele dieser Softwareplattformen, die von KI-Agenten angetrieben werden, sind neu und erfordern eine gr\u00fcndliche Einarbeitung und Schulung, was f\u00fcr Unternehmen und ihre Beschaffungsteams ein wenig \u00fcberw\u00e4ltigend und eine Komfortzone sein kann. Im Gegensatz dazu sind ETL- und MDM-Tools ein vertrautes Terrain.<\/li><\/ol>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
                    \n\t\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t\t\t\t\t\t

                    Beispiel:<\/strong><\/p>

                    Ein globales Energieunternehmen hatte Probleme mit inkonsistenten und fragmentierten Ersatzteildaten in seinen Betrieben, was zu Ineffizienzen bei der Beschaffung und erh\u00f6hten Ausfallzeiten f\u00fchrte.<\/p>

                    Durch die Implementierung einer speziell entwickelten, KI-gest\u00fctzten Master Data Management (MDM)-L\u00f6sung konnte das Unternehmen die Standardisierung, Anreicherung und Validierung von mehr als 50.000 Ersatzteildatens\u00e4tzen automatisieren.<\/p>

                    Dieser Ansatz verbesserte nicht nur die Datengenauigkeit, sondern rationalisierte auch die Beschaffungsprozesse und senkte die Betriebskosten.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

                    \n\t\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t\t\t\t\t\t

                    Empfehlung<\/strong><\/p>

                    In 90% + der Projekte bei Verdantis setzen wir das Modul zur Bereinigung von Ersatzteildaten der MDM-Suite zusammen mit einem Team von 2-3 Datenanalysten und einem Projektmanager f\u00fcr die abschlie\u00dfende \u00dcberpr\u00fcfung, Bearbeitung und Genehmigung sowie die Qualit\u00e4tskontrollen ein.<\/p>

                    Wir sind der Meinung, dass dieser hybride Ansatz, bei dem leistungsstarke, in der Branche geschulte KI-Agenten zusammen mit fachkundigen Experten eingesetzt werden, ein idealer Weg ist, um die Durchlaufzeit zu minimieren und die Genauigkeit zu maximieren.<\/p>

                    Dabei bereinigen in der Branche geschulte KI-Modelle die Teiledaten in einem 5-stufigen Daten-Scrubbing- und Datenstandardisierungsverfahren.<\/p>

                    Die bereinigten Daten werden au\u00dferdem mit einem \"Konfidenzwert\" versehen. Die Datens\u00e4tze, die nicht gen\u00fcgend Kontext f\u00fcr eine Bereinigung hatten, werden dann f\u00fcr eine manuelle \u00dcberpr\u00fcfung durch einen Menschen gekennzeichnet. Diese Datens\u00e4tze k\u00f6nnen dann \"gel\u00f6scht\" oder \"zusammengef\u00fchrt\" werden.<\/p>

                    Bei Verdantis basiert unsere Produkt-Roadmap auf den Grundlagen der Agenten-KI und ihrer F\u00e4higkeit, einen erheblichen Mehrwert im Datenbereinigungsprozess zu schaffen.<\/p>

                    Auch wenn eine vollautomatische L\u00f6sung in greifbare N\u00e4he ger\u00fcckt ist, erfordert ein teilweiser Datenbereinigungsprozess Menschen, die einige der Datens\u00e4tze \u00fcberpr\u00fcfen, genehmigen und au\u00dfer Kraft setzen k\u00f6nnen.<\/p>

                    Dies ist der am besten geeignete Ansatz f\u00fcr Datenbereinigungsprojekte f\u00fcr Teile mit einer Anzahl von 20.000 bis 2 Millionen Datens\u00e4tzen.<\/p>

                    Software in Aktion:<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

                    \n\t\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t\t\t\t
                    \n\t\t\t\t\t