Qualitätsdaten mit KI auf auffällige Muster prüfen

Das Problem

Über Monate haben Sie Prüfdaten gesammelt: Messwerte, Ausschusszahlen, Fehlerarten, Reklamationen, Prüfprotokolle. Sie liegen in Tabellen, Formularen oder im Betriebssystem. Jetzt möchten Sie wissen: Wo häufen sich die Probleme? Gibt es einen Zusammenhang mit einer Schicht, einem Lieferanten oder einer Maschine?

Beim blossen Anschauen sieht man das kaum. Tabellen mit Hunderten Zeilen verbergen Muster, und der Eindruck täuscht: Die Fehler, an die man sich erinnert, sind nicht unbedingt die häufigsten. KI kann Daten zusammenfassen, gruppieren und auf Auffälligkeiten hinweisen, was eine gute erste Hilfe ist.

Allerdings gibt es zwei Fallen: Schlechte Daten führen zu falschen Schlüssen, und kleine Datenmengen täuschen Muster vor, die Zufall sind. Deshalb braucht es Sorgfalt bei Vorbereitung und Prüfung. Diese Seite zeigt ein Vorgehen, das für Excel-Tabellen im KMU funktioniert.

So lösen Sie es mit KI – Schritt für Schritt

1. Formulieren Sie eine konkrete Frage. Zum Beispiel: «Treten Fehler bei bestimmten Produkten oder Schichten häufiger auf?» oder «Hat sich die Fehlerzahl seit dem Lieferantenwechsel verändert?» Ohne Frage gibt es keine brauchbare Auswertung.
2. Prüfen Sie die Daten. Sind Einträge vollständig, einheitlich benannt, mit Datum und Zuordnung (Schicht, Produkt, Prüfender)? Gleiche Dinge sollten gleich heissen («Kratzer» nicht auch «Kratzspur», «Riss?»). Bereinigen Sie zuerst. Hinweise: Messfehler vermeiden.
3. Schützen Sie Daten. Entfernen Sie Namen von Mitarbeitenden, Kundendaten und Details, die nicht nötig sind. Ersetzen Sie sie durch Kürzel. Nutzen Sie nur freigegebene Werkzeuge.
4. Lassen Sie die KI auswerten. Bitten Sie um Häufigkeiten nach Fehlerart, Produkt, Zeitraum, Schicht und Lieferant, und um Hinweise auf Auffälligkeiten. Verlangen Sie, dass sie die Zahlen mit Rechenweg angibt, damit Sie sie nachprüfen können.
5. Prüfen Sie die Zahlen selbst nach. Rechnen Sie mindestens eine Zusammenfassung in Excel nach, etwa mit einer Pivot-Tabelle. KI kann sich verrechnen oder Zeilen übersehen.
6. Beurteilen Sie, ob ein Muster echt ist. Wie viele Fälle stehen dahinter? Ein Anstieg von zwei auf vier Fehlern kann Zufall sein. Siehe Kleine Stichproben auswerten. Fragen Sie auch, ob sich etwas im Ablauf geändert hat.
7. Gehen Sie den Auffälligkeiten nach. Ein Muster ist ein Hinweis, keine Ursache. Verfolgen Sie es mit einer Analyse vor Ort, wie in Fehlerursachen untersuchen beschrieben.

Vorlage zum Kopieren

Geben Sie eine bereinigte, anonymisierte Datenauszug-Tabelle ein, keine vollständigen Originaldaten:

Ich habe Qualitätsdaten aus [Zeitraum] aus einem Schweizer KMU der Branche [Branche].
Die Tabelle enthält die Spalten: [Datum, Produkt, Schicht (Kürzel), Fehlerart, Anzahl geprüft, Anzahl fehlerhaft, Lieferant (Kürzel)].
Meine Frage: [konkrete Frage].
Aufgaben:
1. Fasse die Fehlerhäufigkeit nach Fehlerart, Produkt, Schicht und Monat zusammen (Tabelle mit Zahlen und Anteilen).
2. Nenne Auffälligkeiten und gib an, auf wie vielen Datensätzen sie beruhen.
3. Weise darauf hin, wo die Datenmenge zu klein ist, um etwas zu schliessen.
4. Nenne drei Rückfragen zu möglichen Datenfehlern (fehlende Werte, uneinheitliche Bezeichnungen).
5. Beschreibe den Rechenweg so, dass ich ihn in Excel nachvollziehen kann.
Behaupte keine Ursachen. Erfinde keine Zahlen.

Daten:
[bereinigter Tabellenauszug]

Rechnen Sie die wichtigsten Ergebnisse in Excel nach, bevor Sie sie weitergeben.

Auffälligkeit, Zufall oder Datenfehler?

Worauf Sie achten müssen

• Schlechte Daten, falsche Schlüsse. Fehlende, doppelte oder uneinheitliche Einträge verfälschen Auswertungen. Die Datenqualität ist wichtiger als das Werkzeug.
• KI rechnet nicht immer richtig. Prüfen Sie Summen und Anteile in Excel. Bitten Sie um den Rechenweg.
• Zusammenhang ist keine Ursache. Dass Fehler in der Nachtschicht häufiger sind, heisst nicht, dass die Nachtschicht schuld ist. Vielleicht wird dort ein anderes Produkt gefertigt.
• Personenbezug vermeiden. Auswertungen nach einzelnen Mitarbeitenden sind heikel für Datenschutz und Vertrauen. Werten Sie nach Prozessen und Bedingungen aus und klären Sie Mitbestimmungs- und Datenschutzfragen im Einzelfall. Hilfreich ist Welche Daten gehören nicht in eine KI?.
• Vertrauliche Daten schützen. Qualitätsdaten können Betriebsgeheimnisse enthalten. Laden Sie sie nur in freigegebene Dienste hoch.

Wie stellen Sie Ergebnisse dar?

Eine Seite mit zwei bis drei Diagrammen und kurzen Aussagen genügt: Was fällt auf, auf welcher Datenbasis, was vermuten wir, was prüfen wir als Nächstes. Vermeiden Sie Überladung. Für die regelmässige Darstellung eignet sich ein einfaches Dashboard, siehe KI-Dashboard-Vorlage, und für die Berichte an die Leitung Statusbericht für die Geschäftsleitung.

Ein Beispiel aus der Praxis

Ein erfundenes Beispiel: In einer Bäckerei mit Filialen im Kanton Thurgau sammelt Frau Müller seit einem Jahr Qualitätsmeldungen: Zu dunkel gebacken, falsch beschriftet, Reklamationen. Sie vermutet, die Nachtbäckerei sei das Problem.

Vorher hätte sie das Team darauf angesprochen. Nachher bereinigt sie die Tabelle, lässt die KI nach Produkt, Zeit und Filiale auswerten und rechnet in Excel nach. Die Häufung betrifft ein Produkt, das nur in einer Filiale angeboten wird, und tritt vor allem nach einer Umstellung des Ofens auf. Das Team untersucht den Ofen, nicht die Mitarbeitenden.

So hilft Ihnen Alpasana

Die KI-Praxiskurse von absofort behandeln unter anderem Excel, Datenverständnis und Dashboards sowie den verantwortungsvollen Umgang mit KI bei Arbeitsaufgaben, mit Qualitätsprüfung und Einsatzregeln. Sie üben, Daten zu ordnen, Auswertungen nachzurechnen und Ergebnisse kritisch zu beurteilen.

Ein KI-Lerncoach begleitet das Lernen, und mit Praxisaufgaben erarbeiten Sie einen verifizierbaren Abschluss. Ihre eigenen Daten werten Sie selbst und mit Ihrem Fachpersonal aus.

Häufige Fragen

Wie viele Daten brauche ich?

Das hängt von der Frage ab. Je seltener die Fehler und je feiner die Unterteilung, desto mehr Daten sind nötig. Bei wenigen Fällen formulieren Sie vorsichtig und beobachten weiter.

Kann die KI Excel-Dateien direkt lesen?

Manche Werkzeuge können das. Verwenden Sie nur freigegebene Dienste und anonymisierte Daten. Alternativ fügen Sie eine bereinigte Tabelle als Text ein oder lassen sich Formeln für Excel erklären.

Reicht ein Muster, um Massnahmen zu beschliessen?

Nicht allein. Prüfen Sie Datenbasis und Ursache, bevor Sie Massnahmen planen. Wie das weitergeht, zeigt Korrekturmassnahmen planen.