Podcast
Ralf Dürrwächter im Interview
Ralf Dürrwächter der Geschäftsführer des VDWF im Interview über die Herausforderungen der Branche
Mangel an Datenqualität innerhalb des Digital Engineerings
Wo liegen die Problematiken der Datenqualität innerhalb des Digital Engineerings? Das klären wir in diesem Beitrag
Nils Kleffmann
Mär 21, 2023
Dunkle Fabrik, vollautomatisierte Fertigung & Prozesse, seelenloses #Digital #Engineering – eine realistische „Dystopie“?
Nein. Zumindest noch nicht. Und das ist auch gut so.
Denn: Es mangelt an der #Datenqualität im Digital Engineering.
Mit den aktuellen Entwicklungen in Sachen #AI / #KI wird häufig von den unglaublichen Möglichkeiten geschwärmt, die uns die Automatisierung und Digitalisierung bieten.
Ich bin ehrlicherweise genauso begeistert von den Möglichkeiten wie viele andere und seit jeher schon Fan von Digitalisierung und Automatisierung.
ABER: Manche malen dieses Bild deutlich zu farbenfroh und einseitig. 💥
DENN: Wie bei allen technologischen Fortschritten gibt es Risiken und Herausforderungen, die damit einhergehen. In diesem Kontext ist es die Datenqualität, mit welcher der Erfolg im Digital Engineering steht und fällt.
Diese zu gewährleisten ist zwar per se kein Hemmnis für die Nutzung, aber eine Aufgabe, die nicht unterschätzt werden darf – bei aller Begeisterung für die in Aussicht stehenden Möglichkeiten.
👉 Machen wir es konkret: Eine 100%-ige Automatisierung mag etwa im Kontext der #Fertigung wirtschaftlich verlockend erscheinen, aber sie ist eine Illusion, solange wir Menschen für die Pflege der Daten verantwortlich sind.
Und das ist auch gut so.
Automatisierungssysteme können nur auf neue Informationen zugreifen, wenn diese auch vorhanden sind. Bereitgestellt werden sie immer noch von Menschen. Auch im Kontext von #ChatGPT sind es Menschen, welche sowohl die initiale Datengrundlage, als auch die konkreten Anweisungen zum Umgang damit (in Form von Prompts) bereitstellen.
Die Gefahr von Fehlern und Inkonsistenzen wächst, je stärker wir uns blind auf Maschinen verlassen und menschliche Intuition und Erfahrung in den Hintergrund treten.
Unzureichende Datenqualität bleibt ein Faktor, den man berücksichtigen und als Erstes bearbeiten muss, bevor man die nächsten Schritte mit KI und Automatisierungen gehen kann.
Erst laufen lernen, dann Schuhe kaufen. 😉