Bei stetig zunehmendem Wettbewerbsdruck durch globalisierte Märkte und die stets hohen Erwartungen der Kunden an die termingerechte Lieferung individuell gefertigter Produkte, stellt eine hohe logistische Leistungsfähigkeit einen Wettbewerbsvorteil für produzierende Unternehmen dar. Zur Sicherstellung einer hohen Reaktionsfähigkeit bei steigender Komplexität in der Produktionsplanung und ‑steuerung nutzen produzierende Unternehmen bereits seit Jahren eine Reihe betrieblicher Informationssysteme. Für den Einsatz in der Produktionssteuerung müssen diese IT-Systeme Zugriff auf aktuelle Bewegungsdaten aus der Produktion haben, um die notwendige Transparenz für die Entscheidungsfindung gewährleisten zu können. Die Forderung einer hohen Datenintegrität, also die Sicherstellung von vollständigen, konsistenten und korrekten Daten, wird bei den Bewegungsdaten regelmäßig nicht erfüllt. Bestehende Ansätze zur Sicherstellung einer hohen Datenintegrität sind offensichtlich nicht ausreichend, da sie entweder auf eine hohe Mitarbeiterdisziplin in Datenerhebung und -pflege angewiesen sind oder eines hohen programmiertechnischen Aufwands für die systemseitige Verhinderung falsch generierter Daten bedürfen.

Das übergeordnete Ziel dieser Arbeit besteht in einer Verbesserung der Entscheidungsfindung in der Produktionssteuerung durch Steigerung der Datenintegrität der Bewegungsdaten. Dafür wird eine Methodik zur Steigerung der Datenintegrität in den Bewegungsdaten der Produktionssteuerung mittels fehlerspezifischer Heuristiken und statistischer Methoden aus dem Bereich des Data Mining entwickelt. Die in der Dissertationsschrift zusammengefassten Erkenntnisse richten sich sowohl an produzierende Unternehmen mit kundenindividuellen Produkten, die in Einzel- und Kleinserienfertigung nach dem Werkstattprinzip hergestellt werden als auch an Anbieter von Software im Produktionsumfeld, welche auf Bewegungsdaten aus der Produktion zurückgreifen.