Download (14Mb) - tuprints - Technische Universität Darmstadt

Die von Heinrich hergeleitete Begriffsbestimmung geht in die gleiche Richtung und sieht das Qualitätsmodell
als Operationalisierung der strategischer Qualitätsziele an, indem konkrete Merkmale sowie
deren Sollwerte festgelegt werden. Das Qualitätsmodell beschreibt die Zerlegungssystematik
dieser Merkmale 246 .
Eine unzureichende Datenqualität kann in Mängeln des zugrunde liegenden Anwendungsschemas
begründet sein, wie auch in einer fehlerhaften Ausführung der Spezifikationen. Diese Unterscheidung
ist für die Identifizierung und Analyse der Ursachen von DQ-Mängeln ausschlaggebend 247 .
Am folgenden Beispiel kann der Vorteil der komponentenbezogenen Herangehensweise verdeutlicht
werden: Ein Nutzer bemängelt die Vollständigkeit einer Angabe zur tatsächlichen Nutzung. Anstelle
der von ihm erwarteten Klassifizierung als Lagerplatz findet er die Angabe „Industrie- und Gewerbefläche“
vor. Im Zuge der Überprüfung des Sachverhaltes könnten nun unterschiedliche Ursachen
ausgemacht werden. Nach Einsichtnahme der GeoInfoDok stellt sich die Erkenntnis ein, dass die
Klassifizierung „Lagerplatz“ eine Untergruppe der Klassifizierung „Industrie- und Gewerbefläche“
darstellt (AX_IndustrieUndGewerbeflaeche mit der Funktion 1740). In der Datenmodellierung der
AdV wurde dieser Realweltzustand demnach berücksichtigt. Die Werteart 1740 gehört jedoch nicht
dem Grunddatenbestand an und ist daher nicht verpflichtend in allen Bundesländern zu führen.
Eine mögliche Ursache für den Mangel könnte also darin liegen, dass der landesspezifische Objektartenkatalog
die gewünschte Werteart nicht beinhaltet. Sollte dies jedoch der Fall sein, könnte
der Mangel seinen Ursprung in Implementierungsmängeln des Erhebungswerkzeuges finden oder
aber im Erhebungsprozess selbst. Zum Beispiel, weil das betroffene Objekt aus Fernerkundungsdaten
ermittelt wurde und die Bilddaten keine differenzierte Klassifizierung gestatteten oder weil
Mängel in der fachlichen Eignung des Erhebers vorliegen.
Die komponentenbezogene Modellierung der Datenqualität liefert also Ansatzpunkte, um den Auslöser
eines DQ-Problems aufzufinden.
Eine solche Differenzierung des Modells in DQ-Komponenten geht unter anderem auf Redman 248
(siehe Abschnitt „3.7 Datenqualität“) und Huang et al. 249 zurück. Die hier eingeführten Komponenten
lehnen sich an die Qualitätskategorien Datenmodell, Datenwerte und Datendarstellung an und
werden um den Aspekt der Implementierung erweitert.
Somit gelten folgende vier DQ-Komponenten:
• Qualität der Modellierung (Q M ),
• Qualität der Implementierung (Q I ),
• Qualität der Erhebung und Führung (Q E ),
• Qualität der Benutzung (Q B ).
In einer Reihe von Publikationen wird zwischen Design- und Ausführungsqualität unterschieden 250 .
Während sich die Designqualität hier direkt aus der Qualität der Modellierung ergibt, setzt sich die
246 Heinrich (1999), S. 146
247 Helfert (2002), S. 68
248 Redman (1996), S. 20
249 Huang et al. (1999), S. 15: design, implementation and deployment problems
250 zum Beispiel bei Helfert (2002), S. 68; bei Joos (1999b), S. 35: Modellqualität und Datenqualität
70