(openPR) An die physische Aufnahme aller Vermögensgegenstände des Auftraggebers muss der Abgleich mit den Bestandsdaten geknüpft sein. Hierzu bedarf es eines "Matchings" der Gegenstände, welche samt ihren Merkmalen im Rahmen der Inventur digital erfasst wurden und der Gegenstände, welche im vorhandenen ERP-System gelistet sind.
Bei der Durchführung einer Erstinventur des Anlagevermögens (http://www.innoventure.de/index.php/de/inventuren) werden oft Gegenstände erfasst, die keine eindeutige Kennzeichnung besitzen, jedoch mit einer Anlagennummer in einem ERP-System (z.B. SAP) verbucht wurden. Die Herausforderung beim "Matching" besteht darin, den vorgefundenen Gegenständen den entsprechenden Datensatz im ERP-System zuzuordnen.
Sofern keine eindeutige Kennzeichnung stattgefunden hat oder diese zerstört wurde, muß diese Zuordnung aufgrund von Merkmalen wie Hersteller, Seriennummer, etc. oder einer Summe an Merkmalen erfolgen. Nur so ist gewährleistet einen eindeutigen Zuordnungsschlüssel herzustellen.
Folgende Mängel können eine Zuordnung der Gegenstände zu einem vorhandenen Datensatz erschwerden, bzw. unmöglich machen:
• Falsche Bezeichnungen aufgrund von Tippfehlern, etc.
• Uneinheitliche Bezeichnungen
• Komplexe Gegenstandsbeschreibungen in lediglich einer Spalte
• Synonym genutzte Begriffe wie Laptop/Notebook, etc.
• Unvollständige Erfassung aller relevanten Merkmale wie z.B. Hersteller, Modell, Seriennummer, etc.
• Sammelposten im Anlagenverzeichnis
• Reparatursätze für einzelne Vermögensgegenstände
Synchronisationen werden maßgeblich beeinflusst durch den führenden Mechanismus bzw. das führende Merkmal. D.h. es gilt festzulegen, inwiefern die physisch erhobenen Vermögensgegenstände die Merkmale des Anlagenbestands ersetzen und ergänzen und umgekehrt. Ein prominentes Fehlerbild in diesem Zusammenhang ist die Aufnahme (Buchhaltung vs. Physisch Erstinventur) der Modellbezeichnung - hierbei werden häufig Differenzen offenbart, mit dem Ergebnis, dass die im Feld physisch aufgenommenen Daten eine zumeist wesentlich validere Grundlage bilden und somit als führender Bestand herangezogen werden sollten.
Die Vielfältigkeit der Fehlerbilder ist stark ausgeprägt und macht Lösungskonzepte unabdingbar. Approximative Recherche, idealerweise auf Basis des Levensthein-Algorithmus oder zumindest auf Basis des LCS-Verfahrens, erscheint hier zum größten Teil als ein probates Mittel. Des Weiteren muss ein entsprechender Reduktionsalgorithmus zusammenfassen und hierarchisieren.
Für einen erfolgreichen Datenabgleich sind jedoch weitere Werkzeuge bzw. Arbeits- oder Rechercheschritte (zum Teil in gegenstandindividueller Einzelarbeit) essentiell, welche nicht automatisiert durchgeführt werden können, denn nicht immer kann die Systemautomatik eine Verbindung zwischen Inventurergebnis und Anlagenstamm herstellen. Ursache hierfür sind zum Beispiel unklare/ungenaue Bezeichnungen oder Sammelanlagen, welche den erfolgreichen Einsatz von Automatismen verhindern und moderne Suchverfahren (sogar mit phonetischer Suche) an ihre Grenzen stoßen lassen. Hier ist der menschliche Analyst gefordert, der trotz der meist umfangreichen Datenmengen dennoch einen besseren Überblick hat. Die erfahrenen Analysten der INNOVenture greifen auf eine Vielzahl von Informationsquellen zurück, um den Einzelfall zu klären:
• Detaillierte Analyse des Anlagenstamms (effizient aufgrund von tacit knowledge der INNOVenture-Analysten)
• Mittels Suchmaschinen/Suchmaschinenanalyse können Spezifika aus dem Anlagenstamm zur Produktrecherche verwendet werden
• Gegenstandsindividuelle Recherche in Form von Rücksprache mit Fachleuten aus dem Einsatzgebiet (z.B. Analysegerät im Genlabor)
Stefan Schröder M.Sc.
