Download (14Mb) - tuprints - Technische Universität Darmstadt
Download (14Mb) - tuprints - Technische Universität Darmstadt
Download (14Mb) - tuprints - Technische Universität Darmstadt
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Die von Heinrich hergeleitete Begriffsbestimmung geht in die gleiche Richtung und sieht das Qualitätsmodell<br />
als Operationalisierung der strategischer Qualitätsziele an, indem konkrete Merkmale sowie<br />
deren Sollwerte festgelegt werden. Das Qualitätsmodell beschreibt die Zerlegungssystematik<br />
dieser Merkmale 246 .<br />
Eine unzureichende Datenqualität kann in Mängeln des zugrunde liegenden Anwendungsschemas<br />
begründet sein, wie auch in einer fehlerhaften Ausführung der Spezifikationen. Diese Unterscheidung<br />
ist für die Identifizierung und Analyse der Ursachen von DQ-Mängeln ausschlaggebend 247 .<br />
Am folgenden Beispiel kann der Vorteil der komponentenbezogenen Herangehensweise verdeutlicht<br />
werden: Ein Nutzer bemängelt die Vollständigkeit einer Angabe zur tatsächlichen Nutzung. Anstelle<br />
der von ihm erwarteten Klassifizierung als Lagerplatz findet er die Angabe „Industrie- und Gewerbefläche“<br />
vor. Im Zuge der Überprüfung des Sachverhaltes könnten nun unterschiedliche Ursachen<br />
ausgemacht werden. Nach Einsichtnahme der GeoInfoDok stellt sich die Erkenntnis ein, dass die<br />
Klassifizierung „Lagerplatz“ eine Untergruppe der Klassifizierung „Industrie- und Gewerbefläche“<br />
darstellt (AX_IndustrieUndGewerbeflaeche mit der Funktion 1740). In der Datenmodellierung der<br />
AdV wurde dieser Realweltzustand demnach berücksichtigt. Die Werteart 1740 gehört jedoch nicht<br />
dem Grunddatenbestand an und ist daher nicht verpflichtend in allen Bundesländern zu führen.<br />
Eine mögliche Ursache für den Mangel könnte also darin liegen, dass der landesspezifische Objektartenkatalog<br />
die gewünschte Werteart nicht beinhaltet. Sollte dies jedoch der Fall sein, könnte<br />
der Mangel seinen Ursprung in Implementierungsmängeln des Erhebungswerkzeuges finden oder<br />
aber im Erhebungsprozess selbst. Zum Beispiel, weil das betroffene Objekt aus Fernerkundungsdaten<br />
ermittelt wurde und die Bilddaten keine differenzierte Klassifizierung gestatteten oder weil<br />
Mängel in der fachlichen Eignung des Erhebers vorliegen.<br />
Die komponentenbezogene Modellierung der Datenqualität liefert also Ansatzpunkte, um den Auslöser<br />
eines DQ-Problems aufzufinden.<br />
Eine solche Differenzierung des Modells in DQ-Komponenten geht unter anderem auf Redman 248<br />
(siehe Abschnitt „3.7 Datenqualität“) und Huang et al. 249 zurück. Die hier eingeführten Komponenten<br />
lehnen sich an die Qualitätskategorien Datenmodell, Datenwerte und Datendarstellung an und<br />
werden um den Aspekt der Implementierung erweitert.<br />
Somit gelten folgende vier DQ-Komponenten:<br />
• Qualität der Modellierung (Q M ),<br />
• Qualität der Implementierung (Q I ),<br />
• Qualität der Erhebung und Führung (Q E ),<br />
• Qualität der Benutzung (Q B ).<br />
In einer Reihe von Publikationen wird zwischen Design- und Ausführungsqualität unterschieden 250 .<br />
Während sich die Designqualität hier direkt aus der Qualität der Modellierung ergibt, setzt sich die<br />
246 Heinrich (1999), S. 146<br />
247 Helfert (2002), S. 68<br />
248 Redman (1996), S. 20<br />
249 Huang et al. (1999), S. 15: design, implementation and deployment problems<br />
250 zum Beispiel bei Helfert (2002), S. 68; bei Joos (1999b), S. 35: Modellqualität und Datenqualität<br />
70