Open Access

Markus Frühwirth

• Die vorliegende Arbeit beschäftigt sich mit den Auswirkungen von Data Mining Verfahren bei der Auswahl von Lieferanten im Supplier Relationship Management in der Automobilindustrie. Es wird geprüft, wie sich die Entscheidungsqualität bei der Auswahl von Lieferanten verändert, wenn bei der Entscheidungsfindung eine Vorhersage der Lieferantenperformance aus einem Data Mining Modell vorhanden ist. Aus den Erkenntnissen einer Literaturrecherche wird das Vorgehensmodell Analytic Hierarchy Process für die Bewertung von Lieferanten ausgewählt und ein an die Praxis angelehntes Bewertungsmodell erstellt, dass in weiterer Folge als ideale Lösung betrachtet wird. Diese Erkenntnisse fließen in das Design eines Data Mining Modells welches durch ein neuronales Netzwerk mit Backpropagation gelöst wird. Die Umsetzung des neuronalen Netzwerks als Prototyp wird mit dem Cross Industry Standard Process for Data Mining Vorgehensmodell durchgeführt. Das Data Mining Modell wird mit idealisierten Testdaten validiert. Die Testdaten basieren auf dem idealen Bewertungsmodell. Auf Basis des Data Mining Modells ein Experiment mit A/B-Test durchgeführt indem die Teilnehmer eine simulierte Lieferantenentscheidung durchführen müssen. Eine der beiden Gruppen wird zusätzlich zu den Rohdaten der Entscheidung die Ergebnisse des Prototyps zur Verfügung gestellt. Die Daten aus dem Experiment werden mittels quantitativen und qualitativen Fragebogen erhoben. Die erhobenen Daten im Experiment werden mit den idealisierten Daten aus dem Bewertungsmodell auf Basis des Analytic Hierarchy Process verglichen und Rückschlüsse auf die Qualität der Entscheidung getroffen. Aus dem Ergebnis der Datenauswertungen des Experiments wird die Forschungsfrage beantwortet. Der Einsatz von Data Mining Modellen mit dem Ziel der Vorhersage von Lieferantenbewertungen führt zu einer Verbesserung der Entscheidungsqualität bei der Auswahl von Lieferanten.
• The aim of this thesis is to investigate the impact of using data mining in the process of selecting suppliers in the automotive industry. The thesis examines the changes in decision quality, if the decision maker uses a prediction from a data mining model for his choice. The first step is a literature research for the topics supplier relationship management, procurement and evaluation methods for suppliers. These insights will then be used to determine the analytic hierarchy process as the process model for this thesis. Based on this process model an ideal solution is created. After the literature research on the previous topics the technical capabilities to solve the problem with data mining and machine learning will be explored. The cross industry standard process for data mining will then be used to create the data mining model necessary for solving the problem. The implementation of the data mining model will then be a neural network with backpropagation. The next part of the thesis covers the implementation of a data mining prototype based on the prior findings. As a result the ideal solution will be used to create test data for the data mining prototype. Based on proposed hypotheses an experiment will be developed to supply data for the answer of the research question. The result of the data analysis from the experiment is that the deployment of a data mining model with the aim to predict supplier evaluations, will improve the decision quality when selecting suppliers.