QMB - Qualitätsmanagementbeauftragter Logo
    • Startseite
    • Seminare und Ausbildungen
    • QM Toolbox (AI)
      • ISO 9001:2026 Toolbox (AI)
    • Lexikon
      • QMB: Aufgaben & Rolle
    • Blog
    • Methoden
    • Kontakt
    • Impressum
QMB - Qualitätsmanagementbeauftragter LogoQMB - QualitätsmanagementbeauftragterWissen · Methoden · Praxis
Lexikon/Analytics & Reporting
Lexikon · Wissen · Anwendung

Analytics & Reporting

  • Reporting
  • BI
Analytics & Reporting

Inhaltsverzeichnis

  1. Kurz erklärt
  2. Definition
  3. Bedeutung im Fachkontext
  4. Input, Verarbeitung, Output, Outcome, Impact
  5. Schritte der Methode in Übersicht
  6. Beschreibung der Einzelschritte mit Ziel & Vorgehen
  7. Anwendung und Vorgehen
  8. Anwendungsgebiete
  9. Typische Fehler und Missverständnisse
  10. Abgrenzung und Grenzen
  11. Thema + KI-Unterstützung
  12. Beispiele im AI Tool
  13. Seminare zum Thema
  14. Häufige Fragen

Kurz erklärt

Analytics & Reporting beschreibt den systematischen Prozess der Umwandlung operativer Rohdaten in handlungsrelevante Erkenntnisse. Während Analytics die methodische Anwendung statistischer Werkzeuge zur Mustererkennung und Ursachenanalyse beinhaltet, sorgt das Reporting für die strukturierte, zielgruppengerechte Aufbereitung dieser Informationen. Im Kontext des Qualitätsmanagements fungiert dieser Prozess als zentrales Steuerungsinstrument, das sicherstellt, dass Entscheidungen auf fundierten Fakten statt auf Vermutungen basieren. Es verbindet technisches Datenmanagement mit dem operativen KVP-Zyklus.

Analytics & Reporting · Kurz erklärt
Analytics & Reporting · Kurz erklärt01AUSGANGSLAGEBusiness strategy, stakeholderexpectations, existing processgoals.02DIE METHODERequirement Definition → DataAcquisition & Validation →Analytical Processing →Reporting & Visualization →Review & Action03DAS ERGEBNISDocumented improvement measuresand verified corrective actionplans.Die Methodik wird in den folgenden Abschnitten Schritt für Schritt erläutert.

Definition

Analytics & Reporting im Qualitätsmanagement ist die methodische Zusammenführung von quantitativen Datenanalysen und deren systematischer Darstellung. Analytics fokussiert hierbei auf das Erkennen von Mustern, Kausalzusammenhängen und statistischen Signifikanzen innerhalb von Prozessdaten. Reporting definiert den prozessualen Rahmen, um diese Erkenntnisse standardisiert an definierte Entscheidungsträger zu kommunizieren. Gemeinsam bilden sie eine wesentliche Säule des datengestützten Qualitätsmanagements, die darauf abzielt, durch Transparenz eine fundierte Basis für operative und strategische Eingriffe in Wertschöpfungsprozesse zu schaffen. Dieser Ansatz unterstützt die faktengestützte Entscheidungsfindung, wie sie etwa in der DIN EN ISO 9001 gefordert wird, um die Wirksamkeit von Maßnahmen objektiv zu prüfen.

Bedeutung im Fachkontext

Der Kontext liegt in der Befähigung von Organisationen zur datengesteuerten Steuerung. Eingangsdaten stammen aus operativen Systemen wie ERP (Enterprise Resource Planning), MES (Manufacturing Execution Systems) oder CAQ (Computer Aided Quality). Die Ergebnisse fließen in Management-Reviews, Shopfloor-Meetings oder kontinuierliche Verbesserungsprozesse ein. Ohne diese Verbindung bleibt Analysearbeit isoliert, während Reporting ohne fundierte analytische Basis den Informationswert reduziert und lediglich deskriptive Zustandsbeschreibungen liefert. Die Integration von Analytics & Reporting ermöglicht eine höhere Prozessbeherrschung und Agilität in der Qualitätsplanung.

Input, Verarbeitung, Output, Outcome, Impact

Analytics & Reporting · Gesamtwirkpfad der Methode
Analytics & Reporting · Von Input bis Impact01INPUTRohdaten ausoperativen Systemen(MES/ERP/CAQ),definierteMessgrößen (KPIs)und spezifischeFragestellungen derStakeholder.02VERARBEITUNGDatenerhebung,Validierung,AnwendungstatistischerAnalysemodelle undgrafischeAufbereitung inDashboards oderReports.03OUTPUTValidierteDatenberichte,VisualisierungenvonProzessabweichungenund dokumentiertestatistischeKorrelationen.04OUTCOME1. VerbesserteFehlerrate durchidentifizierteUrsachenzusammenhänge; 2. Aufbau einerwiederverwendbarenWissensdatenbankfürProzessverbesserungen.05IMPACTBeitrag zur SenkungderQualitätskosten,Erhöhung derLiefertermintreuesowie langfristigeStärkung derWettbewerbsfähigkeit durch objektiveProzessoptimierung.Input schafft die Voraussetzungen, Output dokumentiert das Ergebnis.Outcome und Impact entstehen erst durch Umsetzung und nachweisbare Wirkung.
Wirkungspfade und Beiträge zu Unternehmenszielen im Detail

Outcome

1. Verbesserte Fehlerrate durch identifizierte Ursachenzusammenhänge; 2. Aufbau einer wiederverwendbaren Wissensdatenbank für Prozessverbesserungen.

Impact

Beitrag zur Senkung der Qualitätskosten, Erhöhung der Liefertermintreue sowie langfristige Stärkung der Wettbewerbsfähigkeit durch objektive Prozessoptimierung.

Schritte der Methode in Übersicht

  1. Requirement Definition (Ziel- und KPI-Festlegung)
  2. Data Acquisition & Validation (Sicherstellung der Datenintegrität)
  3. Analytical Processing (Statistische Auswertung)
  4. Reporting & Visualization (Aufbereitung für Entscheidungsträger)
  5. Review & Action (Etablierung von Feedbackschleifen und Maßnahmensteuerung)
Analytics & Reporting · Methodenschritte im Überblick
Analytics & Reporting · Methodenschritte im Überblick01Requirement DefinitionAlign analytics withstakeholder needs.02Data Acquisition &ValidationEnsure reliable inputdata.03Analytical ProcessingIdentify patterns and rootcauses.04Reporting &VisualizationCommunicate insightseffectively.05Review & ActionDrive improvement.Ausführliche Ziele, Vorgehensweisen und Qualitätskriterien folgen im Methodenabschnitt.
Schritt 01 / 5

Requirement Definition

Align analytics with stakeholder needs.

Schritt 02 / 5

Data Acquisition & Validation

Ensure reliable input data.

Schritt 03 / 5

Analytical Processing

Identify patterns and root causes.

Schritt 04 / 5

Reporting & Visualization

Communicate insights effectively.

Schritt 05 / 5

Review & Action

Drive improvement.

Beschreibung der Einzelschritte mit Ziel & Vorgehen

METHODENSCHRITT01/05

QUALITY LXP · SCHRITTLOGIK

Requirement Definition

ZielAlign analytics with stakeholder needs.
01Eingaben

Business strategy, stakeholder expectations, existing process goals.

02Konkretes Vorgehen

Identify relevant KPIs and formulate specific business questions to be answered by the data.

03Ergebnis / Output

A formal KPI catalogue and defined informational requirements.

04Anwendungshinweis

Defining a 1-page Metric Charter signed by leadership defining acceptable defect rates.

05Qualitätskriterium

Consistency of requirements with overall organizational objectives.

Von der Methode zur praktischen AnwendungNächster Schritt → Data Acquisition & Validation
METHODENSCHRITT02/05

QUALITY LXP · SCHRITTLOGIK

Data Acquisition & Validation

ZielEnsure reliable input data.
01Eingaben

Raw operational data, system logs, sensor readings.

02Konkretes Vorgehen

Extract data from source systems (ERP, MES, CAQ) and apply automated validation rules to ensure completeness.

03Ergebnis / Output

Validated, cleaned data sets ready for processing.

04Anwendungshinweis

Applying digital fingerprinting and integrity checks to verify log file consistency.

05Qualitätskriterium

Data integrity and freedom from systematic acquisition errors.

Von der Methode zur praktischen AnwendungNächster Schritt → Analytical Processing
METHODENSCHRITT03/05

QUALITY LXP · SCHRITTLOGIK

Analytical Processing

ZielIdentify patterns and root causes.
01Eingaben

Validated data sets.

02Konkretes Vorgehen

Apply statistical methods (Descriptive to Prescriptive) to identify trends, anomalies, and causal correlations.

03Ergebnis / Output

Identified statistical patterns and validated root cause hypotheses.

04Anwendungshinweis

Using diagnostic analytics to isolate shift-specific equipment failure patterns.

05Qualitätskriterium

Statistical significance and logical traceability of results.

Von der Methode zur praktischen AnwendungNächster Schritt → Reporting & Visualization
METHODENSCHRITT04/05

QUALITY LXP · SCHRITTLOGIK

Reporting & Visualization

ZielCommunicate insights effectively.
01Eingaben

Analyzed patterns and statistical insights.

02Konkretes Vorgehen

Design visual dashboards and structured reports tailored to the decision-making needs of the target audience.

03Ergebnis / Output

Actionable dashboards, heatmaps, or management reports.

04Anwendungshinweis

Creation of an interactive trend dashboard for production leads.

05Qualitätskriterium

Clarity of information and reduction of cognitive load.

Von der Methode zur praktischen AnwendungNächster Schritt → Review & Action
METHODENSCHRITT05/05

QUALITY LXP · SCHRITTLOGIK

Review & Action

ZielDrive improvement.
01Eingaben

Reported insights and visual outputs.

02Konkretes Vorgehen

Evaluate findings within a review cycle and implement corrective or preventive measures.

03Ergebnis / Output

Documented improvement measures and verified corrective action plans.

04Anwendungshinweis

Adjusting maintenance schedules based on identified defect trends to achieve long-term process stability.

05Qualitätskriterium

Efficacy of measures in relation to the initial KPI targets.

Von der Methode zur praktischen AnwendungErgebnisse überprüfen & weiterentwickeln

Anwendung und Vorgehen

Die operative Umsetzung von Analytics & Reporting folgt keinem statischen Schema, sondern erfordert ein iteratives Vorgehen, das sich stark am Total Data Quality Management (TDQM) orientiert. Der Prozess beginnt nicht bei der Software, sondern bei der methodischen Klärung: „Was müssen wir wissen, um unsere Qualität zu steuern?“

1. Konzeptionelle Phase (Requirement Definition): Der erste Schritt ist die Erstellung eines Metric Charters. Hier werden KPIs definiert, die direkt auf die Unternehmensstrategie einzahlen. Ein typisches Vorgehen ist ein Workshop mit Stakeholdern, bei dem kritische Fragen wie „Welche Prozessinstabilität führt aktuell zu den höchsten Ausschusskosten?“ beantwortet werden müssen. Das Resultat ist ein signiertes Dokument, das die Zielsetzung und die Verantwortlichkeiten festlegt.

2. Operative Umsetzung (Data Acquisition & Validation): Hier erfolgt die Anbindung der Quellsysteme (MES, ERP, CAQ). Ein wesentlicher Teil ist die „Datenreinigung“. Bevor Daten in das Reporting einfließen, müssen Validierungsregeln angewendet werden. Dies geschieht durch automatisierte Skripte, die Ausreißer oder korrupte Datensätze (z. B. negative Messwerte in einer Prozesskette) identifizieren. Techniken wie digitale Fingerprints oder Checksummen stellen sicher, dass die Datenintegrität über den gesamten Prozess gewahrt bleibt.

3. Analyse und Visualisierung: Unter Einsatz von statistischen Werkzeugen werden die Daten in den vier Stufen der Analytik bearbeitet: Deskriptiv (Was ist passiert?), Diagnostisch (Warum ist es passiert?), Prädiktiv (Was wird passieren?) und Präskriptiv (Was müssen wir tun?). Die Visualisierung muss den kognitiven Aufwand beim Empfänger minimieren. Ein Liniendiagramm mit Trendlinien und Konfidenzintervallen ist hierbei oft aussagekräftiger als eine komplexe Tabelle.

4. Feedback-Schleifen (Review & Action): Ein Reporting ohne Review ist wirkungslos. Die gewonnenen Erkenntnisse werden in periodischen Meetings (z. B. monatliche Management-Reviews oder wöchentliche Shopfloor-Meetings) präsentiert. Jede Abweichung von den Zielvorgaben löst im Sinne des KVP-Zyklus eine konkrete Korrekturmaßnahme aus. Dieser geschlossene Regelkreis ist das Herzstück einer reifen Datenkultur.

Anwendungsgebiete

Analytics & Reporting findet in nahezu allen qualitätskritischen Bereichen Anwendung. Die methodische Tiefe unterscheidet sich jedoch je nach Anforderungen:

  • Manufacturing Quality (Fertigungsqualität): Hier liegt der Fokus auf der Echtzeit-Überwachung von Prozessinstabilitäten. Durch die Kopplung von CAQ-Systemen können Defektraten in Millisekunden erfasst werden. Prädiktive Analysen ermöglichen hierbei die Vorhersage von Werkzeugverschleiß, bevor Ausschuss entsteht.
  • Supply Chain Management: In der Lieferkette wird das Reporting zur Überwachung der Lieferperformance und Qualitätssicherung bei Lieferanten genutzt. Durch standardisierte Datenaustausch-Protokolle können globale Lieferantenvergleiche angestellt werden, um bei Lieferverzug oder Qualitätsmängeln frühzeitig gegenzusteuern.
  • Regulatory Compliance (Regulatorische Konformität): In hochregulierten Branchen wie der Medizintechnik oder Pharmazie ist das Reporting gesetzlich vorgeschrieben. Hier dient Analytics primär der Erstellung lückenloser Audit-Trails. Die Validierung der Datenquellen muss hierbei höchsten Standards entsprechen, um regulatorischen Prüfungen standzuhalten.
  • Marktforschung und Kundenzufriedenheit: Hier liegt der Fokus auf der Validierung von Panel-Daten und Kundenfeedback. Analytics-Methoden helfen dabei, statistische Verzerrungen (Bias) zu minimieren und aus qualitativen Umfragedaten robuste quantitative Trends für die Produktentwicklung abzuleiten.

Typische Fehler und Missverständnisse

In der Praxis stoßen Unternehmen häufig auf Hürden, die meist auf ein falsches Verständnis der Methodik zurückzuführen sind:

  1. Reporting ist nicht Analytics: Viele Unternehmen verwechseln das reine Sammeln von Daten (Reporting) mit der Interpretation (Analytics). Ein Dashboard zeigt nur den Zustand, die Ursachenforschung ist jedoch ein separater, kognitiver Prozess.
  2. Die „Mehr hilft mehr“-Falle (Reporting Overload): Die Überflutung von Entscheidern mit unrelevanten Metriken führt zu „Analysis Paralysis“. Wesentlich ist nicht die Menge an Daten, sondern die Selektion der für das Ziel relevanten Kennzahlen.
  3. Fehlende Datenqualität als „One-Time-Fix“: Viele Organisationen betrachten Datenbereinigung als einmalige Projektarbeit. Tatsächlich ist Datenqualität ein kontinuierlicher Prozess, da sich Eingangsquellen und Systeme ständig ändern.
  4. Überschätzung der Technologie: Ein weit verbreiteter Irrtum ist, dass komplexe KI-Tools Managemententscheidungen ersetzen könnten. Software liefert lediglich die Basis; strategische Urteilskraft und das Verständnis für den organisatorischen Kontext bleiben zwingend menschliche Aufgaben.

Abgrenzung und Grenzen

Die Methode des Analytics & Reporting hat klare Grenzen, die bei der Planung berücksichtigt werden müssen:

  • Qualität der Quelle: „Garbage in, garbage out“ bleibt das fundamentalste Gesetz. Wenn der Prozess der Datenerhebung fehlerhaft ist (z. B. manuelle Eingabefehler oder ungenaue Sensoren), kann selbst die ausgefeilteste statistische Analyse keine korrekten Erkenntnisse liefern. Die Methode kann schlechte Prozesse nicht heilen, sie macht sie lediglich sichtbar.
  • Interpretative Kapazität: Die Organisation muss in der Lage sein, die gelieferten Daten zu verstehen und zu übersetzen. Ein Reporting-System ist wirkungslos, wenn die Führungskultur nicht auf datengestütztes Handeln ausgerichtet ist.
  • Datenschutz und Governance: Insbesondere bei personenbezogenen Daten in der Qualitätskontrolle stoßen analytische Ansätze an rechtliche Grenzen (DSGVO, Datensicherheit). Hier ist eine strikte Trennung von Analyse- und Personendaten essenziell.

Häufige Fragen

Wie unterscheidet man zwischen diagnostischer und präskriptiver Analytik?+

Die diagnostische Analytik befasst sich mit der Vergangenheit und der Frage: „Warum ist dieser Fehler aufgetreten?“ (Root Cause Analysis). Die präskriptive Analytik blickt nach vorne und simuliert Szenarien, um die Frage zu beantworten: „Welche Aktion minimiert das Risiko für diesen Fehler in der Zukunft?“

Quellen und fachliche Grundlagen

    Alle Verknüpfungen sind sichtbar. Zum Öffnen der Starter-Inhalte bitte einloggen.

    Einloggen

    Passende Tools & Methodenwissen

    24
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen
    Beispiele anzeigen

    Ergänzend zum Themengebiet: Daten- & KI-Management

    Methode verstehen

    Projektbeispiele zu diesen Methoden

    57
    StrategiemanagementBalanced Scorecard / Strategy Map AI

    Balanced Scorecard / Strategy Map – Balanced Scorecard 2027 – Gründung einer Müsli-Manufaktur

    Praxisbeispiel

    Unternehmens-BSC mit Strategy Map

    Global freigegeben
    Beispiel ansehen
    StrategiemanagementBalanced Scorecard / Strategy Map AI

    Balanced Scorecard · Kunststoff-Spritzguss entwickelt Eigenprodukte

    Praxisbeispiel

    Transformation vom Auftragsfertiger zum Produktanbieter

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Maschinenbau – Unkontrollierte Roboterbewegung bei Störbeseitigung (OSHA-Realunfall 1989)

    Praxisbeispiel

    Quellenbasierte Bow-Tie-Vollsimulation auf Basis des OSHA-Unfallberichts vom 17.05.1989: 8 Ursachen, 8 präventive, 8 schadensbegrenzende Barrieren, 8 Folgen, 6 Eskalationsfaktoren, 8 Kontrollen und 12 konkret abgeleitete Maßnahmen mit Verantwortlichen, Terminen und Wirksamkeitsnachweisen. Historische Fakten und didaktische Soll-Analyse getrennt.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    10 · Medizintechnik – BD Alaris Infusionspumpe: Softwarefehler und Therapieunterbrechung (FDA-Rückruf 2020)

    Praxisbeispiel

    Offiziell dokumentierter Realfall mit praxisnaher Bow-Tie-Vollausarbeitung: 10 Bedrohungen und präventive Barrieren, 8 Folgen und reaktive Barrieren, 6 Eskalationsfaktoren, 8 Sicherungen, 20 abgeleitete Maßnahmen inkl. Rollen und Wirksamkeitsnachweis. Umsetzungsvorschläge klar als hypothetisch gekennzeichnet.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Luftfahrt – Air France AF447: Kontrollverlust im Reiseflug (2009)

    Praxisbeispiel

    BEA-quellenbasierter Realfall: Vollständige didaktische Bow-Tie-Rekonstruktion mit 10 Bedrohungen und Präventionen, 8 Folgen und reaktiven Barrieren, 6 Eskalationsfaktoren, 20 risikobezogenen Maßnahmen mit Wirksamkeitsprüfung.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Chemische Industrie – Freisetzung hochtoxischer Chemikalien bei einer Anlagenstörung

    Praxisbeispiel

    Ausführliches anonymisiertes, auf einem offiziell untersuchten Chemieunfall beruhendes Bow-Tie-Lernbeispiel mit 12 Bedrohungen, 12 präventiven, 10 reaktiven Barrieren, 8 Folgen, 10 Eskalationsfaktoren und 15 Maßnahmen. Barrieren und Verbesserungen als didaktische Vorschläge, nicht als historisch belegte Wirksamkeit.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    11 · Gesundheitswesen – Vanderbilt 2017: Vecuronium statt Midazolam verabreicht

    Praxisbeispiel

    Offiziell dokumentierter Realfall mit praxisnaher Bow-Tie-Vollausarbeitung: 10 Bedrohungen und präventive Barrieren, 8 Folgen und reaktive Barrieren, 6 Eskalationsfaktoren, 8 Sicherungen, 20 abgeleitete Maßnahmen inkl. Rollen und Wirksamkeitsnachweis. Umsetzungsvorschläge klar als hypothetisch gekennzeichnet.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Bahnverkehr – Amtrak 188: Entgleisung in Philadelphia (2015)

    Praxisbeispiel

    NTSB-quellenbasierter Realfall: Vollständige didaktische Bow-Tie-Rekonstruktion mit 10 Bedrohungen und Präventionen, 8 Folgen und reaktiven Barrieren, 6 Eskalationsfaktoren, 20 risikobezogenen Maßnahmen mit Wirksamkeitsprüfung.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    GSG 9 – FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG: Landshut-Geisellage 1977

    Praxisbeispiel

    FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG auf historischer Quellenbasis; ausführliche Bow-Tie-Lehranalyse mit zehn Bedrohungen, zehn Präventionsbarrieren, acht Folgen, acht Schadensbegrenzungen, sechs Eskalationen und sechs didaktisch begründeten priorisierten Maßnahmen. Kein authentischer Einsatzplan.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    IT und Cybersecurity – SIMULIERTE AUSARBEITUNG: Colonial Pipeline Ransomware 2021

    Praxisbeispiel

    SIMULIERTE AUSARBEITUNG auf Basis dokumentierter Colonial-Pipeline-Ransomware 2021. 10 Bedrohungen und Präventionsbarrieren, 8 Folgen und reaktive Barrieren, 6 Eskalationsfaktoren, 10 Prüfschritte sowie 6 priorisierte Maßnahmen mit Verantwortung und Wirksamkeitskriterium. Ein sicherheitsbedingter Pipeline-Stopp, keine nachgewiesene OT-Übernahme.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Schifffahrt – Dali: Blackout und Kollision mit der Key Bridge (2024)

    Praxisbeispiel

    Realfall NTSB, quellenbasierte realitätsnahe Bow-Tie-Werkstattrekonstruktion mit vollständigen Risikopfaden, 20 abgeleiteten Maßnahmen und prüfbaren Wirksamkeitskriterien.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    THW – FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG: Starkregen, Pumpwerksüberlastung und Hochwasser 2026

    Praxisbeispiel

    Fiktiver THW-Unterstützungseinsatz einer süddeutschen Kleinstadt August 2026 mit Starkregen, Überlastung der Entwässerung, Stromversorgung und möglicher Heizölkontamination. Klimarisikokontext, keine Attribution eines Einzelereignisses.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Windenergie – SIMULIERTE AUSARBEITUNG: Arbeitsbühnenabsturz Birstein 2026

    Praxisbeispiel

    SIMULIERTE AUSARBEITUNG anhand realen Unfalls in Birstein am 25.02.2026. Gutachten: eine von drei tragenden Schraubverbindungen fehlerhaft montiert, Versagen nach Kranentlastung; kein Materialversagen. Fachliche Bow-Tie-Vollausarbeitung mit 10 Bedrohungen und präventiven Barrieren, 8 Folgen und reaktiven Barrieren, 6 Eskalationsfaktoren, 10 Prüf-/Sicherungsschritten und 6 tief ausgearbeiteten Maßnahmen. Quellen Polizei und Hessenschau.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Logistik – SIMULIERTE AUSARBEITUNG: Ammoniak-Tanklastwagenunfall Teutopolis 2023

    Praxisbeispiel

    SIMULIERTE AUSARBEITUNG · NTSB-Unfall als belegte Faktenbasis. Ausführlicher fiktiver Fachworkshop mit realitätsnahen Risikopfaden, 10 Bedrohungen und präventiven Barrieren, 8 Folgen und reaktiven Barrieren, 6 Eskalationsfaktoren, 10 Prüfaufgaben und 6 ausführlich abgeleiteten Maßnahmen mit Funktionsverantwortung und objektiven Wirksamkeitsnachweisen. Keine historische Unternehmensdokumentation.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Polizei Berlin – FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG: Großdemonstration, Gegenproteste und Desinformation 2026

    Praxisbeispiel

    Fiktive politisch neutrale Großlage Berlin-Mitte Oktober 2026; Demonstrationsfreiheit und Schutz von Personen sowie Rettungszugängen. Historische Kontextdaten BKA PMK 2025, keine Behauptung eines realen Ereignisses.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Automobilindustrie – GM-Zündschalter 2014: Ausfall sicherheitsrelevanter Fahrzeugfunktionen

    Praxisbeispiel

    Globales reales Bow-Tie-Lernbeispiel zum GM-Zündschloss-Rückruf 2014 (Chevrolet Cobalt u. a.). Nachgewiesener Fehlermechanismus mit DOJ-, SEC- und NHTSA-Primärquellen; Schutzbarrieren und Maßnahmen sind als didaktische Soll-Vorschläge gekennzeichnet.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Pharmaindustrie – NECC: Pilz-Kontamination steriler Injektionen (2012)

    Praxisbeispiel

    Realfall CDC/FDA, quellenbasierte realitätsnahe Bow-Tie-Werkstattrekonstruktion mit vollständigen Risikopfaden, 20 abgeleiteten Maßnahmen und prüfbaren Wirksamkeitskriterien.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    08 Schifffahrt – Dali: Stromausfall und Brückenkollision 2024

    Praxisbeispiel

    Detaillierte quellenbasierte Vollsimulation mit 10 Bedrohungen, 10 Präventivbarrieren, 8 Konsequenzen, 8 Reaktivbarrieren, 6 Eskalationen, 8 Sicherungen und 21 zugeordneten Maßnahmen. Fakten und Modellannahmen getrennt.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    09 Pharmaindustrie – NECC: kontaminierte Sterilinjektionen 2012

    Praxisbeispiel

    Detaillierte quellenbasierte Vollsimulation mit 10 Bedrohungen, 10 Präventivbarrieren, 8 Konsequenzen, 8 Reaktivbarrieren, 6 Eskalationen, 8 Sicherungen und 21 zugeordneten Maßnahmen. Fakten und Modellannahmen getrennt.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    12 · Lebensmittelindustrie – Blue Bell 2015: Listerien in Speiseeis

    Praxisbeispiel

    Quellenbasierter Realfall als vertiefte didaktische Bow-Tie-Rekonstruktion: zehn ausführliche Bedrohungs-/Barrierenpaare, acht Folgen-/Schutzpaare, sechs Eskalationen und nur sechs umfassende, klar zugeordnete Maßnahmen. Historie und Soll-Analyse getrennt.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    13 · Energieversorgung – Blackout USA/Kanada 2003: Kaskadierende Netzabschaltungen

    Praxisbeispiel

    Quellenbasierter Realfall als vertiefte didaktische Bow-Tie-Rekonstruktion: zehn ausführliche Bedrohungs-/Barrierenpaare, acht Folgen-/Schutzpaare, sechs Eskalationen und nur sechs umfassende, klar zugeordnete Maßnahmen. Historie und Soll-Analyse getrennt.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    14 · Kerntechnik – Three Mile Island 1979: Verlust der Kernkühlung

    Praxisbeispiel

    Offizieller Untersuchungsfall mit didaktischer Bow-Tie-Vollausarbeitung: 10 Bedrohungen und Präventionen, 8 Folgen und Reaktionen, 6 Eskalationen, 10 Sicherungen, 6 priorisierte Maßnahmen mit Testnachweisen.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Bauindustrie – tödlicher Absturz vom Pump-Jack-Gerüst bei Fassadenarbeiten (2014)

    Praxisbeispiel

    Realer behördlich untersuchter Unfall als vollständig ausgearbeitete Bow-Tie-Praxisrekonstruktion: 10 spezifische Bedrohungen, 10 Präventionsbarrieren, 8 Folgen und 8 reaktive Barrieren, 6 Eskalationsfaktoren, 10 Sicherungsaufgaben und 6 priorisierte überprüfbare Maßnahmen.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Bauindustrie – Gerüstabsturz Oranienburg 2026 | SIMULIERTE AUSARBEITUNG

    Praxisbeispiel

    SIMULIERTE AUSARBEITUNG auf Grundlage des realen tödlichen Gerüstabsturzes am 26.08.2026 in Oranienburg. Offizielle Unfallursache ungeklärt. Didaktischer Praxisworkshop: 10 hypothetische Bedrohungen mit Prävention, 8 mögliche Folgen mit Schutzbarrieren, 6 Eskalationsfaktoren, 10 Sicherungen und 6 priorisierte Maßnahmen. Keine erfundenen historischen Feststellungen.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    SIMULIERTE AUSARBEITUNG | Bauindustrie – Gerüstabsturz Oranienburg 2026

    Praxisbeispiel

    SIMULIERTE AUSARBEITUNG auf Grundlage des realen tödlichen Gerüstabsturzes in Oranienburg am 26.08.2026. Unfallursache amtlich nicht geklärt; 10 hypothetische Gefährdungspfade, 10 Präventionsbarrieren, 8 Folgen und Reaktionen, 6 Eskalationsfaktoren und 6 priorisierte, prüfbare Soll-Maßnahmen. Kein historisches Kundenprotokoll.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    Polizei Berlin – FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG: Großdemonstration Kreuzberg 1987

    Praxisbeispiel

    FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG auf historischer Quellenbasis; ausführliche Bow-Tie-Lehranalyse mit zehn Bedrohungen, zehn Präventionsbarrieren, acht Folgen, acht Schadensbegrenzungen, sechs Eskalationen und sechs didaktisch begründeten priorisierten Maßnahmen. Kein authentischer Einsatzplan.

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    THW – FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG: Zweiteinsturz bei Gebäuderettung 2026

    Praxisbeispiel

    Fiktive THW-Unterstützung nach Gebäudeeinsturz mit vermissten Personen; Referenz sind dokumentierte Such- und Rettungsmaßnahmen in Görlitz im Mai 2026 – FIKTIVES BEISPIEL / SIMULIERTE AUSARBEITUNG

    Global freigegeben
    Beispiel ansehen
    RisikomanagementBow-Tie AI

    THW – FIKTIVES BEISPIEL · SIMULIERTE AUSARBEITUNG: Ausfall einer Notstromversorgung 2026

    Praxisbeispiel

    Fiktiver THW-Unterstützungseinsatz bei einem länger dauernden Stromausfall in einer Stadt; eine Pflegeeinrichtung muss sicher mit Ersatzstrom versorgt werden – FIKTIVES BEISPIEL / SIMULIERTE AUSARBEITUNG

    Global freigegeben
    Beispiel ansehen
    ProzessmanagementBPMN + Turtle AI

    NORDWERK · Losfreigabe mit Abweichungsschleife

    Praxisbeispiel

    ISO 9001: 4.4 / 8.1 / 8.5.1. Darstellbares Anschauungsdiagramm mit Prüfgate, Sperrung, Nacharbeitsschleife und drei vollständigen Turtle-Steckbriefen. Fiktives Industrie-Lernbeispiel. Alle Zahlen, Rollen und Belege sind simuliert; keine reale Freigabe, Kundenvalidierung oder Wirksamkeitsbestätigung.

    Global freigegeben
    Beispiel ansehen
    ProzessmanagementBPMN + Turtle AI

    NORDWERK · Losfreigabe mit Abweichungsschleife

    Praxisbeispiel

    ISO 9001: 4.4 / 8.1 / 8.5.1. Darstellbares Anschauungsdiagramm mit Prüfgate, Sperrung, Nacharbeitsschleife und drei vollständigen Turtle-Steckbriefen. Fiktives Industrie-Lernbeispiel. Alle Zahlen, Rollen und Belege sind simuliert; keine reale Freigabe, Kundenvalidierung oder Wirksamkeitsbestätigung.

    Referenzbeispiel
    Beispiel ansehen
    StrategiemanagementBusiness Model Canvas (BMC) AI

    Business Model Canvas: vom Maschinenverkauf zum Verfügbarkeitsvertrag

    Praxisbeispiel

    Vollständig verknüpftes Canvas mit allen 9 Feldern, bezifferten Erlösen und Kosten, Bewertung durch die vier Linsen und getesteten Annahmen.

    Global freigegeben
    Beispiel ansehen
    StrategiemanagementBusiness Model Canvas (BMC) AI

    Business Model Canvas: vom Maschinenverkauf zum Verfügbarkeitsvertrag

    Praxisbeispiel

    Vollständig verknüpftes Canvas mit allen 9 Feldern, bezifferten Erlösen und Kosten, Bewertung durch die vier Linsen und getesteten Annahmen.

    Referenzbeispiel
    Beispiel ansehen
    ReklamationsmanagementCAPA / Abweichungsmanagement AI

    CAPA Automotive: Rissbildung Gehäuseschulter (ISO 9001:2026 & IATF 16949)

    Praxisbeispiel

    Vollständige Ursachenanalyse (3-Wege), Sofortmaßnahme, Werkzeugkorrektur, Wirksamkeitsprüfung über 28.400 Teile und FMEA-Update.

    Global freigegeben
    Beispiel ansehen
    ReklamationsmanagementCAPA / Abweichungsmanagement AI

    CAPA Maschinenbau: Maßabweichung an CNC-Präzisionsspindeln

    Praxisbeispiel

    Thermisches Verzugs-Problem bei Mehrschichtbetrieb, 5-Why-Kette, KSS-Temperierung als Korrekturmaßnahme, Cpk-Validierung.

    Global freigegeben
    Beispiel ansehen
    ReklamationsmanagementCAPA / Abweichungsmanagement AI

    CAPA Automotive: Rissbildung Gehäuseschulter (ISO 9001:2026 & IATF 16949)

    Praxisbeispiel

    Vollständige Ursachenanalyse (3-Wege), Sofortmaßnahme, Werkzeugkorrektur, Wirksamkeitsprüfung über 28.400 Teile und FMEA-Update.

    Referenzbeispiel
    Beispiel ansehen
    ReklamationsmanagementCAPA / Abweichungsmanagement AI

    CAPA Maschinenbau: Maßabweichung an CNC-Präzisionsspindeln

    Praxisbeispiel

    Thermisches Verzugs-Problem bei Mehrschichtbetrieb, 5-Why-Kette, KSS-Temperierung als Korrekturmaßnahme, Cpk-Validierung.

    Referenzbeispiel
    Beispiel ansehen
    Daten- & KI-ManagementChancen-Portfolio AI

    Automotive: Software-Defined Vehicle (SDV) & OTA-Service-Monetarisierung

    Praxisbeispiel

    Nutzung vernetzter Fahrzeugarchitekturen für Function-on-Demand (z.B. verbesserte Batterieladekurven, Matrix-Licht-Freischaltung).

    Global freigegeben
    Beispiel ansehen
    Daten- & KI-ManagementChancen-Portfolio AI

    Maschinenbau: Predictive Maintenance & Pay-per-Hour Servitization

    Praxisbeispiel

    Transformation vom reinen Maschinenverkauf zum hochprofitablen 'Equipment-as-a-Service' mit garantierter Spindelverfügbarkeit.

    Global freigegeben
    Beispiel ansehen
    Daten- & KI-ManagementChancen-Portfolio AI

    Lebensmittelindustrie: 100% recyclingfähige Monomaterial-Verpackung & Inline-NIR

    Praxisbeispiel

    Umstellung auf sortenreine PP-Barrierefolien zur Erfüllung der EU-Verpackungsverordnung (PPWR) und Einsparung von Plastikabgaben.

    Global freigegeben
    Beispiel ansehen
    Daten- & KI-ManagementChancen-Portfolio AI

    Industrie / Fertigung: KI-gestützte optische 100%-In-Line Oberflächeninspektion

    Praxisbeispiel

    Ersatz stichprobenartiger manueller Mikroskopie durch hochauflösende KI-Kameras mit automatischer Gut-/Schlecht-Sortierung.

    Global freigegeben
    Beispiel ansehen
    ProjektmanagementEisenhower-Matrix AI

    Qualitätsleitung Wochensteuerung · Eisenhower

    Praxisbeispiel

    Wochenaufgaben werden in Tun, Terminieren, Delegieren und Eliminieren überführt.

    Referenzbeispiel
    Beispiel ansehen
    ProjektmanagementEisenhower-Matrix AI

    Auditvorbereitung Werk · Eisenhower

    Praxisbeispiel

    Auditkritische Aufgaben werden von delegierbaren und kosmetischen Tätigkeiten getrennt.

    Referenzbeispiel
    Beispiel ansehen
    FMEA · 7 SchritteFMEA AI

    FMEA – Büroklammer

    Praxisbeispiel

    Beispiel zur Anwendung der Methode. Die Inhalte kannst du im Formblatt ansehen.

    Global freigegeben
    Beispiel ansehen
    FMEA · 7 SchritteFMEA AI

    FMEA – Büroklammer Patent Nr. 64.088

    Praxisbeispiel

    Büroklammer Patent Nr. 64.088 · Konstruktions-FMEA mit Deep-Research-Fehlerursachen. Erhaltener Arbeitsstand mit 3 Rechercheläufen und 45 verknüpften Fehlerursachen; fachliche Prüfung der KI-Entwürfe noch offen.

    Global freigegeben
    Beispiel ansehen
    FMEA · 7 SchritteFMEA AI

    FMEA – Wasserkocher

    Praxisbeispiel

    Beispiel zur Anwendung der Methode. Die Inhalte kannst du im Formblatt ansehen.

    Global freigegeben
    Beispiel ansehen
    FMEA · 7 SchritteFMEA AI

    FMEA – NORDWERK · Ventilblock-Montage

    Praxisbeispiel

    ISO 9001: 6.1 / 8.5.1. Anforderung → Fehler → Ursache → Prüfplan; Zielbewertungen erst nach Nachweis freigeben. Fiktives Industrie-Lernbeispiel. Alle Zahlen, Rollen und Belege sind simuliert; keine reale Freigabe, Kundenvalidierung oder Wirksamkeitsbestätigung.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenGAP-Analyse AI

    DEFENCE READY · ISO 9001:2026 → AQAP 2110 · umfassende GAP-Analyse

    Praxisbeispiel

    Fiktive, sehr ausführliche Defence-Readiness-Prüfung: 24 konkrete GAP-Felder mit SOLL, IST, Evidenz, Ursache, Risikobewertung, priorisierten Maßnahmen, Verantwortlichkeit, Prüfplan und offenem Wirksamkeitsreview. ISO 9001:2026 ist nicht automatisch AQAP-2110-konform.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenGAP-Analyse AI

    Lieferanten-Onboarding · fünf qualitätsrelevante Prüfpunkte

    Praxisbeispiel

    Fiktiver Industriefall mit fünf unterschiedlichen Prüfbereichen, Evidenzstatus, priorisierten Maßnahmen und offenem Wirksamkeitsreview.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenGAP-Analyse AI

    Anforderungs-GAP · fünf Prüfungen vor dem Kundenaudit

    Praxisbeispiel

    Fiktives Kundenregelwerk mit fünf prüfbaren Anforderungen: Änderungen, Design Reviews, Rückverfolgung, Eskalation und Qualifikation.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenGAP-Analyse AI

    DEFENCE READY · ISO 9001:2026 → AQAP 2110 · umfassende GAP-Analyse

    Praxisbeispiel

    Fiktive, sehr ausführliche Defence-Readiness-Prüfung: 24 konkrete GAP-Felder mit SOLL, IST, Evidenz, Ursache, Risikobewertung, priorisierten Maßnahmen, Verantwortlichkeit, Prüfplan und offenem Wirksamkeitsreview. ISO 9001:2026 ist nicht automatisch AQAP-2110-konform.

    Referenzbeispiel
    Beispiel ansehen
    Analyse & UrsachenInternes Auditprogramm & Checkliste AI

    System- & Prozessaudit Automotive Tier-1 (ISO 9001:2026 & IATF)

    Praxisbeispiel

    Vollständiges Jahresauditprogramm mit Fokus auf Prozessrisiken, Lieferkettenresilienz und Null-Fehler-Kultur.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenInternes Auditprogramm & Checkliste AI

    Jahresauditprogramm & Systemaudit 2026 (ISO 9001:2026 & IATF)

    Praxisbeispiel

    ISO 9001 9.2: Auditprogramm → Prüffragen → Befunde → Maßnahmen und Review. Fiktive Lernsimulation.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenInternes Auditprogramm & Checkliste AI

    Jahresauditprogramm & Systemaudit 2026 (ISO 9001:2026 & IATF)

    Praxisbeispiel

    ISO 9001 9.2: Auditprogramm → Prüffragen → Befunde → Maßnahmen und Review. Fiktive Lernsimulation.

    Referenzbeispiel
    Beispiel ansehen
    Analyse & UrsachenIshikawa AI

    Maßabweichung Bohrungsdurchmesser (Ø 12H7)

    Praxisbeispiel

    Vollständige 6M-Ursachenanalyse für Maßübermaß bei Serienfertigung von Ventilblöcken inkl. Rot/Gelb/Grün-Bewertung und konkreten Vermeidungsmaßnahmen.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenIshikawa AI

    Lötfehler Head-in-Pillow (HiP) an BGA-Komponenten

    Praxisbeispiel

    Analyse fehlerhafter Lötstellen an großen BGA-Bauteilen auf Multilayer-Leiterplatten während des Reflow-Lötens.

    Global freigegeben
    Beispiel ansehen
    Analyse & UrsachenIshikawa AI

    Maßabweichung Bohrungsdurchmesser (Ø 12H7)

    Praxisbeispiel

    Vollständige 6M-Ursachenanalyse für Maßübermaß bei Serienfertigung von Ventilblöcken inkl. Rot/Gelb/Grün-Bewertung und konkreten Vermeidungsmaßnahmen.

    Referenzbeispiel
    Beispiel ansehen
    Analyse & UrsachenIshikawa AI

    Lötfehler Head-in-Pillow (HiP) an BGA-Komponenten

    Praxisbeispiel

    Analyse fehlerhafter Lötstellen an großen BGA-Bauteilen auf Multilayer-Leiterplatten während des Reflow-Lötens.

    Referenzbeispiel
    Beispiel ansehen

    Weitere Tools & Wissen im Themengebiet

    Diese Kategorien ergänzen die konkreten Methodentreffer mit weiteren Werkzeugen, Anwendungswissen und Praxisbeispielen.

    Daten- & KI-Management24 fachlich zugeordnete Tools · Kategorie entdecken
    AK

    Geschrieben von

    André Kapust

    Veröffentlicht am 28. Oktober 2026

    Diesen Artikel als PDF lesen

    DIN A4 mit Textumbruch, QMB - Qualitätsmanagementbeauftragter und der Quellen-URL qmb.wiki/lexikon/analytics-reporting im Dokument.

    Lexikoneintrag teilen
    LinkedInFacebookXWhatsAppXingE-Mail
    QMB - Qualitätsmanagementbeauftragter · Persönlicher KontaktReaktionszeit < 24h

    Kontakt & Beratung

    Fragen zu unseren Tools, Schulungen oder einem konkreten Vorhaben? Wir beraten Sie persönlich und praxisnah.

    Vorwahl (+49) ist gewählt · Rufnummer ohne führende 0 eingeben. Keine Werbeanrufe.

    * Pflichtangaben

    Ihre Ansprechpartnerin

    Unsere Bewertungen

    Partner im Fokus

    Quality Services & Wissen GmbH Logo
    Quality Services & Wissen GmbH

    QUALITY stabilisiert: belastbare Qualitätssysteme, auditfähige Prozesse und sichtbare Qualitätskosten.

    Frankfurt am Main

    andre.kapust@enteso.comKontaktformular →

    Thema dieses Portals

    QMB - Qualitätsmanagementbeauftragter

    QMB - Qualitätsmanagementbeauftragter

      • Startseite
      • Seminare und Ausbildungen
      • QM Toolbox (AI)
        • ISO 9001:2026 Toolbox (AI)
      • Lexikon
        • QMB: Aufgaben & Rolle
      • Blog
      • Methoden
      • Kontakt
      • Impressum
    Kontakt aufnehmen
    © 2026 Quality Services & Wissen GmbH
    RSS-FeedImpressumUnsere FarbweltenDatenschutzSitemap

    Deine Privatsphäre. Deine Entscheidung.

    Notwendiger Speicher hält Anmeldung, Sicherheit und deine Auswahl bereit. Nur mit deiner Zustimmung messen wir Seitenaufrufe und Nutzung.

    Du entscheidest freiwillig. Videos und Inhalte bleiben bei jeder Auswahl verfügbar. Externe Medien können Daten an ihre Anbieter übertragen. Änderbar über „Cookie-Einstellungen“ im Seitenfuß.

    DatenschutzerklärungImpressum