Gütekennzahlen

Gütekennzahlen sind numerische Größen, die die Qualität oder Leistungsfähigkeit eines Prozesses, Produkts oder Modells zusammenfassen. Sie dienen der Bewertung, dem Vergleich und der kontinuierlichen Verbesserung, indem sie komplexe Information auf eine verständliche Kennzahl reduzieren. Gütekennzahlen sollten zuverlässig, nachvollziehbar und auf der Basis gültiger Daten berechnet werden.

Sie finden Anwendung in verschiedenen Bereichen. In der Statistik und Data Science messen sie die Güte eines Modells oder einer Vorhersage; in der Qualitätssicherung bewerten sie Prozessfähigkeit, Fehlerquoten oder Ausfallzeiten; in der Produktentwicklung dienen sie der Freigabeentscheidung.

Typische Gütekennzahlen umfassen Fehlermaße wie mittlere quadratische Abweichung (MSE), Wurzel des MSE (RMSE), absoluten Fehler (MAE) und R-Quadrat; in der Klassifikation Kennzahlen wie Genauigkeit, Präzision, Recall, F1-Score und ROC-AUC; in der Zuverlässigkeit Defektquote, Ausbringungsquote (Yield) sowie MTBF und Cp/Cpk.

Die richtige Interpretation hängt vom Kontext ab. Höhere Werte bedeuten nicht immer bessere Qualität; manche Kennzahlen sollen möglichst klein sein (Kosten, Fehler), andere möglichst groß (Genauigkeit, R^2). Datenqualität, Stichprobengröße und Validierung beeinflussen die Aussagekraft.

Gütekennzahlen haben Limitationen: Ein einzelner Wert genügt selten, Vergleiche erfordern dieselben Annahmen und Datenquellen; Verzerrungen, Overfitting oder Missachtung von Kostenstrukturen verzerren Ergebnisse. Sie sollten durch mehrere Kennzahlen und qualitative Beurteilungen ergänzt werden.

Sie bilden die Grundlage für datengetriebene Entscheidungen und systematische Verbesserungen in Organisationen.