single.php
< Beitrag von Paul Bossauer

Überprüfung der Methodik zur Anforderungsanalyse und Standortbestimmung – Gastbeitrag

Dieser Artikel stützt sich auf das vom 13.10.2015 bis 12.01.2016 gemeinsam durchgeführten Praxisprojekt von ORBIT und der Hochschule Bonn-Rhein-Sieg. Thema des Projekts waren die Methodenevaluation und Automatisierung von Auswertungsprozessen. Speziell ging es um die Überprüfung der von ORBIT entwickelten Methodik zur Anforderungsanalyse und Standortbestimmung – dem ORBIT-Navigator.

Die Methodik zur Anforderungsanalyse und Standortbestimmung

Der durch ORBIT entwickelte ORBIT-Navigator dient der gemeinsamen Standortbestimmung der internen IT bei dem Kunden und einer strukturierten Erhebung sowie Analyse der Anforderungen einzelner Fachabteilungen basierend auf dem Best-Practice-Ansatz ITIL v3 (3. Version der IT Infrastructure Library). ORBIT entwickelte dafür einen Fragenpool, aus dem zum Kunden passende Themengebiete ausgewählt und mit einer individuellen Anzahl an Mitarbeitern besprochen werden. Bei den Interviews werden nicht nur die empirischen Werte, die sich aus den Antworten ergeben, erfasst, sondern auch Erläuterungen und Kommentare. Auf diese Weise erhalten die ORBIT-Experten weitgehende Informationen über die Wahrnehmungsunterschiede bzw. Anforderungen der Fachabteilungen, die mithilfe von Handlungsempfehlungen reduziert werden sollen.

Ziel des Praxisprojekts waren die Überprüfung der Methodik des ORBIT-Navigators auf Plausibilität, Sinnhaftigkeit und Effizienz sowie die Ausarbeitung von Optimierungs- und Automatisierungskonzepten für den Auswertungsprozess.

Um die Methodik zur Anforderungsanalyse und Standortbestimmung bewerten zu können, führten die elf Studierenden – alle aus dem Fachbereich Wirtschaftswissenschaften – den ORBIT-Navigator in seiner ursprünglichen Form durch, analysierten ihn und arbeiteten Fehlerpotenziale heraus.

Empfehlungen für die Methodik zur Anforderungsanalyse und Standortbestimmung

Nachdem die Probleme über alle Elemente der Befragung hinweg identifiziert und dokumentiert wurden, folgte die Ausarbeitung eines Soll-Konzeptes. Im Rahmen dieses Soll-Konzeptes wurde statt der ursprünglichen Skalierung eine Likert-Skala vorgeschlagen. Die vorgeschlagene Skala verfügt über folgende Ausprägungen:

  • Trifft nicht zu
  • Trifft eher nicht zu
  • Teil-teils (je nachdem, ob eine „forced choice“ gewünscht ist)
  • Trifft eher zu
  • Trifft zu

Wie sich bei den Ausprägungen erkennen lässt, besteht die Likert-Skala aus einer symmetrischen Verteilung von „trifft nicht zu“ bis „trifft zu“. Je nach Befragung kann eine neutrale Ausprägung eingefügt werden. Bei Befragungen, in denen eine Tendenz ermittelt werden soll, würde die neutrale Ausprägung entfallen (forced choice). Diese Form der Skalierung erfordert jedoch eine Änderung der Fragen in Aussagen. Durch den Einsatz dieser Skalierung wird der Befragte befähigt, differenzierbare Antwortmöglichkeiten zu treffen. Der Neigung zu Ja/Nein-Antworten wird entgegengewirkt und die Ergebnisse der Befragung lassen sich durch diese Skala im Anschluss metrisch interpretieren. Das Soll-Konzept für die Befragung selbst beinhaltete, die Fragen in Aussagen umzuwandeln, Abhängigkeiten zwischen den Themen zu bilden und kombinierte Fragen aufzulösen.

Im Rahmen der Automatisierung wurde für die Analyse des quantitativen Teils der Befragung ein Makro geschrieben und für die Analyse der Kommentare eine Software für qualitative Datenanalysen vorgeschlagen. Das Makro ermöglicht es, die Ergebnisse der Befragungen automatisch in eine vorgefertigte Exceltabelle zu importieren, welche die Daten in einer Pivot-Tabelle strukturiert aufbereitet. Aufgrund der vorgefertigten Tabellen und Funktionen können Analysen umgehend durchgeführt werden und müssen nicht vorher individuell erstellt werden. Als Alternative zu Excel wurde IBM SPSS Statistics vorgestellt.

Bei der Validierung des neuen Konzeptes hat das Projektteam eine deutliche Zeitersparnis bei der Befragung festgestellt. Die Skala war den Teilnehmern sofort klar und die Aussagen waren nun auch verständlicher. Die Befragten kommentierten eigenständig jede ihrer Antworten und stellten weniger Verständnisfragen.

Das Optimierungspotenzial der qualitativen Analyse wurde am Beispiel von MAXQDA demonstriert. Mithilfe einer qualitativen Analyse lassen sich anhand von Kommentaren tiefergehende Erkenntnisse über die Gründe der Ausprägungen in der quantitativen Analyse ermitteln. Diese können auf signifikante Unterschiede zwischen unterschiedlichen Personengruppen (z. B. Mitarbeiter-Typ, Dauer der Betriebszugehörigkeit) geprüft werden. Wichtig für die qualitative Analyse ist jedoch, dass es eine ausreichend hohe Anzahl an Kommentaren und mindestens zwei Befragte pro Gruppe gibt. Zwei verbreitete Verfahren für die qualitative Analyse sind das Quoten- (Analyse einer Stichprobe) und das Profil-Sampling (basierend auf einer quantitativen Datenanalyse).

Neben den unterschiedlichen Verfahren und Methoden der qualitativen Analyse müssen jedoch auch bestimmte Grundsätze beachtet werden:

  • Es muss eine Beziehung zum Befragten hergestellt werden, damit tiefgehende und authentische Informationen generiert werden können.
  • Der Interviewer muss sich immer über seinen/ihren eigenen Einfluss im Klaren sein.
  • Dabei spielt es eine Rolle, welches Vorwissen der Interviewer zu dem Befragungsthema hat.
  • Der Interviewer muss die Befragung frei von Vorurteilen führen, da der Einfluss von Vorurteilen sonst das Ergebnis verfälschen kann.
  • Das Auftreten, Geschlecht sowie Alter des Interviewers kann einen Einfluss auf getroffene Aussagen des Befragten haben.
  • Am Ende des Tages entscheidet der Interviewer, welche Aussagen relevant sind und welche nicht.

Der Interviewer sollte folglich die eigene Meinung für sich behalten und möglichst offen und neutral gegenüber den Antworten und dem Befragten sein. Je nach Anwendungsfall kann es sinnvoll sein, verschiedene Interviewer einzusetzen, um möglichst gute Ergebnisse zu erzielen. Am Ende sollten die Ergebnisse im Idealfall in einer größeren Gruppe mit verschiedenen Ansichten validiert werden. Wichtig ist auch, dass die Erfassung der Kommentare möglichst standardisiert abläuft, um subjektive Einflüsse zu vermeiden oder zumindest zu reduzieren. Sinnvoll ist so eine aufwändige Datenanalyse jedoch nur bei ausführlicheren Kommentaren. Dafür sollten die Datenmenge vergrößert und zusätzliche ergebnisunterstützende Merkmale erfasst werden. Anhand eines beispielhaften Business Cases konnte eine Kostenreduktion von bis zu 35 % ermittelt werden.

Wissenschaftlich geprüft – Fazit

Mithilfe des Fachwissens und des objektiven Blickwinkels der Studierenden konnte die Methodik zur Anforderungsanalyse und Standortbestimmung optimiert werden, sodass die ORBIT-Experten auch in Zukunft erfolgreich damit arbeiten können.

Das Praxisprojekt wurde unter der Leitung und fachlichen Betreuung von Prof. Dr. Andreas Gadatsch und Paul Bossauer (Hochschule Bonn-Rhein-Sieg) sowie Jens Zange und Ulrich Villers (ORBIT) durchgeführt. Weitere Informationen zu dem Projekt finden Sie auf der ORBIT-Webseite.

 

Quellen:

Gerich, J.: Thurstone-und Likertskalierung, in: Handbuch der sozialwissenschaftlichen Datenanalyse, edited by Christof Wolf and Henning Best, 259–81, VS Verlag für Sozialwissenschaften, 2010.

Gläser, J.; Laudel, G.: Experteninterviews und qualitative Inhaltsanalyse: Als Instrumente rekonstruierender Untersuchungen, VS Verlag für Sozialwissenschaften, 4. Auflage, 15. Juli 2010.

Helfferich, C.: Die Qualität qualitativer Daten, VS Verlag für Sozialwissenschaften, 4. Auflage, 12. November 2010.

Mayring, P.: Qualitative Inhaltsanalyse: Grundlagen und Techniken, Beltz, 12. Auflage, 2. Februar 2015.

Mayring, P.: Einführung in die qualitative Sozialforschung, Beltz, 5. Auflage, 13. Februar 2002.

Natrop, J.: Angewandte Deskriptive Statistik: Praxisbezogenes Lehrbuch mit Fallbeispielen. Walter de Gruyter GmbH & Co KG, 2015.

Schneider, A.: Triangulation und Integration von qualitativer und quantitativer Forschung in der Sozialen Arbeit, Springer Fachmedien Wiesbaden, 2014.

Weins, C.: Uni-und bivariate deskriptive Statistik, in: Handbuch der sozialwissenschaftlichen Datenanalyse, edited by Christof Wolf and Henning Best, 65–89, VS Verlag für Sozialwissenschaften, 2010.

Folgen
X

Folgen

E-mail : *
Kategorie: ITSM | Schlagwörter: , | Kommentare: 0

Beitrag kommentieren

CAPTCHA * Time limit is exhausted. Please reload CAPTCHA.