Heutige Produkte befinden sich in einem stetig steigenden Wettbewerb und die Differenzierung am Markt wird immer schwieriger. Die subjektive Qualitätswahrnehmung der Kunden wird dadurch immer relevanter für eine finale Kaufentscheidung. Zu wissen, wie Kunden die Qualität eines Produktes wahrnehmen, bevor es auf den Markt kommt, ist somit ein entscheidender Wettbewerbsvorteil für Unternehmen. Um dies zu erreichen ist ein Vorgehen notwendig, welches es ermöglicht die Qualitätswahrnehmung während des Produktentstehungsprozesses zu prognostizieren.
Ziel der Arbeit ist die Modellierung und Prognose der subjektiven Qualitätswahrnehmung der Kunden mittels Machine Learning zur Unterstützung der frühen Phasen des Produktentstehungsprozesses. Die Entwicklung einer nutzerorientierten Methode in Verknüpfung mit einem datenbasierten Vorgehen stellt den zentralen Gegenstand der Arbeit dar. Durch die Anwendung der Methode werden Unternehmen befähigt neu entwickelte Produkte bereits vor der Serienproduktion auf ihre multisensorischen Eigenschaften und deren Einfluss auf die Wahrnehmung der Kunden zu testen.
Basierend auf der anfänglichen Analyse der Grundlagen werden die Anforderungen an die Konzeption der zu entwickelnden Methode abgeleitet. Die identifizierten Anforderungen bilden den Rahmen für die anschließende Bewertung der bestehenden Ansätze zur datenbasierten Modellierung und Prognose der Qualitätswahrnehmung. Auf Basis der resultierenden Forschungslücke wird das übergeordnete, theoretische Modell abgeleitet. In der anschließenden inhaltlichen Detaillierung der „Perceived Quality Prediction (PQP)-Methode“ wird der CRISP-DM als Ordnungsrahmen verwendet. Der Fokus liegt hierbei vor allem auf dem prozessualen sowie nutzerorientierten Vorgehen.
Das Ergebnis ist ein detailliertes, 6-phasiges Vorgehen zur Modellierung und Prognose der Qualitätswahrnehmung zur datenbasierten Unterstützung der frühen Phasen der Produktentstehung. Mittels überwachten Machine Learning Algorithmen wird die Qualitätswahrnehmung modelliert. Dazu werden subjektive Studiendaten zur multisensorischen Qualitätswahrnehmung mit objektiven Messdaten fusioniert. Die resultierenden Modelle sind in der Lage die subjektive, multisensorische Wahrnehmung der Kunden von neuen Produkten zu prognostizieren, bevor diese auf dem Markt angeboten werden.
Die praktische Validierung der Methode anhand eines Fallbeispiels zeigt die generelle Anwendbarkeit und die Nutzung in der industriellen Praxis.