Aufgrund der steigenden Anzahl von in den Zolltarif einzureihenden Artikeln gewinnen die Themen rund um Künstliche Intelligenz und Machine Learning immer mehr an Bedeutung. Die Automatisierung der Prozesse im Bereich der Wareneinreihung soll den manuellen Aufwand reduzieren und Ressourcen einsparen. Doch wie wird die Qualität der Wareneinreihung garantiert, und wer bestimmt eigentlich, was „gute Qualität“ bedeutet?

Das altbewährte Vier-Augen-Prinzip garantiert zwar hohe Qualität, wird aber den heutigen Ansprüchen oftmals nicht mehr gerecht. Wenn du im Unternehmen zum Beispiel beschließt, ein weiteres Produkt ins Sortiment aufzunehmen, wirst du schnell merken, dass du mit deinen Ressourcen bald an deine Grenzen stößt. Waren korrekt einzureihen und zu überprüfen braucht nämlich seine Zeit.

Eine effiziente Lösung zur Qualitätskontrolle ist die stichprobenartige Überprüfung der Wareneinreihung, die automatisiert erfolgt.

Stichprobenkontrolle bedeutet konkret, dass eine gewisse Anzahl von Einreihungen nochmal manuell überprüft wird, wodurch auf die Qualität der gesamten Artikelmasse geschlossen werden kann. Doch wie wird diese Stichprobe ausgewählt, und wer setzt den Maßstab für Qualität? Eine manuelle Auswahl der Stichprobe macht keinen Sinn, da die Objektivität der auszuwählenden Artikel in Frage gestellt wird.

Es braucht also eine objektive, transparente und nachvollziehbare Methode. Deshalb empfehlen wir, dem Stichprobenverfahren nach DIN ISO 2859-1 AQL (Acceptance Quality Level) zu folgen. Normen geben nämlich Orientierung und bedeuten einen gemeinsamen objektiven Standard.

Die Norm ISO2859-1 AQL basiert auf einer Annahmenstichprobenprüfung. Das heißt, dass auf Basis einer Gesamtmenge, also „Charge“, eine Stichprobe entnommen wird. In der Praxis sind das beispielsweise 2.500 eingereihte Artikel aus einem Quartal.

Der AQL-Prozess erfolgt in vier Schritten:

1. Inspection Level festlegen

Zuerst musst du festlegen, wie streng die Stichprobenprüfung ausgelegt wird. Insgesamt sieht die Norm sieben unterschiedliche Level vor. Es gibt drei Standardlevel und vier Speziallevel. Das Level III im Standard ist sehr streng und wird z.B. bei Bremssystemen im Auto angewendet.

2. Acceptance Quality Level festlegen

Dann muss das Acceptance Quality Level bestimmt werden. In den AQL-Tabellen ist festgelegt, wie viele Artikel der Stichprobe „fehlerhaft“ sein dürfen, damit die Stichprobe noch angenommen wird und somit der gesamten Charge ein vereinbartes Qualitätslevel zugesprochen werden darf.

3. Sampling Plan wählen

Dann wird der Sampling Plan ausgewählt. Wählen kann man hierbei zwischen einem Simple, Double oder Multiple Sampling Plan ausgewählt. Beim Simple Plan erhältst du die größte Stichprobe, die geprüft wird. In einem Double Sampling Plan erhältst du zunächst eine mittlere Stichprobe. Bei einem Ergebnis im Unschärfebereich wird eine weitere Stichprobe erstellt, die dann zu prüfen ist.

4. Größe der Stichprobe bestimmen

Als letzter Schritt erfolgt die Festlegung der Stichprobengröße. Somit wird nach einem festgelegten Plan eine Stichprobe definiert, die dann nach gemeinsamen Richtlinien inhaltlich geprüft wird.

Wenn du 30.000 Artikel vorliegen hast und das Normal Inspection Level II sowie eine maximale Fehlerwahrscheinlichkeit von 2,5% (AQL) in den Datensätzen anwenden willst, dann beträgt die Stichprobe 315 Artikel (simple sampling). Die Zahl 315 ergibt sich aus der DIN-Norm, anhand der Fehlerwahrscheinlichkeit und Chargengröße. Von diesen 315 Artikeln dürfen maximal 22 „falsch“ eingereiht werden. Liegt die Anzahl der Fehler darüber, wird die Charge abgelehnt; und das vorgegebene Qualitätslevel ist nicht erreicht.

Wenn nun bei fortlaufend guter Qualität der Stichprobenprüfungen keine Ablehnungen der Stichprobe zustande kommen, sieht die Norm vor, dass auch die Stichprobengrößen kleiner werden. Bei Beanstandungen ist es hingegen genau andersherum: Dann werden die Stichprobengrößen wieder erweitert.

Wichtig ist, dass eine einheitliche Richtlinie sichergestellt wird, wann Datensätze als „falsch“ bewertet werden. Auch dürfen diejenigen Personen, die die ursprüngliche Ermittlung der Stammdaten vorgenommen haben, die Stichprobe nicht bewerten.  Zu empfehlen wäre an dieser Stelle auch eine IT-gestützte Umsetzung, da die Norm einiges an Komplexität mit sich bringt.

Da die gesamte Norm auf statistischen Verfahren basiert und damit einer eigenen Logik folgt, kann man die Pläne und Vorgehensweisen der Norm auch in einem System abbilden.

Eine typische Prüfung kann so ablaufen: Die Datensätze mit den Artikelstammdaten werden ins System hochgeladen. Durch eine Duplikat-Prüfung beim Import ins System wird sichergestellt, dass nur Daten des jeweiligen Quartals in die „Charge“ gelangen. Dann wählt das System per Zufall und auf Basis der Chargengröße und des Inspection Levels die entsprechende Stichprobe aus.

Diese Artikel werden dann manuell im „Blind Classification“-Prozess geprüft. Blind Classification bedeutet, dass das bisherige Einreihungsergebnis nicht angezeigt wird, um die Ware nochmal objektiv einzureihen. Anschließend erhält man einen Bericht über die erfolgte Prüfung und hat damit einen objektiven Blick auf die Qualität.

Die Qualitätsprüfung nach AQL eröffnet viele Möglichkeiten. Im Prinzip lässt sie sich auf viele Prozesse übertragen. Der große Vorteil liegt darin, dass damit sowohl die intern oder extern gelieferten oder ermittelten Daten geprüft werden können als auch eine objektive und standardisierte Beurteilung deiner Qualität ermöglicht wird.  Auch die automatisierten Ergebnisse können damit nochmal auf Herz und Nieren überprüft werden.