Das Buch schlägt die Brücke zwischen der statistischen Prozesskontrolle (klassisch) und modernen Data-Analytics-Methoden. Roland Jochem, der als Professor an der TU Berlin ein anerkannter Experte auf diesem Gebiet ist, legt den Fokus darauf, wie Unternehmen die massiven Datenmengen, die heute in der Produktion anfallen, sinnvoll nutzen können.
Zentrale Themen:
* Data Mining im QM: Wie man Muster in Qualitätsdaten erkennt.
* Predictive Quality: Vorhersage von Fehlern, bevor sie entstehen.
* Prozessoptimierung: Nutzung von Daten zur Effizienzsteigerung.
* Methoden: Von Six Sigma bis hin zu Machine Learning Ansätzen.

Für wen lohnt es sich?
Die Stärken (Pro)
* Wissenschaftliche Fundierung: Es ist kein oberflächlicher Ratgeber. Die Konzepte sind theoretisch sauber hergeleitet und methodisch fundiert.
* Zukunftsorientiert: Es räumt mit dem Vorurteil auf, dass QM nur aus "Checklisten abhaken" besteht, und zeigt die mathematisch-analytische Seite.
* Struktur: Jochem ist bekannt für eine sehr systematische Herangehensweise, was das Buch zu einem guten Nachschlagewerk macht.
Die Schwächen (Contra)
* Hoher Anspruch: Es ist eher ein Fachbuch für Akademiker, Ingenieure oder erfahrene QM-Manager. Für absolute Einsteiger ohne statistische Vorkenntnisse kann es stellenweise "trocken" oder zu komplex wirken.
* Praxis-Transfer: Wie bei vielen Lehrbüchern liegt der Fokus stark auf der Methodik; die konkrete IT-Umsetzung in einem spezifischen Software-Tool kommt manchmal etwas kurz.

Wer verstehen will, wie Algorithmen und Datenstrukturen das moderne Qualitätswesen verändern, für den ist dieses Buch quasi die "Pflichtlektüre".

Die größte Stärke des Buches ist sein ganzheitlicher Ansatz. Es behandelt die Digitalisierung nicht als reines IT-Thema, sondern zeigt auf, wie aus der Zunahme von Daten echtes „Qualitätswissen“ als Entscheidungsunterstützung generiert werden kann. Dabei werden Industrie-Beispiele herangezogen, die die praktische Umsetzung greifbar machen. Ein weiterer Pluspunkt ist die weitsichtige Einbindung des Faktors Mensch: Das Buch betont, dass sich die Qualifikationsanforderungen an das QM-Personal durch die Datenanalyse wandeln, der Mensch jedoch trotz Automatisierung das zentrale Bindeglied bleibt.
Für alle, die nach rein qualitativen Ansätzen suchen, mag der erste umfangreiche theoretische Teil mit seinen mathematisch-statistischen Grundlagen auf den ersten Blick etwas abschreckend oder technisch wirken. Das Fundament ist für ein tiefergehendes Verständnis sinnvoll und gibt viele Anregungen. Trotz der vielen Autoren weißt das Buch einen durchgängigen roten Faden auf.