Durch die zunehmende Vernetzung von Produkten und deren Ausstattung mit Sensoren werden immer mehr Daten verfügbar, die potentiell auch von Künstlicher Intelligenz (KI) analysiert werden können. Dies geschieht insbesondere im Bereich Smart Services. Für die Entwicklung und den erfolgreichen Betrieb von Smart Services als Bestandteil von Smart Product Service Systems (SPSS) ist eine qualitativ und quantitativ hinreichende Menge an Daten erforderlich. Dies gilt insbesondere dann, wenn datengetriebene Software-Komponenten statistische Methoden aus dem Bereich der KI einsetzen: Die Qualität der Trainingsdaten bestimmt direkt die Qualität des trainierten KI-Modells.
Allerdings kann die Qualität der Trainingsdaten mit bestehenden Methoden erst in späten Produktentwicklungsphasen beurteilt werden, da der Trainingserfolg erst bekannt ist, wenn das KI-Modell trainiert wurde. Daher beschäftigt sich die vorliegende Forschungsarbeit mit der Leitfrage: Wie kann die Verfügbarkeit qualitativ hinreichender Daten mit Relevanz für den Smart Service praxistauglich gesteigert werden, um die Qualität der datengetriebenen Softwarebestandteile eines SPSS zu steigern?