Jede gewachsene Struktur trägt eine implizite Kategorisierung.

Jede Auswertung ist blind für ihre eigene Grundlage.

Ein Bericht über Variantenvielfalt zählt, was als Variante angelegt ist. Ist ein Teil davon in Wahrheit dieselbe Sache, zweimal erfasst, zählt er sie mit. Das Ergebnis ist exakt gerechnet und trotzdem falsch — und der Bericht kann das nicht bemerken. Ihm fehlt kein Datensatz, ihm fehlt ein Kriterium dafür, wann zwei Einträge dasselbe meinen.

Dieses Kriterium ist keine Rechenoperation. Es ist eine Aussage über Bedeutung, und die kann keine Abfrage aus sich selbst heraus treffen. Genau deshalb ist semantische Prüfung der Auswertung nicht nachgeordnet, sondern vorgelagert: Sie stellt her, worauf jede Auswertung sich stillschweigend verlässt.

Ein Befund ist eine Aussage über Ihr Unternehmen — keine Fehlerliste.

Jede Konstruktionsentscheidung, jede Ausnahme, jede Eilentscheidung der vergangenen Jahre hat eine Spur in Ihren Systemen hinterlassen. Diese Spuren sind nicht zufällig: Sie folgen Regeln, die im Haus gelten, ohne je aufgeschrieben worden zu sein. Genau diese Regeln legt die semantische Prüfung frei — die Kategorisierung, nach der Ihr Unternehmen tatsächlich arbeitet, im Unterschied zu der, die es zu haben glaubt.

Genau das ist der Ertrag der semantischen Prüfung: Information über Ihr Unternehmen, nicht eine Fehlerliste. Meint ein erheblicher Teil Ihrer assemblies dieselbe Sache, ist das kein Datenfehler — es ist eine Aussage darüber, wie bei Ihnen konstruiert wird. Verlieren Fertigungsaufträge ihren Bezug zum Kundenauftrag immer wieder an derselben Stelle, ist das keine Panne, sondern ein Merkmal Ihres Prozesses. Solche Sätze über das eigene Haus lassen sich nicht erfragen. Sie stehen in den Daten oder nirgends.

Nicht ob die Daten gültig sind. Ob sie dasselbe meinen.

Geprüft wird der vollständige Bestand Ihrer führenden Systeme — nicht stichprobenartig, nicht auf einem Auszug. Und geprüft wird nicht, ob Felder gefüllt und formal gültig sind: Das ist Datenqualität, die beherrschen Ihre Systeme selbst.

Die linke Spalte beantwortet Ihr System selbst, jede Nacht. Die rechte beantwortet es nie — sie verlangt Wissen darüber, was Ihr Geschäft mit diesen Objekten meint. Genau dort setzen wir an.

Bedeutung ist nicht Ähnlichkeit. Sie ist Typ, Identität und Relation.

Zwei Bezeichnungen können sich fast gleichen und Verschiedenes meinen; zwei völlig unterschiedliche Nummern können dieselbe Sache bezeichnen. Ähnlichkeit trägt deshalb keine Aussage. Bedeutung wird in einem Modell über drei Festlegungen gefasst:

Erst diese drei Festlegungen machen die implizite Kategorisierung prüfbar: Sie sagen, wonach überhaupt zu suchen ist. Ohne sie bleibt jeder Fund eine Auffälligkeit, über die man streiten kann — mit ihnen wird er zu einer Aussage, die man widerlegen oder annehmen muss.

Typ, Identität und Relation stehen nicht in den Daten.

Kein ERP- oder PLM-System führt diese drei Festlegungen für Ihr Geschäft. Sie müssen aus dem Geschäft selbst kommen: welche Merkmale eine part identifizieren, wann zwei assemblies als dieselbe gelten, welche Beziehung zwischen Kundenauftrag und Fertigungsauftrag bestehen muss. Wer ohne sie prüft, prüft auf Ähnlichkeit — und richtet im Zweifel Schaden an, weil aus einer falschen Zusammenlegung ein realer Fehlteil wird.

Ein solches getyptes Modell des Unternehmens bereitzustellen ist der Gegenstand von Tactical Enterprise Management und seines Artefakts Company Cubing. Das ist der Grund, warum semantische Prüfung als Werkzeug allein nicht funktioniert: Das Werkzeug rechnet, aber entscheiden kann nur das Modell.

Daten sind der Schlüssel zu belastbarer Semantic Integrity. Die Erhebung im Originalsystem stellt sicher, dass der Befund vollständig und rückführbar ist — damit Struktur- und Planungsarbeit auf tragfähiger Bedeutung aufsetzt.

Technische Integrität ist nicht semantische Integrität.

Ihre führenden Systeme sind technisch in Ordnung: Schlüssel greifen, Beziehungen sind gültig, die Datenbank meldet keinen Fehler. Genau deshalb fällt der eigentliche Schaden nicht auf. Läuft dieselbe reale part unter drei Nummern, ist jede einzelne davon technisch korrekt — und die Bedeutung ist trotzdem zerstört.

Semantic Integrity beschreibt die Unversehrtheit dieser Bedeutung: ob ein Objekt im System dasselbe meint wie im Betrieb, ob gleiche Sachverhalte gleich abgebildet sind und ob Zusammenhänge über assemblies, sales order lines und Stammdaten hinweg tragen. Ein System kann fehlerfrei laufen und semantisch längst unbrauchbar sein.

Die Prinzipien hinter den Werkzeugen.

Die Werkzeuge setzen nicht auf Heuristiken auf, sondern auf etablierte Prinzipien: Graphanalyse auf Strukturbäumen, Ähnlichkeitsmaße über Bezeichnungen und Merkmale, Verteilungs- und Streuungsanalyse auf Mengen und Zeiten, Zeitreihenanalyse auf Auftragsdaten und der Referenzmodellabgleich gegen die getypte Unternehmensarchitektur.

Diese Prinzipien entscheiden nichts. Sie liefern Kandidaten — Stellen, an denen etwas dasselbe sein könnte oder eine geforderte Relation fehlt. Ob daraus ein Befund wird, entscheidet allein das Modell aus Typ, Identität und Relation. Die Trennung ist wesentlich: Rechnen ist die eine Sache, Bedeuten die andere. Zusammen mit der unveränderten raw-Schicht macht das einen Befund zur Zustandsaussage statt zur Meinung.

Drei Werkzeuge, ein Zustand.

Eine Standortbestimmung. Kein Prüfbericht.

Es wird nicht gegen eine Norm verglichen und nicht bewertet — keine Ampel, kein Sollwert, keine Note. Verglichen wird gegen die Phasen des eigenen Durchlaufs: wo steht die Menge gerade, und wie hat sich das seit dem letzten Lauf verschoben.

Erst diese Trennung macht einen Befund im Haus verhandelbar, statt ihn zum Anlass für Verteidigung zu machen. Er benennt, was ist, und woher es stammt; er verteilt keine Noten und keine Verantwortung.

Elf Symptombilder. Erkennen Sie Ihres?

Wer sein Symptom kennt, braucht den Weg über die Werkzeuge nicht. Beide Wege führen zum selben Befund.

Damit jeder Befund seine Herkunft behält.

Eine semantische Aussage ist nur so viel wert wie ihre Nachweisbarkeit. Deshalb liegt unter der Analyse eine Architektur, die die Herkunft jedes Werts erhält — sie ist die Voraussetzung der Leistung, nicht die Leistung selbst.

Weil raw ein unveränderter Spiegel ohne einen einzigen Zusatz-Index ist, lässt sich zu jedem Befund die Quellzeile benennen, aus der er stammt. Das ist das Gegenteil des üblichen Vorgehens, alles in einen gemeinsamen Datensee zu kippen und hinterher zu hoffen, dass die Herkunft noch erkennbar ist. Wer einen Befund bestreitet, bekommt die Zeile — nicht eine Erklärung.

Zwei Eigenschaften, die selten sind.

Semantic Integrity wird an der Auswertung erhoben. Läuft der Regelkreis noch nicht, ist das zugleich der Eintritt in ihn: ohne belastbaren Befund gibt es nichts, worauf strukturiert und geplant werden könnte.