Treffen sie wiederholt auf denselben Fehler in den Daten, sollte der Ursache besser früher als später auf den Grund gegangen werden. Dies ist nicht immer ein einfaches Unterfangen. Je nachdem wo der Fehler liegt und wie er entsteht, kann die Ursachenforschung ziemlich komplex sein. Diese Anleitung hilft Ihnen Schritt für Schritt Fehler in den Daten zu eruieren und diese nachhaltig zu korrigieren. Nebenbei steigern sie so auch noch Daten Qualität.
Schritt 1: Den Ursprung finden
Als erstes gilt es festzustellen wo das Problem entsteht um danach das wie zu analysieren. Eine erste Anlaufstelle um den Ursprung zu finden sind Logs. Diese enthalten Informationen über die Bearbeitung und Entstehung der fehlerhaften Daten. Werden im Unternehmen die betroffenen Daten in mehreren Systemen * bearbeitet, ist es möglich, dass nicht in jedem Log die benötigten Informationen zu finden sind. Oft ist im Mastersystem das Log ausführlicher eingestellt und gibt Hinweise darauf, wo der Fehler entsteht. Ein weiteres wertvolles Hilfsmittel ist das Datenfluss Diagramm. Dieses gibt eine Übersicht, wo die Daten entstehen und in welchen Systemen sie bearbeitet werden. Sind keine hilfreichen Logs oder Informationen vorhanden, bleibt nichts anderes übrig, als den Fehler von System zu System, bis zu seinem Ursprung zurück zu verfolgen.
Schritt 2: Wie entsteht der Fehler
Konnte der Ursprung des Fehlers ermittelt werden, kann nun analysiert werden wie es dazu kam.
Es gibt verschieden Arten wie Daten Fehler entstehen. Dies kann sein:
Ist kein offensichtliches Muster der Entstehung des Fehlers erkennbar, sollten Spezialisten für die Analyse zugezogen werden. Im Besten Fall gibt es System oder Fach Verantwortliche, die bei der Suche unterstützen können.
Schritt 3: Das Ausmass ermitteln
Bevor es an die Lösung des Problems geht, sollte geprüft werden wie viele Daten fehlerhaft sind. Dabei ist wichtig zu prüfen, ob zu korrigierende Daten in mehr als einem System vorhanden sind. Je nach Komplexität des Fehlers, kann die Menge der fehlerhaften Daten selber analysiert werden oder es braucht auch hier Unterstützung durch Experten, die vertiefte System Kenntnisse haben.
Schritt 4: Eine Lösung evaluieren und umsetzen
Um eine möglichst effiziente und nachhaltige Lösung, für das fehlerhafte Muster zu evaluieren, sollte aus den vorherigen Schritten folgendes bekannt sein:
Wo ist der Fehler entstanden?
Wie entsteht der Fehler?
In welchen Systemen gibt es fehlerhafte Daten?
Wie viele Daten sind fehlerhaft?
Aufgrund dieser Informationen können Lösungsszenarien für die Bereinigung der Daten erarbeitet und diskutiert werden. Die Lösungen können sehr unterschiedlich sein. Bei einfachen Eingabefehler kann eine Schulung der Mitarbeiter ausreichen und die Menge manuell korrigiert werden. Ist der Fehler systematisch entstanden und die Menge der zu korrigierenden Daten gross, braucht es Unterstützung durch Spezialisten. Es ist empfehlenswert zuerst das System zu korrigieren, damit keine neuen fehlerhaften Daten mehr entstehen und anschliessend die Daten zu bereinigen. Bei einer grossen Menge fehlerhaften Daten sollten, diese automatisiert korrigiert werden. Falls die Daten Fehler in mehreren Systemen zu korrigieren sind, ist bei der Bereinigung zu beachten, konsistente Daten über alle Systeme zu erzeugen. Nicht zu vergessen ist, mit den Verantwortlichen und Nutzern gut abzustimmen, wann die Korrekturen durchgeführt werden.
Schritt 5: Überprüfung der Nachhaltigkeit
Ist die Korrektur abgeschlossen ist es empfehlenswert im Nachgang zu prüfen, ob keine neuen fehlerhaften Daten mehr entstehen. Dies sollte nicht nur unmittelbar nach der Korrektur, sondern auch ca. eine Woche später nochmal überprüft werden. So kann sichergestellt werden, dass der Fehler nachhaltig korrigiert und die Daten Qualität gesteigert ist.
*System beinhaltet in diesem Zusammenhang Hardware und Software
Der Prozess für die nachhaltige Bereinigung von fehlerhaften Daten ist hier nochmal grafisch zusammen gefasst:
Falls Sie Fragen haben oder Hilfe im Bereich
Daten Qualität,
Daten Migrationen,
Bereinigung von Fehler in den Daten
benötigen, freue ich mich über ihre Kontaktaufnahme. Klicken Sie dazu einfach hier
Die heutige wettbewerbsintensive Zeit, fordert von den Unternehmen, dass sie sich den stetig ändernden Marktanforderungen anpassen. Das wurde im letzten Jahr, durch die Corona Krise, nochmal sehr deutlich. Unternehmen, die bis dahin in Digitalisierung und digitale Transformation investiert haben, hatten es deutlich einfacher ihre Kunden über neue Kanäle effizient und kundenfreundlich zu bedienen.
Ein Grundpfeiler, damit die digitale Transformation im Unternehmen effizient vorangetrieben werden kann, sind Daten mit hoher Qualität. Das Zusammenspiel der Daten und der digitalen Transformation ist das Thema des Artikels.
Was ist digitale Transformation
Die digitale Transformation, umfasst den Unternehmens-Wandel von eingesetzten Technologien, Geschäftsprozessen, Geschäftsmodelle und sogar die Unternehmenskultur selbst.
Es steht die Generierung von Mehrwert für den Kunden im Mittelpunkt. Das Ziel der digitalten Transformation ist die Performancesteigerung der Unternehmensprozesse, um ein neues Kundenerlebnisses oder Produkte zu schaffen.
Ein häufiger Fehler ist, dass der Fokus der Transformation nur auf einen Bereich gelegt wird. Es geht aber nicht nur darum Prozesse zu digitalisieren, sondern die gesamte Art und Weise wie das Unternehmen funktioniert zu berücksichtigen. So ist bei der Einführung eines neuen Geschäftsmodels zu prüfen, ob die bestehende Technologie, Organisation und Prozesse schon darauf ausgelegt sind. Nur wenn alle Bereiche gut aufeinander abgestimmt sind, schafft das Unternehmen ein herausragendes Kundenerlebnis.
Daten: Treiber oder Bremse der digitalen Transformation
Wie die digitale Transformation, haben auch die Daten und ihre Qualität Einfluss auf unterschiedliche Bereiche im Unternehmen.
Damit aus vertrauenswürdigen Auswertungen aufkommende Trends und neue Geschäftsmodelle abgeleitet werden können, braucht es eine vertrauenswürdige Daten Grundlage. Reports mit ungenügender Daten Qualität sind verfälscht und so auch die daraus abgeleiteten Entscheide. Die getroffenen Massnahmen, erzielen höchstwahrscheinlich nicht den erwarteten Nutzen.
Für eine saubere Daten Grundlagen auf der die digitale Transformation aufbauen kann, müssen im Unternehmen die Prozesse sauber aufgesetzt und abgestimmt sein. Betrifft ein Prozess mehrere Teams ist es wichtig, dass es keine Lücken und ein einheitliches Verständnis für die zu bearbeitenden Daten gibt. Daten die von Teams unterschiedlich interpretiert werden, führen zu fehlerhaften Annahmen und Entscheidungen. Das spiegelt sich dann auch in der Daten Qualität wieder.
Der Aufbau der Systeme ist ein weiterer Faktor der Einfluss hat auf die Daten Qualität. Ist die Systemlandschaft nicht sauber aufgebaut oder stimmt nicht mit den Prozessanforderungen überein, ist dies einer der grössten Treiber für schlechte Daten Qualität. Kritische Stellen sind Systembrüche, bei denen Daten analog oder digital in ein anderes System übertragen werden. Ein Beispiel sind von Hand ausgefüllte Formulare, die gescannt und automatisiert ins System eingelesen werden. Diese Bruchstellen sind allfällig für Fehler und wirken sich negativ auf die Daten Qualität aus.
Soll ein neues Systeme eingeführt werden, spielen auch da die Daten eine Rolle. Der Migrationsaufwand von Daten mit schlechter Qualität wird oft unterschätzt. Es wird schnell sehr viel zeit- und kostenaufwendiger als geplant. Dadurch werden neue Geschäftsmodelle verzögert eingeführt und das Unternehmen kann auch sonst am Markt wenig flexibel agieren.
Daten und digitaler Transformation: same, same but different
Sowohl die Daten als auch die digitale Transformation haben Einfluss auf die Prozesse, Infrastruktur und Kultur im Unternehmen. Diese Bereiche sind für ein Unternehmen entscheidend um schnell auf Änderungen am Markt reagieren zu können und sich einen Wettbewerbsvorteil zu verschaffen.
Die Daten sind ein Produkt der täglichen Arbeit und ihre Qualität ist ein entscheidender Faktor für die digitale Transformation. Sie können ein Katalystor sein, wenn aufgrund dieser, die richtigen Geschäftsmodelle und Chancen erkannt und zeitnah eingeführt werden. Daten mit unzureichender Qualität führen auf der anderen Seite zu Verzögerungen bei Umstellungen von Prozessen, Systemen oder Geschäftsmodelle.
Der Erfolg der digitalen Transformation hängt davon ab, ob ein Unternehmen eine stabile Basis hat, auf der sie aufbauen kann. Aus diesem Grund lohnt es sich regelmässig in die Daten Qualität, Modernisierung von Prozessen und Systeme zu investieren. Die späte Aufarbeitung dieser Themen, kann ein Unternehmen stark ausbremsen, führt zum Verlust von Marktanteilen und ist darüber hinaus mit zusätzlichen Kosten verbunden.
Wenn Sie es nicht so weit kommen lassen wollen oder vielleicht Unterstützung brauchen um eine saubere Daten Basis zu schaffen, werfen Sie ein Blick auf mein Angebot. Ich unterstütze Sie gerne auf diesem Weg.
Technologien, Systeme und Geschäftsanforderungen entwickeln sich stetig weiter. Angesichts der stetigen Veränderung und der verkürzten Halbwertszeit von Systemen, kommen viele Unternehmen früher oder später an den Punkt und lösen bestehende IT Systeme ab. Bei der Ablösung eines Systems, das Hardware und Software umfasst, ist ein weiterer wesentlicher Bestandteil die Migration der Daten. Bei der Daten Migration werden die Daten aus dem ursprünglichen Quellsystem in das neue Zielsystem übertragen. Dies ist ein komplexer Vorgang bei dem die Daten Qualität ein kritischer Faktor darstellt. Aber es bieten sich auch Chancenum Ordnung in den Daten zu schaffen.
Zentrale Prozesse und Qualitäts Themen der Daten Migration
Die Daten Migration besteht grundsätzlich aus drei Hauptprozessen:
Das Extrahieren der Daten aus dem Altsystem
Das Transformieren der Daten
Das Laden der Daten in das neue System
Der zentrale Teil ist das Transformieren der Daten in die neue Struktur und die neuen Wertebereiche. Dieser Prozess sollte möglichst automatisiert durchgeführt werden, damit der Aufwand nicht ausufert.
Um Daten automatisiert zu verarbeiten, müssen sie eine möglichst hohe Qualität aufweisen. Ein wichtiger Faktor ist dabei die Korrektheit und Vollständigkeit der Daten. Dazu gehört unter anderem:
Korrigieren oder nicht korrigieren?
Fehlen zum Beispiel bei zu migrierenden Kontakten bestimmte Informationen, wie die Anrede, gibt es mehrere Möglichkeiten das Thema anzugehen. Entweder
man korrigiert die fehlenden Inhalte,
übernimmt die Daten mit mangelhafter Qualität oder
wählt einen Mischansatz.
Alle Vorhaben haben natürlich Vor- und Nachteile.
Wird entschieden die Daten zu korrigieren, werden qualitativ hochwertige Daten ins neue System überführt. Da die Bereinigung zusätzlich Zeit in Anspruch nimmt, hat man je nach Projektplanung nicht die Möglichkeit den zusätzlichen Aufwand zu betreiben. Wählt man den Ansatz, dass die unvollständigen Daten ins neue System übernommen werden, ist der Vorteil, dass nicht zusätzliche Zeit für die Bereinigung aufgewendet wird. Man übernimmt jedoch Altlasten in das neue System, die später Auswirkungen auf auf Prozesse und Effizienz haben. Beim Mischansatz gilt es abzuwägen, welche Daten Qualitäts-Probleme bereinigt werden sollen und in welchem Ausmass. Bei fehlender Anrede könnte zum Beispiel anhand eindeutiger Vornamen die Anrede automatisch gesetzt werden. Die restlichen Kontakte ohne Anrede, könnte entweder leer übernommen oder manuell korrigiert werden. Der Vorteil von diesem pragmatischen Ansatz ist, dass ein Grossteil der Daten mit überschaubarem Aufwand korrigiert werden kann.
Pragmatische Kosten/Nutzen Abwägung
Alle Projekte oder Vorhaben bewegen sich im Spannungsfeld von Kosten und Nutzen. So auch die Daten Qualität.
Es gilt einen pragmatischen Ansatz zu wählen um Kosten als auch Nutzen in Balance zu halten. In manchen Fällen ist es sinnvoll die schlechten Daten zu bereinigen, bevor man sie in das neue System migriert. Vor allem bei mangelnder Qualität der Stammdaten, welche die Grundlage vieler Prozesse sind. Bei komplexen Daten Qualitätsproblemen wie z.B. Dubletten ist es empfehlenswert, die Bereinigung bei der Planung zu berücksichtigen. Diese Vorhaben sollten mit dem Projektmanagement frühzeitig und gut abgestimmt sein.
Datenmigrationen bieten oft eine gute Gelegenheit mangelhafte Daten Qualität zu korrigieren. Es können mehrere Themen auf einmal angegangen werden, ohne für jedes ein eigenes Vorhaben zu starten. Es ist jedoch Vorsicht geboten. Ist man auf den Geschmack gekommen Bereinigungen im Rahmen der Transformation durchzuführen, ist es wichtig Prioritäten zu setzen. Es kann leicht passieren, dass alle möglichen Daten Qualitätsverletzungen auf einmal korrigiert werden wollen und das eigentliche Ziel, die Daten Migration, aus den Augen verloren geht.
Im heutigen digitalen Zeitalter werden in Unternehmen ununterbrochen Daten erzeugt. Bei der Arbeit von Daten gibt es zwei Rollen:
der Datenlieferant und
der Datennutzer.
Der Datenlieferant stellt die Daten zur Verfügung oder erstellt diese. Der Datennutzer verwendet die ihm zu verfügung gestellten Daten als Grundlage für seine Tätigkeit. Meist sind die Rollen über verschiedene Abteilungen oder Teams verteilt. Das heisst ein Team erzeugt die Daten und stellt sie dem nächsten Team für die Nutzung zur Verfügung. Es kann jedoch sein, dass ein Mitarbeiter, je nach Tätigkeiten die er ausübt, verschiedene Rollen einnimmt. So kann zum Beispiel der Kundendienst einen Neukunden in der Rolle als Datenlieferant erfassen. In der Rolle als Datennutzer gibt er dem Kunden Auskunft über den Status seiner Bestellung.
Verschieden Sichten, Verschiedene Ansprüche
So unterschiedlich die Sichten der einzelnen Datennutzer auf die Daten sind, so verschieden sind auch die Qualitäts-Ansprüche an diese. Je nach Tätigkeit die der Mitarbeiter ausführt, können die gleichen Daten gute oder schlechte Qualität aufweisen. Fehlt zum Beispiel bei den Kunden Adress-Daten die Postleitzahl, ist die Daten Qualität für die Logistik ungenügend, da sie das Paket nicht verschicken können. Für den Telefonverkauf haben die Daten eine ausreichende Qualität. Sie können den Kunden über die Telefonnummer erreichen und ihrer Tätigkeit, trotz fehlender Postleitzahl, nachgehen.
Da jede Abteilung ihre eigene Sicht und Anforderungen an die Daten hat, stellen sie mit ihren Prozessen und Richtlinien ihre benötigte Qualität sicher. Sie betreiben ein Daten Qualitäts Management, dass auf ihre Bedürfnisse ausgerichtet ist. Das macht auf den ersten Blick auch Sinn. Die Mitarbeiter der entsprechenden Abteilungen, haben das Wissen über die Arbeitsprozesse und Tätigkeiten. Sie haben das Qualitäts- und Spezialisten Wissen um hohe Daten Qualität für ihren Bereich sicherzustellen. Und so ist jeder Mitarbeiter im Rahmen seiner Arbeit für die Qualität der Daten verantwortlich. Und wo liegt nun genau das Problem…
Alle sind für die Qualität verantwortlich, niemand fühlt sich verantwortlich
Die endgültige Verantwortung für das Qualitäts Management liegt bei der Unternehmensleitung. Wie alle Qualitäts Management Aufgaben ist auch das Daten Qualitäts Management ein abteilungsübergreifendes Thema. Nimmt die Unternehmensleitung ihre Verantwortung nicht wahr und etabliert kein effektives und übergreifendes Daten Qualitäts Management, ist dies ein Signal an die Mitarbeiter. Es zeigt, dass dem Thema nicht Gewicht gegeben wird.
In diesem Fall kommt die Paradoxe Eigenschaft von Qualitätsprozessen zum Tragen:
Jeder ist für die Daten Qualität verantwortlich
Da jeder für die Daten Qualität verantwortlich ist, führt dies zu Inaktivität und es fühlt sich niemand mehr wirklich dafür verantwortlich.
Fehlt die übergeordnete Abstimmung mit klar definierten Verantwortlichkeiten und Aufträgen, führt es dazu, dass die Aufgabe nicht mit der nötigen Sorgfalt und Umsicht wahrgenommen wird. Werden die Daten nur in Silos hinsichtlich ihrer Qualität bearbeitet, und der Gesamt Kontext nicht berücksichtigt, führt das zu wiederkehrendem und identischen Bereinigungsaufwand in unterschiedlichen Abteilungen. Ist das durchgehende Verständnis nicht vorhanden, ist mangelhafte Daten Qualität garantiert.
Das Daten Management ist im eine Unterstützungsaufgabe im Unternehmen, deren Ziel eine hochwertige Daten Qualität ist. Wie die Daten horizontal zwischen die Abteilungen der Organisation fliessen, sollte auch das Daten Management Abteilungsübergreifend agieren. Wichtig ist die verschiedenen Abteilungen mit ihren Prozesse, Sichten und Bedürfnisse zu verstehen. Nur so lässt sich effektiv die Daten Qualität steigern.
Aus meiner Erfahrung im Bereich Daten Management und Stammdaten Verantwortung hat sich für herauskristallisiert, dass es nicht reicht nur eine gute IT Infrastruktur zu pflegen oder nur sorgfältiges Datenmanagement zu betreiben. Für eine nachhaltige hochwertige Datenqualität braucht es mehr. Es spielen viele Faktoren eine Rolle die wie Zahnräder ineinander greifen müssen. Folgende Bereiche haben einen wesentlichen Einfluss auf die Stamm Daten Qualität :
Daten Management
Wird im Unternehmen regelmässig geprüft ob die Datenqualität noch den Anforderungen entspricht? Oder ist überhaupt definiert was für Anforderungen in ihrem Unternehmen an die Daten und Datenqualität besteht? Dies sind zwei Grundlegende Fragen die zu beantworten sind, damit die Daten überhaupt langfristig eine gute Qualität aufweisen können. Wenn nicht definiert ist, was die Anforderungen an die Daten sind und wann man im Unternehmen von guter Datenqualität spricht, gibt es keine Messkriterien. Somit kann auch keine Aussage darüber gemacht werden wie es um die Qualität der Daten steht. Sind die Kriterien definiert aber sie werden nicht regelmässig gemessen, geht man von Vergangenheitswerten aus ohne den aktuellen Zustand zu kennen. Liegt die letzte Messung eine Weile zurück, kann dann schon die eine oder andere Überraschung auftauchen…
IT Systeme
Die lieben IT Systeme sind nicht mehr wegzudenken aus den Unternehmen. Der Hauptknackpunkt liegt darin die IT System auf die Bedürfnisse im Unternehmen bzw. auf die Prozesse abzustimmen. Es kann die schönste, effizienteste, wahrlich eine Kunstwerk von einer IT Landschaft aufgebaut werden. Solange sie nicht die Anforderungen der Mitarbeiter erfüllt wird sie nichts nützen und zu mühseligen Arbeitsprozessen führen. Die Daten werden dann irgendwie ins System reingemurkst. Was dazu führt, dass Informationen in Felder landen wo sie nichts zu suchen haben und wahrscheinlich auch nicht mehr gefunden werden. Darum ist es wichtig, dass von Anfang an bei der Systemeinführung alle Stakeholder mit ihren Bedürfnissen abgeholt werden und man auch danach im regelmässigen Austausch steht. Nur wenn das IT System passt, passen auch die Daten.
Prozesse
Ich finde es spannend immer wieder festzustellen, wie das Silo Denken in den Unternehmen um sich grassiert. Viele Mitarbeiter in deinem Unternehmen wie Kundendienst, Buchhaltung, Lager, Controlling, Verkauf, Marketing usw. bedienen sich den Kunden Stammdaten. Viele machen jahrelang ihren Job und treffen immer wieder Mal annahmen die nicht dem entsprechen wie der Prozesse gelebt wird. Das kann dazu führen, dass Kunden falsch angeschrieben , wichtige Informationen nicht gefunden oder Auswertungen/Selektionen aufgrund falscher Kriterien gemacht werden. Um dem entgegenzuwirken sollten die Mitarbeiter die mit (Kunden) Stammdaten arbeiten regelmässig zu dem Stammdaten Erfassungs Prozess geschult werden. So kann proaktiv falschen Annahmen entgegewirkt werden und die Qualität der Arbeit steigern.
organisatorische Verankerung
Um Daten Management oder die Daten Qualität hoch zu halten, müssen entsprechende Verantwortlichkeiten definiert werden. Es braucht Verantwortliche für die Stammdaten, die auch entsprechend Zeit für die Aufgabe zur Verfügung gestellt bekommen. Nur wenn vom Management dem Thema Daten Qualität und Daten Management Gewicht gegeben wird, kann es auch effizient und effektiv von den Mitarbeitern betrieben werden. Dieses Thema braucht strategischen Weitblick. Wenn erst aus der Not heraus, aufgrund katastrophaler Daten Qualität gehandelt wird, ist es sehr viel Knochenarbeit bis zu einer einigermassen anständigen Daten Qualität. Das Kostet seeehr viel Zeit und auch Geld. Was beim heutig schnellebigen Zeitgeist sogar existenz gefährdend sein kann.
Ich bin gespannt auf Eure Erfahrung zu diesem Thema.
Wir verwenden Cookies auf unserer Website, um Ihnen das relevanteste Erlebnis zu bieten, indem wir uns an Ihre Präferenzen und wiederholten Besuche erinnern. Indem Sie auf "Akzeptieren" klicken, erklären Sie sich mit der Verwendung von ALLEN Cookies einverstanden.
Diese Website verwendet Cookies, um Ihre Erfahrung zu verbessern, während Sie durch die Website navigieren. Von diesen werden die als notwendig eingestuften Cookies auf Ihrem Browser gespeichert, da sie für das Funktionieren der grundlegenden Funktionen der Website unerlässlich sind. Wir verwenden auch Cookies von Drittanbietern, die uns helfen zu analysieren und zu verstehen, wie Sie diese Website nutzen. Diese Cookies werden nur mit Ihrer Zustimmung in Ihrem Browser gespeichert. Sie haben auch die Möglichkeit, diese Cookies abzulehnen. Das Ablehnen einiger dieser Cookies kann jedoch Ihr Surferlebnis beeinträchtigen.
Diese Cookies registrieren anonyme, statistische Daten über das Verhalten des Besuchers dieser Website und sind verantwortlich für die Gewährleistung der Funktionalität bestimmter Widgets, die auf dieser Website eingesetzt werden. Sie werden ausschließlich für interne Analysen durch den Webseitenbetreiber verwendet z. B. für den Besucherzähler.
Diese Cookies registrieren anonyme, statistische Daten über das Verhalten des Besuchers dieser Website und sind verantwortlich für die Gewährleistung der Funktionalität bestimmter Widgets, die auf dieser Website eingesetzt werden. Sie werden ausschließlich für interne Analysen durch den Webseitenbetreiber verwendet z. B. für den Besucherzähler.
Die Performance-Cookies sammeln Informationen darüber, wie diese Website genutzt wird. Der Betreiber der Website nutzt diese Cookies um die Attraktivität, den Inhalt und die Funktionalität der Website zu verbessern.
Die Performance-Cookies sammeln Informationen darüber, wie diese Website genutzt wird. Der Betreiber der Website nutzt diese Cookies um die Attraktivität, den Inhalt und die Funktionalität der Website zu verbessern.
Analytische Cookies werden verwendet, um zu verstehen, wie Besucher mit der Website interagieren. Diese Cookies helfen dabei, Informationen über Metriken wie die Anzahl der Besucher, Absprungrate, Verkehrsquelle usw. zu liefern.
Website erforderlich. Daher kann man sie nicht deaktivieren. Diese Art von Cookies wird ausschließlich von dem Betreiber der Website verwendet (First-Party-Cookie) und sämtliche Informationen, die in den Cookies gespeichert sind, werden nur an diese Website gesendet.
Erforderlicher lokaler Speicher, der Informationen über den Warenkorb des Website-Besuchers speichert, um Einkäufe über diesen Online-Shop zu ermöglichen.
Neueste Kommentare