Das Testen von Hypothesen ist eine statistische Methode zur Prüfung, ob Stichprobendaten genügend Evidenz liefern, um eine formulierte Annahme über eine Grundgesamtheit oder einen Prozess abzulehnen.
In DMAIC Projekten nutzen Teams Hypothesentests, um vermutete Ursachen zu untersuchen und Leistungsänderungen zu bewerten. Die Nullhypothese repräsentiert in der Regel keinen Unterschied oder keinen Zusammenhang. Vor der Analyse der Daten definiert das Team den Vergleich und wählt ein Signifikanzniveau, üblicherweise 0,05. Ein p-Wert unterhalb dieser Schwelle stützt die Ablehnung der Nullhypothese unter den Annahmen des Tests. Er misst nicht die Wahrscheinlichkeit, dass die Nullhypothese wahr ist.
Beispielsweise könnte ein Team in der Kreditorenbuchhaltung testen, ob sich die durchschnittliche Rechnungsbearbeitungszeit nach der Einführung eines überarbeiteten Genehmigungs-Workflows verändert hat. Die Analyse muss Unterschiede in der Komplexität der Rechnungen berücksichtigen sowie die Frage, ob die Beobachtungen unabhängig sind. Der Vergleich nicht vergleichbarer Zeiträume mit unterschiedlicher Arbeitslast kann zu falschen Schlussfolgerungen führen. Ein Konfidenzintervall hilft dem Prüfer zu beurteilen, ob die geschätzte Reduzierung groß genug ist, um eine Umsetzung zu rechtfertigen.
Hypothesentests ordnen sich in die Analyze- und Improve-Phasen von DMAIC ein. Die Validierung des Messsystems stellt sicher, ob die zugrunde liegenden Daten geeignet sind, während die Versuchsplanung Vergleiche strukturieren kann, die ursächliche Wirkungen untersuchen. Statistische Signifikanz allein belegt weder eine Ursache noch einen finanziellen Nutzen. Ein Projekt zur Rechnungsbearbeitung benötigt weiterhin Nachweise, die die Workflow-Änderung mit der beobachteten Reduzierung verknüpfen, wobei freigewordene Personalkapazitäten getrennt von reduzierten Ausgaben berücksichtigt werden müssen.
