• Data Governance
• Data Validation
• DMAIC
• Packaging Data Management
• Process Redesign
• Regulatory Compliance
• SAP Recycling Administration (REA)
• Stakeholder Alignment

This thesis addresses the inefficiencies in packaging data management at Hilti, focusing on weight and dimensional attributes stored in SAP Recycling Administration (REA). Despite being critical for regulatory compliance and operational execution, the current data shows frequent inaccuracies and lacks preventive controls. Through a DMAIC-based methodology, the thesis identifies root causes, maps the “As-Is” process, and proposes a redesigned workflow integrating validation logic, stakeholder accountability, and performance monitoring. The new “To-Be” process aims to improve data plausibility, reduce manual rework, and ensure regulatory readiness under the Packaging and Packaging Waste Directive (PPWD). While full SAP integration was outside the project scope, Excel-based prototypes demonstrate the feasibility of upstream validation and control logic. The outcome is a scalable governance framework that enhances data quality and lays the foundation for future system improvements.

Questa tesi affronta le inefficienze nella gestione dei dati di packaging in Hilti, concentrandosi su peso e dimensioni memorizzati nel sistema SAP Recycling Administration (REA). Sebbene critici per la conformità normativa e l'efficienza operativa, i dati attuali mostrano frequenti imprecisioni e mancano di controlli preventivi. Attraverso una metodologia basata sul ciclo DMAIC, la tesi identifica le cause principali, mappa il processo attuale (“As-Is”) e propone un nuovo flusso operativo (“To-Be”) con logiche di validazione, responsabilità chiare e monitoraggio delle performance. Il nuovo processo mira a migliorare la plausibilità dei dati, ridurre le correzioni manuali e garantire la preparazione alle dichiarazioni ambientali secondo la Direttiva sugli imballaggi (PPWD). Pur non essendo prevista l’integrazione tecnica in SAP, prototipi in Excel dimostrano la fattibilità dei controlli a monte. Il risultato è un framework scalabile di governance dei dati che rafforza la qualità informativa e apre la strada a futuri miglioramenti sistemici.