Die Forschungsarbeit beleuchtet die steigende Bedeutung von Daten im industriellen Kontext und entwickelt einen End-to-End-Ansatz, der die gesamte Datenwertschöpfungskette von der Datenerzeugung bis zur Datennutzung umfasst. Im Fokus steht die Kombination von Traceability zur Datengenerierung und -erfassung sowie Process Mining zur Datenanalyse und -verwertung, um eine umfassende Prozesstransparenz zu schaffen. Während konventionelle Ansätze die frühen Phasen der Datenwertschöpfung vernachlässigen, adressiert diese Arbeit die vollständige Datenwertschöpfungskette und ermöglicht hierdurch eine objektive, datenbasierte Optimierung der Produktionsprozesse. Process Mining analysiert vorhandene prozessbasierte Daten zur Optimierung von Geschäfts- oder Produktionsprozessen und lässt sich als Instrument für einen kontinuierlichen Verbesserungsprozess (KVP) nutzen. Traceability-Systeme erhöhen die Verfügbarkeit und Qualität der Daten für die Process Mining-Analyse, indem sie relevante Daten wie IDs, Standorte und Zeitstempel erfassen. Das entwickelte, datenbasierte Konfigurationsmodell ermöglicht Unternehmen, die Datenerfassung gezielt zu steuern, um notwendige Trace-Daten für die gewünschten Kennzahlen zu generieren. Die vollständige Datenwertschöpfungskette wird als End-to-End-Ansatz in sechs Schritten operationalisiert, vom Kennzahlenbedarf mit dem bedarfsgerechten Einsatz des Traceability-Systems bis zur Datenverwertung mittels Process Mining. Praxisfälle zeigen, dass dieser Ansatz wertvolle Kennzahlen liefert und die Prozesstransparenz steigert, was die Entscheidungsfindung im Produktionsmanagement objektiviert. Die Anwendbarkeit und Funktionalität des Ansatzes wurden erfolgreich nachgewiesen.