Die Digitalisierung schreitet unaufhaltsam voran und veränderte in den letzten zwei Jahrzehnten fast alle Bereiche der Gesellschaft einschneidend. Auch im Unternehmenskontext entwickelten sich Geschäftsmodelle, organisatorische Prozesse und die Art und Weise der Arbeitsbewältigung dynamisch weiter. In diesem Zusammenhang wurde die Integration digitaler Lösungen und datenverarbeitender Systeme in bestehende Unternehmensstrukturen immer wichtiger, um den neuen Anforderungen der modernen digitalisierten Geschäftswelt gerecht zu werden.
Der digitale Wandel und die damit einhergehenden Veränderungen sind grundsätzlich nichts Neues, jedoch wurde mit den technologischen Fortschritten im Bereich der künstlichen Intelligenz (KI) in den vergangenen Jahren eine neue Phase der digitalen Transformation eingeläutet. KI kann vereinfacht als eine Kombination verschiedener Technologien verstanden werden, die es einer Maschine bzw. einem System ermöglichen, aus riesigen Datenmengen zu lernen und auf Grundlage dessen tiefgreifende Analysen durchzuführen, Muster und Zusammenhänge zu erkennen, Entscheidungen zu treffen oder sogar Prozesse autonom zu steuern. Obwohl sich die Use Cases für KI aktuell noch in Grenzen halten, erkennen die meisten Unternehmen das enorme Potenzial und verstehen, dass sich die Welt aktuell inmitten einer KI-Revolution befindet.
Die Möglichkeiten für den Einsatz intelligenter datenverarbeitender Systeme ist nahezu grenzenlos und bietet Unternehmen vielfältige Möglichkeiten, bestehende Abläufe effizienter zu gestalten, menschliche Fehlerquellen zu minimieren und zeitintensive Routinetätigkeiten zu automatisieren. Auch im Bereich des Controllings eröffnen sich durch den Einsatz von KI-Systemen zahlreiche neue Chancen, die von komplexen Datenanalysen in Echtzeit über die Prognose künftiger Entwicklungen bis hin zur Automatisierung bislang manuell durchgeführter Planungs-, Reporting- und Überwachungsprozesse reichen.
Inhaltsverzeichnis
- Abbildungsverzeichnis
- Tabellenverzeichnis
- Abkürzungsverzeichnis
- 1 Einleitung
- 1.1 Thematische Einführung und Problemstellung
- 1.2 Zielsetzung und Forschungsfrage
- 1.3 Methodik und Aufbau der Arbeit
- 2 Theoretische Fundierung
- 2.1 Grundlagen zur künstlichen Intelligenz
- 2.1.1 Begriffsdefinition
- 2.1.2 Enabler für KI-Systeme
- 2.1.3 Konfiguration und Arten von KI-Systemen
- 2.1.4 Vor-, Nachteile und Risiken des KI-Einsatzes in Unternehmen
- 2.2 Theoretische Fundierung des KI-Einsatzes in Prozessen des Finanzcontrollings
- 2.2.1 Begriffsdefinition und Einordnung in den Unternehmenskontext
- 2.2.2 Aufgaben und Funktionen
- 2.2.3 Prozesse
- 2.3 Status quo der KI-Anwendung in Finanzcontrolling-Prozessen
- 2.4 Potenzielle Einsatzmöglichkeiten und Ziele von KI in Finanzcontrolling-Prozessen
- 2.1 Grundlagen zur künstlichen Intelligenz
- 3 Methodik der Empirie
- 3.1 Auswahl und Begründung des quantitativen Forschungsdesigns
- 3.2 Herleitung der Forschungshypothesen
- 3.3 Methode der Datenerhebung und Messinstrumente
- 3.4 Beschreibung der Stichprobe
- 3.5 Methode der Datenauswertung
- 4 Statistische Analyse
- 4.1 Deskriptive und explorative Analyse
- 4.2 Inferenzstatistische Analyse und Hypothesentests
- 5 Ergebnisse und Diskussion
- 5.1 Darstellung der Kernergebnisse und Interpretation
- 5.2 Implikationen für die Praxis
- 5.3 Kritische Reflexion und Limitationen
- 6 Fazit
- Literaturverzeichnis
- Anhang
Zielsetzung & Themen
Das Hauptziel dieser Bachelorarbeit ist die Entwicklung eines praxisrelevanten Implementierungskompasses für den KI-Einsatz im Finanzcontrolling. Dieser Kompass soll auf den Voraussetzungen bestehender Finanzcontrolling-Prozesse und den prozessbezogenen KI-Zielen in Unternehmen basieren und aufzeigen, welche technischen und organisatorischen Voraussetzungen für eine erfolgreiche KI-Implementierung erfüllt sein müssen. Die zentrale Forschungsfrage lautet: Welcher Zusammenhang besteht zwischen prozessbezogenen Voraussetzungen im Finanzcontrolling von Unternehmen und deren prozessbezogenen KI-Zielen für eine erfolgreiche Implementierungsstrategie und wie kann dieser zur Entwicklung eines praxistauglichen Implementierungskompasses genutzt werden?
- KI-Implementierung und ihre Herausforderungen im Finanzcontrolling
- Quantitative empirische Untersuchung des Status quo
- Analyse prozessbezogener Voraussetzungen und KI-Ziele
- Identifikation von Automatisierungspotenzialen durch KI-Systeme
- Bewertung von Erfolgsfaktoren und Risiken bei der KI-Einführung
- Entwicklung eines praxisorientierten Implementierungskompasses
Auszug aus dem Buch
2.1 Grundlagen zur künstlichen Intelligenz
2 Theoretische Fundierung Das vorliegende Kapitel beleuchtet die theoretischen Grundlagen und definiert für die Ausarbeitung relevante Zusammenhänge, Konzepte und Begrifflichkeiten.
2.1 Grundlagen zur künstlichen Intelligenz Im Folgenden wird zunächst der KI-Begriff definiert, bevor im Anschluss die Enabler für KI-Systeme sowie die Konfigurationen bzw. Arten von KI-Systemen herausgearbeitet werden.
2.1.1 Begriffsdefinition KI beschreibt ein komplexes Gesamtsystem, das sich aus mehreren eng miteinander verknüpften Technologien, Methoden sowie Instrumenten zusammensetzt und dabei die Denk- und Entscheidungsprozesse der Menschen nachahmt. Dadurch ist es einer KI möglich, komplexe Sachverhalte zu verstehen und Aufgaben oder Probleme systematisch zu lösen. Bei neuen Problemstellungen operiert die KI ähnlich wie ein Mensch und greift auf in das System eingespeiste Daten bzw. Informationen zurück, die mit dem Vorwissen und den Erfahrungen eines Menschen gleichgesetzt werden können. Die Rechenprozesse der KI sind vergleichbar mit den ablaufenden kognitiven Prozessen beim Menschen und ermöglichen es einem KI-System, immer wieder auf gespeicherte Daten zuzugreifen, Muster und Beziehungen zu erkennen und spezifische Verhaltensweisen zu entwickeln (Hasenbein, 2023, S. 11–18; Paaß und Hecker, 2020, S. 1–3). KI ist dabei, Wirtschaft und Gesellschaft unwiderruflich zu verändern. Diese Annahme wird durch eine Studie von Accenture (2018) gestützt, in welcher 95 % der befragten Führungskräfte (N = 300) angaben, dass KI künftig in der Unternehmenswelt eine bedeutsame Rolle spielen wird. Das McKinsey Global Institute (MGI) fand im Rahmen einer Studie heraus, dass KI-Analysen mit erheblichen Wachstumspotenzialen verbunden sind. Das MGI prognostiziert für das Jahr 2030 einen zusätzlichen globalen Wertschöpfungsbeitrag von rund 13 Billionen US-Dollar durch KI-Systeme und -Anwendungen in nahezu allen Branchen und Ländern (Buxmann und Schmidt, 2021a, S. 3–4).
2.1.2 Enabler für KI-Systeme Im nächsten Abschnitt werden bedeutende Enabler für die effektive Weiterentwicklung von KI-Systemen vorgestellt. Als Enabler können im weitesten Sinne Menschen, Technologien oder Systeme bezeichnet werden, die es anderen Menschen, Technologien oder Systemen ermöglichen, bestimmte Aktivitäten durchzuführen oder Ziele zu erreichen. Im Rahmen von KI-Systemen sind Algorithmen, Big Data und Cloudservices wichtige Enabler und ermöglichen erst die Entwicklung leistungsstarker KI (Nolting, 2021, S. 19).
Zusammenfassung der Kapitel
1 Einleitung: Stellt die thematische Einführung und Problemstellung dar, beleuchtet Zielsetzung und Forschungsfrage sowie die Methodik und den Aufbau der Arbeit.
2 Theoretische Fundierung: Erläutert die Grundlagen der künstlichen Intelligenz und deren Einsatz im Finanzcontrolling, einschließlich Definitionen, Enabler, Konfigurationen und potenziellen Anwendungen.
3 Methodik der Empirie: Beschreibt das quantitative Forschungsdesign, die Herleitung der Forschungshypothesen, die Methode der Datenerhebung und Messinstrumente sowie die Stichprobenbeschreibung und Datenauswertung.
4 Statistische Analyse: Präsentiert die deskriptiven und explorativen Analyseergebnisse sowie die Resultate der inferenzstatistischen Hypothesentests.
5 Ergebnisse und Diskussion: Fasst die Kernergebnisse zusammen, interpretiert sie im Kontext der Forschungsfrage, leitet praktische Implikationen ab und reflektiert kritisch Limitationen der Arbeit.
6 Fazit: Zieht ein abschließendes Fazit, blickt auf Entwicklungstendenzen und unterstreicht die Bedeutung einer strategischen KI-Implementierung im Finanzcontrolling.
Schlüsselwörter
Künstliche Intelligenz, Finanzcontrolling, Automatisierung, Implementierungskompass, Digitalisierung, Prozessmanagement, Big Data, Cloudservices, Machine Learning, Deep Learning, Quantitative Forschung, Empirische Untersuchung, Forschungshypothesen, Datenanalyse, Effizienzgewinn, Fehlerreduktion, Risikomanagement.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der Ableitung eines KI-Implementierungskompasses für das Finanzcontrolling, basierend auf einer empirischen Untersuchung von Voraussetzungen und Zielen für den erfolgreichen Einsatz von KI-Systemen in Unternehmen.
Was sind die zentralen Themenfelder?
Zentrale Themenfelder sind die Grundlagen der Künstlichen Intelligenz (KI), das Finanzcontrolling, Automatisierungspotenziale, Herausforderungen und Erfolgsfaktoren der KI-Implementierung sowie die Methodik einer quantitativen empirischen Studie.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist die Erstellung eines praxisrelevanten Implementierungskompasses für den KI-Einsatz im Finanzcontrolling. Die Forschungsfrage lautet: Welcher Zusammenhang besteht zwischen prozessbezogenen Voraussetzungen im Finanzcontrolling von Unternehmen und deren prozessbezogenen KI-Zielen für eine erfolgreiche Implementierungsstrategie und wie kann dieser zur Entwicklung eines praxistauglichen Implementierungskompasses genutzt werden?
Welche wissenschaftliche Methode wird verwendet?
Es wird ein quantitatives Forschungsdesign verwendet, das auf einer Online-Umfrage mit Mitarbeitern und Führungskräften aus dem Controlling-Bereich basiert. Die Umfrageergebnisse werden quantifiziert und mittels deskriptiver und inferenzstatistischer Verfahren analysiert.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst die theoretische Fundierung von KI und Finanzcontrolling, die Beschreibung der empirischen Methodik (inkl. Hypothesenentwicklung, Datenerhebung und -auswertung), die statistische Analyse der erhobenen Daten sowie die Präsentation und Diskussion der Ergebnisse, Implikationen für die Praxis und Limitationen der Arbeit.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird durch Schlüsselwörter wie Künstliche Intelligenz, Finanzcontrolling, Automatisierung, Implementierungskompass, Digitalisierung, Prozessmanagement, Big Data, Cloudservices, quantitative Forschung und Effizienzgewinn charakterisiert.
Welche Rolle spielen Algorithmen, Big Data und Cloudservices für KI-Systeme?
Algorithmen, Big Data und Cloudservices sind zentrale "Enabler" für leistungsstarke KI-Systeme. Algorithmen ermöglichen die Verarbeitung großer Datenmengen und maschinelles Lernen. Big Data liefert das exponentiell wachsende Datenvolumen für Analysen, und Cloudservices bieten die notwendige flexible und skalierbare IT-Infrastruktur für den Betrieb von KI-Anwendungen.
Welche drei wesentlichen KI-Arten werden unterschieden und wofür werden sie eingesetzt?
Es werden Assisted Intelligence (Automatisierung einfacher repetitiver Aufgaben, z.B. Rechnungsverarbeitung), Augmented Intelligence (Unterstützung menschlicher Entscheidungen, z.B. Anlageberatung) und Autonomous Intelligence (weitestgehend selbstständige Ausführung, z.B. algorithmischer Handel) unterschieden.
Welche Herausforderungen bei der Einführung von KI im Finanzcontrolling wurden identifiziert?
Häufig genannte Herausforderungen sind die Integration in bestehende IT-Systeme, unzureichende Datenqualität, regulatorische/Compliance-Anforderungen, hohe Implementierungskosten, intransparente "Black-Box"-Logik, Widerstand der Mitarbeiter, unklare Verantwortlichkeiten und mangelnde Unterstützung durch das Management.
Welche Erkenntnisse konnten hinsichtlich des Zusammenhangs zwischen Digitalisierungsgrad und Automatisierung gewonnen werden?
Die empirische Untersuchung konnte keinen statistisch signifikanten Zusammenhang zwischen einem höheren Digitalisierungsgrad und der Anzahl bereits automatisierter Prozesse im Controlling feststellen. Dies deutet darauf hin, dass digitale Strategien zwar formuliert werden, aber nicht zwangsläufig zu messbaren Veränderungen in der Prozesslandschaft übergehen.
- Citation du texte
- Marcel Micheel (Auteur), 2025, Ableitung eines KI-Implementierungskompasses für das Finanzcontrolling anhand einer empirischen Untersuchung, Munich, GRIN Verlag, https://www.grin.com/document/1695599
