Leseprobe
Inhalt
Vorwort
Die Autoren
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
Einleitende Gedanken
Verständlicher Überblick im Begriffsdschungel Digitalisierung!
Industrie 4.0 und Digitalisierung
Bedeutung für das Controlling
Wie verändert sich die Systemlandschaft?
Einführung Cloud Computing und mobile Endgeräte
Automatisierung des Reportings
Aufbau von SAP HANA
Änderung der Rahmenbedingungen und Berufsbilder im Controlling
Virtuelle Organisationsformen implementieren
Kompetenz- und Rollenwandel des Controllers
Rolle Data Scientist einführen
Führung im Zeitalter der Digitalisierung
ROSKAB Leadership Modell
Vorstellung erfolgreicher Roles, Skills und Abilities
Psychische Belastungen
Delegation und Vertrauen
Erfolgreiche Teambildung
Nachhaltige Motivation
Organisatorischer Wandel
Zeitmanagement
Empfängerorientierte Kommunikation
Emotionale Intelligenz
Kulturelle Intelligenz
Mentoring und Coaching
Personalentwicklung
Fazit und Ausblick
Glossar
Literaturverzeichnis
Stichwortverzeichnis
Vorwort
Liebe Leserinnen und Leser,
die Digitalisierung unserer Wirtschaft schreitet immer schneller voran. Unmengen von Studien mit Blick auf den Arbeitsmarkt der Zukunft beflügeln zahlreiche Fantasien und mögliche Innovationen. Der technologische Wandel ist größter Treiber der Veränderungen. Die Digitalisierung bestimmt die Geschwindigkeit, mit der sich Arbeitsmarkt und Gesellschaft komplett verändern und völlig neu ordnen. Durch den grundlegenden kulturellen Wandel entstehen neue Ansprüche an die Organisation von Arbeit. Wir müssen gute Antworten darauf finden, wie wir Menschen helfen, in einer von größerer Vielfalt, Brüchen und Unsicherheiten geprägten Arbeitswelt zurechtzukommen. Kleine und mittlere Unternehmen stehen gegenwärtig vor besonderen Schwierig-keiten. Sie müssen auf die vielfältigen betrieblichen Herausforderungen, die die Veränderungen der Arbeitswelt sowie der demografische Wandel mit sich bringen, angemessen reagieren. Angetrieben durch den jetzt schon spürbaren notwendigen Fachkräftebedarf müssen sie eine Unternehmenskultur etablieren, die zur Motivation, Gesundheit und ständigen Innovationskraft ihrer Belegschaft beiträgt. In diesem Wandel, muss das Controlling Trends, wie Industrie 4.0 und Big Data aufgreifen und sich auf die veränderten Wertschöpfungsketten und neuen Geschäftsmodelle einstellen. Die Versorgung mit relevanten Steuerungs-informationen für Entscheidungsträger gehört im Rollenbild eines Controllers zu seinen gelebten Kernaufgaben. Big Data - also die Ana-lyse großer, unstrukturierter und kontinuierlicher Datenmengen in Echt-zeit - wird künftig Controlling massiv verändern. Die Neuausrichtung im Controlling benötigt deshalb frische Ansätze für altbekannte Instrumente der Kalkulation, Kosten- oder Ergebnisrechnung. Durch die Vernetzung von Mensch, Maschine und Objekten im Internet der Dinge (IoT) sind Informationen durchgängig in Echtzeit verfügbar. Gerade das ver-gangenheitsorientierte Reporting profitiert künftig von Echtzeit-Ansätzen und Controlling-Systeme entwickeln sich zunehmend interaktiver. Sie vernetzen die Partner entlang der Wertschöpfungskette und ermöglichen einen echten, unternehmensübergreifenden Dialog. Notwendige Ent-scheidungen in betrieblichen Ablaufprozessen gedeihen dadurch erheblich beschleunigt und verkürzt. Für das Controlling bieten sich vielfältige Möglichkeiten, um die Prozesssteuerung zu verbessern oder neue Wirkungszusammenhänge aufzudecken. Die Prozesse und Sys-teme der Produktion, angestoßen durch die richtigen Fragestellungen des Controllings, werden im laufenden Betrieb ständig optimiert. Dabei müssen zukunftsgerichtete Informationen im Rahmen von Predictive Analytics über alle Bereiche des Unternehmens integriert werden. Leistungsfähige Algorithmen werden künftig automatisiert Teile des Controllings übernehmen, können die menschliche Beratungsleistung von Controllern aber nicht ganz ersetzen. Die Ansprüche erhöhen sich in Zukunft. Um die richtigen Daten aus einer großen Datenmenge zu selektieren, wird der Controller ein noch besseres Geschäftsverständnis benötigen. Zudem wird er neue Analysemethoden aus den Bereichen „predictive analytics“ oder „data mining“ beherrschen müssen. Der Controller wird weiterhin als Business Partner gefragt sein, um die Entscheidungen der Führungskräfte analytisch zu unterstützen. In der Rolle eines Veränderungsmanagers („change agent“) wird er die Ver-änderungen im jeweiligen Unternehmen aktiv mitgestalten müssen.
Ich wünsche Ihnen eine interessante Lektüre und neue Impulse für die tägliche und künftige Controllerarbeit.
Sven Neuenfeldt
Bundesagentur für Arbeit
Dozent für Führungskräfteentwicklung und Arbeiten 4.0
Die Autoren
Reinhold Kohler, PhD. und Digital Immigrant (Jahrgang 1974) stu-dierte Daten- und Informations-technik (Technische Informatik) sowie Wirtschaft (postgradual) mit dem Fokus auf Unternehmens-führung. Er promovierte im Themen-bereich Business Management. Der Diplom-Ingenieur und Diplom-Wirt-schaftsingenieur ist ein international erfahrener Manager Controlling und lernte Leadership von Grund auf.
Später vertiefte Kohler sein Wissen sowie seine Erfahrung im Rahmen seines Forschungsprojektes (Multikulturelle Führung in internationalen Großunternehmen von 2011 bis 2014).
Weiterhin lehrt der Fachbuchautor[1] internationales Management und Leadership sowie Controlling an der Technischen Hochschule Ingolstadt und hält Vorträge, Seminare und Workshops zu Grundlagen und aktuellen Trends in den Bereichen International Management, Leader-ship und Finance/Controlling.
Darüber hinaus ist Dr. Kohler Management Trainer u. a. für Team-bildung, -entwicklung und -führung sowie Mitglied des Migrationsrates der Stadt Ingolstadt (Berater für Wirtschaftsthemen).
Andreas Hübl, B.A. und Digital Native (Jahrgang 1991) studierte nach seiner kaufmännischen Ausbildung im Groß- und Außenhandel Betriebs-wirtschaftslehre mit den Schwer-punkten Controlling, Digitalisierung und Personalmanagement an der Business School der Technischen Hochschule Ingolstadt (THI).
Während seines Studiums sammelte er praktische Erfahrungen im inter-nationalen Umfeld und konnte in Folge dessen sein Wissen und seine Er-fahrung in den Bereichen Industrie 4.0 und Digitalisierung im Kontext Finanzcontrolling im Rahmen seiner Abschlussarbeit weiter ausbauen.
Er startete seine berufliche Laufbahn als Finance Controller in einem internationalen Unternehmen.
Abbildungsverzeichnis
Abbildung 1: Die vier industriellen Revolutionen47
Abbildung 2: Bekanntheit der Digitalisierungsbegriffe65
Abbildung 3: Pro und Contra der Digitalisierung im Controlling
Abbildung 4: Häufig verwendete Systemarchitektur76
Abbildung 5: SAP HANA Analysefunktionen77
Abbildung 6: Hybride Automaten84
Abbildung 7: Visualisierte Prozessdaten88
Abbildung 8: Predictive Forecast und Expertenschätzung92
Abbildung 9: Social-Media-Controlling93
Abbildung 10: Virtuelle Organisation106
Abbildung 11: Controller Kompetenzen109
Abbildung 12: Controller Rollenbilder113
Abbildung 13: Controller und Data Scientist123
Abbildung 14: Veränderungen von Führung im digitalen Zeitalter126
Abbildung 15: ROSKAB Leadership Modell
Abbildung 16: Drei Säulen der Kulturellen Intelligenz211
Abbildung 17: Umsetzung der I 4.0 Roadmap235
Tabellenverzeichnis
Tabelle 1: Definition Smart Data
Tabelle 2: Cloud-Servicemodelle
Tabelle 3: Cloud Liefermodelle
Tabelle 4: Motivation approach cluster
Tabelle 5: Lewin´s 3-Phasen-Modell
Abbildung in dieser Leseprobe nicht enthalten
Kapitel 1
Einleitende Gedanken
Deutschland verschenkt 500 Milliarden Euro Potenzial.
(McKinsey & Company)
Diese stark verdichtete Aussage ist das Ergebnis der Studie „Digital Europe“, die das McKinsey Global Institute (MGI) im Jahr 2016 durch-geführt hat. Die monetäre Summe stellt dabei den entgangenen wirt-schaftlichen Vorteil dar, den die Digitalisierung möglich machen würde. „Wenn Deutschland sein digitales Potenzial optimal nutzen würde, könnte das Bruttoinlandsprodukt bis 2025 um einen Prozentpunkt jährlich zusätzlich wachsen.“[2]
Obwohl die Digitalisierungsproblematik aktuell in nahezu jedem Unternehmen stark diskutiert sowie schrittweise etabliert wird und man dadurch ableiten könnte, dass das Thema neu sei, liegen doch die Anfänge bereits fast vierzig Jahre zurück. Die im Jahr 1978 ver-öffentlichte Studie „Die Informatisierung der Gesellschaft“ (Originaltitel: „L'informatisation de la société“) richtete einen Apell an die französische Regierung mit dem Blick auf die Umsetzung einer forcierten Infor-matisierung (eine Kombination der Themenbereiche Informatik und Tele-kommunikation). Die Automation von Produktionsprozessen, Open Source Programme, Video-Konferenzen und auch Cyberkriminalität sind einige Aspekte der Untersuchung, die sich nun - vier Jahrzehnte später - in Organisationen, wie Unternehmen, etablieren.[3]
Neben der Einführung und Weiterentwicklung der Digitalisierung innerhalb eines Unternehmens als Ganzes kaskadiert diese neue Herausforderung weiter in die darunterliegenden Bereiche, wie bspw. das Finanzwesen und das Controlling.
Die Zielsetzung des vorliegenden Fachbuches (basierend unter anderem auf Forschungsergebnissen[4] ) ist es auf der einen Seite die evolutionäre Anpassung von Controllingbereichen im Rahmen der Digi-talisierung im Allgemeinen sowie die Veränderung und Weiterent-wicklung der Berufsbilder im Speziellen zu diskutieren. Auf der anderen Seite werden mit Hilfe eines Führungsmodells anwendbare und erfolg-versprechende Leadership Attribute vorgestellt, die Antworten auf die Frage gibt, wie Kollegen bzw. Mitarbeiter in Zukunft geführt werden kön-nen.
Vor diesem Hintergrund soll Ihnen, liebe Leserin und lieber Leser[5], vorab ein allgemeines Verständnis der Digitalisierung vermittelt sowie eine Erklärung und Abgrenzung aktueller Begriffe gebeben werden. In den nächsten Abschnitten wird dargestellt, was sich systemtechnisch im Controlling ändert und wie ein Umsetzungsplan dafür aussehen kann.
Nachdem dann die Organisation steht und die „neuen Jobs“ abstrahiert definiert sind, wird die Frage beantwortet, wie Manager ihre Mitarbeiter (Digital Natives[6] oder Digital Immigrants[7] ) im Zeitalter der Digitalisierung führen können.
Kapitel 2
Verständlicher Überblick im Begriffsdschungel Digitalisierung!
Digitale Infrastruktur, Zukunft der Arbeit, Datensicherheit, eine an Zukunftsbedarfen ausgerichtete Bildung, der gesetzliche Rahmen – es ist deutlich an der Zeit, all diesen Themen gemeinsam planvoll zu begegnen.
(Bundeswirtschaftsministerium Digitale Strategie 2025)
Die Digitalisierung schreitet kontinuierlich voran und betrifft sowohl die Wirtschaft als auch die Gesellschaft. Ein Alltag ohne Vernetzung und digitalen Informationsaustausch ist heute nicht mehr denkbar. So waren bereits im Jahr 2015 rund 20 Milliarden Geräte und Maschinen mit dem Internet verbunden, für 2030 wird ein Anwachsen auf über einer halben Billion prognostiziert. Ein Blick ins heutige private Umfeld zeigt: 51 Millionen Menschen in Deutschland haben ein Smartphone, 73% aller Internetnutzer betreiben Onlinebanking und 43% sind auf sozialen Netzwerken aktiv.[8]
Zugleich ist ein Digitalisierungsfortschritt der gewerblichen Wirtschaft erkennbar, sodass der Digitalisierungsgrad im Wirtschaftsindex DIGITAL 2016 bei 55 von 100 möglichen Punkten liegt - Tendenz steigend. Dabei sind die Dienstleistungsunternehmen deutlich stärker digitalisiert als das verarbeitende Gewerbe.[9] „27% der Unternehmen der gewerblichen Wirtschaft sind „hoch“, 49 Prozent sind „durchschnittlich“ und 24 Prozent „niedrig“ digitalisiert.“[10] Dieser Digitalisierungsfortschritt bringt für die Unternehmen erhebliche Vorteile mit sich, denn wer „jetzt zu lange wartet, gefährdet seine Wettbewerbskraft.“[11] Eine Studie der Inter-national Institute for Management Development (IMD) Business School und CISCO Consulting Services ergab, dass sich in fünf Jahren 40% aller Unternehmen in einem veränderten Wettbewerbsumfeld befinden werden.[12] Die verbesserte Zusammenarbeit mit externen Partnern (Lieferanten und Dienstleister) sowie interne Effizienzsteigerungen werden dabei als wesentliche Chancen angesehen. Aber auch ein verstärktes Wachstum und die Entwicklung neuer Geschäftsmodelle werden durch die Digitalisierung vorangetrieben.[13]
Die Unternehmen können dies aber alleine nicht bewerkstelligen. Es bedarf einer engen Zusammenarbeit mit der Gesellschaft bzw. der Öffentlichkeit. So hat zum Beispiel das Bundeswirtschaftsministerium (BMWi) im Jahr 2016 mit der Veröffentlichung der Lektüre „Digitale Strategie 2025“ Prinzipien formuliert und versucht seither ein digitales Deutschland zu ermöglichen.[14]
Ein wichtiger Punkt der Strategie ist es, das Gigabit-Glasfasernetz für Deutschland weiter auszubauen. Nur auf Basis von Highspeed-Breit-bandnetzen kann die Digitalisierung weiterkommen. 2015 betrug die durchschnittliche Übertragungsrate in Deutschland nur rund 10,7 Mega bits per second (Mbit/s), daneben hatten nur etwa 7% der Haushalte einen Glasfaseranschluss. Ein deutlich geringerer Prozentsatz im Vergleich zu anderen Ländern wie beispielsweise Schweden (44%), Südkorea (68%) oder Japan (73%).
Die Digitalisierung birgt jedoch nicht nur Chancen, sondern auch Risiken. Aus diesem Grund muss die Problematik rund um das Thema Datenschutz und Datensicherheit nachhaltig definiert und damit gelöst werden. Fast jedes zweite Unternehmen in Deutschland wurde in der Vergangenheit Opfer eines Hackerangriffs. Auf Grund dessen soll mit einer neuen EU-Datenschutzgrundverordnung (EU-DSGVO), im Jahr 2018, europaweit ein hohes Maß an Datenschutz gewährleistet werden. Weitere Inhalte der Strategie sind Start-ups in der Zukunft noch mehr zu fördern, ebenso wie die Subvention von Forschung und Entwicklung.
Die Digitalisierung verändert die Arbeitswelt immens. Diese wird zunehmend komplexer und lässt neue Tätigkeitsfelder und auch Berufs-bilder entstehen. Zukünftig werden viele Routinearbeiten weitestgehend automatisiert ablaufen. Statt aktiv am Prozess zu arbeiten, geht der Trend in Richtung Überwachung, Kontrolle und Steuerung. Eine höhere Qualifizierung mit Blick auf eine aktuell vorherrschend niedrige Per-formance ist daher unabdingbar.[15]
Zusammengefasst kann der Wandel hin zur Digitalisierung abstrahiert durch die folgende Beschreibung charakterisiert werden:
Transformation von analogen Werten in eine digitale Automation unter Nutzung von informationstechnischem Fortschritt, Automatisierung sowie die evolutionäre Anpassung von Geschäftsmodellen.
(Barbian und Mertens, 2016)
Vor diesem Hintergrund etablieren sich (mindestens) neue Vokabeln im Kontext dieser digitalen Welt. Diese Begriffe werden im Folgenden für eine bessere Verständlichkeit kurz abgegrenzt. Es sei an dieser Stelle der Hinweis erlaubt, dass eine ein-eindeutige Definition der Begriffe auf Grund der vielschichtigen wissenschaftlichen Diskussionen und Ab-grenzungen nicht vollumfänglich möglich ist.
Analytics: Grundsätzliche Analyse und folgliche Interpretation von Daten durch Software-basierte Algorithmen und statistische Methoden.[16]
Big Data: Große Mengen an Daten, die mit speziellen Lösungen ge-speichert, verarbeitet und ausgewertet werden.[17]
Business Analytics: Erweitert den Themenbereich Business Intelligence durch eine mögliche Antizipation der Zukunft. Gibt Antworten auf die Fragen nach den Gründen, Auswirkungen und Folgen von Ereignissen.[18]
Business Intelligence: Allgemeiner Fachbegriff zur Zusammenfassung der Herkunft, Identifizierung und Analyse von Daten.[19]
Cloud Computing: Keine Speicherung oder Ausführung von Daten, Diensten und Programmen auf eigenen Computern, sondern auf Servern, die global allokiert sind.[20]
Data Mining: Mit Hilfe mathematischer Verfahren bzw. Algorithmen werden verborgene Muster, Trends und Zusammenhänge in großen Datenmengen abgeleitet.[21]
Data Warehouse: Eine für Analysezwecke generierte Datenbank, die Auswertungs- und Entscheidungsprozesse in Unternehmen erleichtern soll.[22]
Digital Native: Wörtlich beschreibt es Digitaler Muttersprachler (vgl. Native Speaker bzw. Muttersprachler). Erstmals im Jahr 2001 durch Prensky verwendeter Begriff. Dieser Terminus beschreibt Menschen aus der Generation Y (Geburtsjahrgänge 1986 bis 2000), die bereits in der Kindheit mit modernen Kommunikationsmitteln, wie eMail und Internet soiwe Globalisierung aufgewachsen sind.[23]
Digital Immigrant: Dieser Begriff ist das Gegenstück zu Digital Native und bedeutet wörtlich Digitaler Einwanderer. Der Terminus beschreibt Menschen, die erst im Heranwachsenden- bzw. Erwachsenenalter mit neuen Technologien, wie beispielsweise Internet, eMail und modernen Kommunikationsmitteln, konfrontiert wurden.[24]
Digital Transformation: Bezeichnet einen Veränderungsprozess bei dem digitale Technologien, wie Big Data, Cloud (Computing) etc., ein-gesetzt werden.[25]
Disruption: Wörtlich übersetzt: Störung oder Unterbrechnung. Ver-drängung alter Technologien durch neue Innovationen.[26]
Electronic Learning: Standortunabhängige Vermittlung von Wissen mithilfe elektronischer Mittel.[27]
Enterprise-Resource-Planning: Gesamtheitliche betriebswirtschaftliche Softwarelösungen zur Planung, Kontrolle/Überwachung und damit Steuerung von Geschäftsprozessen.[28]
Gamification: Nutzung des Spieltriebes, der uns allen innewohnt! Für die Vermittlung von Wissen genau so wie für Nudge, aktivieren des „automatischen Systems“ in unserem Gehirn.[29]
Industrie 4.0: Vierte industrielle Revolution, in der Maschinen ihren Fertigungsprozess eigenständig steuern und selbstständig miteinander kommunizieren.[30]
Internet of Things: Physische Objekte, die mittels eingebauter Elek-tronik und entsprechender Software über das Internet miteinander ver-knüpft sind und untereinander kommunizieren.[31]
Künstliche Intelligenz: Im Englischen Aritficial Intelligence. Autonome, lernende, intelligente und/oder automatische Systeme, die im Kern einen Computer haben und mit der physikalischen Umwelt interagieren.[32]
Open Source: Computerprogramme die über einen offenem Quelltext verfügen. Damit sind diese für alle zugänglich, d.h. kopier-, veränder- und nutzbar.[33]
Predictive Analytics: Als Teildisziplin von Business Analytics. Trifft Vorhersagen über mögliche Ereignisse in der Zukunft.[34]
Predictive Maintenance: Hierbei werden Ereignisse vorhergesehen, sodass negative Zustände mit erhöhter Wahrscheinlichkeit vermieden werden.[35]
Real Time: Lieferung und Darstellung von Ergebnissen in Echtzeit, das heißt informationstechnische Abbildung der Realität (quasi-simultan).[36]
SAP HANA: Das Unternehmen SAP entwickelte die Software-anwendung High Performance Analytic Appliance (HANA). Diese er-möglicht den Umgang mit großen Transaktionsvolumen sowie die Durch-führung von Echtzeitanalysen mit Hilfe von sog. In-Memory-Computing.[37]
Smart Services: Daten- und dienstbasierte Leistungsangebote, wo-durch eine leichtere Bedienung von Maschinen und Geräten ermöglicht wird.[38]
Social Media: Elektronischer Informationsaustausch auf speziellen Plattformen durch Datenübertragung und -speicherung via bzw. im World Wide Web (Internet).[39]
Eines der wichtigsten Themenfelder, welches in Verbindung mit der Digitalisierung steht, heißt „Industrie 4.0“ und ermöglicht weltweit neue Perspektiven. Vor allem aber eröffnet es dem Wirtschaftsstandort Deutschland die Möglichkeit neue Märkte zu erschließen - und damit zum einen als Leitmarkt sowie zum anderen auch als Leitanbieter zu fungieren.[40] Daraus resultierend, wird im nächsten Abschnitt auf die elementaren Grundkenntnisse der I 4.0 eingegangen.
Kapitel 2.1
Industrie 4.0 und Digitalisierung
Die Geburtsstunde und damit die erstmalige Verwendung des Begriffs „Industrie 4.0“ erfolgte im Jahr 2011 auf der Hannover Messe für Industrie.[41] Ein Jahr später wurden der Bundesregierung Umsetzungs-empfehlungen des Arbeitskreises Industrie 4.0[42] im Rahmen eines Zukunftsprojektes der Hightech Strategie übergeben.[43] Ausgehend von drei vergangenen industriellen Revolutionen (IR) (1. IR 1780-1880; 2. IR 1880-1914; 3. IR 1969-2014) repräsentiert I 4.0 die vierte industrielle Revolution (siehe Abbildung 1).[44]
Jedoch bleibt abzuwarten, ob tatsächlich von einer „Revolution“ gesprochen werden kann, oder eher von einer „Evolution“ die Rede ist. Zumal die eingesetzten Technologien (Elektronik, Sensorik, Vernetzung und Internet) keine vollkommen neuen Erfindungen sind und der Industrie schon seit geraumer Zeit zur Verfügung stehen.
Außerdem wurde eine industrielle Revolution in der Vergangenheit nie vorhergesagt, sondern erst im Nachhinein zu einer solchen erklärt.[45]
Abbildung in dieser Leseprobe nicht enthalten
Bei der I 4.0 handelt es sich im Wesentlichen um ein sich in Echtzeit selbststeuerndes und organisierendes Produktionssystem, welches die digitale mit der physischen Welt vereint. Die Komponenten des zu fertigenden Produkts werden dabei mit dem Internet der Dinge, englisch (engl.) Internet[46] of Things (IoT), verbunden. Dies ermöglicht eine Kommunikation der Fertigungsteile mit den Produktionsmaschinen, wodurch sie ihren Weg durch die Produktionsfabrik eigenständig steuern. Die übliche, in den meisten Produktionshallen auffindbare Zentralsteuerung, gehört damit der Vergangenheit an.[47] Im Fachjargon spricht man auch von einer sogenannten „ Intelligenten Fabrik “ (engl. Smart Factory). Dahinter verbirgt sich ein wirtschaftlicher Gedanke: Neben der angestrebten Losgröße 1, soll der Kunde das Produkt individuell, nach seinen Wünschen, mitbestimmen können - und das zu Kosten der Massenfertigung.[48]
Möglich machen dies Cyber-physische-Systeme (CPS), durch permanente Vernetzung innerhalb und außerhalb der Unternehmen (= horizontale Integration). Teil dieses Systems sind intelligente Maschinen und Industrieroboter, die über das IoT miteinander verbunden sind, eigenständig agieren und kommunizieren.[49] Mit Sensortechnik identifizieren sie ihre Umwelt. Via Zugriff auf das Internet können sie daher Daten auswerten, Informationen speichern und weitergeben. Elektronische Signale setzten mechanische Bewegungen in Kraft, wodurch sie Aktionen ausführen und parallel dem Menschen wichtige Informationen aufzeigen: visuell, oder auch akustisch (= vertikale Integration). Ziel ist eine Optimierung entlang der Wertschöpfungskette, das heißt primär: Kostensenkung sowie eine Erhöhung der Qualität bzw. der Flexibilität und in der Folge eine Umsatzsteigerung.[50]
Kapitel 2.2
Bedeutung für das Controlling
Die Verbreitung des Controllings fand in Deutschland gegen Ende der 60er Jahre statt, jedoch existiert bis heute in der Literatur keine ein-eindeutige Definition des Begriffs.[51] Der Experte Horváth sieht das Controlling „als Subsystem der Führung, das Planung und Kontrolle sowie Informationsversorgung systembildend und systemkoppelnd ergebniszielorientiert koordiniert und so die Adaptation und Koordination des Gesamtsystems unterstützt.“[52] Unabhängig der variierenden Definitionen, können die nachfolgenden vier Controlling Funktionen unterschieden werden:
- Ermittlungs- und Dokumentationsfunktion
- Planungs- und Prognosefunktion
- Steuerungs- und Beratungsfunktion
- (Selbst)Kontrollfunktion
Unter der Ermittlungs- und Dokumentationsfunktion wird bspw. die Beobachtung der Leistungsfähigkeit des Rechnungswesens verstanden. Die Planungsfunktion erfordert die Ableitung und Aufstellung eines erfolgswirtschaftlich orientierten Gesamtplanes. Die hieraus resul-tierenden Planungsziele werden laufend im Rahmen von bspw. sog. Soll-Ist-Vergleichen beobachtet und bei etwaigen Abweichungen gegen-gesteuert (Steuerungsfunktion). Innerhalb der vierten Funktion werden Planung und Erfolg kontrolliert.[53]
Der Grundgedanke von Big Data ist für das Controlling grundsätzlich nichts Neues. Seit jeher werden im internen Rechnungswesen betrieb-liche Daten analysiert und für Steuerungs- und Entscheidungszwecke aufbereitet.[54]
Der tatsächliche Fortschritt wird erst durch die folgenden Eigen-schaften von Big Data deutlich:[55]
Volume: Große anfallende Datenmengen (von Terrabytes bis Peta-bytes), oder auch viele kleine Datenmassen, die es zu analysieren gilt.
Variety: Unterschiedliche Datenart und Datenvielfalt, die aus unter-nehmensinternen und/oder -externen Quellen stammen und entweder
- strukturiert (bspw. relationale Datenbanken),
- semistrukturiert (z. B. Logfiles) oder
- unstrukturiert (Texte, Video- und Audiodateien etc.)
vorliegen.
Velocity: Damit ist die Geschwindigkeit bzw. die Generierung, Über-tragung, Auswertung und Verfügbarkeit in Echtzeit gemeint.
Veracity: Jegliche Daten müssen im Sinne der Qualität korrekt sein bzw. müssen alle beteiligten Personen darauf vertrauen können.
Data Analytics: Zur Auswertung der Daten werden spezielle Methoden der automatisierten Erkennung von Zusammenhängen im Allgemeinen bzw. Mustern (Pattern) und Trends im Speziellen benötigt. Realisiert wird dies durch statistische Verfahren, Data Mining sowie Text- und Bild-analytik etc.
Value: Die Verwendung von Big Data liefert gößeren Unternehmen einen Wertzuwachs, im Sinne niedrigerer Kosten, schnellerer Ent-scheidungen, wie auch Produkt- und Serviceinnovationen.
Es geht bei Big Data also nicht nur um größere Datenmengen, „sondern darum, aus Daten Informationen, Wissen und schließlich Wettbewerbsvorteile zu generieren.“[56] Um dies zu realisieren, bedarf es neuer Informationstechnik (IT):[57]
- Relationale Datenbankmanagementsysteme (RDBMS)
- MapReduce-Algorithmus
- In-Memory-Technik
Relationale Datenbankmanagementsysteme erlauben den Betrieb von mehreren parallel laufenden Datenbanken auf verschiedenen Com-putern, um damit große Datenmengen mit hoher Geschwindigkeit ver-arbeiten zu können. Da diese Systeme aber nicht per se für Big Data Anwendungen geschaffen wurden, grenzen sie schnell an ihr Limit. Dies geschieht vor allem dann, wenn Daten unterschiedlicher Art (Variety) verarbeitet werden müssen.
Im Gegensatz zu RDBMS, wurde der MapReduce-Alogrithmus eigens für Big Data Einsätze entwickelt. Große Datenmengen können in kürzester Zeit verarbeitet werden. Dies gelingt „durch die Zerlegung und Aufteilung der Daten in kleinere Pakete, welche dann parallel von mehreren Computersystemen verarbeitet werden können.“[58] Deshalb eignet sich dieser Ansatz auch besonders gut für Social Media Analysen. Seine Schwächen zeigt er allerdings bei einfachen Abfragen, wie beispielsweise den „SELECT-Statements“, da der MapReduce-Algo-rithmus hier betont mehr Zeit in Anspruch nimmt.
Im Gegensatz zu herkömmlichen Datenbanken, werden die Daten von In-Memory-Datenbanken nicht auf Festplatten gespeichert, sondern direkt auf dem Hauptspeicher (= In-Memory). Dadurch gelingen Abfragen in deutlich kürzerer Zeit. Ein weiterer Vorteil: Analysen können direkt in der Datenbank durchgeführt werden, welches ein zeitaufwendiges Zwischenspeichern der Daten überflüssig macht. Problematisch ist allerdings, dass bei unterbrochenem Stromzufluss des Systems, alle Daten auf dem Hauptspeicher verloren gehen. „Dies kann insbesondere bei Systemabstürzen zum Datenverlust führen.“[59] Aus diesem Grund werden auch des Öfteren hybride Datenbanken verwendet, die beides (Hauptspeicher + Festplatte) kombinieren.
Am Wichtigsten ist aber der Erkenntnisgewinn aus den abgeleiteten Daten. Über einige Schritte kann dann aus Big Data Smart Data werden.
Jähnichen definiert Smart Data (wie in Tabelle 1 dargestellt) als Weiterenticklung von Big Data unter Berücksichtigung des Nutzens, der Semantik, der Datenqualität, der Sicherheit sowie des Datenschutzes.
Tabelle 1: Definition Smart Data[60]
Abbildung in dieser Leseprobe nicht enthalten
Durch Ableitung des Teilbegriffs „Smart“ auf das Controlling, entsteht „Smart Controlling“. Hierbei werden alle IT-basierten, innovativen Werk-zeuge und Methoden zur Unterstützung des Managements[61] subsumiert.
Aufbauend auf PC/ERP-Systeme und Data Warehouse Architekturen, charakterisiert sich Smart Controlling (in Verbindung mit Big Data) vor allem durch die mögliche Echtzeitverarbeitung. Reports sind somit immer aktualisiert und haben direkten Einfluss auf Geschäftsprozesse. Ergeben sich beispielsweise Änderungen bei den Kundendaten, kann dies parallel zu einer veränderten Kundenbewertung führen und damit einhergehend zu einer sich ändernden Kundenbonität. Dies kann wiederum zur Folge haben, dass die Vertriebsmitarbeiter automatisch eine Meldung auf ihrem Smartphone bekommen, um einen Termin mit dem Kunden zu vereinbaren.[62]
Neben dem Reporting und der Konsolidierung, wird man die Aus-wirkungen von Big Data bzw. Smart Data besonders in der (mehr-jährigen) Geschäftsplanung sowie im Forecasting wahrnehmen. Weitere betroffene Finanzteilbereiche sind die Buchhaltung (Accounting), die Strategie und der Organisationsbereich Mergers & Acquisitions (M&A). Aber auch die Bereiche Organisation und Personalentwicklung werden durch Big Data verstärkt beeinflusst.[63]
Kapitel 3
Wie verändert sich die Systemlandschaft?
Status quo im Controlling
Die allgemeine Einschätzung der untersuchten einundreißig Unter-nehmen (siehe Seite 14) mit Blick auf deren aktuellen Stand der Um-setzung der Digitalisierung kann insgesamt als positiv eingeschätzt werden. Richtet man aber den Fokus in deren Fachbereiche, dann sind unterschiedliche Ausprägungen der Digitalisierungsaffinität erkennbar. Es können zwei Grundströmungen abgeleitet werden:
- Auf der einen Seite findet man Controlling-Organisationseinheiten, die einen Benchmark bezüglich der Umsetzung und Anwendung der Digi-talisierung im Vergleich zu anderen Unternehmensteilbereichen dar-stellen.
- Auf der anderen Seite wurden Controlling-Abteilungen identifiziert, die in der Umsetzung und Anwendung der Digitalisierung hinter Be-reichen, wie Logistik, Einkauf oder Produktion liegen. Hier besteht die Notwendigkeit, das Controlling in diesen Unternehmen noch weiter-zuentwicken, um die Vorteile der Digitalisierung zu maximieren.
Ferner wurde im Rahmen der Untersuchung auch die Frage nach der Bekanntheit sowie Geläufigkeit („schon mal gehört“ oder „unbekannt“) verwandter Vokabeln im Kontext Industrie 4.0 und Digitalisierung (wie weiterhin Big Data, Cloud Computing, Data Mining, Künstliche Intelligenz, Internet of Things und Real Time) gestellt. Die Ergebnisse sind der Abbildung 2 zu entnehmen. Grundsätzlich, d. h. über 80% der Befragten kennen die Begriffe und wissen, was damit gemeint ist. Eine Ausnahme stellt dabei Data Mining mit 72% dar.
Abbildung in dieser Leseprobe nicht enthalten
Der[64] empirisch[65] ermittelte Grad der Digitalisierung (GdD) der einzel-nen Controllingbereiche lag durchschnittlich bei 50% (Intervall zwischen 30% und 80%). Die Ergebnisse zeigen auf, dass vor allem die Controlling-Hauptprozesse Reporting, Geschäftsplanung, Budgetierung sowie Forecasting besonders von der Digitalisierung betroffen sind.
Im Rahmen Industrie 4.0 werden aber weitaus mehr Controlling Prozesse tangiert. So ergeben sich für die Controlling Hauptprozesse neue Aufgaben beziehungsweise Änderungsnotwendigkeiten. Innerhalb der strategischen Planung, zählt die Mitentwicklung neuer Geschäfts-modelle zu einer solchen neuen Aufgabe.
Die Ressourcenplanung und -steuerung wird durch neue Planungs- und Steuerungsinstrumente, wie zum Beispiel produktionsbezogene Flexibilitätskennzahlen, merklich dynamischer und transparenter. Inner-halb der Operativen Planung und Budgetierung sind dezentrale Kosten-erhebung, sowie modulare Kostenzurechnung die wesentlichen neuen Attribute. Im Forecast Prozess werden intelligente Algorithmen zur Aus-wertung von Echtzeitdaten geschaffen. Real Time Reportingsysteme ermöglichen eine schnellere Berichterstattung durch den Einsatz mobiler Endgeräte. Die Mobilität aber erfordert grundsätzlich eine stärkere Ko-operation mit Security- und IT-Managern, auf Grund der höheren digita-len Risiken.[66]
Mit dem Blick auf den Grad der Digitalisierung kann abgeleitet werden, dass bisher nur wenige Unternehmen Industrie 4.0 Anwendungen voll-umfänglich nutzen. Überwiegend sind diese höchstens geplant oder sogar nicht bekannt bzw. nicht relevant. Der Automatisierungsgrad der Berichterstellung liegt zwischen 25 und 50%.
Zusammengefasst können die folgenden Vor- und Nachteile der Digi-talisierung aus der Sicht der Unternehmen für den Teilbereich Controlling abgeleitet werden (siehe Abbildung 3):
Abbildung in dieser Leseprobe nicht enthalten
Kapitel 3.1
Einführung Cloud Computing und mobile Endgeräte
Bevor Cloud Computing (kurz: Cloud) in Unternehmen und Organi-sationen eingeführt werden kann, müssen die wesentlichen Details der Cloud determiniert werden.
Im Grunde werden durch die Cloud informationstechnologische Produkte und Dienstleistungen auf zentralen Servern ausgeführt und via Internet zur Verfügung gestellt. Unterschiedliche Benutzer und Benutzer-gruppen können „gleichzeitig und unabhängig voneinander auf dieselbe Hardware (Speicherplatz und Rechenleistung) zugreifen und unter-schiedliche Applikationen [in Echtzeit] ausführen.“[67]
Es bedarf somit keiner Softwareinstallation auf dem lokalen PC, sondern es genügt die Oberfläche im Internet Browser.[68]
Dazu werden verschiedene Cloud-Servicemodelle bzw. Cloud-Liefer-modelle unterschieden (siehe Tabelle 2):
Tabelle 2: Cloud-Servicemodelle[69]
Abbildung in dieser Leseprobe nicht enthalten
Handlungsempfehlung für Unternehmen
Dieser Abschnitt fokussiert auf das in Tabelle 2 erstgenannte Infrastructure-as-a-Service Modell. Dieses Konstrukt ist speziell Unter-nehmen zu empfehlen, die mit Blick auf die Digitalisierung noch in der Startphase sind. Dabei sollte zunächst einmal Speicherplatz im Internet (Festplattenkapazität) in Form eines Cloud-Speichers aufgesetzt werden. Auf diesem Onlinespeicher werden die gesamten Daten des Bereichs (im Idealfall des gesamten Unternehmens), welche sich auf den lokalen Netzwerkservern befinden, transferiert. Durch diesen Übertrag ist es nun jedem Zugriffsberechtigten möglich, via Internet und durch spezifische Endgeräte, auf die Daten zuzugreifen - von jedem beliebigen Standort aus, auf der ganzen Welt.
[...]
[1] Siehe Literaturverzeichnis
[2] McKinsey & Company, 2016.
[3] Vgl. Dittmann, 2017, S. 19.
[4] Zwei Querschnittsstudien dienen neben aktuellen wissenschaftlichen Diskussionen als Grundlage für dieses Buch. Die erste Untersuchung fokussiert auf Digitalisierung im Controlling (Durchführung der Studie: 2017; Teilnehmer: 31 (m/w); Art: Fragebogen; Land: Deutschland; Unternehmen > 250 Mitarbeiter (m/w); Funktion: Controlling; Veröffentlichung der Ergebnisse in diesem Buch). Die zweite Untersuchung zielt auf die Verbesserung von Leadership Attributen (Durchführung der Studie: 2014; Teilnehmer: 214 (m/w); Art: Fragebogen; Länder: Deutschland, Spanien und Frankreich; Unternehmen > 250 Mitarbeiter (m/w); Funktion: Finance; Veröffentlichung der Ergebnisse in Kohler, 2015). Das Ergbnis der letztgenannten Studie mündete in das sogenannte ROSKAB Leadership Modell, im dem zehn erfolgversprechende Leadership Roles, Skills und Abilities vorgestellt und diskutiert werden.
[5] Vor dem Hintergrund einer leichteren Lesbarkeit wird in diesem Buch die maskuline Form verwendet. Es sind aber stets Personen aller drei Geschlechter gleichermaßen gemeint.
[6] Der Terminus Digital Natives beschreibt laut Prensky 2001 Menschen aus der Generation Y (Geburtsjahrgänge 1986 bis 2000), die bereits in der Kindheit mit modernen Kommunikationsmitteln, Internet und Globalisierung aufgewachsen sind.
[7] Der Begriff Digital Immigrants bescheibt in Bezug auf Prensky 2001 Menschen, die erst im Heranwachsenden- bzw. Erwachsenenalter mit neuen Technologien, wie Internet und modernen Kommunikationsmitteln, konfrontiert wurden.
[8] Vgl. BMWi: Digitalisierung und du, 2016, S. 5; S. 13.
[9] Vgl. BMWi: Monitoring-Report, 2016, S. 7.
[10] BMWi: Monitoring-Report, 2016, S. 7.
[11] BMWi: Zukunftschance Digitalisierung, 2016, S. 28.
[12] Vgl. BMWi: Zukunftschance Digitalisierung, 2016, S. 28.
[13] Vgl. BMWi: Monitoring-Report, 2016, S. 63-67.
[14] Vgl. BMWi: Digitale Strategie 2025, 2016, S. 6-7; S. 13-56.
[15] Vgl. BMWi: Digitale Strategie 2025, 2016, S. 5; S. 13-14; S. 33-34; S. 49-50.
[16] Vgl. Mauerer, 2015.
[17] Vgl. BMZ: Glossar - Digitalisierung und nachhaltige Entwicklung, 2016, S. 10ff.
[18] Vgl. ITwissen.info, 2013.
[19] Vgl. ITwissen.info, 2013.
[20] Vgl. Fraunhofer IAO, 2017.
[21] Vgl. ITwissen.info, 2013.
[22] Vgl. Welker, 2015.
[23] Vgl. Prensky, 2001, S. 1-6.
[24] Vgl. Prensky, 2001, S. 1-6.
[25] Vgl. Krcmar und Pfaff, 2016, S. 34.
[26] Vgl. Peppard und Ward, 2016, S. 7-8
[27] Vgl. Fraunhofer IAO, 2017.
[28] Vgl. Lackes, 2016.
[29] Vgl. bspw. Fraunhofer IAO, 2017.
[30] Vgl. Fraunhofer IAO, 2017.
[31] Ebd.
[32] Sabel und Schmidt-Schauß, 2013, S. 3f.
[33] Vgl. Fraunhofer IAO, 2017.
[34] Vgl. ITwissen.info, 2013.
[35] Vgl. ITwissen.info, 2013.
[36] Vgl. ITwissen.info, 2013.
[37] Vgl. ITwissen.info, 2013.
[38] Vgl. Fraunhofer IAO, 2017.
[39] Vgl. Fraunhofer IAO, 2017.
[40] Vgl. Dülme, Eckelt et al., 2017, S. 1.
[41] Vgl. Kagermann und Lukas, 2011.
[42] Arbeitskreis unter der Leitung von Dr. Siegfried Dais (Robert-Bosch GmbH) und Prof. Henning Kagermann (acatech - Deutsche Akademie der Technikwissenschaften)
[43] Vgl. Promotorengruppe Kommunikation der Forschungsunion Wirtschaft -
Wissenschaft, 2012, S. 4.
[44] Vgl. Schäfer, 2015, S. 2-5.
[45] Vgl. Sendler, 2013, S. 7.
[46] Darstellung Kohler in Anlehnung an IHK 2011
[47] Vgl. Mosler, 2017, S. 492f; S. 513.
[48] Vgl. Thiel, 2015, S. 12f.
[49] Vgl. Promotorengruppe Kommunikation der Forschungsunion Wirtschaft-
Wissenschaft, 2012, S. 2.
[50] Vgl. Mosler, 2017, S. 496-499; S. 511f.
[51] Vgl. Jung, 2014, S. 6.
[52] Horváth, 2009, S. 125.
[53] Vgl. Preißler, 2014, S. 14.
[54] Vgl. Baumöl und Berlitz, 2014, S. 168.
[55] Vgl. Grönke, Kirchmann et al., 2014, S. 66; Aschenbrücker et al., 2014, S. 36.
[56] Oehler, Schmidt et al., 2016, S. 63.
[57] Vgl. Baumöl und Berlitz, 2014, S. 166-168.
[58] Baumöl und Berlitz, 2014, S. 167.
[59] Baumöl und Berlitz, 2014, S. 168.
[60] Darstellung Hübl in Anlehnung an Jähnichen, 2015, S. 1.
[61] Gadatsch, Krupp et al., 2017, S. 72f.
[62] Vgl. Gadatsch, Krupp et al., 2017, S. 72f.
[63] Vgl. Grönke, Kirchmann et al., 2014, S. 67; Eichler, Ploss et al., 2017, S. 51.
[64] Darstellung Hübl/Kohler (Basis: Studie 2017; siehe Seite 14)
[65] Basierend auf Experteneinschätzungen. Angewandte Methode: Questionnaire
[66] Vgl. Munck, Riechmann et al., 2016, S. 74f.
[67] Metzger, Reitz et al., 2011, S. 3.
[68] Vgl. Metzger, Reitz et al., 2011, S. 2ff.
[69] Darstellung Hübl in Anlehnung an Metzger, Reitz et al., 2011, S. 21f.