Digitalisierung im Controlling. Beschreibung der Auswirkungen von Business Intelligence, Big Data und Industrie 4.0 auf die Anforderungen an zukünftige Controller


Thèse de Bachelor, 2017
90 Pages, Note: 1,3

Extrait

Inhaltsverzeichnis

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Ausgangspunkt und Problemstellung
1.2 Ziele und Forschungsfragen
1.3 Methodische Vorgehensweise

2 Theoretische Grundlagen
2.1 Controlling und Controller
2.1.1 Definition und Funktionen des Controllings
2.1.2 Aufgaben des Controllers
2.1.3 Controlling-Prozessmodell der International Group of Controlling
2.1.4 Methodenkompetenzen und Rollen des Controllers
2.2 Ansätze der Digitalisierung
2.2.1 Definition der Digitalisierung und Einordnung digitaler Ansätze
2.2.2 Business Intelligence
2.2.2.1 Historische Entwicklung
2.2.2.2 Definition und zentrale Merkmale
2.2.2.3 Potenziale und Herausforderungen
2.2.3 Big Data
2.2.3.1 Historische Entwicklung
2.2.3.2 Definition und zentrale Merkmale
2.2.3.3 Potenziale und Herausforderungen
2.2.4 Industrie 4.0
2.2.4.1 Historische Entwicklung
2.2.4.2 Definition und zentrale Merkmale
2.2.4.3 Potenziale und Herausforderungen

3 Entwicklung des Controllings und der IT
3.1 Entwicklung des Controllings
3.2 Entwicklung der IT im Controlling
3.3 Zusammenfassung der Entwicklungen

4 Auswirkungen von BI, Big Data und Industrie 4.0 auf die Controlling-Hauptprozesse
4.1 Strategische Planung
4.2 Operative Planung und Budgetierung
4.3 Forecast
4.4 Kosten-, Leistungs- und Ergebnisrechnung
4.5 Management Reporting
4.6 Projekt- und Investitionscontrolling
4.7 Risikomanagement
4.8 Übersicht über die Auswirkungen auf Controlling-Hauptprozesse

5 Zukünftiges Rollenverständnis und Kompetenzprofil des Controllers
5.1 Auswirkungen auf die Rollen des Controllers
5.2 Auswirkungen auf die Kompetenzen des Controllers

6 Zusammenfassung und Fazit
6.1 Zusammenfassung und Beantwortung der Forschungsfragen
6.2 Kritische Betrachtung und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Abgrenzung von Manager, Controlling und Controller

Abbildung 2: Controlling-Hauptprozesse des Controlling-Prozessmodells der IGC

Abbildung 3: Rollenbilder

Abbildung 4: Ansätze der Digitalisierung

Abbildung 5: Historie von entscheidungsunterstützenden Systemen

Abbildung 6: Unterschiedliche Facetten von Business Intelligence

Abbildung 7: Entwicklung des weltweiten Datenvolumens

Abbildung 8: Business-Analytics-Kategorien mit Controlling-Beispielen

Abbildung 9: Big Data-Datenquellen

Abbildung 10: Die vier Stufen der industriellen Revolution

Abbildung 11: Wesentliche Merkmale von Industrie 4.0

Abbildung 12: Entwicklungsstufen der Informationsverarbeitung im Controlling

Tabellenverzeichnis

Tabelle 1: Übersicht über die Auswirkungen auf die Controlling-Hauptprozesse

Tabelle 2: Erweitertes Kompetenzprofil des zukünftigen Controllers

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Ausgangspunkt und Problemstellung

Ein Zitat des griechischen Philosophen Heraklit lautet: „Nichts ist so beständig wie der Wandel“. Heutzutage aktueller denn je lässt sich die Beschreibung auf die aktuellen und bevorstehenden Veränderungen der Gesellschaft und Wirtschaft übertragen. Die digitale Transformation, getrieben durch technologische Innovationen, führt zum einem gewaltigen Anstieg der Datenmenge und Datenvielfalt. So wird sich laut einer Studie von IDC, die von Seagate gesponsort wurde, die weltweite Datenmenge bis 2025 verzehnfachen.[1] Im privaten Umfeld ist bereits der Alltag zunehmend geprägt von intelligenten Produkten wie u. a. vernetzten Uhren, Smartphones und Smart-Home-Systemen. So überrascht es nicht, dass die Welle der smarten Möglichkeiten, getragen von der großen Datenflut und dem Internet der Dinge und Dienste, mittlerweile auch die Geschäftswelt vollständig erfasst hat.

Es finden derzeit nicht nur Überlegungen statt wie Produkte smart werden, sondern auch Geschäftsmodelle und ganze Abteilungen wie die Produktion. Hintergrund sind aktuellen Entwicklungen von Industrie 4.0 und Big Data, die Unternehmen in den kommenden Jahren verändern werden. Als Öl der digitalen Transformation bezeichnet, werden Daten werden von Unternehmen zunehmend auch als entscheidenden Produktions- und Wertschöpfungsfaktor registriert.[2] Um den wertschöpfenden Nutzen daraus zu ziehen, wird das Controlling als Informationsversorger mit den neuen Technologien auseinandersetzen müssen. Voraussetzung für die Etablierung dieser neuen Entwicklungen sind bereits vorhandene Business-Intelligence-Systeme, die ebenfalls neue Potenziale für die Unternehmen und das Controlling ermöglichen.

Von wissenschaftlichem Interesse sind diese Entwicklungen insofern, als dass die Auswirkungen der Digitalisierung an das zukünftige Controlling bereits intensiv diskutiert werden. Trotz intensiver Aufklärungen in der Literatur, sind noch zahlreiche Fragen ungeklärt.[3] Die steigende Komplexität, bedingt durch die umfassende Vernetzung erfordert eine notwendige Anpassung des Controllings. Große Datenmengen sollen in Echtzeit analysiert und ausgewertet werden. So führen bereits heute in einigen Unternehmen Mathematiker, Physiker und Informatiker zunehmende die Aufgaben des Controllers aus.[4] Betrachtet man die Funktionen des Controllings, bilden sich neue Möglichkeiten und Herausforderungen. Der Controller wird sich da­her anpassen müssen, um die Herausforderungen von morgen erfolgreich zu meistern. Die Auswirkungen von Big Data und Industrie 4.0 und Business Intelligence auf das Controlling sind einige unter maßgeblichen Trends, die das Controlling in Zukunft verändern werden. Aufgrund der zeitlichen Einschränkung wird sich diese Arbeit nicht mit anderen Trends beschäftigen, darunter u. a. das Green Controlling, die Harmonisierung mit dem externen Rechnungswesen und dem ganzheitlichen Performance Management. [5] Die Veränderungen der Organisation im Unternehmen und der Arbeitswelt von Produktionsmitarbeitern werden ebenfalls nicht im Rahmen dieser Arbeit behandelt.

1.2 Ziele und Forschungsfragen

Diese Arbeit verfolgt das Ziel, einen aktuellen Forschungstand der potenziellen Auswirkungen von Business Intelligence, Big Data und Industrie 4.0 auf das zukünftige Controlling bzw. den Controller[6] aufzuzeigen. Im Fokus der Arbeit steht die Untersuchung der potenziellen Veränderungen auf die Controlling-Hauptprozesse, die Anforderungen an Controller sowie auf die aktuellen Rollenbilder des Controllers. Die Veränderungen der Controlling-Hauptprozesse sollen für die Begriffe Business Intelligence, Big Data und Industrie 4.0 jeweils separat aufgezeigt werden. Ziel ist es, die einzelnen Auswirkungen auf einer detaillierten Ebene zu betrachten. Anhand der Veränderungen der Controlling Prozesse werden neue Anforderungen an den zukünftigen Controller sowie ein zukünftiges Rollenbild erörtert. Zu prüfen ist daher ebenfalls, wie der Controller in Zukunft zum Erfolg des Unternehmens beitragen kann.

Aus der bisherigen Darstellung ergeben sich hinsichtlich der zu betrachtenden Thematik folgende Forschungsfragen:

1. Welche Auswirkungen hat Business Intelligence auf die Controlling-Hauptprozesse?
2. Welche Auswirkungen hat Big Data auf die Controlling-Hauptprozesse?
3. Welche Auswirkungen hat Industrie 4.0 auf die Controlling-Hauptprozesse?
4. Wie beeinflussen Business Intelligence, Big Data und Industrie 4.0 die Rolle, den Stellenwert und die Anforderungen der Controller?

1.3 Methodische Vorgehensweise

Um einen Einblick in die Themengebiete zu erhalten wird die systematische Literatur­recherche angewendet. Nach der Bestimmung der Forschungsfragen werden im zweiten Schritt die Quellen wie Bibliotheken oder Suchmaschinen fesgelegt. Folgende Quellen werden verwendet:

- Universitäts- und Stadtbibliothek Köln,
- Hochschulbibliothek Köln,
- Bibliothek der Hochschule Bonn-Rhein-Sieg,
- Universitätsbibliothek Dortmund,
- Suchmaschine Google (Google Books und Google Scholar),
- Datenbank wiso (wiso-net.de),
- Vahlen elibrary (elibrary.vahlen.de)
- Springer Link (linkspringer.com),
- Amazon.

Im dritten Schritt erfolgt die Definition der geeigneten Suchbegriffe. Ausgewählt wer­den: „Controlling“, „Business Intelligence“, „Industrie 4.0“ „BI“ und „Digitalisierung“. Verfeinert wird die Recherche in Kombination mit den Begriffen “Anforderungen“, „Herausforderungen“, „Potenziale“, „Anwendungen", „Informationssysteme“, „Warehouse“ und „Prozesse“. Als Resultat verbessern sich die Suchergebnisse. Die Begriffe werden auch untereinander kombiniert. Dies ermöglicht einen besseren Überblick über die vorhandene Literatur.

Im folgenden vierten Schritt werden Kriterien festgelegt, um die verwendeten Quellen für diese Arbeit weiter einzugrenzen. So wird der Veröffentlichungszeitraum aufgrund der aktuellen Relevanz für „Industrie 4.0“ und „Big Data“ auf die Jahre 2010-2017 eingegrenzt. Für die Themengebiete zu „Controlling“ und „Business Intelligence“ erfolgt die Eingrenzung aufgrund der umfangreicheren Literatur auf die Jahre 2000-2017. Festzulegen ist ebenfalls, dass jegliche Literatur im Volltext zugänglich sein muss, und Wikipedia als Quelle nicht miteinbezogen werden.

Anschließend erfolgt die Anwendung des sogenannten „Schneeballverfahren“. Nach den ersten Treffern aus der systematischen Recherche werden mit dieser Methodik die Fußnoten und Literaturverzeichnisse der Quellen nach weiterer Literatur durchsucht und auf thematische Relevanz geprüft. Für relevante Quellen wiederholen sich die Schritte. Zusätzlich wird während der Anwendung beider Methodiken die kontinuierliche Qualitätsprüfung der gefundenen Quellen vollzogen. Abschließend wird die gefundene Literatur mithilfe des Programms „Citavi“ erfasst und ausgewertet.

Zur Beantwortung der aufgestellten Forschungsfragen ergibt sich folgender Aufbau:

Im zweiten Kapitel werden zunächst die theoretischen Grundlagen zu „Controlling“, und die Ansätze der Digitalisierung wie „Business Intelligence“, „Big Data“ und „Industrie 4.0“ erläutert. In den Unterkapiteln werden neben den notwendigen Funktionen, Aufgaben und Rollenbilder des Controllings, die wesentlichen Merkmale, Potenziale und Herausforderungen der digitalen Ansätze auf das Controlling aufgezeigt. Das dritte Kapitel verdeutlicht die Entwicklung und den Zusammenhang der IT des Controllings bis zum heutigen Stand. Im vierten Kapitel werden die Auswirkungen der digitalen Ansätze auf die Controlling-Hauptprozesse analysiert. Als Grundlage wird hierfür das Prozessmodell der International Group of Controlling (IGC) verwendet, dass in dem Grundlagenkapitel zum Controlling bereits aufgezeigt wird. Aufbauend auf das vorherige Kapitel und der vorhandenen Literatur wird im fünften Kapitel das zukünftige Rollenverständnis und Kompetenzprofil des Controllers herausgearbeitet. Am Ende dieser Arbeit wird zur Abrundung eine Zusammenfassung vorgenommen und ein Fazit gezogen.

Im Folgenden werden zunächst die theoretischen Grundlagen betrachtet, die zum Verständnis und zur Durchführung der geplanten methodischen Vorgehensweise notwendig sind.

2 Theoretische Grundlagen

2.1 Controlling und Controller

2.1.1 Definition und Funktionen des Controllings

Das Controlling ist in der Wissenschaft und Unternehmenspraxis ein relativ junger Begriff. In den USA fand der Begriff erstmals im 19. Jahrhundert in Privatunternehmen Erwähnung. Während das Controlling ab den 1930er Jahren deutlichere Aus­prägungen annahm, ist es in Deutschland erst seit den 1960er Jahren bekannt.[7] Doch trotz intensiver Forschungen auf dem Gebiet des Controllings, existiert derzeit weder im internationalen noch im deutschsprachigen Raum ein einheitliches Verständnis des Controlling-Begriffs.[8] So wird im englischsprachigen Raum unter ,Control‘ die Beherrschung, Lenkung, Steuerung und Regelung von Prozessen verstanden.[9] Im deutschen Sprachgebrauch wird Controlling häufig fälschlicherweise mit ,Kontrolle‘ gleichgesetzt, das lediglich eine Teilaufgabe eines Controllers darstellt. Daher überrascht es nicht, dass Controlling als Arbeitsbegriff aufgefasst wird, der in der Praxis unterschiedlicher Interpretationen unterliegt.[10] Eine klar umrissene Vorstellung des Controllings bieten über die Jahre entwickelte Controlling-Konzeptionen unterschiedlicher Autoren, die sich in der Wissenschaft und Praxis bewährt haben.[11]

Zu Beginn der Forschung wurde Controlling hauptsächlich als Informationsversorgungsfunktion verstanden. So sieht Hoffmann im Controlling eine „Unterstützung der Steuerung der Unternehmung durch Information.“ [12] Reichmann, der die Informationstechnologie (IT) hervorhebt, sieht die Funktionen im Controlling in der „Informationsbeschaffung, Informationsaufbereitung, Datenanalyse, Beurteilung und Kontrolle“. [13] Ein wesentlicher Bezugspunkt für die Informationsversorgungsfunktion bietet dabei das betriebliche Rechnungswesen.[14] Nach dessen Aufbau nahm die Koordination der Informationsversorgung an Bedeutung zu. Horvath als Verfechter der Koordinationsfunktion sieht im Fokus die zielorientierte Koordination zwischen dem Planungs-, Kontroll- und Informationsversorgungsystem.[15] Bei Küpper steht zusätzlich die Koordination des gesamten Führungsgesamtsystems im Vordergrund.[16] Weber und Schäfer verstehen das Controlling als Rationalitätssicherung der Führung. Die Führungsebene ist nicht unfehlbar und daher gilt es die Realitätsdefizite des Managements zu erkennen und entsprechend zu vermindern oder zu beseitigen.[17]

Als Ergebnis lassen sich Planung, Kontrolle, Informationsversorgung als die drei Hauptfunktionen des Controllings ableiten, die in der Fachliteratur am häu­figsten an­gewendet werden.[18] Um die Funktionen im Controlling erfolgreich miteinander abzustimmen, werden die drei Hauptfunktionen um das Bindeglied der ,Koordination‘ ergänzt, das häufig als zentrale Funktion eines Controlling-Systems bezeichnet wird.[19] Insbesondere der Koordinationsaufwand gewinnt in der Literatur seit Jahren zunehmend an Bedeutung.

2.1.2 Aufgaben des Controllers

Die Aufgaben im Controlling sind grundsätzlich nicht an die Person des Controllers gebunden, sondern können sowohl von Managern als auch von sonstigen Mitarbeitern im Unternehmen ausgeführt werden.[20] Daher sollte der Begriff des Controllings vom in der Unternehmenspraxis häufig als Synonym verwendeten Begriff des Controllers abgegrenzt werden. Anschließend werden die Aufgaben des Controllers erläutert, die sich aus den Funktionen des vorherigen Abschnitts ergeben.

„Controlling passiert, wenn Manager und Controller zusammenarbeiten.“[21] Der Manager trägt die Ergebnisverantwortung, der Controller die Ergebnistransparenz.[22]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Abgrenzung von Manager, Controlling und Controller[23]

Der Manager trifft die Entscheidungen und trägt die Verantwortung, wohingegen der Controller als Entscheidungsvorbereiter ein bestimmtes Set an Aufgaben für das Ma­nagement übernimmt.[24] Dabei wählt der Controller aus einem vorgegebenen „Methodenvorrat“[25] die passenden, einzusetzenden Controlling-Instrumente aus. Im Folgenden werden die wichtigsten Aufgaben, der Planung, Kontrolle, Informationsversorgung und Koordination kurz erläutert.

Die Planung ist ein und zielorientierter Informationsverarbeitungsprozess, der für den zukünftigen Fortbestand eines Unternehmens entscheidend ist.[26] Hinsichtlich des Zeithorizonts unterscheidet man dabei zwischen der operativen Planung (1 Jahr), der taktischen Planung (3 Jahre) und der strategischen Planung (über 5 Jahre).[27] In Kooperation mit dem Management werden die Teilziele für die einzelnen Ebenen definiert, die wiederrum in ein ganzheitliches Zielsystem zusammengeführt werden. Der Controller hat als Aufgabe die inhaltliche Ausgestaltung der Teilziele zu planen, wobei der Umfang des Planungseinflusses abhängig ist von der Delegationsbereitschaft des Managements.[28]

Um die Realisierung von Plänen nicht zu gefährden, wird die Planung um die Kontrolle erweitert.[29] Die Kontrolle ist wie die Planung ein informationsverarbeitender Prozess, indem Abweichungen durch den Vergleich von geplanten und tatsächlichen Größen ermittelt werden.[30] Neben der Dokumentation der gewonnen Erkenntnisse ist das Ziel, geeignete Handlungspotenziale zu erweitern und ein zielorientiertes Verhalten im Un­ternehmen zu integrieren.[31] In der Praxis liegt der Fokus der Kontrolle häufig lediglich im operativen Aufgabenbereich, und vernachlässigt damit die Kontrolltätigkeiten vor der strategischen Umsetzung.[32] Der Controller übernimmt hier vorrangig den Aufbau eines Messinstrumentariums und stellt Informationen u. a. über Soll-Ist-Vergleiche und Abweichungsanalysen bereit.[33]

Innerhalb der Informationsversorgung werden Informationen systematisch erfasst, aufbereitet, gespeichert und ausgeliefert an den jeweiligen Adressaten im Unternehmen in Unternehmen.[34] Informationen sind verwertbare Daten für die Planungs-, Kontrollprozesse.[35] Die Daten sind erforderlich um tatsächliche Entwicklungen zu beobachten und relevante Abweichungen gegenüber den Planwerten wahrzunehmen und gegebenenfalls gegenzusteuern.[36] Die Aufgaben des Controllers sind hier die Einrichtung eines internen Berichtswesens und der Aufbau eines funktionsfähigen Informationssystems.[37] Der Controller übernimmt die Verantwortung, dass die Informationen rechtzeitig, entscheidungsorientiert und in der notwendigen Verdichtung dem Manager zur Verfügung gestellt werden.[38]

Der Koordinationsbedarf in den Unternehmen entsteht, sobald wechselseitige Abhängigkeiten zwischen unterschiedlichen Entscheidungen existieren und es somit zu Entscheidungsinterdependenzen kommt.[39] Es ist nicht unüblich, dass in den Unternehmen täglich verschiedene Entscheidungen mit unterschiedlichen Zielen getroffen werden müssen. Zur Bewältigung der Komplexität muss der Controller u. a. Teilziele und Teilpläne ganzheitlich organisieren.[40] Er übernimmt die Verantwortung, dass die Informationen rechtzeitig, entscheidungsorientiert und in der notwendigen Verdichtung dem Manager zur Verfügung gestellt werden.[41]

Im Rahmen dieser Arbeit wird für die Analyse der Aufgaben ein in der Praxis etabliertes Controlling-Prozessmodell der International Group of Controlling als weitere Grundlage der Arbeit verwendet. Das Modell wird im folgenden Kapitel vorgestellt.

2.1.3 Controlling-Prozessmodell der International Group of Controlling

Das Controlling-Prozessmodell wird aktuell in den Unternehmen für die Analyse, Dokumentation und Gestaltung der Controlling-Prozesse angewandt. Neben einer vereinfachten Kommunikation der Controlling-Prozesse fördert dieses Modell ein einheitliches Controlling Verständnis aller Beteiligten. Das Modell basiert auf einem wichtigen Qualitätsstandard im Controlling, der DIN-Spezifikation „DIN-SPEC 1086“ und definiert den Controlling-Prozess folgendermaßen:

„Controlling ist der gesamte Prozess der betriebswirtschaftlichen Zielfindung, Planung und Steuerung eines Unternehmens. Controlling ist auf die Sicherstellung einer nachhaltigen wirtschaftlichen Entwicklung des Unternehmens ausgerichtet und beruht auf der Wechselwirkung vielfältiger Regelkreise aus Zielfestlegung, Planung, Umsetzung, Messung und Verbesserung“.[42]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Controlling-Hauptprozesse des Controlling-Prozessmodells der IGC [43]

Im Rahmen der strategischen Planung übt das Controlling auf strategische und nachhaltige Problemstellungen eine Unterstützungsfunktion gegenüber dem Management aus mit dem Ziel der Existenzsicherung und kontinuierlichen Wertsteigerung.[44] Als Moderator und Informationslieferant des gesamten strategischen Planungsprozesses unterstützt der Controller das Management bei der Weiterentwicklung und Gestaltung neuer Erfolgspotenziale.[45] Bestandteile der strategischen Planung sind u. a. Märkte, Produkte, Wettbewerber, Innovationen, Technologie, Ressourcen und Kernkompetenzen aus Sicht des Unternehmens.[46]

Im Rahmen der operativen Planung und Budgetierung wird das Management bei der Erreichung von kurzfristigen bis mittelfristigen Zielen unterstützt, die sich wiederrum aus der Unternehmensstrategie ableiten lassen. Zusätzlich wird die operative Pla­nung und Budgetierung bei der Ertrags- und Liquiditätssteuerung einzelner Bereiche des Unternehmens eingesetzt.[47] Der Controller erstellt ein Orientierungsgerüst anhand der strategischen Ziele, um kurz- und mittelfristige Aktivitäten bzw. Entscheidungen zu verbinden. Bestandteile der operativen Planung und Budgetierung sind u. a. Cashflow, Umsatz, Kosten, Ergebnis, GuV, Bilanz, Investitionen, Kapazitäten und Mitarbeiter.[48]

Mit sogenannten „Forecasts“ erzeugt das Controlling eine Beurteilung der zukünftigen Lage zum Erreichen der Unternehmensziele mittels Plan-Ist Vergleiche, die jeweils um eine Plan-Ist Vorschau ergänzt werden.[49] Ein Forecast ist viel mehr als nur eine Prognose, sondern berücksichtigt auch Gegenmaßnahmen und Ressourcen­anpas­sungen unter Berücksichtigung wirtschaftlicher Entwicklungen und deren Auswirkungen auf die Pläne, Ziele und Budgets eines Unternehmens.[50] Der Controller erstellt den Forecast regelmäßig (Standard-Forecast) oder unregelmäßig (Ad-hoc-Forecast) für einzelne Projekte, Einheiten oder für das komplette Unternehmen. Datengrundlage sind hier monetäre und nicht monetäre Informationen sowie Szenario- und Simulationsbetrachtungen.[51]

Die Kosten-, Leistungs- und Ergebnisrechnung gilt als "… Rückgrat eines modernen Controllings“ [52] und schafft mehr Entscheidungstransparenz, da die Kosten, Leistungen und Erlöse sachgerecht den entsprechenden Verbrauchsobjekten zugeordnet werden. Zudem unterstützt die Kosten- und Ergebnisrechnung die Verwirklichung rechtlicher Rahmenbedingungen wie z. B. Transferpreiskalkula­tionen.[53] Die Aufgaben des Controllers sind u. a. die Durchführung der Kostenartenrechnung, Kostenstellenrechnung, Vorkalkulation, Periodenerfolgsrechnung, Abweichungsanalysen und die Stammdatenpflege. Im Vordergrund stehen neben der Kontrolle, die Erfassung, Verteilung, Zuordnung und Auswertung von Kosten-,Leistungs- sowie Ergebnispositionen, die während der betrieblichen Leistungserstellung und Leistungsverwertung von Gütern anfallen.[54]

Im Rahmen des Management Reportings wird die Führungsebene mit entscheidungs­relevanten Informationen hinsichtlich der Zielerreichung unterstützt um unternehmens­weite Transparenz zu gewährleisten. Die Berichterstattung erfolgt durch wiederkehrende Standardberichte oder Ad-hoc-Berichte auf der Grundlage von monetären- und nichtmonetären Informationen.[55] Die Aufgabe des Controllers ist es, entscheidungsrelevante Daten zu filtern, auszuwerten und der Unternehmensführung zu präsentieren. Bei möglichen Abweichungen der geplanten Zielerreichungsprognosen werden zusammen mit dem Management Gegenmaßnahmen erarbeitet.[56] Bestandteile sind u. a. Cashflow, Bilanz, Umsatz, Investitionen, Kosten, Investitionen, Projekte, Kapazitäten sowie Gewinn und Verlust im Hinblick auf die Management-Einheiten des Unternehmens.[57]

Das Projekt- und Investitionscontrolling verfolgt das Ziel, die Wirtschaftlichkeit und den Nutzen von Investitionen und Projekten fortlaufend zu ermitteln. Zusätzlich wird das Projektmanagement aktiv bei der Einhaltung der Kosten, Zielen, Qualität, und Zeit unterstützt.[58] Der Controller erstellt hierfür u. a. Wirtschaftlichkeitsberechnungen, Nachkalkulationen und Berichte von Projekten und Investitionen. Damit unterstützt der Controller den Prozess der Planung, Steuerung, Auswahl, Priorisierung, Bewer­tung, Umsetzung und Abschluss von Projekt- und Investitionsvorhaben.[59]

Das Ziel des Risikomanagements ist der Ausbau der Planungsqualität und der langfristige Fortbestand des Unternehmens durch das frühzeitige Erkennen und Steuern aller unternehmerischen Risiken.[60] Ziel ist es dabei nicht, sämtliche Risikopotenziale zu eliminieren, da hierdurch auch Erfolgschancen verpasst werden könnten. Vielmehr ist das Risikomanagement ein zyklischer Prozess aus der Identifikation, Bewertung, Abschwächung und Kontrolle von Risiken, die alle an einer Risikostrategie gekoppelt sind.[61] Der Controller unterstützt den Prozess neben der Analyse und Klassifikation von Risiken ebenfalls durch die Erstellung von Risikoberichten und -maßnahmen.[62] Zu den Risiken zählen rechtliche, wirtschaftliche, politische, technische und finanzielle Risiken.[63]

2.1.4 Methodenkompetenzen und Rollen des Controllers

Die Rolle des Controllers war in den vergangenen Jahrzehnten einem umfang­reichen Wandel ausgesetzt.[64] Zu Beginn wurde der Controller in den Unternehmen enger mit der Buchhaltung verzahnt.[65] Seine Hauptaufgaben lagen in der Analyse von Abweichungen, dem Reporting und Management von Kosten sowie der Planung des Gewinns.[66] Derzeit existieren jedoch umfangreichere Rollenbilder.[67]

Gemäß einer qualitativen Erhebung von 2013, gibt es vier grundlegende Rollenbilder in der Controllerpraxis, die in der fachlichen Literatur ebenfalls vorkommen: Der Kontrolleur und Analyst sowie der Business Partner und Change Agent.[68]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Rollenbilder [69]

Um die Anforderungen in den Rollen vollständig auszufüllen, sollte der Controller mit einem breiten Kompetenzprofil ausgestattet sein. Die erforderlichen Kompetenzen unterteilen sich in unterschiedliche Kategorien wie fachliche und methodische sowie soziale und persönliche Kompetenzen. Fachlich werden sowohl geschäftsspezifische Kenntnisse als auch Controlling-Fachwissen benötigt. In der Methodik sind neben analytischen Kompetenzen auch Umsetzungskompetenzen und die Lösungs­orientie­rung gefragt.[70] Hinsichtlich der sozialen Kompetenzen werden Kundenorientierung, Teamorientierung und Führungskompetenzen gefordert. Zusätzlich sollte der Controller kommunikativ, emphatisch und konfliktfähig sein sowie als Berater dem Management zur Verfügung stehen.[71] Auf persönlicher Ebene sollte der Controller belastbar, leistungsorientiert und proaktiv sein und zusätzlich Gewissenhaftigkeit und Neutralität vorweisen.[72]

Die Kompetenzausprägungen des Controllers variieren für jede Rolle.[73] Grundsätzlich ist erkenntlich, dass die Anforderungen vom Analysten über den Kontrolleur bis hin zum Business Partner und Change Agent jeweils spürbar ansteigen.[74] Bis auf den Kontrolleur erfordern alle weiteren Rollenbilder eine stark ausgeprägte Belastbarkeit, da die zeitkritische Informationsbereitstellung gegenüber dem Management vorüber­gehend zu hohen Belastungen führen kann.[75] Beim Analysten sind besonders die fachlichen Kompetenzen wie ein ausgeprägtes analytisches Verständnis entscheidend.[76] Beim Kontrolleur hingegen erweitert sich das Anforderungsprofil um die Umsetzungskompetenz. Der Controller ist nicht nur auf die passive Überwachung und Berichterstattung beschränkt, sondern entwickelt und implementiert auch in eigener Verantwortung geeignete Messinstrumente- und Verfahren.[77] Die weitere Entwicklung vom Kontrolleur zum Business Partner ist mit den größten Zuwächsen verbunden. Insbesondere im Bereich der sozialen und persönlichen Kompetenzen.[78] Um als Partner des Managements anerkannt zu werden, bedarf es für den Business Partner zusätzlich eines noch stärkeren Geschäftsverständnisses und einer ausgeprägten Leistungsorientierung, Lösungskompetenz und Führungskompetenz.[79] Doch dessen wahre Herausforderung ist es, die emotionalen und persönlichen Eigenschaften im Unternehmen optimal einzusetzen.[80] Der Controller muss im Stande sein über Unternehmensbereiche hinweg zu kommunizieren und kooperieren. Insbesondere die Empathie, die Fähigkeit sich in andere hineinzuversetzen, ist als Business Partner von großer Bedeutung.[81] Der Change Agent hingegen ist als Ver­änderungstreiber im digitalen Wandel die konsequente Weiterentwicklung des Business Partners. Da der Wandel in seltenen Fällen ohne Wiederstände erfolgt, ist es für den Change Agent erforderlich, neben der Teamorientierung und Konfliktfähigkeit noch stärker Empathie und Sensitivität zu zeigen.[82] Aufgrund fehlender Aufgabenverteilung und mangelnder Fähigkeiten in der Praxis hat sich der Change Agent noch nicht in den Unternehmen integriert.[83] Als modernes Rollenbild hat sich jedoch der Business Partner immer stärker in den Unternehmen etabliert.[84] Dies zeigt sich auch im aktuellen Controller Leitbild der IGC, in dem Controller als Partner des Managements bezeichnet werden.[85]

Die unterschiedlichen Rollenbilder in der Literatur sind u. a. zurückzuführen auf die veränderten Rahmen- und Umweltbedingungen, an die sich der Controller im Laufe der Zeit angepasst hat. Im digitalen Zeitalter stehen Controller möglicherweise vor einem erneuten Wandel. Im Kontext der Digitalisierung werden im folgenden Kapitel unterschiedliche digitale Ansätze näher erörtert.

2.2 Ansätze der Digitalisierung

Die Digitalisierung in den Unternehmen wird vorangetrieben durch unterschiedliche Ansätze. Auch das Controlling wird zunehmend digitalisiert. Neben Business Intelli­gence spielen Big Data und Industrie 4.0 eine zentrale Rolle in der zunehmenden Digitalisierung im Controllingumfeld. Neben der Definition der Digitalisierung wird in den folgenden Unterkapiteln auf Definitionen und zentralen Merkmale hinter Business Intelligence, Big Data und Industrie 4.0 eingegangen. Anschließend werden jeweils die Potenziale und Herausforderungen für das Controlling erläutert.

2.2.1 Definition der Digitalisierung und Einordnung digitaler Ansätze

,Digitalisierung‘ als Schlagwort ist aus der praxisorientierten und wissenschaftlichen Literatur der vergangenen Jahre kaum wegzudenken. Im Hinblick auf die möglichen wirtschaftlichen und gesellschaftlichen Auswirkungen wird die Digitalisierung intensiv diskutiert. Häufig wird die Digitalisierung als Synonym für die digitale Transformation verwendet. Wesentliche Treiber dieser Transformation sind u. a. neue Informationstechnologien die Geschäftsmodelle und -prozesse verändern.[86] Um die Digitalisierung in Unternehmen voranzutreiben, sind Unternehmen bemüht unterschiedliche Technologien und IT-Systeme einzusetzen. Unternehmen werden aufgefordert, das notwendige Technologieverständnis zu erweitern, um dessen Einsatzmöglichkeiten zu bewerten und im Idealfall zu beherrschen.[87]

In der folgenden Abbildung werden drei digitale Ansätze und deren Zusammenhang dargestellt.[88]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Ansätze der Digitalisierung [89]

Unter der Bezeichnung Industrie 4.0 werden zahlreiche technologische Treiber wie u. a. Business Intelligence (BI) und Big Data. Unklarheit besteht häufig darüber, wo ge­nau das herkömmliche BI aufhört und die neue Big-Data-Welt beginnt. Es kommt daher unweigerlich zu Überschneidungen zwischen den drei Definitionen.

Die Gemeinsamkeit ist, dass Business Intelligence, Big Data und Industrie 4.0 unterschiedliche technologische Treiber beinhalten, die eng mit der Digitalisierung verknüpft sind. Diese Technologien beeinflussen den Grad der digitalen Transformation in den Unternehmen. Doch sind diese Begriffe keinesfalls mit der Digitalisierung gleichzusetzen. Die Digitalisierung umfasst zahlreiche weitere Technologien, die im Rahmen dieser Arbeit aufgrund des Umfangs nicht berücksichtigt werden können. Entscheidend ist, dass die digitale Transformation in den Unternehmen zu potenziellen Veränderungen in den aktuellen und zukünftigen Arbeitsweisen und Aufgaben in den Unternehmen führen wird. Das Controlling als Teilfunktion des Unternehmens ist davon möglicherweise ebenfalls auch betroffen. In den folgenden Abschnitten werden daher die Begriffe Business Intelligence, Big Data und Industrie 4.0 definiert. Um anschließend die Auswirkungen auf die Controlling-Hauptprozesse zu ermitteln, werden jeweils die größten Potenziale und Herausforderungen bestimmt.

2.2.2 Business Intelligence

Zunächst werden Managementsysteme und Technologien, die in der Wissenschaft und Praxis mit Business Intelligence in Verbindung gebracht werden, in einen zeitlichen Rahmen eingeordnet. Anschließend wird der Begriff Business Intelligence näher definiert und die zentralen Merkmale erläutert. Abschließend werden die Potenziale und Herausforderungen für das Controlling erörtert.

2.2.2.1 Historische Entwicklung

Die Geschichte von Systemen, die dem Management und dem Controlling bei der Entscheidungsfindung eine Unterstützung bieten sollen, reicht bis in die 1960er Jahre zurück. Der Begriff Business Intelligence (BI) ist dabei erst im Laufe der Zeit entstanden und wird heute zunehmend in der Wissenschaft und Praxis angewandt.[90]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Historie von entscheidungsunterstützenden Systemen [91]

Bereits Ende der 1960er Jahre wurden die ersten Informationssysteme unter der Be­zeichnung Management Information Systems (MIS) verbreitet. Die Aufgabe bestand damals darin, die Führungskräfte auf der Grundlage einer fundierten Datenbasis bei der Entscheidungsfindung zu unterstützen. Aufgrund der damaligen technischen Limitierung waren Hardware- und Softwarekomponenten leistungsmäßig nicht in der Lage, die Daten effizient und flexibel auszuwerten.[92] Die Vision des automatischen Entscheidungsgenerators konnte zu dieser Zeit nicht erfüllt werden, da die Daten meist in unstrukturierter Form durch den Benutzer selbstständig aufbereitet werden mussten.[93] Mit der Einführung des Decision Support System (DSS) zu Beginn der 1970er Jahre wurden die starren Berichtssysteme erstmals interaktiv, da den Anwendern neben den Daten ebenfalls Modelle und Methoden bereitgestellt wurden.[94] Aufgrund der Softwarekomplexität war das System jedoch lediglich von Spezialisten zu handhaben.[95] Mit Zunahme der leistungsfähigeren Personal Computer (PC) in den Unternehmen, erfolgte Mitte der 1980er Jahre die Weiterentwicklung des MIS zu Executive Information System (EIS).[96] Durch die Ein­führung von individuellen Systemen sollten dem Top-Management und dem Controller multidimensionale Daten aktueller und benutzerfreundlicher präsentiert werden.[97] Doch die notwendigen, unternehmensspezifischen Implementierungen und die Schwächen in der externen Anbindung limitierten den Einsatz individueller Lösungen.[98]

Im Laufe der 1990er Jahre veränderten sich die Anforderungen an bisherige Systeme durch die Globalisierung. Neben der Dezentralisierung in der Entscheidungsfindung wuchs die Menge der zu verarbeitenden Daten durch die Internationalisierung. Unternehmen waren nicht in der Lage, fehlerhafte Datenbestände mehrerer Datenquellen zu korrigieren, da diese auf operativen Systemen basierten. Das Konzept des Data Warehouse System (DWS) lieferte in den 1990er Jahren die Lösung durch eine vollständige, einheitliche und zentrale Datenbasis.[99] Mit der Einführung des Data Warehouse war es möglich strukturierte, themen- und zeitorientierte Daten zu sammeln, die für multidimensionalen Datenabfragen zur Verfügung gestellt wurden.[100] Doch die Abfrage vielfältiger Daten erforderten komplett neue Abfragesysteme, die unter dem Begriff Online Analytical Processing (OLAP) zusammengefasst wurden. Vorherige Abfragesysteme bezogen sich auf die Unterstützung des operativen Geschäfts. OLAP hingegen wird für die Analyse von aufbereiteten Daten verwendet.[101] Zeitgleich zur Entwicklung von Data Warehouse und OLAP tauchte der Begriff der Business Intelligence im Jahr 1993 zum ersten Mal auf.[102] Dabei handelt es sich um keine eigene Technologie, sondern lediglich um eine Sammlung von Werkzeugen die zur Entscheidungsunterstützung eingesetzt werden. Heute wird Business Intelligence neben der Abbildung von Reporting- und Planungslösungen, für ein ganzes Sammelsurium von Technologien und betriebswirtschaftlichen Methoden verwendet, das für ein leistungsfähiges Management und Controlling unerlässlich ist.[103] Da die Grenzen häufig verschwommen sind, wird im folgenden Abschnitt der Begriff Business Intelligence für die Arbeit näher abgegrenzt.

2.2.2.2 Definition und zentrale Merkmale

Der Begriff BI ist in der Wissenschaft und Praxis ein relativ junger und beliebter Begriff, obwohl laut Gluchowski et al. keine unangreifbare Definition existiert.[104] Auch Kemper et al. erwähnen die Problematik der Definitionsvielfalt.[105] So erweckt eine wortwörtliche Übersetzung ins Deutsche, die sogenannte ,Geschäftsintelligenz‘, einen falschen Eindruck. Hinter dem Begriff ,Intelligence‘ verbirgt sich die tatsächliche Umwandlung von Informationen in Wissen.[106]

Der Gartner-Analyst Howard Dresner definierte hierfür zunächst Anfang der 1990er Jahre den Begriff wie folgt:

„Business Intelligence is the process of transforming data into information and, through discovery into knowledge“.[107]

Auch Humm und Wietek verstehen darunter den „…Prozess der Umwandlung von Daten und Informationen und weiter in Wissen.“[108] Charmoni und Gluchowski legen den Fokus auf jegliche Anwendungen und Werkzeuge, die zur Unterscheidungsfindung eingesetzt werden und dabei das Verständnis betriebswirtschaftlicher Zusammenhänge und Auswirkungen fördern.[109]

Mithilfe eines zweidimensionalen Ordnungsrahmens von Gluchowski, der von Kemper et al. ebenfalls aufgegriffen wurde, können drei gängige Typen für die Einordnung von Business-Intelligence-Technologien abgegrenzt werden.[110] Auf der vertikalen Ebene liegt der Fokus auf den analytischen Datenverarbeitungsphasen, von der Bereitstellung der Daten bis zu deren Auswertung. Die horizontale Achse definiert den Schwerpunkt von der Technik- zur Anwendungsorientierung.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Unterschiedliche Facetten von Business Intelligence[111]

Die entsprechende Positionierung der BI-Technologien führt zu folgenden drei gängigen Definitionsansätzen:[112]

- BI im weiteren Sinn: BI beinhaltet sämtliche indirekt und direkt zur Entscheidungs­unterstützung eingesetzten Applikationen. Neben der Datenbereitstellung gehören ebenfalls Werkzeuge zur Präsentation und Datenauswertung dazu.
- BI im engeren Sinn: BI bezieht sich auf eine kleine Anzahl an Kernapplikationen, die den Entscheidungsfindungsprozess unmittelbar unterstützen. Darunter zählen Technologien wie OLAP, MIS und EIS.
- BI analyseorientiert: Im analytischen Sinne bezieht sich BI auf alle Anwendungen, bei denen ein Entscheider mit direktem Zugriff auf eine Benutzeroberfläche zielgerichtete Datenanalysen von vorhandenem Datenmaterial erzeugen kann. Neben den Technologien aus der engeren Definition, zählen hierzu Text Mining, Data Mining, Ad-Hoc-Reporting, Balanced Scorecards, Customer-Relationship-Management (CRM) und Planungs- und Konsolidierungssysteme.

Die zuvor genannten Definitionen beschreiben das Ziel in einer ähnlichen Art und Weise. Demnach ist BI ein Sammelbegriff für unterschiedliche Methoden, Werkzeuge und Prozesse, die zur Speicherung, Erhebung und Auswertung von elektronischem Datenmaterial verwendet werden. Die Aufgabe des BI ist dabei, dem Nutzer relevante Daten zur Verfügung zu stellen, um den Entscheidungsprozess zu unterstützen.

Für diese Arbeit wird folgende zeitgemäße Definition von Schön verwendet:

„Business Intelligence ist die Integration von fachlichen Management-Methoden, IT-Verfahren und analytischen Prozessen, die sowohl die Aufbereitung und Bereitstellung von Daten als auch die Aufdeckung relevanter Zusammenhänge sowie die Kommunikation der gewonnenen Erkenntnisse zur Entscheidungsunterstützung für das Management umfassen, und hierzu insbesondere ausgewählte neue IT wie Data-Warehouse- und Big-Data-Technologie einsetzen.“[113]

Gegenüber vorherigen Informationssystemen steht bei BI neben der Qualität der Datenhaltung der Informationsbedarf der Entscheidungsträger im Mittelpunkt. Die Berücksichtigung neuer Technologien wie Big-Data zeigt, dass sich der Begriff stets dem technologischen Fortschritt im Laufe der Zeit angepasst hat. So haben traditionelle BI-Werkzeuge mehrheitlich lediglich Zugriff auf historische Daten. Mit Big Data kommen u. a weitere Analysemethoden hinzu, wie Forecasting- und Simulationsverfahren, die die Werkzeugvielfalt von Business Intelligence erweitern. Diese Big-Data-Technologien werden für den Zweck der getrennten Forschungsfrage in dieser Arbeit angesichts der unklaren Trennung der Definition in der Wissenschaft und Praxis separat betrachtet.[114]

Da ein integriertes Business-Intelligence-System in der Praxis unterschiedlich ausfallen kann, wird sich auf bestimmte BI-Werkzeuge beschränkt. Eine vollständige Abdeckung aller Werkzeuge von BI ist im Rahmen dieser Bachelorarbeit nicht möglich. Folgende relevante Merkmale werden im Rahmen dieser Arbeit für ein BI-System festgelegt:

- Data Warehouse
- OLAP
- BI-Cockpit/Dashboard
- Text Mining und Data Mining
- Reporting

Data Warehouse

Eng verknüpft mit Business Intelligence ist das Data Warehouse (DW) als konsolidierte Datenbasis. Die Datenhaltung bildet die Grundlage, um dem Entscheidungsträger die entscheidungsrelevanten Informationen bereitstellen zu können.[115] Damalige Schwächen in der Datenversorgung aufgrund unterschiedlicher operativer Lösungen werden mit Data-Warehouse Systemen beseitigt.[116] Merkmale eines DW sind die Themenorientierung, Integration, Zeitraumbezug und die Nicht-Volatilität.[117] Orientiert sich bei operativen Systemen die Datenhaltung noch an Ge­schäftsprozessen, Organisationseinheiten und Funktionen, so verlagert sich die Themenorientierung bei Data-Warehouse-Systemen an dem Informationsbedarf der Entscheidungsträger.[118] Die Integration von heterogenen Daten aus unterschiedlichen externen und operativen Datenquellen zu einer stimmigen Sammlung an Daten, soll Dateninkonsistenzen eliminieren und semantische Wiedersprüche aufzeigen.[119] Der Zeitraumbezug im DW wird deutlich bei der mittel- und längerfristigen Analyse von zeitraumbezogenen Daten deutlich, die z. B. einen Tag, eine Woche oder einen Monat repräsentieren, wohingegen die Daten bei operativen Systemen zum Zeitpunkt der Erzeugung abgelegt werden.[120] Die Datens­ätze werden jeweils mit einem Zeitstempel versehen, um auf diese Weise die Entwicklungen über einen längeren Zeitraum nachzuvollziehen.[121] Allerdings geht der Trend aufgrund flexiblerer Geschäftsmodelle und ständig ändernder Daten u. a. bei wechselnden Aktienkursen hin zur zeitpunktbezogenen Erzeugung von Daten.[122] Als letztes Merkmal beschreibt die Nicht-Volatilität den Grad, mit dem sich Daten über einen Zeitraum nicht verändern. Diese Daten können als beständig bezeichnet werden. Nur in Ausnahmefällen werden die Daten in einem Data-Warehouse aktualisiert oder verändert.[123] Bei operativen Systemen wie Enterprise-Ressource Planning-Systemen (ERP) sind die Daten durch kontinuierliche Veränderungen geprägt und nur auf einen geringen Zeitraum begrenzt.[124]

OLAP

OLAP ist ein mehrdimensionales Analysewerkzeug, das Anwendern wie Fach- und Führungskräften einen interaktiven und schnellen Abruf von entscheidungsrelevanten Informationen ermöglicht.[125] Hierfür werden die konsolidierten Daten aus dem DW in multidimensionalen Datenwürfeln gespeichert.[126] Diese Würfel bestehen aus Fakten wie z. B. ,Kosten‘ oder ,Umsatz‘, die nach der Auswahl von Dimensionen wie z. B. ,Produkte‘, ,Geografie‘ und ,Zeit‘ mit gefilterten Informationen ergänzt werden. In der Praxis kann z. B. beim Auswählen von ,Werkzeug-052‘ für Produkte, ,Spanien‘ für Geografie und ,11.11.2016‘ für Zeit eine gefilterte Umsatzzahl durch das System generiert werden.

Data Mining und Text Mining

Data Mining ist ebenfalls ein Analysewerkzeug wie OLAP, unterscheidet sich jedoch im Ziel der Analysen. Mithilfe des Analyseverfahrens sollen Muster, Zusammenhänge und Trends in größeren Datenbeständen aufgedeckt werden.[127] Für die Analyse des Datenmaterials können statistische Verfahren und Algorithmen eingesetzt werden.[128] Im Gegensatz zu OLAP werden zu Beginn keine Hypothesen festgelegt. Hypothesen sind vielmehr das Ergebnis von Data Mining.[129] Als Prozess wird Data Mining auch unter dem Begriff Knowledge Discovery in Databases diskutiert mit dem Ziel der Wissens­generierung. Dieser Prozess umfasst die Datenauswahl, -vorverarbeitung, -transformation, Musterkennung bzw. Data Mining und die Interpretation.[130]

Das Text Mining hingegen ist ein größtenteils automatisierter Prozess der Wissensentdeckung aus unstrukturierten Textdaten, mit dem Ziel, neue Informationen über zuvor unbekannte Zusammenhänge aus einer größeren Menge an Dokumenten zu ermöglichen.[131] In der Praxis können z. B. verschiedene Schadensdokumente einer Reparaturwerkstatt eingescannt, und anschließend vom System auf gemeinsame Schadensursachen untersucht werden.[132]

Reporting

Unter dem Reporting bzw. dem Berichtswesen wird die bedarfsgerechte Beschaffung, Aufbereitung, Bereitstellung, Analyse und Nutzung jeglicher Informationen des Unternehmens verstanden. Die Informationen werden in Berichtsform als Entscheidungs­grundlage oder für Steuerungsfragen zur Verfügung gestellt.[133] Dabei kann zwischen Standard-Reporting, Exception-Reporting und Ad-hoc-Reporting unterschieden werden.[134] Beim Standard-Reporting sind Inhalt und Berichtsform fest vorgegeben und können durch den Berichtsempfänger nicht abgeändert werden.[135] Die Berichte werden größtenteils automatisiert und zu festgelegten Zeitpunkten erzeugt, weshalb eher eine passive Rolle des Empfängers vorliegt.[136]

Wesentlich flexibler ist das Ad-Hoc-Reporting. Der Anwender hat individuell die Mög­lichkeit, bei einem Informationsbedarf erweiterte Berichte vom System anzufordern.[137] Diese Form des Reporting gewinnt in den letzten Jahren aufgrund des technologischen Fortschritts zunehmend an Bedeutung.[138] Die Empfänger können die Zusammenstellung von Informationen und Layout selbstständig vornehmen. Voraussetzungen sind vorhandene IT-Kenntnisse übernehmen so aktiv die Rolle als Informationserzeuger ein. Soweit es der Datenbestand und die erforderlichen IT-Kenntnisse zulassen.[139]

Beim Exception-Reporting werden Berichte automatisiert bei anfallenden Ab­weichungen von zuvor festgelegten Werten erzeugt. Bei erheblichen Abweichungen von z. B. Umsatzwerten werden die Berichte automatisch an bestimmte Empfänger übertragen.[140]

Cockpits/ Dashboards

Ein Cockpit bzw. Dashboard ist ein zentraler Zugangspunkt, an dem die Informationen aus den BI-Anwendungen übersichtlich und benutzerindividuell dargestellt werden.[141] Der Fokus liegt auf der visuellen Darstellung von Informationen, wie Diagramme oder Tachometer in komprimierter Form. Die Zugangsmöglichkeiten werden häufig über Web-Anwendungen bereitgestellt.[142]

2.2.2.3 Potenziale und Herausforderungen

Aufgrund der eingeschränkten Literatur werden die Potenziale und Herausforderungen lediglich in Bezug auf die Anwendungen des vorherigen Kapitels erörtert.

Das Controlling gilt als wesentlichster Einsatzbereich für BI-Technologien.[143] Sowohl für das Controlling als auch für Business Intelligence bilden Daten das Rohmaterial, mit dem gearbeitet werden kann.

Grundlage für eine effektive Verwendung von BI im Controlling ist eine integrierte Datenbasis wie das Data Warehouse zur Informationsversorgung.[144] Der wesentliche Nutzen zeigt sich bereits bei den Merkmalen eines Data Warehouse. Die ,Themenorientierung‘ bietet dem Management und Controlling einen direkten Informationszugriff u. a. auf betriebswirtschaftliche Kennzahlen, Geschäftsbereiche, Produktgruppen und Kundenstrukturen.[145] Die ,Integration‘ unterschiedlicher Daten führt zu einer größeren Informationsquelle für das Controlling. Der Zeitstempel jedes Datensatzes ermöglicht, eine Historie von vergangen Änderungen darzustellen. So könnten z. B. Veränderungen von Kostenstellen im Controlling nachvollzogen werden.

Die Analysemöglichkeiten durch OLAP optimieren Planung und Reporting im Controlling hinsichtlich der Geschwindigkeit und des Funktionsumfangs: einerseits aufgrund der umfangreichen, multidimensionalen Datenauswertung, andererseits aufgrund der kurzen Antwortzeiten.[146] Szenarien können ebenfalls eingeschränkt mit OLAP durchgeführt werden. Anpassungen werden lediglich an den Basisparametern vorgenommen. Eine rückwärtsorientierte Zielwertsuche unterstützen herkömmliche BI-Systeme nicht.[147]

Mithilfe des Data Mining ergeben sich insbesondere für das Vertriebs- und Marketingcontrolling neue Möglichkeiten in der Ermittlung von Zusammenhängen. Das Text Mining kann im Controlling u. a. in der Analyse von Kundenmeinungen aus Handy-Applikationen eingesetzt werden. Schwerpunkte von Kundenpräferenzen könnten aufgezeigt und in Verbindung mit einem Dashboard visualisiert dargestellt werden. Neue Key Performance Indicator (KPI) entstehen wie die ,Anzahl an Feed­backs je Betriebssystem‘.

[...]

[1] Vgl. Reinsel; Gantz; Rydning, Data Age 2025 (10.08.2017)

[2] Vgl. Klein; Tran-Gia; Hartmann, Informatik-Spektrum 2013, S. 319

[3] Vgl. Gleich; Munck; Schulze, Industrie 4.0: Revolution oder Evolution?, S. 25

[4] Vgl. Wiesehahn, Die Controlling-Pioniere im Dialog, S. 188

[5] Vgl. Eiselmayer; Kottbauer, CM 2015, S. 27

[6] Zur besseren Lesbarkeit wird in der Bachelorarbeit auf die Verwendung männlicher und weiblicher Sprachformen verzichtet. Sämtliche Personenbezeichnungen gelten für beide Geschlechter.

[7] Vgl. Weber; Schäffer, Einführung in das Controlling, S. 3–9; Vgl. Küpper u. a., Controlling S.3 ; Vgl. Jung, Controlling S. 5

[8] Vgl. Weber; Schäffer, Einführung in das Controlling, S. 1–10; Vgl. Küpper u. a., Controlling S.3; Vgl. Jung, Controlling S. 5

[9] Vgl. Horváth; Gleich; Seiter, Controlling, S. 13

[10] Vgl. Jung, Controlling, S. 5

[11] Vgl. Ossadnik, Controlling, S. 7

[12] Hoffmann, Merkmale 1972, S. 85

[13] Reichmann, Controlling mit Kennzahlen und Management-Tools, S. 6

[14] Vgl. Weber; Schäffer, Einführung in das Controlling, S. 20

[15] Vgl. Horváth, Controlling, S. 109

[16] Vgl. Küpper, Controlling, S. 81

[17] Vgl. Weber; Schäffer, Einführung in das Controlling, S. 26 f.

[18] Vgl. Peemöller, Controlling, 39–45

[19] Vgl. Horváth; Gleich; Seiter, Controlling, S. 43; Vgl. Weber; Schäffer, Einführung in das Controlling, S. 23

[20] Vgl. Weißenberger, IFRS für Controller S. 30; Vgl. Rautenstrauch, Controlling praxisorientiert gestalten S. 19

[21] International Group of Controlling, Controller-Wörterbuch, S. 56

[22] Vgl. Ederer, Franz (2005), Controller im Mittelstand, in: Controller Magazin (CM), 30 Jg., Heft 2, S. 131

[23] Quelle: Löhr, Integriertes Risikocontrolling für Industrieunternehmen, S. 24

[24] Vgl. Vgl. Weber; Schäffer, Einführung in das Controlling, S. 1; Vgl. Löhr, Integriertes Risikocontrolling für Industrieunternehmen, S. 24

[25] Vgl. Reichmann, Controlling mit Kennzahlen und Management-Tools, S. 14

[26] Vgl. Vgl. Weber; Schäffer, Einführung in das Controlling, S. 255; Horváth, Controlling, S. 147

[27] Vgl. Vgl. Weber; Schäffer, Einführung in das Controlling, S. 260

[28] Vgl. ebd. S. 260-263

[29] Vgl. Vgl. Schröder, Modernes Unternehmens-Controlling, S. 29

[30] Vgl. Vgl. Peemöller, Controlling, S. 42

[31] Vgl. Vgl. Weber; Schäffer, Einführung in das Controlling, S. 280–282

[32] Vgl. Vgl. Horváth; Gleich; Seiter, Controlling, S. 111

[33] Vgl. Vgl. ebd., S. 68

[34] Vgl. Vgl. Horváth; Michel, Controlling im digitalen Zeitalter, S. 179

[35] Vgl. Vgl. Buchholz, Strategisches Controlling, S. 28

[36] Vgl. Horváth; Gleich; Seiter, Controlling S- 173-174

[37] Vgl.Ossadnik; Lengerich; Barklage, Controlling mittelständischer Unternehmen, S. 82

[38] Vgl. Buchholz, Strategisches Controlling, S. 29

[39] Vgl. Horváth; Gleich; Seiter, Controlling, S. 44

[40] Vgl. Hagen, Skript: Internes Rechnungswesen / Kostenrechnung, S. 10

[41] Vgl. Buchholz, Strategisches Controlling, S. 29

[42] DIN Deutsches Institut für Normung e.V., Qualitätsstandard Controlling, 1086: 2009-04, S. 5

[43] Quelle: Eigene Darstellung in Anlehnung an International Group of Controlling, Controlling-Prozessmodell S . 21

[44] Vgl. ebd., S. 23

[45] Vgl. ebd.

[46] Vgl. ebd.

[47] Vgl. ebd., S. 25; Vgl. Preißner, Praxiswissen Controlling, S. 41

[48] Vgl. International Group of Controlling, Controlling-Prozessmodell, S. 25 f.

[49] Vgl. Jung, Controlling, S. 389

[50] Vgl. International Group of Controlling, Controlling-Prozessmodell, S. 28

[51] Vgl. ebd.

[52] Kämmler-Burrak, Kosten- und Ergebnisrechnung als integriertes Gesamtsystem, S. 21

[53] Vgl. International Group of Controlling, Controlling-Prozessmodell, S. 30

[54] Vgl. ebd., S. 30 f.

[55] Vgl. International Group of Controlling, Controlling-Prozessmodell, S. 34

[56] Vgl. ebd.

[57] Vgl. ebd.

[58] Vgl. ebd., S. 36

[59] Vgl. ebd., S. 36 f.

[60] Vgl. Ebert, Risikomanagement kompakt, S. 18

[61] Vgl. ebd., S. 18–20

[62] Vgl. ebd., S. 39

[63] Vgl. Ebert, Risikomanagement kompakt, S. 23–25

[64] Vgl. Deimel; Heupel; Wiltinger, Controlling, S. 32

[65] Vgl. Gleich, CM 2012, S. 58

[66] Vgl. ebd.

[67] Vgl. Deimel; Heupel; Wiltinger, Controlling, S. 32

[68] Vgl. Vgl. Gleich; Lauber, ZfC 2013, S. 512; Horváth; Gleich; Seiter, Controlling, S. 432-434

[69] Quelle: Göttling u. a., Erfolgskritische Kompetenzen von Controllern S. 44

[70] Vgl. Gleich; Lauber, ZfC 2013, S. 513

[71] Vgl. ebd.

[72] Vgl. ebd.

[73] Vgl. ebd., S. 513 f.

[74] Vgl. ebd., S. 512 f.

[75] Vgl. Horváth; Gleich; Seiter, Controlling, S. 432

[76] Vgl. ebd.

[77] Vgl. ebd.

[78] Vgl. Göttling u. a., Erfolgskritische Kompetenzen von Controllern, S. 48

[79] Vgl. Horváth; Gleich; Seiter, Controlling, S. 432

[80] Vgl. Schwalb, Der Controller als empathischer Kommunikator, S. 12

[81] Vgl. Krings, Erfolgsfaktor Controlling, S. 12 f.

[82] Vgl. Horváth; Gleich; Seiter, Controlling, S. 432

[83] Vgl. ebd., S. 58

[84] Vgl. Gleich, CM 2012, S. 58–62

[85] Vgl. International Group of Controlling, Controller (26.06.2017), aufgerufen am 02.06.2017

[86] Vgl. Gadatsch, Einfluss der Digitalisierung auf die Zukunft der Arbeit, S. 198 f.

[87] Vgl. Urbach; Ahlemann, IT-Management im Zeitalter der Digitalisierung, S. 15

[88] Vgl. Abbildung 4

[89] Quelle: Eigene Darstellung

[90] Vgl. Abbildung 5: Historie von entscheidungsunterstützenden Systemen

[91] Quelle: Humm; Wietek, Informatik-Spektrum 2005 S. 4

[92] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 56–58

[93] Vgl. ebd.

[94] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 63 f.

[95] Vgl. Winkelmann, Vertriebskonzeption und Vertriebssteuerung, S. 658

[96] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 74

[97] Vgl. ebd., S. 75

[98] Vgl. Hannig, Knowledge Management + Business Intelligence = Decision Intelligence, S. 4 f.

[99] Vgl. ebd., S. 7–11

[100] Vgl. Humm; Wietek, Informatik-Spektrum 2005, S. 3

[101] Vgl. ebd., S. 3–5

[102] Vgl. Hannig, Knowledge Management + Business Intelligence = Decision Intelligence, S. 6

[103] Vgl. Gleich u. a., Controlling - Relevance lost?, 119-120

[104] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 90

[105] Vgl. Kemper; Baars; Mehanna, Business Intelligence, S. 2–11

[106] Vgl. Hannig, Vom Data Warehouse zum Corporate Performance Management, S. 77

[107] Mucksch; Behme, Das Data-Warehouse-Konzept, S. 37

[108] Humm; Wietek, Informatik-Spektrum 2005, S. 3

[109] Vgl. Chamoni; Gluchowski, Wirtschaftsinformatik 2004, S. 120

[110] Vgl Abbildung 6

[111] Quelle: Kemper; Baars; Mehanna, Business Intelligence, S. 4; dort modifiziert entnommen aus Gluchowski, HMD - Praxis der Wirtschaftsinformatik 2001, S. 7

[112] Vgl. Kemper; Baars; Mehanna, Business Intelligence, S. 3–5

[113] Vgl. Schön, Planung und Reporting, S. 295

[114] Vgl. Kapitel 2.2.3

[115] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 117

[116] Vgl. Gluchowski; Chamoni, Analytische Informationssysteme, S. 140

[117] Vgl. Inmon, Building the data warehouse, S. 31

[118] Vgl. Kemper; Baars; Mehanna, Business Intelligence, S. 19 f.; Vgl. Müller, Transformation operativer Daten zur Nutzung im Data Warehouse S. 88

[119] Vgl. Kemper; Baars; Mehanna, Business Intelligence, S. 20

[120] Vgl. ebd., S. 120

[121] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 120

[122] Vgl. Schön, Planung und Reporting, S. 235

[123] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 120

[124] Vgl. Kemper; Baars; Mehanna, Business Intelligence, S. 20

[125] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 143

[126] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 147

[127] Vgl. Kemper; Baars; Mehanna, Business Intelligence, S. 113 f.

[128] Vgl. Müller; Lenz, Business Intelligence, S. 75

[129] Vgl. ebd., S. 75 f.

[130] Vgl. ebd., S. 76 f.

[131] Vgl. ebd., S. 110

[132] Vgl. ebd.

[133] Vgl. Schön, Planung und Reporting, S. 17 f.

[134] Vgl. ebd., S. 48

[135] Vgl. ebd., S. 49

[136] Vgl. Gluchowski; Gabriel; Dittmar, Management Support Systeme und Business Intelligence, S. 110

[137] Vgl. Schön, Planung und Reporting, S. 49

[138] Vgl. ebd.

[139] Vgl. ebd.

[140] Vgl. ebd.

[141] Vgl. Gluchowski; Chamoni, Analytische Informationssysteme, S. 113

[142] Vgl. Vgl. ebd.

[143] Vgl. Finger, BI-Spektrum 2012, S. 8

[144] Vgl. Gräf; Isensee; Mehanna, Reporting, S. 165

[145] Vgl. Kemper; Baars; Mehanna, Business Intelligence, S. 19 f.

[146] Vgl. Schön, Planung und Reporting, S. 228

[147] Vgl. Gluchowski; Chamoni, Analytische Informationssysteme, S. 242 f.

Fin de l'extrait de 90 pages

Résumé des informations

Titre
Digitalisierung im Controlling. Beschreibung der Auswirkungen von Business Intelligence, Big Data und Industrie 4.0 auf die Anforderungen an zukünftige Controller
Université
Cologne University of Applied Sciences  (Wirtschaftswissenschaften)
Note
1,3
Auteur
Année
2017
Pages
90
N° de catalogue
V378510
ISBN (ebook)
9783668562059
Taille d'un fichier
2424 KB
Langue
Allemand
mots-clé
Digitalisierung, Controlling, Big Data, Business Intelligence, Anforderungen, Controller, zukunft, Auswirkungen, Veränderungen, digital, BI-Anwendungen, Digitale Arbeit, Arbeit, Bachelorarbeit, Thesis, Industrie 4.0, Industrialisierung, kaufen
Citation du texte
Dennis Stumm (Auteur), 2017, Digitalisierung im Controlling. Beschreibung der Auswirkungen von Business Intelligence, Big Data und Industrie 4.0 auf die Anforderungen an zukünftige Controller, Munich, GRIN Verlag, https://www.grin.com/document/378510

Commentaires

  • Pas encore de commentaires.
Lire l'ebook
Titre: Digitalisierung im Controlling. Beschreibung der Auswirkungen von Business Intelligence, Big Data und Industrie 4.0 auf die Anforderungen an zukünftige Controller


Télécharger textes

Votre devoir / mémoire:

- Publication en tant qu'eBook et livre
- Honoraires élevés sur les ventes
- Pour vous complètement gratuit - avec ISBN
- Cela dure que 5 minutes
- Chaque œuvre trouve des lecteurs

Devenir un auteur