Aktuelle Trends der Digitalisierung im Controlling


Tesis de Máster, 2019

107 Páginas, Calificación: 1,3

Anónimo


Extracto


Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Hinführung

2 Die Digitalisierung
2.1 Begriffsklärung
2.2 Megatrend Digitalisierung
2.2.1 Digitalisierung als vierte industrielle Revolution
2.2.2 Wirkungsebenen der Digitalisierung in der Unternehmensführung
2.3 Digitale Treiber im Controlling
2.3.1 Industrie
2.3.2 Big Data
2.3.3 Business Intelligence & Business Analytics

3 Controlling im Zeitalter der Digitalisierung
3.1 Veränderung der Controlling Hauptprozesse
3.1.1 Strategische Planung
3.1.2 Operative Planung und Budgetierung
3.1.3 Forecasts
3.1.4 Kosten-, Leistungs- und Ergebnisrechnung
3.1.5 Management Reporting
3.1.6 Projekt- und Investitionscontrolling
3.1.7 Risikomanagement
3.2 Veränderung der Controllingorganistion
3.2.1 Entwicklung der IT im Controlling
3.2.2 Aufbau der Controllingorganisation

4 Rollenverständnis und Kompetenzprofil des Controllers
4.1 Verschiebung der Controller Aufgaben
4.2 Kompetenzanforderung und Rollen des Controllers
4.3 Das zukünftige Rollenverständnis der Controller
4.4 Anforderungsprofil an den Controller der Zukunft
4.4.1 Veränderungen der fachlich- methodischen Kompetenzen
4.4.2 Veränderungen der persönlichen und sozial-kommunikativen Kompetenzen

5 Potentiale Herausforderungen und Risiken eines digitalen Controllings
5.1 Potentiale
5.2 Herausforderungen
5.3 Risiken

6 Aktuelle digitale Lage des Controllings in Deutschland
6.1 Studienergebnisse
6.2 Mögliche Zukunftsszenarien

7 Schlussbetrachtung

8 Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Die vier industriellen Revolutionen

Abbildung 2: Wirkungsebenen der Digitalisierung

Abbildung 3: Ansätze der Digitalisierung

Abbildung 4: Entwicklung des weltweiten Datenvolumens

Abbildung 5: Das 4-V-Modell

Abbildung 6: Big Data Datenquellen

Abbildung 7: Business Analytics Kategorien

Abbildung 8: Aktuelle Digitalisierungstrends im Bereich BI

Abbildung 9: Reifegrade von BI- und Analytics-Lösungen

Abbildung 10: Das Controlling Prozessmodel

Abbildung 11: Verbesserungen in den Prozessen Planung, Budgetierung und Forecasting durch die Digitalisierung

Abbildung 12: Verbesserungen in den Prozessen Kalkulation und Preisfindung durch die Digitalisierung

Abbildung 13: Arbeitstage nach Abschluss der Berichtsperiode bis zum Versand von Berichten

Abbildung 14: Verbesserungen im Prozess Reporting durch die Digitalisierung

Abbildung 15: Betroffenheit der Controllingprozesse durch die Digitalisierung

Abbildung 16: Entwicklungsstufen der Informationsverarbeitung im Controlling

Abbildung 17: Organisationsformen in den nächsten 3 bis 5 Jahren

Abbildung 18: Entwicklung der Anzahl Mitarbeitenden im Controlling (in 3 bis 5 Jahren)

Abbildung 19 Entwicklung bedeutsamer Controllingaufgaben

Abbildung 20: Vom Zahlenmanager zum internen Berater

Abbildung 21: Rollenbilder im Controlling

Abbildung 22: Kompetenzanforderungen an die vier Rollenbilder im Controlling in der Übersicht

Abbildung 23: Aktuelles Rollenbild des Controllers

Abbildung 24: Zukünftiges Rollenbild des Controllers

Abbildung 25: Anforderungsprofil Data Scientist und Controller

Abbildung 26: Gegenüberstellung Fach- und Methodenkompetenzen

Abbildung 27: Gegenüberstellung der persönlichen und sozial-kommunikativen Kompetenzen

Abbildung 28: Risiken der Digitalisierung

Abbildung 29: Digitale Lösungen – Status quo

Abbildung 30: Digitale Lösungen – Ausblick

Abbildung 31: Einsatz von Cloud Computing

Abbildung 32: Technologietrends

Abbildung 33: Nutzen von Big Data Analytics im Controlling

Abbildung 34: Nutzung von Microsoft Office-Anwendungen im Controlling

Abbildung 35: Technologietrends: Große versus kleine Unternehmen

Abbildung 36: Veränderungen im Controlling

Abbildung 37: Management der Digitalisierung im Controlling

Abbildung 38: Reifegradmodell

Abbildung 39: Mögliche Zukunftsszenarien

Tabellenverzeichnis

Tabelle 1: Einfluss der Digitalisierung auf die Controlleraufgaben

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Hinführung

„Die Digitalisierung erobert unsere Gesellschaft“, „Die Digitalisierung ist in aller Munde“, „Die Welt ist digital“ – vermutlich jedem werden diese Aussagen vertraut vorkommen. Der Begriff „Digitalisierung“ ist heutzutage aus dem medialen Umfeld nicht mehr wegzudenken.1 Dabei beschränkten sich die vermittelten Themen lange Zeit auf die technischen Weiterentwick­lungen von Endgeräten und die damit verbundenen Vorteile für Verbraucher oder die intelligente Vernetzung von Maschinen.2 Jahrelang nahmen viele Unternehmen die Digitalisierung nicht zum Anlass, ihr etabliertes Geschäftsmodell in Frage zu stellen. Zu Beginn war die Digitalisierung primär ein Thema für Start-ups im Silicon Valley oder für transaktionale Prozesse im Backoffice. Doch diese Sichtweise gehört mittlerweile zunehmend der Vergangenheit an. Denn auf die Wertschöpfungsketten der Unternehmen kommt eine Welle tiefgreifender Veränderungen, in einem kaum für möglich gehaltenen Tempo, zu. Die digitalen Entwicklungstrends sind in­zwischen allgegenwärtig und haben zunehmend Einfluss auf die strategische Ausrichtung der Unternehmen. Dabei erfasst die Digitalisierung insbesondere auch das Controlling, das sich diesen Veränderungen kaum entziehen kann.3 Die Digitalisierung hat sich im Bereich Controlling in den letzten Jahren sogar zu einem der Top-Themen entwickelt. Der digitale Wandel stellt die Abteilung vor Aufgaben mit beträchtlicher Dimension. So führt die zunehmende Digitalisierung aller Lebens- und Unternehmensbereiche beispielsweise zu einem gewaltigen Anstieg der Datenmenge und -vielfalt. Daten werden immer öfter auch als entscheidender Produktions- und Wertschöpfungsfaktor registriert.4 Damit das Controlling auch einen wertschöpfenden Nutzen daraus ziehen kann, muss es sich mit den neuen Technologien schnellstmöglich auseinander­setzen. Zu den aktuellen Trends der Digitalisierung, die das Controlling zukünftig verändern werden, zählen insbesondere Industrie 4.0, Big Data und Business Intelligence.

Diese Entwicklungen sind von besonderem wissenschaftlichem Interesse, weshalb die Aus­wirkungen der Digitalisierung an das zukünftige Controlling bereits intensiv diskutiert werden. Dennoch sind zahlreiche Fragen bislang unbeantwortet geblieben.

Ziel der vorliegenden Arbeit ist es, den aktuellen Forschungsstand der Digitalisierung im Con­trolling aufzuzeigen. Dabei werden die potentiellen Auswirkungen der aktuellen Digitali­sierungs­trends auf das zukünftige Controlling und den Controller selbst näher untersucht. Im Fokus der Arbeit stehen insbesondere die möglichen Veränderungen der Controlling Hauptprozesse und der Controlling Organisation, sowie die daraus abzuleitenden neuen Kompetenzen und Rol­len­bilder des Controllers. Geprüft wird hierbei auch, wie der Controller zukünftig zum Erfolg des Unternehmens beitragen kann. Auch die aktuelle digitale Lage des Controllings in deutschen Unternehmen und mögliche Weiterentwicklungen des Bereichs sollen ermittelt werden.

Daraus ergeben sich für diese Arbeit folgende Forschungsfragen:

- Welche Auswirkungen hat die Digitalisierung mit ihren aktuellen Trends auf die Con­trolling Prozesse, die Controlling Organisation, das Rollenverständnis und das Kompetenz­profil des Controllers?
- Wie sieht der derzeitige Digitalisierungsgrad des Controllings in Deutschland aus und wie wird sich das Controlling zukünftig entwickeln?

Zur Beantwortung dieser aufgestellten Forschungsfragen ergibt sich folgender Aufbau:

Zunächst werden in Kapitel zwei die theoretischen Grundlagen der Digitalisierung erläutert. Dazu zählt, neben einer Begriffsdefinition, auch die Erklärung des Megatrends Digitalisierung und besonders die Konkretisierung der digitalen Treiber im Controlling. Im dritten Kapitel wird das Controlling im Zeitalter der Digitalisierung näher betrachtet. Dabei werden zum einen die Aus­wirkungen der zuvor definierten digitalen Treiber auf die Controlling Hauptprozesse analysiert und zum anderen auf die Veränderungen der Controlling Organisation eingegangen. Ziel des dritten Kapitels ist es das zukünftige Rollenverständnis und Kompetenzprofil des Con­trollers herauszuarbeiten. In diesem Kapitel wird zunächst die Verschiebung der Controller­tätigkeiten definiert. Anschließend werden die aktuellen Rollenbilder und die Kompetenz­anforderungen an den Controller beschrieben, bevor auf das neue Rollenbild und das Anforderungsprofil des zukünftigen Controllers näher eingegangen werden kann. Aufbauend auf den vorherigen Kapiteln, werden im fünften Kapitel die möglichen Potentiale, Heraus­for­derungen und Risiken der Digitalisierung im Controlling erläutert. Das sechste Kapitel zeigt schließlich die aktuelle Lage des deutschen Controllings. Hier werden zu Beginn zahlreiche Stu­dienergebnisse zur Digitali­sierung im Controlling vorgestellt. Abgeschlossen wird das Kapitel mit der Beschreibung möglicher Zukunftsszenarien im Controlling. In der Schlussbetrachtung dieser Arbeit werden die gewonnen Erkenntnisse noch einmal reflektiert und damit die Forschungs­fragen beantwortet.

2 Die Digitalisierung

Die digitale Wirtschaft ist derzeit allgegenwärtig und wird unter den Stichworten Digitalisierung oder digitale Transformation, sowohl in Unternehmen als auch in der Arbeitswelt als Ganzes benutzt. Doch was versteht man nun genau unter dem Begriff „Digitalisierung“?5

2.1 Begriffsklärung

Der Begriff „Digitalisierung“ spielt in nahezu allen unseren Lebens- und Arbeitsbereichen eine große Rolle. Dennoch existiert für ihn in der Literatur bis dato kein eindeutiges Begriffsverständ­nis, weshalb die Digitalisierung abhängig vom Kontext mehrere Bedeutungen annehmen kann.6

Die traditionell technische Interpretation des Begriffes versteht darunter das Umwan­deln von analogen Werten in digitale Formate. Eine weitere Auffassung von Digitali­sierung ist die digitale Revolution, welche heutzutage vermehrt als digitaler Wandel bezeichnet wird.7 Bereits in den 70er Jahren wurde von dem Begriff Digitali­sierung vermehrt Gebrauch gemacht. Die damalige plötzliche Leistungs­steigerung der Computer und der Wandel der Technik wurde als digitale Revolution bezeichnet. Während unter der damaligen Digitalisierung hauptsächlich das Über­führen analoger Daten - wie Bilder, Dokumente in Papierform, Ton- und Filmaufnahmen - auf digitale Datenträger verstanden wurde, haben sich heute sowohl die Definition als auch die Möglichkeiten der Digitalisierung grundlegend erweitert. Der Wandel von der rein technischen Interpretation in Richtung einer immer digitaler werdenden Welt hat auch die Begriffsabgrenz­ung erschwert.8

So definiert das renommierte Gabler Wirtschaftslexikon die Digitalisierung wie folgt: „Der Begriff der Digitalisierung hat mehrere Bedeutungen. Er kann die digitale Umwandlung und Darstellung bzw. Durchführung von Information und Kommunikation oder die digitale Modifikation von Instrumenten, Geräten und Fahrzeugen ebenso meinen wie die digitale Revolution, bzw. die digitale Wende. […].“9 Der Begriff selbst weist demnach mindestens zwei Dimensionen auf. Zum einen wird damit ein technischer Vorgang beschrieben und zum anderen ein gesellschaftliches und ökonomisches Phänomen. Dieses führt zu einem Veränderungsprozess in Gesellschaft, Wirt­schaft, Kultur, Bildung und Politik. Zwar sind beide Dimensionen durchaus voneinander ab­hängig, dennoch können sie nicht gleichgesetzt werden.10

Die WirtschaftsWoche definiert den Begriff Digitalisierung hingegen wie folgt: „Einerseits be­deutet Digitalisierung das Umwandeln analoger Daten in digitale. Andererseits beschreibt es die Automation von Prozessen und Geschäftsmodellen durch das Vernetzen digitaler Technik, Informationen und Menschen“.11 Bei dieser Definition steht die technische und wirtschaftliche Seite im Fokus, die gesellschaftspolitische hingegen weniger.

Sogar die Bundesregierung hat Probleme damit eine einheitliche Definition für die Digitali­sierung festzulegen, weshalb der Begriff im Wirtschaftslexikon der Bundes­zentrale für Politische Bildung nicht zu finden ist.12

Unabhängig von den unterschiedlichen Auffassungen des Begriffs bleibt festzuhalten, dass die Digitalisierung viele Bereiche des sozialen, privaten und öffentlichen Lebens weiterhin tiefgreif­end verändern wird.13 In der Literatur wird daher auch häufig von dem „Megatrend Digitalisier­ung“ gesprochen.14

2.2 Megatrend Digitalisierung

Der Begriff des „Megatrends“ wurde von dem US-amerikanischen Trend- und Zukunftsforscher John Naisbitt etabliert. Er definiert einen Megatrend als eine besonders „tiefgreifende und nach­haltige gesellschaftliche, ökonomische und technologische Veränderung, die sich langsam ent­faltet und deren Auswirkungen über Jahrzehnte hinweg spürbar bleiben“.15

Im technologischen und gesellschaftlichen Umfeld hat die Digitalisierung bereits flächen­deckend Einzug gehalten. Wir leben bereits in einem digitalen Zeitalter. Clouds, Fitnesstracker, Smartwatches, Smart Technologien und vor allem das Internet und Smartphones sind aus unserem Alltag kaum noch wegzudenken. Längst ist der Umgang mit ihnen in Fleisch und Blut übergegangen, so dass wir sie gar nicht mehr als digitalen Wandel wahrnehmen.16 Doch nicht nur unsere Gesellschaft wird von der Digitalisierung geprägt. Der Wandel in Richtung einer digitalen Wertschöpfung von Informationen prägt vor allem auch die Unternehmen.17 Infor­mationen werden schon längst selbst elektronisch erzeugt und vielfach reproduziert. Pro­duktions- und Geschäfts­prozesse werden zunehmend beeinflusst. Der Schwerpunkt lag hier lange Zeit auf Prozessen in der Produktion, dem Vertrieb, dem Einkauf oder dem Marketing. Neue Formen der Kundeninteraktion, selbststeuernde Maschinen und vollständig autonome Fertigungen verändern laufend die Produkte und Produktionsprozesse.18 Die vorausgesetzten Parameter eines Megatrends sind bei der Digitalisierung definitiv erfüllt.19 Der Wirtschafts­experte Karl Hainz Streibich, der sich intensiv mit der Digitalisierung als Megatrend auseinander­gesetzt hat, geht sogar noch einen Schritt weiter und erklärt folgendes: „ Die Digitalisierung ist heute mehr als ein weltweiter Megatrend. Die Digitalisierung treibt disruptive Veränderungen in jeder Branche, zu jeder Zeit, überall auf der Welt an. Deshalb ist sie kein technologisches Kon­zept, sondern eine umwälzende Veränderung unserer Gesellschaft, die alle Lebensbereiche der Menschen erfasst.20

Daher wundert es nicht, dass die Digitalisierung im Zusammenhang mit der Industrie 4.0 auch als vierte industrielle Revolution angesehen wird.

2.2.1 Digitalisierung als vierte industrielle Revolution

In der Vergangenheit ereigneten sich drei industrielle Revolutionen, die sowohl das private Leben als auch die Berufswelt nachhaltig veränderten (vgl. Abb. 1).21

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Die vier industriellen Revolutionen22

Ende des 18. Jahrhunderts wurde die erste mechanische Produktionsanlage, angetrieben von Wasser- und Dampfkraft erfunden. Sie stellte die erste industrielle Revolution dar und führte zu den ersten arbeitsteiligen Groß- und Massenfertigungen in Fabriken.23

Die zweite industrielle Welle startete um 1870 mit dem Beginn der Elektrizität. Besonders einschlägig war außerdem die, 1913 durch Henry Ford eingeführte, produktivitätssteigernde Massenfertigung über Fließbänder. Zeitgleich begann auch die Globalisierung. Mit Hilfe der Luft­fahrt konnten Rohstoffe, Lebensmittel und Kleidung über weite Ländergrenzen hinweg transportiert werden.24

Ab 1970 fand die dritte industrielle Revolution statt. Prägend für diese Phase waren vor allem die Einführung von Elektrotechnik und Informations- und Kommunikations­technologien (IKT). Signifikant war außerdem die allmähliche (Teil-) Automatisierung von Arbeitsschritten.25

Das Ende des 20. Jahrhunderts wird als der Beginn der vierten, der aktuellen, industriellen Revolution gesehen. Kennzeichnend hierfür steht die zunehmende Digitalisierung, weshalb man auch von der digitalen Revolution spricht.26 Der Durchbruch des Internets, die weitere Automati­sierung und Individualisierung von Entwicklungs- und Fertigungsprozessen, die bevorstehende digitale Vernetzung von Mensch und Maschine und das Internet der Dinge stehen in diesem Zeitalter im Fokus.27

Die digitale Revolution mit ihren stetig neuen Entwicklungen hat in der Geschäftswelt jedoch nicht nur Auswirkungen auf die Produktion, das Marketing und den Vertrieb, sondern auch auf die Planungs- und Steuerungsprozesse eines Unternehmens. Da das Controlling als ein elemen­tarer Teil der Unternehmensführung angesehen wird, wird im Folgenden die Digitalisierung aus Sicht der Unternehmensführung betrachtet.28

2.2.2 Wirkungsebenen der Digitalisierung in der Unternehmensführung

Aus der Perspektive der Unternehmensführung kann die fortschreitende Digitalisierung in drei Wirkungsebenen strukturiert werden: digitale Welt, digitale Motoren und digitale Enabler (vgl. Abb. 2).29

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Wirkungsebenen der Digitalisierung30

Die „Digitale Welt“ beschreibt wie die die Geschäftswelt der Zukunft aussehen wird. Sie besteht in Horvaths Theorie aus digitalen Geschäftsmodellen, einer digitalen Wertschöpfung und einer digitalen Unternehmenssteuerung. Unter einem digitalen Geschäftsmodelle versteht man eine Transaktion, die über digitale Technologien abgewickelt wird. Während Netflix beispielsweise mit seinem Video-on-Demand-Modell ein digitales Geschäftsmodell vorweist, hat eine Leihvideothek ein völlig anderes ursprünglicheres Geschäftsmodell.31 Außerdem gehört zu einer digitalen Welt eine neugestaltete, digitale Wertschöpfung im Sinne einer Smart Factory mit einer unternehmensübergreifenden und vernetzten Wertschöpfung. Gleichzeitig fordern und ermöglichen diese Veränderungen ein digitales Steuerungsmodell, das den Unternehmen eine weitaus effizientere und differenziertere Unternehmenssteuerung ermöglicht.32

Als „digitale Motoren“ werden die Treiber dieser digitalen Welt bezeichnet. Darunter werden besonders essenzielle Technologien, Methoden und Produkte verstanden. Eine wesentliche Technologie stellt im Bereich Unternehmensführung Big Data dar. Eine wichtige Grundlage ist außerdem die quantitative Geschäftsmodellierung. Mit ihrer Hilfe können Wirkungszusammen­hänge im Unternehmen strukturiert, nachvollziehbar und überprüfbar beschrieben werden. Zu den digital gestützten Lösungen und Produkten gehören beispielsweise mobile Erfassungsgeräte und Apps. Sie sind meist Teil des übergeordneten Geschäftsmodells oder Steuerungssystems und treiben die Digitalisierung der Unternehmen weiter an.33

Die „Digital Enabler“ dienen als Fundament. Zu ihnen zählen die digital-Enabler Technologien im Allgemeinen und digital Service-Architekturen, die eine flexible Nutzung der technischen Dienste des Unternehmens ermöglichen sollen.34 Auch hoch integrierte Gesamtlösungen, wie beispielsweise Simple Finance oder S/4HANA von SAP, zählen zu den Digital Enabler und sollen die Kernprozesse des Unternehmens unterstützen.35

Die drei Wirkungsebenen werden von den Themen Governance, Ethik und Sicherheit einge­rahmt. Sie sollen zum einen eine effiziente Nutzung und Umsetzung der Digitalisierung sicher­stellen und zum anderen die Einhaltung der unternehmerischen Werte und Standards gewähr­leisten.36

Wie in diesem Kapitel bereits beschrieben, wird die Digitalisierung in den Unternehmen durch unterschiedliche Ebenen vorangetrieben. Auch das Controlling ist von diesen Entwicklungen betroffen und wird zunehmend digitalisiert. Bevor in den nächsten Kapiteln auf die möglichen Veränderungen im Controlling eingegangen wird, werden im folgenden Abschnitt zunächst die Haupt­treiber der Digitalisierung im Controlling näher betrachtet.

2.3 Digitale Treiber im Controlling

Um die Digitalisierung weiter voranzutreiben, sind Unternehmen darin bemüht neue Techno­logien und IT-Systeme in Ihrem betrieblichen Alltag miteinzubauen. Als wesentliche Treiber der Digitalisierung im Controlling können dabei die Industrie 4.037, Big Data und Business Intelligence genannt werden.38 Sie spielen alle drei eine zentrale Rolle in der zunehmenden Digitalisierung der Controllingwelt (vgl. Abb. 3).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Ansätze der Digitalisierung39

Da diese drei Themen einen fließenden Übergang aufweisen, können sie nicht klar voneinander abgegrenzt werden. Unter der Bezeichnung Industrie 4.0 werden beispielsweise zahlreiche technologische Treiber verstanden, wie u.a. auch Business Intelligence (BI) und Big Data. Zudem werden die BI-Technologien dazu benötigt um die Datenflut von Big Data zu verarbeiten. Hier stellt sich die Frage, wo das herkömmliche BI aufhört und die neue Big-Data Welt beginnt.

Zudem ist darauf hinzuweisen, dass die Digitalisierung im Controlling zahlreiche weitere Techno­logien umfasst, die im Rahmen dieser Arbeit jedoch aufgrund des Umfanges nicht berücksichtigt werden können.

2.3.1 Industrie 4.0

Zunächst werden Technologien, die in der Wissenschaft und Praxis mit der Industrie 4.0 in Ver­bindung gebracht werden näher betrachtet.

Der Begriff „Industrie 4.0“ wurde erstmals im Jahr 2011 von der Bundesregierung auf der Hannover Messe für Industrie verwendet. Seitdem steht er für die Zukunft der Produktion am Standort Deutschland.40

Die sogenannte Smart Factory ist geprägt durch eine vollständige Vernetzung aller Prozess- und Produktionsschritte. Steuerungssysteme, Maschinen und sogar Produkte tauschen, sowohl unter­nehmensintern als auch unternehmensübergreifend, permanent Informationen unter­einan­der aus.41 Die bisher klassische Wertschöpfungskette transformiert sich demnach zu einem Wertschöpfungsnetzwerk. Maschinen und Produktionssysteme von morgen, werden in der Lage sein individuelle Produktanforderungen der Kunden vollautomatisch zu berücksichtigen, Waren­ströme optimal zu koordinieren und einen durchgängigen Abruf aller relevanten Informationen in Echtzeit ermöglichen.42 Durch den stetigen Informationsfluss wird Flexibilität und Effizienz in einem noch nie dagewesenen Ausmaß erreicht.43

Um das alles überhaupt verwirklichen zu können, werden natürlich bestimmte Schlüsseltechno­logien benötigt. Cyber-Physische Systeme (CPS), das Internet of Things (IoT), RFID-Chips, Cloud Computing und Big Data sind Technologien, die meist mit Industrie 4.0 in Verbindung gebracht werden.44

Die sogenannten Cyber-Physische Systeme (CPS) werden von vielen als technologische Schlüs­sel­rolle bei der Umsetzung von Smart Factories angesehen. Sie stellen eine Schnittstelle der digitalen und realen Welt dar.45 Physische Objekte wie Geräte, Betriebsmittel und Produktions­anlagen werden mit intelligenten, informations­verarbeitenden Komponenten wie Sensoren und Kleinstcomputern ausgerüstet und anschließend über Informationsnetzwerke miteinander ver­bunden.46 Erst durch die Vernetzung über das Internet sind die Objekte Teil eines einge­betteten Systems und in der Lage, untereinander zu agieren und zu kommunizieren. Die Verket­tung einer Vielzahl von Cyber Physischen Systeme führt dann letztendlich zu einer Smart Factory.47

Im Internet der Dinge (IoT) bekommen Gegenstände der realen Welt eine eindeutige Identität und können so selbstständig miteinander kommunizieren und ihre Daten teilen. Im Wesent­lichen ist es das Netzwerk, in dem CPS miteinander verbunden sind. In der Industrie geht es dabei vorrangig darum, Produktionsanlagen so miteinander zu vernetzen, dass sich ganze Unter­nehmensprozesse automatisieren lassen. Aber auch im privaten Bereich werden Alltags­gegen­stände für eine komfortablere Nutzung untereinander vernetzt. Beispiele hierfür sind das Smart Home, Smart Entertainment oder auch der smarte Kühlschrank.48

RFID-Chips oder auch Smart Labels genannt sind nichts anderes, als intelligente programmier­bare Etiketten. Während sich der Einsatz von ihnen bis vor einiger Zeit noch rein auf die diskrete Fertigung beschränkte, werden sie heute in der Smart Factory in die Prozessfertigung miteinge­bunden. Die Chips dienen dabei zur digitalen Identifizierung von Werkzeugen, Materialien, Maschinen und Gütern. Mit ihnen können sowohl Geschäftsprozesse als auch Produkte verfolgt, überwacht und gesteuert werden. RFID-Chips stellen eine wichtige Technologie in Zeiten der Industrie 4.0 und der angestrebten Massenindividualisierung dar.49

Cloud Computing stellt eine Basistechnologie der Industrie 4.0 dar. Denn die Smart Factory ist kein Gebäude an einem einzigen Standort, sondern besteht aus vielen dezentral vernetzen Produktionsprozessen und konfiguriert laufend Daten.50 Eine statische IT- und Servicelösung reicht der Smart Factory damit nicht aus und würde auch aufgrund der begrenzten Rechen­leistung an ihre Grenzen stoßen.51 Das Cloud Computing bietet sowohl IT-Dienstleistungen als auch Infrastrukturen zur Verarbeitung von größeren Datenmengen im Internet an. Damit erhöht sich die Rechenleistung erheblich.52

All diese neuen Technologien erzeugen Daten in einem noch nie dagewesenen Umfang. Man spricht daher von Big Data. Da Big Data einen wesentlichen Treiber der Digitalisierung im Control­ling darstellt, wird auf den Begriff im folgenden Unterkapitel extra eingegangen.53

Für den Controller sind natürlich neben diesen technischen Potentialen vor allem auch die betriebswirtschaftlichen Faktoren von Bedeutung. Da die Industrie 4.0 für die meisten Unternehmen noch immer eine Zukunftsvision darstellt, gibt es hierzu in der Praxis aktuell noch mehr Fragen als Antworten.54 Durch sie werden sich jedoch sowohl das Leistungsangebot als auch die Leistungserstellung der Unternehmen ändern. Die Erweiterung des Kundennutzens durch die Bereitstellung von intelligenten Dienstleistungen und Produkten und der Trend hin zur individuellen Produktgestaltung wirken sich nicht nur auf das bisherige Geschäftsmodell, sondern auch auf das Controlling aus. Der Controller wird dafür verantwortlich sein, den Nutzen von innovativen Produkten und Dienstleistungen kritisch zu hinterfragen.55 Zudem sind die daraus entstehenden möglichen Wettbewerbsvorteile zu ermitteln und zu bewerten. Die Smart Factory mit selbstständig interagierenden Maschinen und Ressourcen verändert die Leistungs­erstellung und damit auch das Controlling maßgeblich.56 Produktionsprozesse können virtuell dargestellt werden und erzeugen jede Menge Daten in Echtzeit. Diese Daten können bei der Optimierung der Controllingprozesse helfen. Die flexiblere Produktion von individuellen Produkten könnte hingegen zu einer Herausforderung für das Controlling werden.57

2.3.2 Big Data

Die zunehmende Digitalisierung aller Lebens- und Arbeitsbereiche führt zu gigantischen, ständig ansteigenden Datenmengen. Treiber für diese Datenflut sind vor allem neue technologische Innovationen der letzten Jahre, dazu gehören das Internet der Dinge, mobile Apps, social Media, Cloud Computing, Sensortechnik und mobile Endbenutzergeräte, wie Smartphones, Tablets oder Wearables.58 Letztere zielen meist darauf ab, Daten über Chats, Blogs oder Soziale Netzwerke auszutauschen. Außerdem werden auch immer stärker unbewusst Daten erhoben. Beispiel hierfür sind automatisch aufgezeichnete Positions- und Umgebungsbedingungen im Rahmen einer Navigationsleistung oder die Nutzung eingebauter Sensoriken, wie Bewegung oder Temperatur. Durch Industrie 4.0 oder bspw. das vernetzte Zuhause entstehen zudem noch erheblich umfangreichere Datenmengen.59 Es wundert daher nicht, dass sich seit Beginn des 21. Jahrhunderts ein exponentieller Anstieg des Datenvolumens abzeichnet. In den letzten Jahren hat sich der Datenbestand alle zwei Jahr verdoppelt. Bis zum Jahr 2022 könnte das Volumen sogar auf hundert Zettabyte anwachsen (vgl. Abb. 4).60

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Entwicklung des weltweiten Datenvolumens61

In der Literatur findet sich hierfür der Begriff Big Data wieder. Eine einheitliche Definition gibt es in Wirtschaft und Praxis für diesen Begriff jedoch nicht.62 Im Grunde steht er für große Datenmengen, die eine hohe Entstehungsgeschwindigkeit aufweisen und unstrukturiert sind, da sie teilweise aus vollkommen unterschiedlichen Quellen stammen.63 Um Big Data noch genauer zu definieren, eignet sich vor allem das von Experten anerkannte 3 bzw. 4-V-Modell der Gartner Group. Es besteht aus den Kriterien Volume (Datenvolumen), Velocity (Entstehungsgeschwin­dig­keit) und Variety (Vielfalt).64 IBM erweiterte das Modell der Gartner Group um das vierte Merkmal „Veracity“ (Glaubwürdigkeit) (vgl. Abb. 5).65

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Das 4-V-Modell66

Volume: Das wohl wichtigste Charakteristikum von Big Data ist die immense Datenmenge. Sie beginnt im Terabytebereich und ist nach oben hin nicht begrenzt. Den Unternehmen werden in Zukunft immer mehr Daten zur Verfügung stehen.67

Variety: Mit wachsendem Datenvolumen nahm zugleich auch die Vielfalt der Daten zu. Rund 85% von ihnen liegen in unstrukturierter Form vor, da sie aus verschiedensten Quellen stam­men, wie den sozialen Netzwerken, Bildern, Office-Dokumenten oder Sensoren.68 Für her­kömm­liche Datenbanksysteme stellen die Analyse und Verarbeitung dieser heterogenen Daten eine große Herausforderung dar.

Velocity: Die Geschwindigkeit, mit der Daten generiert, ausgewertet und weiterverarbeitet werden können, stellt ein weiteres Merkmal von Big Data dar. Insbesondere die Geschwindigkeit der Datenverarbeitung ist für Unternehmen entscheidend, um möglichst schnell auf relevante Er­eig­nisse reagieren zu können. Der Trend geht zunehmend dahin, Daten in Echtzeit zu verarbei­ten.69

Veracity: Die häufig mehrdeutigen und ungenauen Daten sollten auf Glaubwürdigkeit und Zu­ver­lässigkeit geprüft werden. Denn Unternehmen können nur dann von den neuen Daten­strömen profitieren, wenn Vertrauen in diese existiert und aus deren Analyse ein Mehrwert generiert werden kann.70

Das Datenvolumen allein ist also nicht das einzige Kennzeichen von Big Data. Erst wenn alle vier Merkmale auf die zu nutzenden Daten zutreffen, sprechen Experten von Big Data.71

Um diese neuen Datenströme erfolgreich für das Unternehmen nutzen zu können, bedarf es bestimmter Technologien. Denn die herkömmlichen BI-Systeme stoßen bei der Analyse von Big Data an ihre Grenzen.72 Grund dafür sind die relationalen Datenbanken, die nicht in der Lage sind unstrukturierte Informationen zu verarbeiten. Mit Hilfe neuer technologischer Konzepte, wie der In-Memory-Technik oder der „Not Only SQL“ (NoSQL) Datenbanken soll Big Data brauch­bar gemacht werden.73

Bei der In-Memory-Technik werden Daten, anstatt auf Festplatten direkt im Arbeitsspeicher ge­halten. Auf diese Weise sind sie schneller zugänglich und können zudem zügiger analysiert werden. Jedoch sollte eine Datenpersistenz mittels einer zusätzlichen Festplatte sichergestellt werden, um Daten vor einem möglichen Systemausfall zu schützen.74

Die „Not only SQL“ Datenbanken verfolgen einen nicht relationalen Ansatz. Während die ur­sprüng­lichen Datenbanken strukturierte und festgelegte Tabellenschemata zum Abspeichern benötigen, können NoSQL Datenbanken unstrukturierte Informationen auf unterschiedliche Arten speichern. Der Zugriff auf große Datenmengen wird damit deutlich beschleunigt.75

Der wesentliche Nutzen von Big Data liegt also in den neu verfügbaren Informationen, die zu einem zusätzlichen Erkenntnisgewinn verhelfen. Davon kann auch das Controlling profitieren, zu dessen Hauptaufgaben schließlich die Informationsversorgung zählt. Neue Möglichkeiten ergeben sich besonders in der Planung, dem Reporting und dem Forecast. Um diese Potentiale aber auch nutzen zu können, muss der Zugriff auf zusätzliche Datenquellen ermöglicht werden und neue Systeme zur Verarbeitung eingeführt werden. Die nachfolgende Abbildung gibt eine abschließende Übersicht über Big Data mit seinen typischen Datenquellen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Big Data Datenquellen76

Da der eigentliche Wert der Daten in ihrer Auswertung, Darstellung und Analyse liegt, wird im folgenden Abschnitt auf Business Intelligence (BI) und Business Analytics (BA), dem letzten wesentlichen digitalen Treiber im Controlling, näher eingegangen.

2.3.3 Business Intelligence & Business Analytics

Für eine erfolgreiche Unternehmenssteuerung sind Informationssysteme von großer Bedeu­tung. Sie helfen Führungskräften bei der Entscheidungsfindung und stellen zudem die benötigten Informationen anschaulich dar.77

2.3.3.1 Business Intelligence

Business Intelligence wurde 1989 als IT-basiertes Managementsystem entwickelt. Obwohl BI ein sehr populärer Begriff ist, der sowohl in der Wissenschaft als auch der IT und Unternehmen in der Praxis Anwendung findet, gibt es bis heute keine allgemein akzeptierte Definition dafür.78 Im Grunde stellt BI einen Sammelbegriff für unterschiedliche Methoden, Systeme und Werk­zeu­ge dar, die zur Speicherung, Erhebung und Auswertung von elektronischen Daten verwendet werden. Der Begriff „Business“ unterstreicht dabei, dass die Modelle im betrieblichen Kontext eingesetzt werden. Der Ausdruck „Intelligence“ steht für die Umwandlung von Information in Wissen. Das Ziel von BI liegt darin, dem Nutzer alle relevanten Daten zu Verfügung zu stellen, um so den Entscheidungsprozess zu unterstützen.79

Über die letzten Jahre haben sich natürlich auch die BI Technologien an die technischen Fort­schritte angepasst. Vor allem die rasante Digitalisierung der letzten Jahre hat zahlreiche neue Entwicklungen mit sich gebracht.80

Da ein integriertes BI-System in der Praxis immer unterschiedlich ausfallen kann und keine vol­l­ständige Abdeckung aller BI-Werkzeuge in dieser Arbeit möglich ist, wird im Folgenden der Fokus auf die digitalen Trends der letzten Jahre im Bereich Business Intelligence gelegt.

Um einen besseren Überblick über die aktuellen Digitalisierungstrends zu bekommen, ist es hilfreich die klassischen Anforderungen an BI in drei zentrale Themenblöcke zu teilen – zentrales Data Warehouse, Reporting und Analyse und Planung und Forecasting.81

Data Warehouse Als erste klassische Anforderung ist das zentrale Data Warehouse (DW) zu nennen. Es bildet quasi die Grundlage des BI-Systems und stellt eine zentrale Datenbasis dar, weshalb es auch als „Single Point of Truth“ (SPOT) bezeichnet wird.82 Das DW ist durch die vier Merkmale Themen­orientierung, Integration, Zeitraumbezug und Nicht-Volatilität gekennzeichnet. Themen­orientiert ist ein Data Warehouse, da es sich an dem Informationsbedarf des Entscheidungs­trägers orientiert und nicht wie ein operatives System an innerbetrieblichen Abläufen und Funktionen. Dadurch können Unternehmensdaten aus unterschiedlichen Blickwinkeln betrach­tet werden.83 Ein weiteres Merkmal ist die Integration von heterogenen Daten aus unter­schied­lichen externen und operativen Quellen zu einer widerspruchsfreien Datensam­mlung. Zudem speichert ein DW historische Daten, meist über mehrere Jahre, und ermöglicht damit das Erkennen und Reagieren auf Trends und mögliche Entwicklungen. Die Nicht Volatilität eines DW bedeutet, dass sich Daten in dem System nicht mehr verändern, sondern beständig sind. Ein ERP System ist hingegen durch kontinuierliche Veränderung geprägt und auf einen geringen Zeitraum begrenzt.84

Bei dem klassischen DW hat sich im Zuge der Digitalisierung und vor allem auf Grund der Big Data Entwicklungen der letzten Jahre einiges getan. Ein wesentlicher Trend sind innovative Datenbanktechnologien. Bei dem sogenannten „Data Lake“ handelt es sich um einen Massen­speicher, der sowohl unstrukturierte als auch strukturierte Daten enthält.85 Aber auch die bereits im Unterkapitel „Big Data“ erwähnte In-Memory-Technologie und die NoSQL Daten­banken zählen zu den neuen innovativen Datenbanktechnologien. Durch eine vielfach schnel­lere Datenabfrage, eine Echtzeitverarbeitung und real-time Analysen kommt es durch sie zu einer deutlichen Performancesteigerung.86

Zu nennen ist hier auch noch das mehrdimensionale Analysewerkzeug „OLAP“ (Online Analytical Processing). Es ermöglicht dem Nutzer einen schnellen Abruf von entscheidungsrelevanten Daten.87 Hierfür werden alle Datenattribute, zum Beispiel Produkt, Ort und Kosten, als eigene Dimension abgespeichert. Dadurch ist eine OLAP-Software in der Lage, Schnittstellen von Dimensionen zu finden und auszuwerfen. Der User könnte sich beispielsweise alle Produkte für einen bestimmten Preis in einem bestimmten Zeitraum anzeigen lassen.88

Reporting und Analyse Die zweite klassische Anforderung stellen Reporting und Analyse dar. Mit Hilfe von BI-Werk­zeugen sollen Informationen bezüglich Inhalt, Format und Geschwindigkeit so verfügbar gemacht werden, dass sie zu einer erfolgreichen Unternehmenssteuerung beitragen. Ziel dieser Tools ist eine Automatisierung, Standardisierung und situations­bezogene Gestaltung und De­tailierung zu ermöglichen.89

Bei den Analyse- und Reportarten kann zwischen Standard-Reports , Exception-Reports und Ad-hoc-Reports unterschieden werden. Bei dem am weit verbreitetsten Standardreport sind Inhalt und Form fest vorgegeben und können durch den Empfänger auch nicht geändert werden. Meist handelt es sich dabei um regelmäßige und größtenteils automatisierte Berichte. Bei einem Exception Report wird ein Bericht automatisch erstellt und versendet, falls es Abweichungen zu im Vorfeld festgelegten Werten gibt. Aufgrund des technologischen Fortschrittes, gewinnt das Ad-hoc-Reporting zunehmend an Bedeutung. Hier nimmt der Anwender eine aktive Rolle ein und hat die Möglichkeit sowohl die Informationen als auch das Layout der Reports selbstständig zu bestimmen.90 In den letzten Jahren hat sich hierfür der Begriff „Self-Service BI“ etabliert. Mit Hilfe von Dashboards bzw. BI-Cockpits können diese Informationen außerdem visuell, übersicht­lich und individuell dargestellt werden.91

In einem Zeitalter der mobilen Benutzergeräte ist es natürlich auch für BI-Anwendungen wichtig, mobil zu sein. Seit 2013 können die Programme auf mobilen Endgeräten genutzt werden. Mobile BI ist inzwischen zu einem Standard geworden. Durch leistungsfähigere Mobilfunknetze, WLAN Hotspots und immer kleiner werdende Geräte wird diese Entwicklung zudem immer weiter vorangetrieben.92 Mittlerweile kann die Bereitstellung von Informationen und Analysen an nahezu jedem Ort und zu jeder Zeit abgerufen werden. Dies kann einen potentiellen Wettbe­werbs­­faktor für Unternehmen und Controller darstellen.93

Planung und Forecasting Im Bereich Planung und Forecasting gab es im Bereich des klassischen Business Intelligence, außer dem bereits erwähnten Self-Service und mobile BI, in den letzten Jahren kaum digitale Trends. Umso mehr hat sich jedoch dafür im Bereich Business Analytics getan.94

Durch den rasanten Anstieg des Datenvolumens und der stetigen Weiterentwicklung von Informations­systemen wurde im Laufe der Zeit erkannt, dass mit Hilfe von Daten nicht nur Vergangenes dokumentiert und bewertet werden kann, sondern mittels umfangreicher Daten­analyse auch neue Erkenntnisse generiert werden können. Im Zuge dessen hat sich Business Analytics (BA) entwickelt und als neues Analysewerkzeug neben Business Intelligence etabliert.95

2.3.3.2 Business Analytics (BA)

Mit BA können Muster und Korellationen von vorhandenen Informationssätzen auf andere Daten und Situationen übertragen werden. Auf diese Weise können zukünftige Entwicklungen prognostiziert werden. Bei der Anwendung kann dabei zwischen vier Analyseebenen unter­schieden werden (vgl. Abb. 7).96

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Business Analytics Kategorien97

Den Anfang bildet „Descriptive Analytics“, was weitestgehend noch dem klassischen Reporting entspricht. Um die Frage „Was ist passiert“ zu beantworten, werden vergangene Ereignisse beschrieben.98

Die nächste Ebene, „Diagnostic Analytics“, geht darüber hinaus und beantwortet die Frage „Warum es passiert ist“. Ziel dieser Ebene ist es, mit Hilfe von Data Mining, Zusammenhänge aufzudecken. Im Controlling könnte es sich dabei beispielsweise um die Analyse von Ab­weichungen handeln.99

In der nächsten Komplexitätsstufe wird mit „Predicitve Analytics“ versucht, Aussagen über mögliche zukünftige Entwicklungen zu treffen – „Was wird passieren?“. Eingesetzt werden dabei Techniken wie bspw. die bekannte lineare Regressionsanalyse. Durch verfügbare Vergangen­heitsdaten und Wahrscheinlichkeiten, werden mit dieser, zukünftige Verläufe errechnet und mögliche Szenarien und Zukunftsmodelle dargestellt. Das Controlling interessiert sich hierbei vor allem für mögliche Trends und Eintrittswahrscheinlichkeiten, wie dem zu erwartenden Erlös pro Region.100

Die letzte Stufe, „Prescriptive Analytics“ geht noch einen Schritt weiter, indem sie Handlungs­empfehlungen für den Erfolg des Unternehmens vorschlägt. Aus unterschiedlichen Erwartungs­szenarien der prädikativen Analyse können optimale Entscheidungen errechnet werden, die zu einer Maßnahmenempfehlung führen.101

Die beiden letzten Stufen werden auch als „Advanced Analytics“ bezeichnet und stellen wesent­liche Haupttreiber für die Verwendung von Big Data dar. Zudem werden sie einen großen Einfluss auf das zukünftige Planung und Forcasting haben.102

Business Analytics erweitert die klassischen BI-Analysen um verstärkt zukunftsbezogene Frage­stellungen und ist damit auch entscheidend für zusätzliche Potentiale im Controlling. Abbildung 8 bietet einen ersten Überblick darüber, wie die zentralen Themenblöcke von BI durch die Digitalisierungstrends verändert wurden und werden.103

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 8: Aktuelle Digitalisierungstrends im Bereich BI104

[...]


1 Vgl. Hoder und Kuhr 2015, S. 15

2 Vgl. Prof. Dr. Egle und Keimer 2018, S. 1

3 Vgl. Prof.Dr.Dr. Weber und Schäffer, S. 9

4 Vgl. Prof. Dr. Egle und Keimer 2018, S. 1

5 Vgl. Schönbohm und Egle, S. 4

6 Vgl. Litzel 2017a

7 Vgl. Botzkowski und Becker 2018, S. 23

8 Vgl. Prof. Dr. Egle und Keimer 2018, S. 1

9 Gabler Wirtschaftslexikon

10 Vgl. Gabler Wirtschaftslexikon

11 Holitzner 2016

12 Vgl. Bundeszentrale für politische Bildung 2018

13 Vgl. Kieninger et al. 2016, S. 241

14 Vgl. Botzkowski und Becker 2018, S. 9

15 Naisbitt und Aburdene 1992, 9f

16 Vgl. Hoder und Kuhr 2015, S. 15

17 Vgl. Dr. Eiselmayer et al.

18 Vgl. Prof.Dr.Dr. Weber und Schäffer, S. 9; Prof.Dr.Dr. Weber und Schäffer

19 Vgl. Botzkowski und Becker 2018, S. 9

20 Linnhoff-Popien et al. 2015, S. 15

21 Vgl. Schönfelder 2018, 10 f

22 Guth 2016

23 Vgl. Kleinheider 2019

24 Vgl. Schönfelder 2018, 10 f

25 Vgl. Kleinheider 2019

26 Vgl. Schönfelder 2018, 10 f

27 Vgl. Heuermann et al. 2018, 10 f

28 Vgl. Eschenbach und Siller 2009, 1 f

29 Vgl. Horváth 2016, S. 4

30 Eigene Darstellung in Anlehnung an Horváth 2016, S. 4

31 Vgl. Hoffmeister 2015

32 Vgl. Horváth 2016, 241 f

33 Vgl. Horváth 2016, S. 5

34 Vgl. Horváth 2016, S. 5

35 Vgl. Krüger 2016, 185 f

36 Vgl. Horváth 2016, S. 5

37 Vgl. Rusch

38 Vgl. Gadatsch 2016, 62f

39 Eigene Darstellung

40 Vgl. Biel, S. 27

41 Vgl. Gleich et al., S. 80

42 Vgl. Seiter et al., S. 32

43 Vgl. Gleich et al., 80 f

44 Vgl. Brandt et al. 2016, 16 ff

45 Vgl. Krüger et al. 2019, 10 f

46 Vgl. Brandt et al. 2016, 16 ff

47 Vgl. Litzel 2017b

48 Vgl. Internationaler Controller Verein - Ideenwerkstatt 2015

49 Vgl. smart-TEC 2017

50 Vgl. Brandt et al. 2016, 16 ff

51 Vgl. Karlstetter 2016

52 Vgl. Krüger et al. 2019, 16 f

53 Vgl. Brandt et al. 2016, 16 ff

54 Vgl. Siebert und Schlüchtermann, 462 f

55 Vgl. Rusch, 70 f

56 Vgl. Internationaler Controller Verein - Ideenwerkstatt 2015, 12 f

57 Vgl. Gleich et al., S. 80

58 Vgl. Oehler et al. 2016, S. 63

59 Vgl. Seufert 2018, 1 f

60 Vgl. Jüngling 2013

61 Vgl. Geldner 2013, S. 15

62 Vgl. Gadatsch 2016, 62f

63 Vgl. Baumöl und Berlitz 2017

64 Vgl. Gadatsch 2016, 62f

65 Vgl. Schön 2018, 419f

66 Eigene Darstellung in Anlehnung an Schön 2018, 419f

67 Vgl. Baumöl und Berlitz 2017, S. 4

68 Vgl. Schön 2018, 419f

69 Vgl. Baumöl und Berlitz 2017, S. 4

70 Vgl. Baumöl und Berlitz 2017, S. 5

71 Vgl. Schön 2018, S. 420

72 Vgl. Baumöl und Berlitz 2017, S. 6

73 Vgl. Schulte und Bülchmann, S. 55

74 Vgl. Baumöl und Berlitz 2017, S. 6

75 Vgl. Schulte und Bülchmann, S. 55f

76 Eigene Darstellung in Anlehnung an Gadatsch und Landrock 2017

77 Vgl. Dülken und Emler, 1f

78 Vgl. Schön 2018, 405f

79 Vgl. Raaz und Andreas 2019

80 Vgl. Diekmann 2016b

81 Vgl. Dülken und Emler, S. 1

82 Vgl. Rüdel und Ambrosi 2017

83 Kemper et al. 2010, 19f

84 Vgl. Meyer et al. 2001, 98f

85 Vgl. Dülken und Emler, S. 3

86 Vgl. Schön 2018, 420ff

87 Vgl. Consulting 2018

88 Vgl. Rouse 2014

89 Vgl. Dülken und Emler, 1f

90 Vgl. Schön 2018, 49 ff

91 Vgl. Diekmann 2016a

92 Vgl. Matzer und Litzel 2015

93 Vgl. Internationaler Controller Verein - Ideenwerkstatt 2017, 38f

94 Vgl. Dülken und Emler, S. 2

95 Vgl. Iffert 2016, 17f

96 Vgl. Keimer et al. 2017, S. 830

97 Eigene Darstellung in Anlehnung an ICV Ideenwerkstatt, Business Analytics, S. 2

98 Vgl. Dülken und Emler, S. 5

99 Vgl. Keimer et al. 2017, S. 830

100 Vgl. Schön 2018, 381f

101 Vgl. Keimer et al. 2017, S. 830

102 Vgl. Schön 2018, S. 430

103 Vgl. Dülken und Emler, S. 5

104 Eigene Darstellung in Anlehnung an Dülken und Emler, S. 3

Final del extracto de 107 páginas

Detalles

Título
Aktuelle Trends der Digitalisierung im Controlling
Universidad
Munich University of Applied Sciences
Calificación
1,3
Año
2019
Páginas
107
No. de catálogo
V489468
ISBN (Ebook)
9783668974326
ISBN (Libro)
9783668974333
Idioma
Alemán
Palabras clave
Controlling, Digitalisierung im Controllin, Business Intelligence, Big Data, Industrie 4.0, Controlling der Zukunft, aktuelle digitale Lage des Controllings, Herausforderungen und Risiken eines digitalen Controlling, Kompetenzprofil des Controllers
Citar trabajo
Anónimo, 2019, Aktuelle Trends der Digitalisierung im Controlling, Múnich, GRIN Verlag, https://www.grin.com/document/489468

Comentarios

  • No hay comentarios todavía.
Leer eBook
Título: Aktuelle Trends der Digitalisierung im Controlling



Cargar textos

Sus trabajos académicos / tesis:

- Publicación como eBook y libro impreso
- Honorarios altos para las ventas
- Totalmente gratuito y con ISBN
- Le llevará solo 5 minutos
- Cada trabajo encuentra lectores

Así es como funciona