Einfluss der Digitalisierung auf das Controlling

Aus Winfwiki

Wechseln zu: Navigation, Suche

Fallstudienarbeit

Hochschule: Hochschule für Oekonomie & Management
Standort: Düsseldorf
Studiengang: Bachelor Wirtschaftsinformatik
Veranstaltung: Fallstudie / Wissenschaftliches Arbeiten
Betreuer: Prof._Dr._Uwe_Kern
Typ: Fallstudienarbeit
Themengebiet: Digitalisierung in der BWL
Autor(en): Mara Overmann, Yannick Hessels, Denis Stasch, Julian Blanquez
Studienzeitmodell: Tagesstudium
Semesterbezeichnung: SS16
Studiensemester: 2
Bearbeitungsstatus: begutachtet
Prüfungstermin: 6.6.2016
Abgabetermin: 5.6.2016


Inhaltsverzeichnis

1 Einleitung

1.1 Einführung in die Thematik

Die Bedeutung der Digitalisierung nimmt in der heutigen Zeit in immer mehr Lebensbereichen stetig zu. Dies zeigt sich zum einen im Privatleben, das zunehmend durch die Digitalisierung geprägt wird, beispielsweise durch soziale Netzwerke wie Facebook, Twitter, WhatsApp oder Instragram. Zum anderen gewinnt die Digitalisierung auch in privaten Haushalten zunehmend an Bedeutung, da hier beispielsweise vernetzte Gebrauchsgüter genutzt werden. So ist es heutzutage beispielsweise möglich, die gesamte Heizanlage des Hauses per Smartphone zu steuern. Auch viele Haushaltsgeräte lassen sich bereits auf digitalem Weg ansteuern. Ein Beispiel dafür ist die Applikation "Miele@mobile", die es ermöglicht, bestimmte Geräte des Herstellers Miele mit einem Smartphone oder Tablet zu steuern.

Doch nicht nur der private Bereich wird von der Digitalisierung beeinflusst. Auch Unternehmen können von der Digitalisierung profitieren und mit ihrer Hilfe Wettbewerbsvorteile erzielen. In der heutigen Zeit ist insbesondere das Controlling für Unternehmen unverzichtbar, um langfristig erfolgreich am Markt interagieren zu können.[1]

Die Aufgabe des Controllings innerhalb eines Unternehmens geht schon seit langem über die Überwachung der Kosten hinaus. Zusätzlich soll das Controlling eine beratende Funktion für die Unternehmensführung darstellen und bei der Erstellung der Unternehmensstrategie unterstützen. Dabei steht die Planung, Steuerung und Kontrolle aller Unternehmensbereiche im Vordergrund.[2]

Um diese Aufgaben erfüllen zu können, benötigt das Unternehmen eine große Menge an Unternehmensdaten. Der Erfolg des Controllings und somit auch des Unternehmens hängt von der korrekten und effizienten Verarbeitung dieser Daten ab.

1.2 Zielsetzung der Arbeit

Ziel dieser Arbeit ist es, einen Überblick über die Möglichkeiten der Digitalisierung im Controlling zu schaffen und zu untersuchen, wie die Digitalisierung das Controlling bei der Datenverarbeitung unterstützen kann.

Dabei soll der Stellenwert der Digitalisierung für das Controlling aufgezeigt und die aktuelle Situation und Entwicklung kritisch betrachtet werden.

1.3 Methodischer Aufbau der Arbeit

In dieser Fallstudie werden zunächst die Grundlagen der Digitalisierung sowie des Controllings dargestellt.
Danach wird der aktuelle Fortschritt der Digitalisierung innerhalb des Controllings skizziert sowie beispielhafte Systeme im digitalisierten Controlling vorgestellt. Im weiteren Verlauf konzentriert sich diese Fallstudie auf dein Einfluss der Digitalisierung auf das Controlling sowie auf einflussreiche Technologietrends. Abschließend werden noch die Chancen und Risiken des digitalisierten Controllings thematisiert.
In der Schlussbetrachtung werden die gewonnenen Erkenntnisse zusammengefasst und ein Ausblick in die nähere Zukunft gegeben.

2 Grundlagen

2.1 Digitalisierung

"Der Begriff der Digitalisierung wird in zwei Interpretationen verwendet. Er bezeichnet entweder die Überführung von Informationen von einer analogen in eine digitalen Speicherung oder den Prozess, der durch die Einführung digitaler Technologien bzw. der darauf aufbauenden Anwendungssysteme hervorgerufenen Veränderungen"[3]

Diese Definition nach Prof. Dr. Thomas Hess beschreibt die Digitalisierung auf zwei Arten. Einmal die Überführung analoger Informationen in ein digitales Format. Wie das geschieht hängt vom Ausgangsmedium ab, d.h. für Audiodateien, Bilder und Texte gibt es unterschiedliche Verfahren. Dadurch entsteht der Vorteil, dass die Daten auf unterschiedliche Medien transportiert werden können nicht mehr wie Analoge Inhalte an ihr Medium gebunden sind. Die zweite Art beschreibt die Veränderung von Arbeits- und Handlungsweisen. Vor allem die Pflege privater und unternehmerischer Kontakte über soziale Netzwerke.[4]


Dies ist eine sehr strenge Definition. In einer erweiterten beschreibt der Begriff Digitalisierung auch "die durch das durch Internet geschaffene Möglichkeit der Allzeitverfügbarkeit und Zugänglichkeit von Daten (Wegfallen zeitlicher und örtlicher Beschränkungen bei Abrufung, Weiterverarbeitung und Speicherung von Daten)".[5] Die Digitalisierung schreitet immer weiter voran und hat unser Leben bereits nachhaltig verändert. Somit kann die Digitalisierung auf 2 Ebenen betrachten:

  • auf privater Ebene
  • auf unternehmerischer Ebene.[6]

2.1.1 Digitalisierung im Privatleben

Die Digitalisierung hat einen sehr großen Einfluss auf unser Privatleben, das bedeutet vor allem in Form von Smartphone und Social Media. Weltweit besaßen 1,59 Milliarden Menschen 2014 ein Smartphone, das sind 21,82 %. Somit besitzt weltweit ungefähr jeder 5. Mensch ein Smartphone. Prognosen schätzen das bis 2019 2,66 Milliarden ein Smartphone besitzen. Das wären dann ca. 35% der Weltbevölkerung. Hier sieht man deutlich wie schnell die Digitalisierung voran schreitet und immer mehr an Bedeutung gewinnt. In Deutschland sind diese Zahlen sogar signifikant höher. Im Juli 2015 besaßen 46 Millionen ein Smartphone, das sind dann ungefähr 56 %. Man sieht also, dass die Digitalisierung in Deutschland bereits weiter fortgeschritten ist als im Rest der Welt, was sich auf den Wohlstand als Industrieland zurückführen lässt. Prognosen gehen davon aus, dass 2018 sogar 54 Millionen ein Smartphone nutzen, also ca. 65%. Die Digitalisierung ist also auch in Deutschland noch nicht abgeschlossen und wird immer weiter voranschreiten. [7]

Durch diesen übermäßigen Nutzen von Smartphones verändert sich natürlich unser Tun und Handeln. Ständig wird auf das Smartphone geschaut. Egal ob E-Mails zu checken, SMS zu lesen oder anderweitige Informationen nachzuschauen. Vor allem geht es dabei darum mit anderen Leuten zu kommunizieren obwohl man räumlich getrennt ist. [8]


Abb. Nr.1 Social Media Landkarte 2015
Abb. Nr.1 Social Media Landkarte 2015



Hier sieht man eine Übersicht der Sozialen Medien aus dem Jahr 2015. Die Dienste dienen den unterschiedlichsten Zwecken und sind sehr vielfältig in Ihren Einsatzmöglichkeiten. Sie haben jedoch einen gemeinsamen Nenner, "dass auf digitalem Wege vom Nutzer gewünschte oder selbst generierte Informationen verarbeitet und mit einer bestimmten Zielgruppe geteilt werden"[9].

Dieses Angebot wird von vielen schon als Überangebot verstanden und führt zu einem Informationsüberfluss, den Menschen als Stressgefühl in Ihrer Freizeit empfinden. In Folge dessen fühlen sich besonders die 30- 44-jährigen in Ihrer Freizeit häufig oder manchmal gestresst. Außerdem spüren 56% der gestressten, dass diese Belastung vor allem in den letzten Jahren zugenommen.

Diese Entwicklung passt ebenfalls zu der Abbildung oben, natürlich gibt es Unternehmen wie Google, Facebook oder Twitter schon etwas länger und beeinflussen uns nicht erst seit gestern, aber gerade die absolute Anzahl der Dienste ist in der letzten kürzeren Zeit deutlich gestiegen und mit Ihr auch die Nutzungsdauer.

Heute gehören Konzerne wie Google, Facebook oder Twitter, die nur durch die Digitalisierung überhaupt entstehen konnten, zu den weltweit wertvollsten Unternehmen.

Auf der einen Seite konnten diese Unternehmen nur durch die Digitalisierung entstehen konnten und mit Ihren Produkten die Digitalisierung im Privatleben vorantreiben, aber auf der anderen Seite werden auch Sie unternehmerisch von Digitalisierung beeinflusst,wie im nächsten Kapitel gezeigt wird.[10]






2.1.2 Digitalisierung aus Unternehmerischer Sicht

Die Digitalisierung wird als eine Phase der vierten industriellen Revolution gesehen, die sogenannte Industrie 4.0. [6]

Abb. Nr.2 Zeitstrahl der industriellen Revolutionen
Abb. Nr.2 Zeitstrahl der industriellen Revolutionen

An diesem Zeitstrahl kann man die vierte industrielle Revolution einordnen. Sie begann ungefähr mit dem Anfang des 21 Jahrhunderts und dauert bis heute an.

"Im Fokus steht dabei die Digitalisierung der Produktion und Vernetzung entlang der Wertschöpfungskette eines Unternehmens"[11]

So beschreibt die Wirtschaftskammer Österreich die Digitalisierung in Zeiten von Industrie 4.0. Das Bundesministerium für Energie und Wirtschaft stimmt dem zu und stellt sich eine voll digitalisierte Produktion Folgendermaßen vor, dass Menschen, Maschinen und industrielle Prozesse intelligent vernetzt werden, sodass eine maßgeschneiderte Produktion nach individuellen Kundenwünschen entsteht. [12]

Aber die Digitalisierung soll nicht nur den Produktionsprozess, sondern alle Geschäftsprozesse beeinflussen, d. h. auch digitale Komponenten in Betriebe etablieren, deren Kerngeschäft nur wenig mit Technologie zu tun hat. Die WOK nennt hier vor allem die "Nutzung von Onlineelementen im gesamten Beschaffungs-, Logistik- und Vertriebssystem".[13] Denn wie schon oben beschrieben hat die Digitalisierung unser ganzer Kommunikationsverhalten verändert und das auch im B2C Bereich. Deswegen müssen Unternehmen auf digitalen Wege mit ihren Kunden kommunizieren sonst könnte es passieren, dass Sie Kunden verlieren. [14]

Doch Digitalisierung unterstützt und verändert nicht nur bestehende Prozesse, sondern bietet auch ein erhebliches Potenzial für neue Geschäftsfelder und Innovationen. Als neue Geschäftsfelder zählen z.B. die bereits oben beschrieben sozialen Medien, die ohne die Digitalisierung nie entstanden wären oder die Auswertung von großen Datenmengen. Die WOK gibt den 3D Drucker als beispielhafte Innovation der Digitalisierung an. Es werden Produkte, die früher handgefertigt wurden, damit in einem einzigen Prozess von einem Roboter hergestellt.[13]

Zusammenfassend kann man zu der Digitalisierung sagen: "Um von der Digitalisierung in vollem Umfang profitieren zu können, ist es daher notwendig, sowohl die wirtschaftlichen, rechtlichen und infrastrukturellen Rahmenbedingungen dafür zu schaffen, als auch die Akzeptanz der Wirtschaftsakteure und der Bevölkerung insgesamt gegenüber dieser Entwicklung zu steigern und ihnen die Bedeutung und Chancen der Digitalisierung bewusst zu machen."[15]


2.2 Controlling

"Controlling ist das Subsystem der Führung, das Planung, Steuerung und Kontrolle mit der Informationsversorgung zielorientiert koordiniert."[16]

Diese Definition nach Horvath macht klar, dass man Controlling nicht Kontrolle gleichsetzen kann. Was hierzulande zwar öfter gemacht wird, jedoch würde das Controlling dann nur die Überwachung der Ergebnisse des wirtschaftlichen Handelns umfassen und nicht auch die vor allem wirtschaftliche Fundierung von Entscheidungen in allen Unternehmen. Es spielt also eine sehr wichtige Rolle in der Unternehmensführung. Hier beginnt auch das Problem der Abgrenzung, denn die Stellung des Controllings innerhalb der BWL ist nicht eindeutig. Einige sehen das Controlling in engem Bezug zum Rechnungswesen. Aber durch seine Steuerungsfunktion weist es starke Überschneidungen mit der Unternehmensführung auf. Diese Zuordnung wird auch aus Sicht der Rationalitätssicherung unterstützt. Diese Abgrenzungsprobleme zeigen sich auch im Aufgabenspektrum des Controllings. Es gibt sowohl internationale Unterschiede als auch nationale Unterschiede. Als Beispiel kann man hier den Vergleich zwischen den USA und Deutschland ziehen. In den USA übernimmt das Controlling häufig Aufgaben, wie die Liquiditätssteuerung, das betriebliche Steuerwesen, die Debitorenbuchhaltung oder das betriebliche Versicherungswesen, in Deutschland werden diese Aufgaben von anderen Bereichen übernommen Über die die Kernaufgabe des Controllings ist man sich jedoch weitestgehend einig, nämlich die Unternehmensführung bei betriebswirtschaftlichen Fragen zu unterstützten. [17] [18]

Entwickelt hat sich das Controlling in den USA. Erste Controlling Einheiten reichen zurück bis in die erste Hälfte des 20 Jahrhunderts. Grund dafür war, dass zahlreiche Unternehmen immer größer und komplexer wurden. Somit wuchs auch die Komplexität der Führung. Darin bestand dann auch die ursprüngliche Aufgabe des Controllings, "die Unternehmensführung in betriebswirtschaftlichen Fragen zu beraten und zu Unterstützen."[19] Danach entwickelte sich das Controlling immer weiter und bekam neue Aufgaben zugeteilt, u.a. die Unternehmensführung bei der Planung zu unterstützen.[17]

In Deutschland war der Beginn des Controllings erst deutlich später, erst in den 50er Jahren und damals auch größtenteils nur in den Tochterunternehmer amerikanischer Unternehmen. Die Aufgaben des Controllings waren damals anderen Bereichen zugeordnet, wie z.B. dem Rechnungswesen.[17] Jedoch begann dann Anfang der 70er Jahre ein Umdenken und in einem Großteil der deutschen Unternehmen wurden Controlling Einheiten eingerichtet. Damals wurde das Controlling als Funktion der Informationsversorgung des Managements gesehen (1972). Erst danach entwickelte sich die Verbindung von Informationsversorgung, Planung und Kontrolle (1987). Dieser Ansatz führte dann zum Verständnis des heutigen Controllings. [18]

2.2.1 Aufgabenbereiche des Controllings

Die Aufgabenbereiche des Controllings lassen sich nach Peter Horvath in vier Teile unterteilen[20]

  • Gestaltung des Planungs- und Kontrollsystems
  • Unterstützung und Koordination von strategischen und operativen Planungen
  • Eigenständige Durchführung der monetären Planung und Kontrolle
  • Informationsversorgung


Gestaltung des Planungs- und Kontrollsystems

Die Gestaltung des Planungs- und Kontrollsystems ist eine wichtige Aufgabe, denn hier werden die Inhalte und der Ablauf von Planung und Kontrolle grundlegend geregelt. Es wird festgelegt, welche Teilplanungen durchgeführt werden und "welche konkreten Inhalte innerhalb dieser Teilplanungen in welcher Detaillierung und mit welchen zeitlichen Bezug Gegenstand von Planung und Kontrolle sind"[21] Planungshandbücher dienen hierbei zur Dokumentation. Diese Handbücher bestehen aus Planrahmen, den Planungsrichtlinien und dem Planungskalender.[22]


Unterstützung und Koordination von strategischen und operativen Planungen

Das Controlling unterstützt und koordiniert alle Teilplanungen im Unternehmen. Einerseits ist hiermit die Abstimmung von operativer und strategischer Planung gemeint, aber auch anderseits die Unterstützung der operativen Planung in den einzelnen Funktionsbereichen. Das bedeutet vor allem "das Bereitstellen von quantitativen, ergebnisorientierten Informationen, unter der Nutzung, der verantwortliche Funktionsbereich die Planungsinhalte formuliert."

Die strategische Planung erfolgt auf Ebene der obersten Unternehmensführung. Es legt fest, welche Entwicklungsrichtung das Unternehmen nehmen wird, um einen langfristigen Erfolg zu sichern. Das Controlling unterstützt die Führungsebene bei dieser Strategieformulierung, indem es Informationen über die Unternehmenssituation zur Verfügung stellt. Hierbei geht es vor allem um Informationen über Stärken und Schwächen sowie über Chancen und Risiken des Unternehmens.[23] Jedoch ist der Einfluss der Controller bei der strategischen Planung deutlich geringer als bei der operativen. [18]

Die operative Planung lässt sich von der strategischen Planung ableiten. Sie bezieht dann auf einzelne Organisationseinheiten, die operativ tätig sind z.B. Forschung und Entwicklung oder Beschaffung und Produktion. Die Aufgabe des Controllings besteht dabei darin Ziele und Maßnahmen für diese Organisationseinheiten zu formulieren. Als Beispiel könnte man für den Absatzbereich bestimmte Umsatzziele für bestimmte Märkte nennen. Ziel der operativen Planung ist es den wirtschaftlichen Erfolg und die Liquidität des Unternehmens zu sichern. Die langfristig formulierten Ziele in der strategischen Planung sind natürlich bei der operativen Planung zu berücksichtigen.[23]

Außerdem funktioniert das Controlling als eine Art Revision für die strategische Planung. Es kontrolliert, ob "sich die strategischen Vorgaben überhaupt in der operativen Planung umsetzten lassen". Doch die Kontrolle konzentriert sich allein auf die Ergebniskontrolle, anders als die Revision. Anhand von Abweichungsanalysen wird dann in der Planung gehandelt. [18]


Eigenständige Durchführung der monetären Planung

Das Controlling übernimmt bestimmte Planungen und Kontrollen auch selber und unterstützt und koordiniert diese nicht nur, vor allem im monetären Bereich. "Die Aufgabe des Controlling besteht dabei darin, die monetären Konsequenzen der Funktionsbereichsplanungen hinsichtlich Umsatz, Kosten und Liquidität abzuleiten und zur gesamtunternehmensbezogenen Ergebnis und Finanzplanung zusammenfassen".[24] Diese Planung umfasst drei Teilbereiche Kosten- und Erlösplanung, die bilanzielle Ergebnisplanung und die Finanzplanung. [25]

Informationsversorgung

Die letzte zentrale Aufgabe des Controllings ist die Informationsversorgung. Hierbei geht es hauptsächlich um Planungs-, Dokumentations- und Kontrollinformationen.

Planungsinformationen sind Informationen über die Gestaltung der Zukunft. Sie legen fest was in der Zukunft sein soll. Diese Informationen werden mit den Verantwortlichen erarbeitet, mit dem Controlling abgestimmt und für die Unternehmensführung aufbereitet.

Dokumentationsinformation sind Informationen über die Gegenwart bzw. über die wahrscheinliche Zukunft. Sie treffen Aussagen über den Zustand eines Unternehmens und sind sogenannte "ist" bzw. was sein "wird" Informationen. Dokumentationsrechnungen enthalten Dokumentationsinformationen, die dann aufbereitet durch das Controlling an die Unternehmensführung gehen.

Kontrollinformationen schlagen letztendlich die Brücke zwischen Planungsinformationen und Dokumentationsinformationen. Kontrollinformationen enthalten Informationen ob die durchgeführten Handlungen zu den gewünschten Zuständen führen. Es werden also Planungsinformationen und Dokumentationsinformationen gegenübergestellt und es wird geschaut ob Sie miteinander übereinstimmen.

Diese 3 Informationsarten werden regelmäßig generiert und der Unternehmensführung bereitgestellt. Außerdem müssen bestimmte Informationen immer für den Einzelfall zur Verfügung stehen, z.B. für den Markteintritt in ein bestimmtes Land. Doch die Informationen sind nicht nur für die Unternehmensführung gedacht, sondern auch generell für alle Führungskräfte. Hierbei muss jedoch darauf geachtet, dass jede Führungskraft nur die für Ihn relevanten Informationen erhält und sie speziell für Ihn aufbereitet werden.[26]

2.2.2 Controllingfelder

Mit welchen Feldern sich das Controlling im Unternehmen beschäftigt hängt von den Anforderungen der Unternehmensführung ab. Jedoch lassen sich drei Felder grundsätzlich aus fast allen Unternehmen ableiten, da man davon ausgehen kann, dass jedes Unternehmen seinen Wert steigern möchte.[27]

  • Kosten- und Erlöscontrolling
  • Investitionscontrolling
  • Finanzcontrolling

Diese Felder werden auch zusammenfassend das wertorientierte Controlling genannt.

Kosten- und Erlöscontrolling bedeutet die "Planung, Steuerung und Kontrolle des wirtschaftlichen Erfolgs auf Gesamtunternehmensebene bzw. für einzelne Unternehmensbereiche, Märkte oder Produkte"[28]. Das Controlling stellt Planungs-, Dokumentations- und Kontrollinformationen den Unternehmensbereich zur Verfügung und unterstützt bei Planung und Koordination. Zum Beispiel werden hier Rentabilitätskennzahlen oder Deckungsbeitragsrechnungen, die aus dem internen und externen Rechnungswesen stammen, den Unternehmensbereichen übermittelt.

Investitionscontrolling bedeutet die Planung, Steuerung und Kontrolle des wirtschaftlichen Erfolgs einzelner Investitionsprojekte. Das Controlling stellt hierbei Informationen und Methoden für die Festlegung der Investitionsbudgets, die Kontrolle der Investitionsanträge und für die Durchführung von Investitionsrechnungen zur Verfügung. Zum Beispiel werden Kostenvergleichsrechnungen oder Rentabilitätsrechnungen übermittelt.

Finanzcontrolling bedeutet "die Kapitalkosten des Unternehmens zu optimieren, eine ergebnisorientierte Beschaffung und Anlage liquider Mittel zu gewährleisten und die Liquidität des Unternehmens permanent sicherzustellen"[28]. Auch hier werden Informationen über Kapitalkostenrechnungen und Finanzierungskennzahlen zur Verfügung gestellt.[27]

2.2.3 Organisatorische Einbindung

Es gibt zwei Möglichkeiten, entweder man bindet das Controlling zentral oder dezentral in ein Unternehmen ein. Wie genau diese Einbindung aussieht hängt von der der Größe des Unternehmens sowie der Komplexität und Dynamik seiner Umwelt ab. Generell können Controlling Aufgaben auch dezentral von verschiedenen Bereichen wie dem Vertrieb oder der Produktion wahrgenommen werden. Jedoch sind dezentrale Controllingeinheiten deutlich niedriger in der Hierarchie angesiedelt als zentrale Controllingeinheiten. Außerdem ist ein zentrales Controlling besser in der Lage die Vereinheitlichung und Abstimmung von Planungs- und Kontrollprozessen zu realisieren. Dem gegenüber steht, dass das dezentrale Controlling näher an den betreuten Einheiten sitzt. Daher empfiehlt sich in großen Unternehmen eine Mischung aus zentralen und dezentralen Controlling. [29]

Außerdem muss darauf geachtet werden, dass das Controlling richtig von anderen Einheiten abgegrenzt werden, wie z.B. dem Rechnungswesen und der Organisation. Wie das letztendlich aussieht ist natürlich von Unternehmen zu Unternehmen unterschiedlich und hängt von der Unternehmensführung ab. [29]


3 Fortschritt der Digitalisierung im Controlling

In einer Studie der Wirtschaftsprüfungsgesellschaft Deloitte ("Digitalisierung im Mittelstand", 05/2013)[30] wurden 41 mittelständische Unternehmen zum Thema Digitalisierung befragt. Zwei Drittel der Befragten gaben an, dass sie in ihren Unternehmen die Digitalisierung bereits in ihre Unternehmensstrategie mit einbeziehen. Besonders gut vorbereitete Unternehmensbereiche seien demnach die Abteilungen:

  • Rechnungswesen
  • Finanzen
  • IT und
  • Controlling.[31]

Innerhalb eines Unternehmens ist das Controlling auch dafür verantwortlich, Digitalisierungsprojekte zu überprüfen. Aber der Studie nach habe sich das Controlling selbst auch stark durch die Digitalisierung verändert. Da im Controlling eine unüberschaubar große Masse an Daten verarbeitet wird, spielt die Digitalisierung dort eine große Rolle. Damit die Controller die Daten richtig messen und darstellen können ist es wichtig, dass alle Daten in digitalisierter Form vorliegen.
Durch Realtime-Analytics lassen sich Daten in noch nie dagewesener "Präzision, Geschwindigkeit und Verlässlichkeit"[32] analysieren und aufbereiten.

4 Systeme im digitalisierten Controlling

4.1 SAP HANA

Im Jahr 2013 hat SAP HANA 2100 Kunden und 450 Kunden mit SAP Business Suite auf HANA, das Wachstums im letzten Jahr lag bei 90 %. Über 500 Millionen Euro Lizenzumsatz im Jahre 2013. Das sind beeindruckende Zahlen für eine Technologie, die nicht nur "strategisch und technologisch, sondern auch wirtschaftlich für SAP bereits kurz nach der Markteinführung ein wichtiges Produkt für das Wachstum"[33] ist, so beschreibt avato Consulting SAP HANA. Doch angefangen hat alles ganz anders.


SAP HANA wurde 2011 zunächst als Datenbank für analytische Anwendungen, die sich in schneller Geschwindigkeit umsetzen lassen. HANA steht dabei für High Performance Analytic Appliance. Sie erfüllt damit eine wichtige Anforderung für Big Data. 2012 kam dann das erste SAP HANA optimierte Produkt namens "SAP BW powered by SAP HANA". Das Business Warehouse, welches auf Reporting und Analyse spezialisiert ist, wurde also als erstes von SAP HANA revolutioniert.[34]

SAP HANA ist eine In-Memory-Datenbank[34], das bedeutet Sie speichert Daten im Arbeitsspeicher (RAM) und nicht wie bei herkömmlichen Datenbanken in Festplattenspeicher. Somit werden schnellere Antwortzeiten erreicht. Außerdem wird die Verarbeitung der Abfragen optimiert, indem Quelldaten in den Systemspeicher in einem nicht relationalen Format geladen werden.[35]

Nicht relational, bedeutet hier, dass auf sogenannte NoSQL Datenbanken zurückgegriffen, es steht für "Not only SQL". Hierbei werden die Daten horizontal skaliert und nicht mehr vertikal. Außerdem sind unstrukturiert im Gegensatz zu herkömmlichen Datenbanken. Sie sind damit deutlich besser geeignet für viele Probleme als rationale Datenbanken.[35]

In-Memory-Datenbanken zu entwickeln ist erst in den letzten Jahren aufgrund von 64 - Bit Prozessoren, Multi- Core -Servern und geringer RAM Preise möglich geworden.[35]

Zurück zu SAP HANA. 2013 entwickelte es sich zur Plattform, indem es klassische Algorithmen aus ABAP (ABAP ist die eigene Programmiersprache von SAP) in seine Datenbank implementierte. Im Zuge dessen entstand auch eine In-Memory-Technologie für nicht relationale Datenbanken, wie oben beschrieben, da die relationalen Datenbanken Bereiche in denen es um Echtzeit, Big Data und das Internet der Dinge geht nicht mehr gewachsen war.[34]

So beeinflusste SAP HANA die SAP Business Suite, das Kernprodukt für Unternehmen. Es wurde zu SAP Business Suite powered by SAP HANA. In dieser Zeit entstanden immer mehr und mehr Anwendungen auf der SAP HANA Plattform. Dazu gehören Funktionalitäten wie die Textanalyse oder Werkzeuge zur vorausschauenden Analyse oder Funktionen zum Durchforsten großer Datenmengen. SAP HANA bietet also Funktionalitäten, die andere Software erst integrieren müssen, direkt mit an. Als Beispiel führt SAP hier Mercedes AMG an, die SAP HANA nutzt um Daten aus Motorenprüfständen in Echtzeit auszuwerten und Adhoc Analysen und Simulationen durchzuführen.[34]

2015 entstand dann mit SAP S/4HANA das erste Produkt, welches als Komplettlösung dient und nicht nur andere Produkte im Nachhinein besser macht. Es wurde auf der SAP HANA Plattform entwickelt. Bei SAP Business Suite 4 SAP HANA (SAP S/4 HANA), also die Weiterentwicklung der oben beschrieben SAP Business Suite, ist die Informationslogik aus der ABAP Welt integriert und das Datenmodell wurde vereinfacht.[36]

Mittlerweile beinhaltet SAP HANA über 70 verschiedene Anwendungen. Über die SAP HANA Cloud Plattform ist es möglich Anwendungen hinzuzufügen. Außerdem lässt sich das Standard Produkt kundenspezifisch erweitern und es können eigene Anwendungen basierend auf SAP HANA, entwickelt werden. Beispiele von Anwendungen, die SAP HANA umfasst wären:

  • "SAP Fraud Management", ein Tool um Betrug im System zu erkennen
  • "SAP Smart Business Cockpit", ein Reporting und Analysewerkzeug
  • "SAP Customer Activity Repository", ein Tool zur Unterstützung des Einzelhandels um individuelle Kundenangebote zu unterbreiten

Der Vorteil von vielen SAP HANA Anwendungen gegenüber andern Anbietern ist, die gleichzeitige Verarbeitung von transaktionalen und analytischen Daten. Die Daten kommen also aus einer Quelle. Beispielsweise wenn Buchungen durchgeführt sind diese Zahlung dann direkt in den Analysen für das Controlling.[34]

  • "Side-by-Side" Szenarien
  • Integrierte Szenarien
  • Neue SAP HANA Applikationen

Bei "Side-by-Side" Szenarien wird parallel zu einer normalen alten primären Datenbank eine zweite sekundäre auf SAP HANA basierende Datenbank. Das dient vor allem zur Beschleunigung von bestimmten Prozessen und Abfragen. Es ist die sanfteste Einführung von SAP HANA und bedeutet zunächst nicht so große Änderungen für die IT.

Bei Integrierten Szenarien wird SAP HANA als primäre Datenbank eingesetzt und ersetzt somit eine normale Datenbank wie Oracle oder IBM. Dies ist ein sehr radikaler Ansatz um SAP HANA zu nutzen. Jedoch werden darin viele Vorteile gesehen, wie die Vereinfachung der IT Landschaft. Aber es wird noch Jahre dauern um es vollständig in die Praxis umzusetzen.

Beim letzten Szenario stellt man komplett auf SAP HANA um. Es ist also die radikalste Art der Einführung. Man benutzt ausschließlich die oben beschriebenen Anwendungen in SAP HANA und richtet sein ganzes System darauf aus. [37]

SAP HANA im Controlling

Lange Reaktionszeiten und Betriebskosten sind die Auslöser für den Umstieg auf SAP HANA im Controlling. Versprochen wird wie oben beschrieben, dass SAP HANA eine Real-Time Datenverarbeitung mit höherer Geschwindigkeit erreicht und dabei die Betriebskosten reduziert durch Verschlankung der Systemlandschaft und Reduzierung der Datenvolumina.[38]

Was so ein Umstieg auf SAP HANA wirklich bringt wird im folgendem am Beispiel der Vaillant Group, ein schweizerisches Heiz- und Klimatechnik Unternehmen mit über 12.000 Mitarbeitern, deutlich gemacht.

Die Vaillant Group entschied sich 2011 für den Umstieg von einer damals ausgeprägten SAP BW- Landschaft auf SAP HANA aus oben beschriebenen Gründen. Das Projekt sollte 2015 abgeschlossen sein und damit die vollständige Umsetzung der BI auf ERP on HANA. Als erster Schritt wurde BW on HANA eingeführt.

2014 war SAP BW on HANA vollständig migriert. Es wird in der Vaillant Group für globale und lokale Reporting Anforderungen und als zentrales analytisches und operatives Werkzeug genutzt. [38]

Abb. Nr.3 Performance von Datenladungen in SAP HANA bei einem AR Reporting
Abb. Nr.3 Performance von Datenladungen in SAP HANA bei einem AR Reporting
Abb. Nr. 4 Performance von Datenladungen in SAP HANA bei einem DSO Load
Abb. Nr. 4 Performance von Datenladungen in SAP HANA bei einem DSO Load


Wie man an den beiden Abbildungen sieht ist die Performance deutlich gesteigert. Bei DSO Loads (Objekte in SAP BW) wurde die Zeit der Ladung um 2 Minuten verringert und die Zeit der Aktivierung sogar um über 35 Minuten auf unter eine Minute verkürzt.

Beim Reporting wurde die Zeit zu Erstellung eines AR Reportings mit 3 Mio. Aufnahmen sogar um den Faktor 170 verkürzt, nämlich von 11400 Minuten auf 132 Minuten. Schaltet man SAP HANA parallel verkürzt der Prozess sogar nochmal auf 66 Minuten. Die Gesamtdatenladungen für Reporting konnte von zehn auf acht Stunden verkürzt werden.

Auch der Punkt "Verschlankung der Systemlandschaft" konnte erfüllt werden. Die Anzahl von zwölf Datenservern konnte auf drei reduziert werden. Außerdem sank die Größe der relevanten Datenbanken von 4,2 TB auf 350 GB.[38]

Doch die Vorteile belaufen sich nicht nur auf diese rein technischen Messwerte. Die Systemakzeptanz wurde unter den Controllern deutlich erhöht. Außerdem wurden zahlreiche neue Prozesse und Anwendungen implementiert, die ohne SAP HANA gar nicht möglich gewesen wären. Das sind einerseits Controlling Prozesse wie das Reporting, die zahlreich ausgeweitet wurden. Andererseits sind das Finanz und operative Prozesse wie

  • die Integration verschiedenster Daten für ein vorausschauendes Forderungsreporting,
  • eine wöchentliche Materialbewertung zur Optimierung der Bestände,
  • wöchentliche Vertriebsvorhersagen auf Materialebene unter Berücksichtigung eines flexiblen Werkskalenders und
  • ein Tracing von Auslieferungen zur Optimierung von Rückrufaktionen.

Aufgrund dieser vielen Verbesserungen und Erneuerungen fällt wie die Bewertung für SAP HANA bei der Vaillant Group sehr positiv aus wie folgende Bewertungskarte aus dem Unternehmen zeigt.[38]

Abb. Nr.5 Bewertung von SAP HANA in der Vaillant Group
Abb. Nr.5 Bewertung von SAP HANA in der Vaillant Group

Zusammenfassend kann man also das Projekt SAP HANA war für die Vaillant Group ein Erfolg und das obwohl die Vaillant Group als Early Mover gesehen wurde in der Migration von SAP HANA. Alle Projektziele sind erreicht worden und man ist zufrieden mit dem Ablauf des Projekts.[38]


4.2 Alternativen

Oracle ist wohl SAP größter Konkurrent. Oracle gehört weltweit zu den führenden Marktanbietern von Datenbanken. Für SAP gilt dasselbe im ERP Bereich. Damit ist es logisch, dass Oracle Konkurrenz Produkte zu SAP HANA im Bereich "In-Memory-Technologien" anbietet. Im folgendem werden wir nun die Oracle Datenbank Version 12.1.0.2.0 mit SAP HANA vergleichen.[39]

Oracle bietet In-Memory-Funktionalitäten nur in der Enterprise Edition an und nicht in der Standversion der Datenbank Version 12.1.0.2.0. Die In-Memory-Option der Oracle Datenbank Version 12.1.0.2.0 wird im folgendem nur noch mit Oracle abgekürzt.

Bei Oracle werden die Daten immer im Row-Store-Format gespeichert und optional noch im Column-Store Format, bei SAP HANA muss für jede Tabelle einzeln entschieden werden. Außerdem werden die Daten im Row Stores bei Oracle auf der Festplatte gespeichert und nur die Column Stores im Arbeitsspeicher. So muss bei einem Neustart der Server alle Column Stores neugeladen werden. Im Gegensatz dazu müssen bei SAP HANA die Daten nur neu geladen werden und nicht umgewandelt werden.[39]

Sowohl SAP HANA als auch Oracle besitzen ein Standby Lösung, wo ein zweiter Server im Notfall übernehmen kann. Neben dieser Funktion bietet Oracle noch einigen weitere Funktionen, die SAP HANA nicht anbietet. Da wäre z.B. die Funktion "Dataguard Delayed Apply", ein Tool, das dafür sorgt, wenn ein Benutzer versehentlich Daten löscht, dass diese schnell ohne aufwändiges Datenbank Restore wieder verfügbar sind. Oder die Funktion "Active Data Guard". Hierbei ist es möglich selbst bei Änderungen am Server ein Reporting zu erstellen. Beide Funktionalitäten bietet SAP HANA nicht.

Des Weiteren hat Oracle auch Vorteile im Bereich Sicherheit. Funktionen, wie Data Masking oder DBA Vault gibt es nur bei Oracle. Data Masking erlaubt nur bestimmten Zugriff auf alle Daten, DBA Vault verhindert, dass Datenbankadministratoren auf die Daten zugreifen.

SAP HANA hat dagegen Vorteile bei der Lizenzierung. Es müssen nämlich nur produktive Datenbanken lizenziert werden, Test und Entwicklungsdatenbank sind im Produktumfang enthalten. Bei Oracle müssen alle Datenbanken lizenziert werden. [39]

Zusammenfassend kann man sagen, dass SAP HANA entsprechend getunt extrem performant ist und mit ihrer Geschwindigkeit neue Möglichkeiten für den Business Intelligence Bereich geschaffen hat. Oracle hat mit der Datenbank Version 12.1.0.2.0 eine ernsthaft Alternative im Bereich In-Memory-Technologie geschaffen, bei dem Kunden keine Code Änderungen befürchten müssen. [39]

5 Einfluss der Digitalisierung

5.1 Veränderte Anforderungen an das Controlling

Technologische Fortschritte werden das Controlling verändern. Experten sehen gerade in Big Data größtes Potenzial für die Controllingabteilung.

"Bisher hat sich das Controlling auf die Auswertung von vorwiegend internen Daten konzentriert [...]."[40] Wie Hermann und Weichel beschreiben, seien Daten in der Zukunft ein enorm wichtiger Erfolgsfaktor von Unternehmen. "Ihre Auswertung und Nutzung gilt als Erfolgsfaktor für Unternehmen im 21. Jahrhundert."[40] Daher geht es nun um die Auswirkungen von Big Data auf das Controlling. An dieser Stelle ist jedoch zuerst die Fragestellung sinnvoll, wodurch sich das Wesen des Controllings durch eine größere Datenmenge maßgeblich verändert. Die Antwort hierauf ist, dass es nicht nur um das Volumen der Daten geht, sondern auch um die "[...]Eigenschaften der Daten, Häufigkeit und Schnelllebigkeit[...]. Die Daten werden von Internetnutzern, mobilen Endgeräten oder von Maschinen generiert. Sie sind sowohl externer als auch interner Herkunft. Das aufkommende Internet der Dinge, also ein erweitertes Internet, das neben Rechnern und mobilen Endgeräten auch beliebige Gegenstände in seine Infrastruktur mit einbindet, treibt das Wachstum der Datenmenge weiter an."[40] Für die unternehmensinterne Beschaffung der Daten gilt es, die "Prozesse zu digitalisieren und die in Applikationen und Prozessen fest gefrorenen Daten herauszulösen."[41]

Betrachtet man nun den Zustand der Daten, wird deutlich was in Zukunft einen zentralen Bestandteil des Controllings darstellen wird. Aufgrund der nicht-strukturieren Form vieler Daten ist es zunächst obligatorisch, die Datenmenge aufzuarbeiten und in einen strukturierten Zustand zu versetzen. Bisher sei es nämlich so gewesen, dass jede IT-Abteilung sowohl ihre eigenen Applikationen, als auch ihre eigenen Stammdaten verwendet hatte.[Voraussetzung ist] damit eine Managementoptimierung bzw. eine Vereinheitlichung der Datenmodelle im Unternehmen [..]."[41] Das Handling solch großer Datenmengen in heterogenen Zustand ist nicht handhabbar. "Ziel ist insbesondere, [..] bisher nicht analysierte Daten mit neuen Verfahren und Technologien auszuwerten und zu kombinieren, um damit neue Erkenntnisse zu generieren."[40]

Hand in Hand mit der Digitalisierung des Controllings, müsse die Digitalisierung aller anderen Unternehmensbereiche einher gehen, was anhand folgender Aussage Karl-Heinz Streibichs sichtbar wird: "[Controller] sind insbesondere [..] für die Datenaufbereitung zuständig, damit die Finanzdaten oder operative Daten richtig mess- und darstellbar sind. Die Messbarkeit ist nur möglich, wenn Daten in digitaler Form vorliegen. Deshalb digitalisiert man eine Firma."[41]

Zwei Bereiche des Controllings lassen sich differenziert betrachten. Zu nächst einmal kann das Aufgabenfeld „Reporting und Analyse“ maßgeblich von der oben beschriebenen Entwicklung profitieren. Die Analysequalität wird durch die Zunahme externer Daten, was bedeutet, dass nicht mehr ausschließlich Daten aus den eigenen ERP-Systemen verwendet wird, gesteigert. „So erlauben beispielsweise Daten aus Wikis, sozialen Medien wie Facebook und Twitter und Blogs, Markttrends und Wettbewerbspositionen besser zu analysieren. Unter zusätzlicher Hinzuziehung soziodemografischer Daten von Drittanbietern können Controller zudem Kundenpräferenzen stärker herausarbeiten. Berücksichtigen sie Kontextdaten zum Wetter beziehungsweise Klima oder sozioökonomische Bedingungen im jeweiligen Berichtszeitraum, erhalten sie wertvolle Hinweise auf allgemeine Rahmenbedingungen, die bestimmte Geschäftsprozesse beeinflussen können.“[42]

Das zweite Gebiet des Controllings, was sich durch Big Data verändern wird ist „Planung und Forecast“. Durch das Einspielen großer Datenmengen in die Predictive-Analytics-Modelle, also "Hochrechnungen, um der Frage nachzugehen, wie sich etwas weiterentwickelt"[41] , werde sich die Treffergenauigkeit von Zukunftsprognosen um ein vielfaches erhöhen. Dazu werden z.B. Assoziationen herausgestellt: Mittels "[..] Identifikation der Häufigkeit des gemeinsamen Auftretens von Ereignissen [...] [werden] Regeln wie "Aus A und B folgt meist C" "[43]erkannt. Die Prognosen sorgen dafür, dass Produktionsprozesse teils Monate im Voraus sehr genau geplant werden können. Somit entwickelt sich das Controlling mehr und mehr zum Businesspartner.

Neben dem verbesserten Reporting und Analysen, sei eine Aufgabe, das Controlling unter der Woche darzustellen. Dies bedeute, dass es nicht mehr ausreicht, beim Jahresabschluss eine Bilanz zu erstellen oder sonst monatliche andere Berichte zu veröffentlichen[44].

Eine Herausforderung für Softwarefirmen, und die IT-Bereiche des Controllings wird die Erstellung von Grafischen Benutzeroberflächen (engl. grapical user interfaces). „Zunehmend bieten die heute erhältlichen Predictive-Analytics-Software-Pakete [..] nicht nur die mathematischen Data-Mining-Laufzeitumgebungen, sondern zusätzlich auch fachbereichstaugliche Benutzeroberflächen. Diese verbergen das zuweilen recht komplizierte Mining-Modell und die entsprechenden Berechnungen vor dem Anwender. Mittels vorgedachter Logik in Form von fertigen Mining-Modellen und aufgabenspezifischen Modulen machen die Anbieter ihre Systeme möglichst benutzerfreundlich und unmittelbar anwendbar. Möchte ein Fachbereich also einfache, regelmäßig notwendige Analysen wie Warenkorbauswertungen oder Kundenklassifizierungen vornehmen, so bietet der Software-Markt dafür diverse Werkzeuge mit vordefinierten Vorlagen, Inhalten und entsprechenden Benutzeroberflächen.“[43]

Der deutlich vermehrte Einsatz der Informationstechnologie im Controlling erfordert eine besonders starke Governance. Hierbei geht es darum, dass die IT die Unternehmensziele unterstütz und zusätzlich verantwortungsvoll und nachhaltig Arbeitet. Auch werden in der Governance Regeln zu Datenverarbeitung und Datenschutz festgelegt. In diesem Kompetenzfeld werden sich einige Herausforderungen ergeben. Die Integrität der Datenmengen muss unbedingt sichergestellt werden, da ansonsten ein Großteil der Unternehmenssteuerung auf möglicherweise falschen Daten basiert. Zentrale Regelungen und Fragen zu Datensicherheit, Datenquellen, Datenstruktur müssen beantwortet werden, um ein Informations- und Datenchaos zu vermeiden. Parallel zur Aufrüstung der Controllingabteilung sollte also auch das IT-Security-Management verbessert werden.

5.2 Veränderte Anforderungen an den Controller

Eine Studie der Universität Bamberg, veröffentlicht 2012, hat es sich zur Aufgabe gemacht, die Anforderungen an einen Controller, die in der Praxis gestellt werden zu ermitteln. "Die Befragung richtete sich dafür an Mitarbeiter deutscher Unternehmen, die entweder in einer Controlling-Abteilung tätig sind oder auf anderem Wege Controlling-Aufgaben übernehmen."[45]



Charakterisierung der befragten Personen, Anforderungen an den Controller - Ergebnisbericht einer empirischen Studie, 2012


Abb. Nr.6 Positionen der befragten Personen im Unternehmen
Abb. Nr.6 Positionen der befragten Personen im Unternehmen

Die Umfrage dient an dieser Stelle dem späteren Vergleich mit dem zukünftigen Controlling-Berufsbild. Herausgestellt wurde, dass umfangreiche MS-Office-Kenntnisse unersetzlichen sein. ERP-Anwendungen seien eher untergeordnet. Bezogen auf die wichtigsten Instrumente des Controllings hat sich herausgestellt, das der Beherrschung der Kosten-, Erlös- und Ergebnisrechnung die größte Bedeutung zugeordnet. Finanzcontrolling und Themen der Investitionsrechnung bewerteten die befragten als weniger signifikant, aber dennoch ein wesentliches Grundelement zur Erfüllung von Controlling-Aufgaben. Fähigkeiteten der strategischen Planung wurden der Studie zur Folge als weniger voraussetzend betrachtet.[46].

Durch den zunehmenden Einfluss der Digitalisierung auf die verschiedenen Unternehmensbereiche, verändern sich die Berufsbilder, zum Teil auf drastische Weise. So auch die Tätigkeit des Controllers. Um dies aufzuzeigen, wird nach der Beschreibung der Anforderungen an den Controller im Vergleich mit den neuen Anforderungen das zukünftige Berufsbild zu erschlossen.

"Der klassische Controller plant, kontrolliert, koordiniert und versorgt durch seine Tätigkeit die Unternehmensführung mit elementaren Entscheidungsgrundlagen. [...] Er organisiert die Planungs- und Budgetierungsprozesse, berichtet über erwartete Unternehmensergebnisse und bereitet sämtliche Steuerungsinformationen für das Management auf. Dazu analysiert ein Controller in erster Linie [homogene,] innerbetriebliche Daten."[47] Die hierfür benötigten Zahlen stammen meist aus dem Rechnungswesen oder ERP-System. "Sie werden üblicherweise in strukturierter Form in Data Warehouses abgelegt und für das Berichtswesen und für Management-Informationssysteme genutzt."[40]

Wie Herrmann und Weichel beschreiben, “stehen [nun] die Controller als „Gewährleister der betriebswirtschaftlichen Daten- und Informationsversorgung“ [...] vor der Herausforderung, sehr viel größere und stetig wachsende Datenmengen aus ganz neuen Quellen zu integrieren, auszuwerten und zu nutzen. […] Big Data [erweitere] das klassische Controlling auf dynamische Art und Weise.“[40]

Ein weiterer Einfluss auf die Arbeitsweise und Fähigkeiten des Controllers ist, dass sich durch stetig wachsende Datenmengen die Entscheidungsgeschwindigkeit in Unternehmen erhöht. Der Entscheidungsprozess wird außerdem zunehmend automatisiert und softwarebasiert ablaufen. Nur wenn die Berechnungen der Predictive-Analytics vorher festgelegte Grenzen überschreiten, wird Controller zur operativen Entscheidungsfindung hinzugezogen. Zusätzlich muss der Controller die Ergebnisse validieren, aber auch interpretieren[48]. Im operativen Geschäft wird das Controlling durch die Informationssysteme also entlastet. Strategische Entscheidungen bleiben Kompetenz der Controller.

Bezugnehmend auf die Umfrageauswertung lässt sich zunächst festhalten, dass umfangreiche MS-Office Kenntnisse eine Grundvorraussetzung in beinahe allen Bereichen eines Unternehmens bleiben. Auch die oben beschriebenen, momentan erwarteteten Fähigkeiten werden nicht sofort abgelöst. Da jedoch die Prognostizierung von Zukunftswahrscheinlichkeiten in den Vordergrund treten, würden Modellierung, statistische Analysekompetenzen zu den wichtigsten Fähigkeiten eines Controllers[49]. Nicht außen vorgelassen werden darf auch technisches Know-How. Natürlich wird das Controlling nicht zu einer reinen IT-Abteilung. Wie im Kapitel "Veränderte Anforderungen an das Controlling" beschrieben wird es Grafische Benutzeroberflächen geben, die die Benutzung der Software erleichtern. Die Erstellung der Formel die im Hintergrund werkeln, wird jedoch der Fachbereich des Controllings.

Laut Hovárt werden vermehrt "Data Scientist" eingesetzt, also Mitarbeiter mit mathematisch, statistisch und analytischen Fähigkeiten, deren Aufgabe es ist, die Prognosemodell und dahinter steckende Algorythmen zu entwickeln. Dazu müssen Sie noch in Graphentheorie, Data Mining, Machine Learning, aber auch in Natural Language Processing, Datenbanken und Analysetools ausgebildet sein[50]. Für dieses Aufgabenfeld existieren mehrere Berufsbezeichnungen. Häufig verwendet werden:

  • BI-Analyst (Business Intelligence Analyst)
  • Big Data Engineer

Deren Vorgehensweise sei es, zunächst die passen Daten ausfindig zu machen, um dann die Verarbeitung dieser in technische Informationssysteme zu übertragen.

Also lässt sich festhalten, dass das Controlling, momentan primär von Wirtschaftswissenschaftlern dominiert, in Zukunft einen veränderten Personalbedarf haben wird. Es sei aber "illusorisch zu glauben, dass [die Controller] zusätzlich noch die Aufgabe des Data Scientists übernehmen können."[50] Somit steht fest, dass bald neben den Mitarbeitern, die schwerpunktmäßig in Wirtschaftswissenschaften ausgebildet sind, eben auch Data Scientist eingesetzt werden.

Die Vorteile liegen auf der Hand: In vielen Unternehmen verarbeiten Controller Informationen immer noch in isolierten Excel-Sheets. Dies stehe jedoch im Konflikt mit Effizienz, Nachhaltigkeit und Qualitätssicherung[51].

5.3 10 Thesen nach Dr. Michel

Im folgenden werden 10 Thesen zur Veränderung der Unternehmenssteuerung nach dem Horvárth & Partners Vorstand Dr. Uwe Michel, die anlässlich des 29. Stuttgarter Controller-Forums, 2015, verfasst wurden, erläutert. Anhand dieser können grundlegende Eindrücke über den fundamentalen Wandel im Controlling gewonnen werden. Im Fokus steht hierbei insbesondere der Teilaspekt „Unternehmenssteuerung“.


Fundamentale Veränderungen in Steuerungsprozessen


These 1: "In der Steuerung vollzieht sich der Paradigmenwechsel: von reaktiv-analytisch zu proaktiv-prognostizierend"

Dr. Michel beschreibt in seiner ersten von 10 Thesen, wie sich das Controlling in Zeiten der Digitalisierung von Grund auf verändert. Zunächst würden vergangenheitsbezogene Unternehmensdaten betrachtet und im Nachgang analysiert. Daraus ließen sich Zukunftsprognosen erstellen. Diese Vorgehensweise verliere jedoch an Bedeutung. Zunehmend entwickele sich das Controlling jedoch zu einer proaktiv-prognostizierenden Unternehmenssteuerung. Mithilfe von Big Data Analysen ließen sich Vorhersagen mit hoher Treffergenauigkeit erstellen. Dies geschiehe auch unter Zuhilfenahme von Predictive Analytics-Modellen, unter denen man Berechnungsmodelle versteht, die Beispielsweise die Schadenswahrscheinlichkeit einer Person bei Versicherungen, oder den Absatz eines Produktes in der Zukunft hervorsagen können.[52]


These 2: "Quantifizierte Business- und Treibermodelle bilden das Fundament einer neuen Steuerung"

In der zweiten These wird erläutert, wie "qualitative Ursache-Wirkungs-Ketten [..] durch datenbasierte, quantitativ-statistische Zusammenhänge ersetzt und kontinuierlich auf Validität überprüft [werden].Die neuen Treibermodelle werden zum Dreh- und Angelpunkt der Steuerung: robuste dynamische Businessmodelle dienen als Grundlage für Szenarioplanungen, zur Quantifi zierung von strategischen Optionen sowie der Bewertung von Business Cases. Durch Mustererkennung in den Modellen können Optimierungsansätze identifi ziert und ständig neue Erkenntnisse über die ehemals qualitativen Ursache-Wirkungs-Ketten gewonnen werden. Langfristige Perspektive ist ein Unternehmensmodell der Steuerung, das die vollständige Wertschöpfungskette des Gesamtunternehmens abbildet".[48] Wie Michel beschreibt, sollen die Business- und Treibermodelle den Entscheidungsfindungsprozess unterstützen und für Transparenz in unternehmerischen Zusammenhängen sorgen.[53]


These 3: "Steuerungszyklen und Optimierungen sind agil, real-time und basieren auf konkreten Verbesserungsvorschlägen durch Datenanalysen"

Dr. Michel stellt die These auf, dass Echtzeit-Datenauswertung zur "Ad-hoc Umsetzungen von Optimierungsmaßnahmen" führe. Automatisierungen steigere die Effizienz, während Qualität und Geschwindigkeit von Entscheidungen durch Predictive Analytics und maschinelles Lernen verbessert werden. Eine Realtime-Weiterentwicklung der Modelle erfolge durch die Erkennung von Kausalitäten[28]. "Durch Realtime-Analytics hat man [..] die Möglichkeit, dass man in einer noch nie da gewesenen Präzision, Geschwindigkeit und Verlässlichkeit Daten analysieren und aufbereiten kann." So beschreibt Streibich diesen Punkt[41].


These 4: "Steuerung ist zunehmend automatisiert und berücksichtigt funktionsübergreifende Abhängigkeiten und Zusammenhänge"

Michels vierte These beschäftigt sich mit Automatisierungsvorgängen. Laut seiner Ausführen würde in Zukunft Software Prognoseergebnisse berechnen und sofern sich diese innerhalb vorher definierter Wert- und Risikogrenzen befänden, würden die daraus folgenden Umsetzungen automatisch, ohne menschliches Zutun, vollzogen. Als Beispiel nennt er Warendisposition und Preisanpassungen. Erst wenn die Wertgrenzen von den Predictiv-Analytics-Berechnungen gerissen werden, ist die Expertise eines Mitarbeiters gefragt[54]. Da dies jedoch im Normalfall nicht benötigt wird, wird die Entscheidungsfindung um ein vielfaches beschleunigt werde, nicht zuletzt durch die Rechenleistung, die heutzutage schon durch die hochentwickelten CPU's zur Verfügung steht. Folgendermaßen resümiert Michel die These: "In der Nutzenbetrachtung lässt sich festhalten, dass weniger Aufwand für nicht werthaltige Tätigkeiten aufgebracht werden muss, bei gleichzeitig präziseren Ergebnissen und optimierten Geschäftsprozessen. Die Integration von Chancen und Risiken führt zu einer größeren Transparenz über deren potenzielle Auswirkungen."[49]


These 5: "Prozesse werden unternehmens- und wertschöpfungsübergreifend integriert Gesteuert"

"Digitalisierung führt zu einer noch stärkeren unternehmensübergreifenden Vernetzung, in deren Rahmen Informationen über die Unternehmensgrenzen hinweg geteilt werden. Controlling muss zunehmend einen unternehmensinternen und -externen Prozess abdecken, der konzeptionell und technisch die neuen Daten in die internen Prozesse integriert."[49] Mehrwerte seien neue, bisher nicht genutze Informationen. Auch werde die Effizienz und Performance gesteigert, da Schnittstellen wegfallen[55],


Rahmenbedingungen der Veränderung


These 6: "Die Datenanalytik ist ein eigenständiges Kompetenzfeld hoch ausgebildeter Spezialisten"

Laut Michel werde durch "die Nutzung der Big-Data-Potenziale ein neues, erweitertes Skill-Set benötigt: Modellierung, statistische Analysekompetenz und die Fähigkeit zum Mensch-Maschine- Dialog prägen dieses Kompetenzprofi l, das heute oft unter dem Rollenbild des »Data Scientist« zusammengefasst wird [...]. Technologische, mathematische und analytische Kompetenzen werden in dieser Rolle gebündelt."[49] Controller sollten über eine "robuste Beurteilungskompetenz für die neuen Analyseinstrumente, das Verständnis und die Koordination dieses neuen Prozesses von der Initiierung über die Analysen bis zu den Entscheidungsvorschlägen für das Management sowie die Validierung und Interpretation der Ergebnisse für das Management"[56] verfügen. Zum aktuellen Zeitpunkt herrscht bei diesen Anforderungen allerding Fachkräftemangel. Weiterhin muss auch die IT-Wertschöpfungskette als Teil der Sourcingstrategie betrachtet werden: Die Beantwortung der Make-or-Buy-Frage für die Modellierung und Durchführung der Analysen in der Controllingabteilung müsse jeder IT-Verantwortlicher der Unternehmen in Anbetracht der Sourcingstrategie als Bestandteil der IT-Strategie selbst erarbeiten.[57]


These 7: "Rolle und Organisation der Finanzfunktion verändern sich und damit auch die Profile der Mitarbeiter"

Controlling werde ein noch größerer Teil des Aufgaben Feldes des CFO. "Der Controller nutzt die analytischen Ergebnisse zur Optimierung operativer Prozesse und baut sukzessive seine Rolle als Business Partner weiter aus."[58] Auch erfolge eine neue Organisation des kompletten Finanzbereiches. Ausgerichtet werde jeweils nach transaktionalen und analytischen Prozessen.


These 8: "Steuerung nach Wahrscheinlichkeiten: Die Qualität von Datengenerierung, -modellierung und -analyse bestimmt die Güte der Entscheidungsfindung"

Die Qualität der Daten werde ein alles entscheidender Faktor. Diese bestimme die Qualität der Ergebnisse. "Eine besondere Aufgabe besteht vor allem darin, die Qualität der externen »Big Data« sicherzustellen."[58] Natürlich müsse auch garantiert werden, dass auch die mathematischen Modelle zur Prognostizierung fortlaufen verbessert werden. "Der entscheidende Vorteil von neuen digitalen Steuerungsinstrumenten entsteht aber aus der Kombination von Fach- und Branchenwissen, Methodenkompetenz und Unternehmergeist der interdisziplinären Experten und Manager."[58]


These 9: "Interne und externe Daten sind in größter Detailtiefe verfügbar und zentral für die Steuerung nutzbar"

Michel weist darauf hin, dass in Zukunft ein Großteil der Daten in Zukunft keiner großartigen Nachbearbeitung bedürfen. Im Gegensatz zu heutigen Controlling-Systemen gewinnen externe Daten an Relevanz. Weiterhin beschreibt Michel in der neunten These: "Im Rechnungswesen etabliert sich zunehmend das Einkreissystem als Standard. Für die Steuerung hat dies signifikante Vorteile, da eine zentrale Datenhaltung in einer integrierten Business Suite [...] stark vereinheitlicht und weniger fragmentiert ist. Aufwendige Abgleiche zwischen Finanzen und Controlling sind nicht mehr notwendig, die integrierte Datenbasis steht auch für Analysen in Echtzeit performant zur Verfügung."[59]


These 10: "Eine starke, zentrale Governance für Daten und Modelle ist der entscheidende kritische Erfolgsfaktor für eine durchgängige und konsistente Steuerung"

In der letzten These skizziert Michel die Governance als entscheidenden, aber kritischen Erfolgsfaktor. "Die neuen Möglichkeiten aus Big Data und Business Analytics sind potenziell Nährboden für unkoordinierte dezentrale Optimierungsansätze, die relevante bereichsübergreifende Zusammenhänge nicht berücksichtigen. Damit besteht die Gefahr, dass das Management ständig mit inkonsistenten und suboptimalen Entscheidungsvorschlägen konfrontiert wird."[59] Zur Sicherstellung der einwandfreien Einhaltung der Richtlinien solle der CFO selbst Träger der Governance-Aufgabe sein.


Ausblick und Zusammenfassung

Zusammenfassend lässt sich sagen, dass Michel in seinen 10 Thesen einen signifikanten Wandel auf allen Ebenen des Controllings sieht. "Die Auswirkungen beginnen bei den grundlegenden Steuerungssichten und -größen, ziehen sich durch alle Steuerungsprozesse und -instrumente bis hin zu der zugrunde liegenden Technologie-, Methoden- und Datenbasis sowie den übergreifenden Themen Governance, Organisation und Skills [...]".[60] Da viele Verantwortliche dem Paradigmenwechsel möglicherweise skeptisch gegenüberständen, müsse vertrauen geschaffen werden. [Dazu gilt] es, durchgängig den Nutzen zu verdeutlichen und Datensicherheit, Datenkonsistenz und Governance zu gewährleisten."[60]


Einfluss der Digitalisierung auf zentrale Elemente des Steuerungssystems, Controlling im digitalen Zeitalter, Horváth/Michel (Hrsg.), Schaeffer Poeschel Verlag, Stuttgart 2015


Abb. Nr.7 Zehn Thesen
Abb. Nr.7 Zehn Thesen


Für die Umsetzung eine zukünftigen digitalen Steuerung empfiehlt Michel die Gliederung in vier Handlungsfelder. Ausgangspunkt für eine strukturierte Herangehensweise könne eine digitale "Bestandaufnahme sein, durch die der Status quo zur Digitalisierung erfasst wird. Die identifizierten Handlungsfelder dienen als Grundlage für eine digitale Strategie & Roadmap, durch die der CFO zusammen mit dem Controlling konkrete Maßnahmen definiert und alle Beteiligten für die gemeinsame Umsetzung gewinnt."[60]

Zum Ausprobieren schlägt Michel erste Pilot-Anwendungen vor, um hieran die Potenziale zu verdeutlichen, die die Digitalisierung des Controllings mitsichbringt. Wahlweise könne auch die Digitalisierung des ERP-Systems in betrachtet gezogen werden. Hierzu wird von Michel auf SAP Hana verwiesen (siehe hierzu auch 4.1 SAP Hana).

6 Einflussreiche Technologietrends im Controlling

Heutzutage sind Kernprozesse des Controllings, wie Planung, Reporting und Konsolidierung, schön längst digital. Allerdings haben aktuelle Technologietrends, wie beispielsweise Big Data und Analytics, Mobile und Wearables sowie Usability, das Potenzial die Zusammenarbeit innerhalb und zwischen den Unternehmen neu zu definieren. Aus diesem Grund lohnt sich die genaue Betrachtung und Bewertung der neuen Technologien und deren zielgerichteter Einsatz im Controlling. [61]


6.1 Big Data

„In den nächsten 10 Jahren wird das weltweite Datenvolumen voraussichtlich um mehr als das 50-Fache anwachsen. Ursachen hierfür sind u.a. der zunehmende Einsatz von Sensor-Technologien in Produktion und Logistik oder die flächendeckende Verbreitung und mobile Nutzung des Internets. Diese Entwicklung wird aktuell unter dem Begriff “Big Data“ in Wissenschaft und Praxis kontrovers diskutiert. Auch der Controller muss sich mit der zunehmenden Informationsflut durch Big Data auseinandersetzen, schließlich ist die Informationsversorgung der Entscheidungsträger eine seiner Kernaufgaben.“ [62] Insbesondere in Branchen, die vermehrt mit Kunden zusammenarbeiten, sammeln sich große Datenmengen an, die es vor allem in den Entscheidungsprozessen des Unternehmens zu nutzen gilt. Die wachsenden Datenvolumen ermöglichen dem Controlling neue Chancen und Möglichkeiten. Das Controlling profitiert von dem erhöhten Informationsfluss, indem man eine verbesserte Planung und Kontrolle durchführen kann.


„Auf der anderen Seite sehen zahlreiche Unternehmen das Thema “Big Data“ mit Skepsis. Hohe Investitionskosten, fehlendes Fachpersonal und Know-how sowie Datenschutz-Risiken hemmen die Implementierung in den Unternehmen. Der Big Data-Einsatz ist demnach gründlich zu prüfen und fordert den Controller als Business Partner, um den realisierbaren Mehrwert zu identifizieren.“ [63] „Für den Controller ergeben sich neben den Chancen auch neue Herausforderungen aufgrund des massiven Datenwachstums. Als Business Partner des Managements kann der Controller nur dann von Big Data profitieren, wenn er sich aktiv mit diesem Thema auseinandersetzt. Er muss wissen, welche Daten und welche Technologien zur Verfügung stehen. Zudem muss er über Know-how bezüglich der Analysetechniken und Visualisierungsmöglichkeiten verfügen. Der Controller ist mehr denn je gefordert, sich weiterzuentwickeln und die durch Big Data neu entstehenden Kompetenzfelder auszufüllen. “ [64]


Abb. Nr.8 Entwicklung des weltweiten Datenvolumens
Abb. Nr.8 Entwicklung des weltweiten Datenvolumens [65]

In der Abbildung wird die Entwicklung des weltweiten Datenvolumens der letzten Jahre und die Prognose für die kommenden Jahre (Stand 2013) verdeutlicht. Der dargestellte Kurvenverlauf lässt auf ein exponentielles Wachstum schließen. Allein von 2006 bis 2012 hat sich das weltweite Datenvolumen verzehnfacht. Bis 2022 soll sich der Wert ver-50-fachen, was auf ein weltweites Volumen von 100 Zettabyte schließen lässt. Wo damals das Telefon, Radio und Fernsehen als Datenquellen dienten, liefern heutzutage Informationstechnologien, wie Computer, Smartphones und Wearables, sowie soziale Netzwerke, wie Facebook, Twitter und Google, Massen an Informationen. Big Data steht für all diese großen digitalen Datenmengen, die mit manuellen und klassischen Methoden der Datenverarbeitung nicht auswertbar sind, da sie zu groß, zu komplex sind oder sich zu schnell ändern. [66] Der Begriff Big Data ist einzuordnen in die Entwicklung für die Auswertung und Analyse von Daten zur Unterstützung der Unternehmenssteuerung.


Abb. Nr.9 Entwicklung der Terminologie und der Schwerpunkte der Datenanalyse
Abb. Nr.9 Entwicklung der Terminologie und der Schwerpunkte der Datenanalyse [67]

Intensive Auseinandersetzung mit dem Thema Big Data zeigten, dass auch diese Definition aus Sicht des Controllings noch nicht ausreichend ist. Unternehmen können erst dann einen Vorteil aus Big Data ziehen, wenn sie ihren Daten vertrauen und einen messbaren Mehrwert aus deren Analyse ziehen können. Denn wenn die Qualität der Informationen mangelhaft ist, verliert das Management sein Vertrauen in die Daten und verlässt sich bei Entscheidungen eher auf die Intuition als auf eine solide Datenbasis. [68] Um den wirtschaftlichen Nutzen für ein Unternehmen aus diesen Daten zu ziehen, wird ein Datenspezialist benötigt, der die notwendige Erfahrung mitbringt.


Abb. Nr.10 Kernmerkmale von Big Data
Abb. Nr.10 Kernmerkmale von Big Data [69]

In dieser Abbildung sind die vier Kernmerkmale von Big Data veranschaulicht.

Datenmenge: Hierunter fallen große Datenmengen von Terabytes bis Petabytes und kleinere Datenmengen, die es gemeinsam zu analysieren gilt. [70]

Datenvielfalt: Besonders in der Vielfältigkeit der Daten stecken die Chancen und Herausforderungen von Big Data. Die Daten stammen aus unternehmensinternen und –externen Quellen und liegen strukturiert (Datenbanken), halbstrukturiert (Logfiles) und unstrukturiert (Texte im Internet, Video- und Audiodateien) vor. [71]

Geschwindigkeit: Die sich ständig verändernden Daten erfordern eine Datenverarbeitung in Echtzeit. [72]

Analytics: Zum Management, zur Analyse und zur Interpretation von Big Data sind Methoden der automatischen Erkennung von Mustern, Bedeutungen und Zusammenhängen, sowie Text- und Bildanalytik erforderlich. [73]


Zusammenfassend kann man Big Data mit folgendem Satz definieren: „Big Data beschreibt die Analyse und die Echtzeitverarbeitung großer, unstrukturierter und kontinuierlich fließender Datenmengen aus einer Vielfalt unterschiedlicher Datenquellen zur Schaffung glaubwürdiger Informationen als Basis von nutzenschaffenden Entscheidungen.“ [74]


6.1.1 Big Data - Einsatz in der Wirtschaft

Auf die Frage welche Branchen für den Einsatz von Big Data interessant sein könnte liefert Davenport (2014) folgende Antwort. Es kommen alle Unternehmensbranchen in Frage, die...

  • etwas bewegen,
  • etwas an Endnutzerverkaufen verkaufen,
  • maschinengetrieben sind,
  • Inhalte nutzen oder verkaufen,
  • Dienstleistungen anbieten,
  • physische Anlagen haben,
  • Geld bewegen. [75]


Ganz vorne mit dabei sind vor allem Branchen, die besonders viele Kundendaten aufzuweisen haben, wie beispielsweise Reise-, Handel- und Dienstleistungsunternehmen.


Davenport stellt zudem einen Ansatz für die Potenziale der Big Data Nutzung vor. In diesem Ansatz wird zwischen vier Nutzenkategorien unterschieden. Die Nutzenkategorien ergeben sich aus den Zielen, die man mit dem Einsatz von Big Data erreichen kann:

  • Kostensenkung
  • schnellere Entscheidungen
  • bessere Entscheidungen
  • Produkt- und Serviceinnovationen [76]
Abb. Nr.11 Big Data über die gesamte Wertschöpfungskette
Abb. Nr.11 Big Data über die gesamte Wertschöpfungskette [77]

Das Potenzial von Big Data wird erst deutlich, wenn man einen Blick auf die gesamte Wertschöpfungskette wirft, von der Entwicklung zur Produktion und Logistik, bis hin zum Sales und Aftersales. [78] In der Produktentwicklung liefern moderne Produktsimulationen Tag für Tag neue Datenbestände. Diese werden zusammen mit den den Ergebnissen von Marktdaten, Beobachtung des Wettbewerbs, neuen Trends und Kundenfeedback in Form von Umfragen und Social Media kombiniert und analysiert. [79] Neue Erkenntnisse aus den Analysen können somit direkt in die Produktionsentwicklung digital einfließen, um das Produkt zu optimieren, genauer auf die Wünsche des Kunden einzugehen und konkurrenzfähig zu bleiben. In der Logistik ist eine bedarfsorientierte Logistiksteuerung möglich durch digitale Vernetzung. Es besteht die Möglichkeit auf Änderungen in den Produktionsaufträgen in kürzester Zeit zu reagieren, da die Daten in Echtzeit vorliegen und analysiert werden können. Im Sales und Aftersales-Schritt können Nutzungsverhalten der Kunden erstellt und analysiert werden. Beispielsweise in der Automobilbranche kann das Fahrverhalten der Kunden aufgezeichnet und ausgewertet werden. Durch die Analyse des Fahrverhaltens können Wartungsarbeiten individuell angepasst werden, was Geld und Zeit spart. Auch Versicherungen können von diesen Innovationen ihren Nutzen ziehen. Der britische Versicherer „Aviva“ gewährt seinen Kunden Rabatt auf deren Kfz-Versicherungen, sofern diese die Aufzeichnung des Fahrverhaltens gestatten. Dies ist der erste Schritt zu individuellen Beitragssätzen. [80]


Das Thema Big Data sollte man jedoch bedenken, denn es gibt auch Risiken, Barrieren und Gefahren im Umgang mit Big Data. Drei wesentliche Risiken lauten „Big Costs“, „Big Brother“ und „Big Crime“. Womit zum einen der hohe Kostenaufwand für die Implementierung der IT-Systeme und das Fachpersonal gemeint ist, der kritische Datenschutz bei riesen Mengen an gesammelten Kundendaten und die hohe Gefahr der Sabotage der Massen an Daten. Wie Mark Zuckerburg erklärte, ist die Ära von Privatsphäre vorbei. Das Sammeln und Auswerten von individuellen Datenmengen einzelnen Personen beseitigt jede gewünschte Anonymität. [81] „Nur wenn es gelingt, die Gefahren unter Kontrolle zu bekommen, kann das Vertrauen der Anwender in Big Data gewonnen werden.“ [82]


Bei all den gravierenden Veränderungen in Sachen weltweite Datenmenge und den großen Chancen für Unternehmen, ist es ernüchternd zu sehen, wie wenige Unternehmen bereits Big Dat für sich nutzen. Einer Studie von dem Institut für Business Intelligence (2013) zu Folge, setzt die Mehrheit Big Data noch nicht ein.


Abb. Nr.12 Einsatz von Big Data
Abb. Nr.12 Einsatz von Big Data [83]

Der Abbildung kann man entnehmen, dass nur etwa jedes vierte Unternehmen Big Data einsetzt (Stand 2013). Ungefähr 40 Prozent der befragten Unternehmen gaben an, die Integration von Big Data bereits zu planen. Mehr als ein Drittel der Unternehmen befassen sich überhaupt nicht mit der Thematik. Diese niedrigen Zahlen könnten eine Folge von zu vielen Barrieren sein, die Big Data mit sich bringt. Laut dem Institut für Business Intelligence stellt fehlendes Fachpersonal in Unternehmen die größte Barriere dar. Zudem stellt sich heraus, dass fehlendes Know-How bezüglich Advanced Analytics und neuer Datengrundlagen eine weitere Hürde ist. Weiterhin gaben Unternehmen einen fehlenden Nutzen von Big Data als Hemmnis an. [84]


Es muss gute Gründe geben für ein Unternehmen, um die Implementierung von Big Data durchzusetzen, denn die Investition in neue IT-Systeme und eventuell in neues Fachpersonal zur Umsetzung von Big Data sind groß. „Nur eine strategische Kosten-Nutzen-Analyse und eine daraus entwickelte Roadmap helfen an dieser Stelle weiter. Hier ist der Controller als Business Partner gefragt, um den realisierbaren Mehrwert zu identifizieren.“ [85] Abgeleitet von den Nutzenkategorien von Davenport, stellen sich in diesem Zusammenhang drei wesentliche Fragen:

  • Welche Kosten können gesenkt werden?
  • Wo kann durch bessere und schnellere Entscheidungen das Ergebnis verbessert werden?
  • Welche neuen Produkte verbrechen Erfolg? [86]


Hier ist der Controller als Business Partner gefragt, um den realisierbaren Mehrwert zu identifizieren. [87]


6.1.2 Controller und Big Data

Die Bereitstellung von Informationen zur Entscheidungsfindung in Unternehmen gilt als bestimmter Faktor von Big Data. Zudem ist es die Schnittstelle von Big Data und Controllern, denn die Informationsversorgung von Entscheidungsträgern ist eine der Kernaufgaben des Controllings. [88] Dabei spielt die Qualität der Daten eine sehr große Rolle. Denn nur wenn die gelieferten Datenmengen auch richtig sind, kann es dem Unternehmen als solide Grundlage für Entscheidungen dienen. „Denn Schwächen in der Datenqualität können extreme Auswirkungen durch darauf basierende Entscheidungen des Managements haben. Ungenaue Produktspezifikationen können zusätzliche Herstellungskosten in Millionenhöhe verursachen.“ [89] Zudem kann das Vertrauen des Managers mit solchen Fehlentscheidungen in die Brüche gehen. Um diesen Problemen aus den Weg zu gehen schlägt Redman drei Möglichkeiten vor:

  • Eine Bindung zwischen Datennutzern und Datenproduzenten schaffen
  • Qualität neuer Daten sicher stellen, statt bestehende Daten zu korrigieren
  • Verantwortung der Datenqualität an eine Führungskraft abgeben. [90]


Die wesentlichen Aufgaben des Controllers bestehen aus der Gestaltung und Koordination unterschiedlicher Teilbereiche der Führung. Speziell ist er für Informations-, Planungs-, Kontroll-, Organisation-, Personalführung- und Wertesystems verantwortlich und soll in diesen Teilen der Unternehmensführung die Integration von Big Data anregen und unterstützen. Der Controller sollte hier die Prozesse anstoßen und neue Strukturen festlegen. [91]


Informationssystem

Big Data hat auf die Informationssysteme direkten Einfluss. Wie bereits in Abschnitt 6.1 erwähnt wurde, wird die weltweite Datenmenge in den nächsten Jahren stark wachsen. Es ist zu beobachten, dass nicht-monetäre Informationen Platz neben altbekannter monetärer Informationen einnehmen, die als Grundlage von Entscheidungen und Steuerung des Unternehmens dienen. Die Daten sind durch Big Data deutlich mehr und komplexer geworden. Hier muss der Controller entscheiden, welche Daten das Unternehmen in der Lage ist zu generieren und wie die Daten sich verbinden lassen. Außerdem muss geprüft werden, welche Informationen für die Analyse und Steuerung des Unternehmens relevant sind und wie das Controlling diese Daten bereitstellt. [92] Dabei sollte der Controller immer einen kritischen Blick auf diesen Prozess werfen, denn auch hier gilt Qualität vor Quantität.


Planungs- und Kontrollsystem

„Auch für das Planungs- und Kontrollsystem sind potenzielle Anwendungsbereiche von Big Data zu analysieren. Naheliegend sind Themen wie Forecasting, Szenarien und Früherkennung. Das Spektrum reicht aber weiter. So kann man z.B. Daten zur Imageentwicklung für Impairmenttests nutzen oder neue Entwicklungen im Bereich Social Media (z.B. Shitstorms) für Risikoüberlegungen heranziehen.“ [93]


Organisationssystem

Bei der Organisation steht der Controller selbst im Mittelpunkt. Man muss sich die Frage stellen, ob das Controlling das erforderliche Knowhow mitbringt und wenn dies nicht der Fall ist, wie man damit umzugehen hat. Reichen Schulungen für das Personal aus, müssen neue Fachkräfte eingestellt werden und was für Kosten kommen auf das Unternehmen in der Hinsicht zu?


Personalführungssystem

„Beim Personalführungssystem bedeutet eine Verankerung von Big Data die Beantwortung der Frage, ob und wie Incentives gestaltet werden müssen, um eine erhöhte Transparenz der Big Data-Aktivitäten über die Unternehmensbereiche hinweg zu erreichen und die verstärkte Nutzung von Big Data zu fördern. Finanzielle Anreize für Big Data-Projekte zählen hierzu, ebenso wie Prämien für eine erfolgreiche Diffusion von neuen Lösungen in andere Unternehmensbereiche.“ [94]


Wertesystem

Als Unternehmen sollte man sich die Frage stellen, in wie fern der Einsatz von Big Data der eigenen Unternehmenskultur entspricht. Hat Big Data einen Einfluss auf die Werte und Normen, für die das Unternehmen steht? Wenn man sich für Big Data entscheidet und daraus einen Nutzen ziehen möchte, sollte man auch ein Auge auf den verantwortungsvollen Umgang mit persönlichen Daten haben, denn das Thema Datenschutz und Privatsphäre sind nicht zu unterschätzen.


„Welche Rolle Controller bei der Wahrnehmung dieses angedeuteten Aufgabenspektrums spielen, hängt auch von ihrem Selbstverständnis ab. Controller, die sich primär als „Herren der Zahlen“ verstehen und die Schaffung betriebswirtschaftlicher Transparenz in den Vordergrund stellen, werden eine Chance darin sehen, in die Rolle von Business Analysten hineinzu-wachsen [...] und ihre Informationsversorgungsaufgabe über den Bereich der klassischen Finanzsysteme hinaus auszudehnen. Sie treffen hier [...] auf Mitarbeiter der IT und der Linie und müssen beweisen, dass ihnen ihre Erfahrungen bei den klassischen finanziellen Systemen im Feld von Big Data einen wichtigen Beitrag zum gemeinsamen Vorhaben zu leisten. Big Data alleine für sich zu reklamieren, machte wenig Sinn.“ [95] Um mit Big Data erfolgreich zu sein, benötigt man Controller, die ein weites Spektrum an Fähigkeiten und Erfahrung mitbringen. Nicht „nur in den traditionellen finanziellen Themen, sondern insbesondere auch in Geschäftsmodellen und im Geschäft.“ [96]

6.1.3 Analysetechniken

„Der Controller kann Big Data nur nutzen, wenn er weiß, welche Daten und Analysetechniken zur Verfügung stehen und wie die Analyseergebnisse visualisiert werden können. Er muss grundsätzlich auch über die IT- Technologien und die zugrundeliegenden Konzepte informiert sein.“ [97]


Abb. Nr.13 Technologiekategorien
Abb. Nr.13 Technologiekategorien [98]

In dieser Abbildung sind die Technologiekategorien abgebildet, zusammen mit den Inhalten und exemplarischen Anbietern. Es wird zwischen der Auswertung (Analytics) und der Speicherung der Datenmengen (Management) unterschieden.In dieser Abbildung sind die Technologiekategorien abgebildet, zusammen mit den Inhalten und exemplarischen Anbietern. Es wird zwischen der Auswertung (Analytics) und der Speicherung der Datenmengen (Management) unterschieden.


Big Data Analytics

Um Big Data für ein Unternehmen nutzbar zu machen benötigt man Buiness Intelligence - & Analytics - Werkzeuge, die die großen Datenmengen auswerten können. Durch diese Werkzeuge können große Datenmengen und sogar Geodaten in Reports, Dashboards, Ad-hoc-Reports und weitere Visualisierungen, zusammengefasst werden, um daraus die richtigen Erkenntnisse ziehen zu können. „Für komplexe Auswertungen, die eine vergangenheitsorientierte Sicht durch zukunftsorientierte Vorhersagen und Simulationen ergänzen, etablieren sich am Markt zunehmend Produkte unter der Bezeichnung “Advanced Analytics“. Die methodischen Grundlagen kommen aus der multivariaten Statistik und können in strukturentdeckende und strukturprüfende Verfahren unterschieden werden. Unter die strukturentdeckenden Verfahren fallen die Cluster-, Faktor- oder Korrespondenzanalysen, die z.B. für Warenkorbanalysen und -optimierungen oder Marktsegmentierungen eingesetzt werden können. Strukturprüfende Verfahren wie neuronale Netze oder Varianzanalysen werden z.B. für die Rechnungsprüfung zur Betrugserkennung eingesetzt. Auch bei den multivariaten Analysen spielt die Visualisierung eine besondere Rolle. Hier kommen z.B. Streudiagramm-Matrizen oder Netzdiagramme zum Einsatz.“ [99]


Big Data Management Frameworks - Datenbanken

Eine wichtige Grundlage für die Auswertung ist die entsprechende Verfügbarkeit der Daten in in strukturierter Form, die man jeder Zeit und schnell abrufen kann. Um diese Verfügbar zu gewährleisten gibt es zum einen klassische Data Warehouses und Data Marts, die meist auf rationalen Datenbanken basieren. In den letzten Jahren sind einige technologischen Veränderungen aufgetreten, die starken Einfluss auf die Datenmenge und -vielfalt in den Datenbanken hatten. [100] „Einer dieser technischen Megatrends ist das In-Memory-Computing, bei dem die zur Auswertung benötigten Daten nicht mehr auf Festplatten gespeichert werden, sondern im sehr viel schnelleren - dafür aber auch signifikant teureren - Hauptspeicher (RAM) gehalten werden.“ [101] Zu den weiteren Trends gehört beispielsweise SAP HANA, die eine schnellere Auswertung durch unterschiedliche Datenspeicherung ermöglicht. (siehe 4.1 SAP HANA)

7 Chancen und Risiken

Im IHK-Unternehmensbarometer zur Digitalisierung "Wirtschaft 4.0: Große Chancen, viel zu tun", welches 2014 erschienen ist, hat die Deutsche Industrie- und Handelskammer (kurz: DIHK) 1.849 Unternehmen über den digitalen Wandel in ihren Unternehmen gefragt. Anhand dieser Online-Umfrage lassen sich auch Chancen und Risiken der Digitalisierung auf das Controlling ableiten.

Der digitale Wandel beeinflusst alle Wirtschaftszweige gleichermaßen, 94 der befragten Unternehmen geben an, dass sie den Einfluss der Digitalisierung auf ihre Geschäfts- und Arbeitsprozesse spüren.[102]

Eine große Chance bietet die Digitalisierung zum Beispiel im Hinblick auf die schnellere Datenverarbeitung und die zunehmende Automatisierung der Arbeitsprozesse, wodurch es zu einer messbaren Zeiteinsparung kommt.
Durch Big Data kann das Reporting und die Analyse der Unternehmensdaten dynamisch erweitert werden. Funktionen wie Monitoring ("Was geschieht grade im Moment?"), Predictive ("Was wird passieren?") und Prescriptive ("Was sollte geschehen?"), erleichtern einerseits kurzfristige Forecasts sowie langfristige Simulationen und Szenarien. Die Digitalisierung des Controllings sorgt dafür, dass Entscheidungen schneller getroffen werden können. Es werden komplett neue Dimensionen zur Datenauswertung geschaffen.[103]

Idealerweise sind die Analysen "relevant, hochverdichtet und kontextspezifisch"[104] Durch die Digitalisierung konzetriert sich das traditionelle Reporting mehr und mehr auf den Kern ("Lean Reporting")[105] und wird durch "neue Formate, z.B. durch eine operative, agile ad-hoc Steuerung" ergänzt.[106] Eine zunehmende Datenintegration in perfomanten In-Memory-Plattformen führt zu zentralen Datentöpfen mit höchster Daengranulität. Dadurch kommt es seltener zu harten Verdichtungen im Data-Warehouse, sondern dies führt dazu, dass im Bedarfsfall, über eine Berechnung zur Laufzeit, auf die Detaildaten bis auf die Einzelbelegebene zurückgegriffen werden kann.[107]

Durch die zunehmende Anzahl der verfügbaren, potenziellen Quellen ergeben sich neue Chancen gepaart mit Herausforderungen für das Controlling. So ist zum Beispiel in Zeiten der Cloud-Sharing-Dienste und der Sozialen Medien, die Frage nach einem umfassenden Datenschutz und die Vertrauenswürdigkeit der einzelnen Quellen und deren Anbieter ein Punkt, in welchen die Unternehmen die Risiken der Digitalisierung aabwegen müssen, grade in Bereichen, in welchen personenbezogene Daten gesammelt und verarbeitet werden. Die Unternehmen stehen vor der Herausforderung die potenziellen Quellen zu priorisieren und unter anderem aus Kostengründen zu entscheiden, welche Daten an Cloud-Dienste verlegt werden können.[108]

Ein weiterer Vorteil der Digitalisierung des Controllings ist eine erhebliche Kostenreduktion durch Kostendegression. Skaleneffekte in der Datenverarbeitung führen dazu, dass mehr Daten in schnellerer Zeit verarbeitet werden können. Dies führt einerseits zu Zeiteinsparungen, die an anderer Stelle wieder gewinnbringend eingesetzt werden können und zum anderen zu Kosteneinsparungen, da weniger Aufwand nötig ist, um die Daten für das Controlling effizient zu verabeiten. Das eingesparte Geld kann das Unternehmen ebenfalls anders gewinnbringend verwenden, sei es in Banken in der Geldanlage oder in Produktionsunternehmen, wie beispielweise der Automobilranche, zur Forschung und Erstellung neuer potenzieller Produkte, die nachher am freien Markt zum Verkauf stehen.

Ein Risiko, oder vielmehr eine Herausforderung für die Unternehmen bildet die zunehmende Digitalisierung in der Anschaffung geeigneter Soft- und Hardware. So sehen sich viele Unternehmen vor dem Problem, dass sie aktuell nicht über eine ausreichende IT-Infrastruktur verfügen und nun nachrüsten müssen. Bis es zu den erhofften Kosteneinsparungen kommt, kann dieser Prozess sehr kostspielig werden, da die benötigten Systeme und Technologien sehr teuer sein können. Zudem muss das Unternehmen für Schulungen der Mitarbeiter sorgen, damit das fehlende Know.How dieser behoben wird. Denn jeglicher technischer Fortschritt bringt einem Unternehmen nchts, wenn die Mitarbeiter nicht wissen, wie diese damit zu arbeiten haben. All diese Prozesse führen zu einer finanziellen Belaastung des Unternehmens. Dazu sind viele Unternehmen nicht mit enem ausreichendem Breitbandanschluss ausgestattet, um die neuen Technologien effektiv nutzen zu können. Eine zu hohe Auslastung kann zum Crash der Systeme führen und in diesem Fall stehen die Unternehmen dann vor dem Problem, das die Analysen und das reporting sowie alle anderen relevanten Geschäftsprozesse nicht mehr funktionieren, was ein Risiko für die Wettbewerbsfähigkeit darstellt.[109]

8 Schlussbetrachtung

8.1 Zusammenfassung

Die Digitalisierung hat sowohl auf unser Privatleben, als auch auf unternehmerischer Ebene einen großen Einfluss.

2014 besitzen 1,59 Millarden Menschen ein Smartphone, das sind 21,82% der Weltbevölkerung, also jeder fünfte Mensch. Laut Prognosen steigt diese zahl bis 2019 auf 2,66 Milliarden Smartphone-Nutzer a, das sind rund 5% der Weltbevökerung. An diesen Zahlen lässt sich erkennen, dass die Digitalisierung einen immer größeren Stellenwert in unserem täglichen Leben einnimmt.
Unser täglches Tun und Handeln wird durch die Nutzung digitaler Medien stetig verändert. So sind wir durch den Gebrauch von SMS, E-Mails und Sozialen Medien ständig und fast uneingeschränkt erreichbar. Es bieten sich allein im Bereich Social Media vielfältigste Einsatzmöglichkeiten.
Wir werden dermaßen stark von jenen Technologien beeinflusst, dass es bereits jetzt bei vielen zu einem Stressgefühl durch ein Überangebot an Sozialen Medien und einem Informationsüberfluss kommt.

Auf unternehmerischer Ebene spricht man heutzutage von der vierten Phase der industriellen Revolution, von der sogenannten Industrie 4.0, welche ihren Beginn Anfang des 21. Jahrhunderts fand.
Die Digitalisierung in Unternehmen fokussiert sich auf die Produktion und Vernetzung entlang der Wertschöpfungskette eines Unternehmens. So gelingt eine maßgeschneiderte Produktion nach individuellen Kundenwünschen.
Das Ziel liegt darin alle betriebswirtschaftlichen Prozesse zu digitalisieren.
Diie Digitalisierung bietet ebenfalls ein erhebliches Potenzial für neue Geschäftsfelder und Innovationen.

Die Hauptaufgabe des Controllings liegt in der Planung, Steuerung und Kontrolle aller Unternehmensbereiche. Es ist für die Unterstützung der Unternehmensführung bei allen betriebswirtschaftlichen Fragen und bei der Erstellung der Unternehmensstrategie mit verantwortlich. Die vier Aufgabenbereiche des Controllings sind:

  • Gestaltung des Planungs- und Kontrollsystems
  • Unterstützung und Koordination von strategischen und operativen Planungen
  • Eigenständie Durchführung der monetären Planung und Kontrolle
  • sowie die Informationsversorgung.

Die einzelnen Controllingfelder sind unternehmensabhängig.

Die organisatorische Einbindung im Unternehmen kann sowohl zentral, als auch dezentral erfolgen.
Innerhalb des Unternehmens ist das Controlling auch für die Überprüfung der Digitalisierungsprojekte zuständig.
Für eine effiziente und korrekte Datenverarbeitung im Controlling ist es unabdingbar, dass die Daten in digitalisierter Form vorliegen.

Ein Hauptsystem im digitalisiertem Controlling stellt SAP HANA dar.
Die hier benutzte In-Memory-Datenbank speichert die Daten im RAM ab, wodurch es im Vergleich zu herkömmlichen Datenbanken, welche ihre Daten auf dem Festplattenspeicher speichern, eine schnellere Datenverarbeitung bieten kann.
HANA steht hierbe für "High Performance Analytic Appliance".

Der Einsatz von In-Memory-Datenbänken ist erst in den letzten Jahren möglich geworden. Da die Entwicklung der 64-Bit Prozessoren, Multi-Core Servern und die geringen RAM Preise diese Entwicklung erst möglich gemacht haben.

2015 bot SAP mit SAP S/4 HANA eine erste Komplettlösung eines solchen Systems an.
Für das Controlling bedeutet der Einsatz solcher Systeme eine Real-Time Datenverarbeitung mit höherer Geschwindigkeit und Beriebskostenreduktion, durch eine Verschlankung der Systemlandschaft und Reduzierung der Datenvolumina.

Eine ernstzunehmende Alternative zu der Lösung von SAP bietet die Oracle Datenbank Version 12.1.0.2.0.
Oracle gehört weltweit mit zu den führenden Datenbankanbietern. SAP HANA ist entsprechend getunt extrem performant und hat mit seiner Geschwindigkeit neue Möglichkeiten für den Business Intelligence Bereich geschaffen. Im Bereich In-Memory-Technologien ist die Oracle Lösung aber durchaus vergleichbar.

Die Kernprozesse im Controlling, Planung, Reporting und Konsolidierung, sind unlängst digital. Neue Technologietrends wie Big Data, Analytics, Mobile und Wearables haben allerdings auch ein hohes Potenzial die Zusammenarbeit innerhalb und zwischen einzelnen Unternehmen neu zu definieren.

Big Data bezeichnet das stark wachsende DAtenvolumen, welches einerseits große Chancen im Controlling erschafft. Zum Beispiel durch verbesserte Planung und Kontrolle. Andererseits gibt es aber Skeptiker, da die Einführung dieser mit einem hohen Kostenaufwand verbunden ist, wenig Fachpersonal und entsprechendes Know-How vorhanden ist und die Frage nach dem Datenschutz nicht umfassend geklärt ist. Daher ist der Einsatz von Big Data im Unternehmen erst gründlich zu prüfen.
Der Vorteil ist erst dann nutzbar, wenn die Daten vertrauenswürdig sind und ein messbarer Wert aus den Analysen gezogen werden kann.

Durch die Digitalisierung haben sich die Anforderungen an das Controlling verändert. Durch das große Datenvolumen, die Häufigkeit der Daten, deren Schnelllebigkeit und der unterschiedlichstem Herkunft dieser, erfordert das Controlling eine besonders starke Governance. Zentrale Regelungen und Fragen zu Datensicherheit, Datenquellen und Datenstruktur müssen beantwortet werden, um Informations- und Datenchaos zu vermeiden. Daher sollten paralell zu der Controllingabteilung auch das IT-Security-Management verbessert werden.

Auch die Anforderungen an den Controller haben sich durch die Digitalisierung verändert. Heutzutage sind umfangreiche MS Office Kenntnisse in allen Unternehmensbereichen eine Grundvoraussetzung geworden. Das technische Know-How wird im Controlling immer wichtiger werden, aber nicht den kompletten Ablauf bestimmen. Durch die Einführung graphischer Benutzeroberflächen wird die Software-Nutzung erleichtert.
Es werden vermehrt Data Scientists (auch Business Intelligence Analyst oder Big Data Engineer genannt) eingesetzt.
In Zukunft wird durch die technologische Veränderung auch ein veränderter Personalbedarf im Controlling herrschen.

Laut Dr. Michel wird die Digitalisierung zu einer Veränderung in der Unternehmenssteuerung führen. Es wird signifikante Wandel auf allen Ebenen des Controllings geben. Um den Paradigmenwechsel zu ermöglichen muss ein grundsätzliches Vertrauen in die digitalisierten Technologien aufgebaut werden.

Die Digitalisierung des Controllings bietet den Unternehmen sowohl Chancen, als auch Risiken.
Die Datenverarbeitung wird schneller, effizienter und kostengünstiger. Im Bedarfsfall können die Daten aufs Detail zerlegt werden. Gegen diese Vorteile stehen aber auch die Risiken die die Digitalisierung mit sich bringt. So ist der entsprechende Ausbau der Technologien hnsichtlich der IT-Infrastruktur sehr kostspielig. Den Mitarbeitern fehlt es an Know-How und am kritischsten ist die Digitalisierung hinsichtlich des Datenschutzes.

8.2 Ausblick

In Zukunft wird die Digitalisierung noch mehr an Bedeutung gewinnen, auch im Controlling.
Big Data ist als einer der Technologietrends anzusehen, der es schaffen kann, einen echten Paradigmenwechsel in der Unternehmenssteuerung herbeizuführen. Hierfür ist es allerdings notwendig, dass sich die Unternehmen gezielt darauf vorbereiten.

So ist es zum Beispiel wichtig, dass die Mitarbeiter im Umgang mit den neuen Systemen umfassend geschult werden, damit sie ein fundiertes Wissen über die Informationstechnologien in ihrem Unternehmen verfügen.7 Die IT-Infrastruktur muss unternehmensweit ausgebaut werden, damit die Arbeitsschritte im Controlling noch effizienter ablaufen können.
Im Hinblick auf Datenschutz und IT-Sicherheit ist es grade im Controlling unumgänglich geeignete Maßnahmen zu treffen und umzusetzen. Auch hier gehört eine umfassende Schulung der Mitarbeiter dazu.
Mobile Endgeräte werden für Manager immer mehr an Bedeutung gewinnen und somit wird das Mobile Reporting im Controlling einen immer größeren Stellenwert einnehmen.Ob und in welchem Ausmaß weitere Miniaturisierungen, wie Wearables, beispielweise Smartwatches, ihren Weg in die Unternehmenssteuerung finden werden, ist mit dem heutigen Stand noch nicht abzusehen und bleibt abzuwarten. Vollkommen auszuschließen ist dies aber nicht.7

Die einzelnen Unternehmen stehen bereits jetzt vor der Herausforderung ihre Arbeitsprozesse für die Digitalisierung vorzubereiten, um den Sprung zur Industrie 4.0 zu meistern. Sicher ist, dass sich auch das Controlling in Zukunft noch stark von der Digitalisierung beeinflussen lassen wird und dieser Prozess noch keineswegs abgeschlossen ist.

9 Anhang

9.1 Abkürzungsverzeichnis

AbkürzungBedeutung
HANAHight Performance Analytic Appliance
DIHKDeutscher Industrie- und Handelskammertag
B2CBusiness to Community
WKOWirtschaftskammer Österreich
USAUnited States of America
RAMRandom Access Memory
SQLStructured Query Language
NoSQLNot only Structured Query Language
SAP BW SAP Business Warehouse
ERP System Enterprise Ressource Planning System
AR Reporting Accounts receivable Reporting
KMU Kleine und mittelständische Unternehmen
BIBusiness Intelligence

9.2 Abbildungsverzeichnis

Abb.-Nr.Abbildung
1Social Media Landkarte 2015
2Zeitstrahl der industriellen Revolutionen
3Performance von Datenladungen in SAP HANA bei einem AR Reporting
4Performance von Datenladungen in SAP HANA bei DSO Load
5Bewertung von SAP HANA in der Vaillant Group
6Positionen der befragten Personen im Unternehmen
7Zehn Thesen
8Entwicklung des weltweiten Datenvolumens
9Entwicklung der Terminologie und der Schwerpunkte der Datenanalyse
10Kernmerkmale von Big Data
11Big Data über die gesamte Wertschöpfungskette
12Einsatz von Big Data
13Technologiekategorien

9.3 Fußnoten

  1. Vgl., o. V., internetpreis-deutschland.de
  2. Vgl., Prof. Dr. Dr. h.c. Weber
  3. Hess (2013) Zeile 1ff.
  4. Vgl. Hess (2013)
  5. Wirtschaftskammer Österreich (2015) Seite 5
  6. 6,0 6,1 Vgl. Brühl (2015) Seite 5f.
  7. Vgl. Statista (2016)
  8. Vgl. Brühl (2015) Seite 7
  9. Brühl (2015) Seite 10
  10. Vgl. Brühl (2015) Seite 7ff.
  11. Wirtschaftskammer Österreich (2015) Seite 5
  12. Vgl. Bundesministerium für Wirtschaft und Energie(2016)
  13. 13,0 13,1 Wirtschaftskammer Österreich (2015) Seite 6
  14. Vgl. Brühl (2015) Seite 15
  15. Wirtschaftskammer Österreich (2015) Seite 3
  16. Horvath (2011)
  17. 17,0 17,1 17,2 Vgl. Hungenberg/Wulf (2015) Seite 377ff.
  18. 18,0 18,1 18,2 18,3 Vgl. o.V. dasWirtschaftslexikon (2016)
  19. Hungenberg/Wulf (2015) Seite 379
  20. Vgl. Hungenberg/Wulf (2015) Seite 380
  21. Hungenberg/Wulf (2015) Seite 381
  22. Vgl. Hungenberg/Wulf (2015) Seite 381
  23. 23,0 23,1 Vgl. Hungenberg/Wulf (2015) Seite 382f
  24. Hungenberg/Wulf (2015) Seite 384
  25. Vgl. Hungenberg/Wulf (2015) Seite 384f.
  26. Vgl. Hungenberg/Wulf (2015) Seite 389f.
  27. 27,0 27,1 Vgl. Hungenberg/Wulf (2015) Seite 392ff
  28. 28,0 28,1 28,2 Vgl. Hungenberg/Wulf (2015) Seite 393
  29. 29,0 29,1 Vgl. Hungenberg/Wulf (2015) Seite 395f
  30. Vgl. Deloitte, 05/2013
  31. Vgl. Meier, 06/2013
  32. Vgl. Streibisch (2012), S.102
  33. Ries/Roller (2013) Seite 2
  34. 34,0 34,1 34,2 34,3 34,4 Vgl. Schmitz (2015)
  35. 35,0 35,1 35,2 Vgl. Rouse (2014)
  36. Vgl. Esch(2015)
  37. Vgl. Ries/Roller (2013) Seite 5f.
  38. 38,0 38,1 38,2 38,3 38,4 Vgl. Gräf/Eifert (2014)
  39. 39,0 39,1 39,2 39,3 Vgl. Lacy (2015)
  40. 40,0 40,1 40,2 40,3 40,4 40,5 Utz / Weber (2016), Seite 9
  41. 41,0 41,1 41,2 41,3 41,4 Schäffer / Utz (2012), Seite 102
  42. Utz / Weber (2016), Seite 10
  43. 43,0 43,1 Utz / Weber (2016), Seite 17
  44. Vgl. Schäffer / Utz (2012), Seite 103
  45. Becker/Ebner/Brandt/Holzmann, Otto-Friedrich Universität (2012), Seite 6
  46. Vgl. ebd., Seite 14ff.
  47. Utz / Weber (2016), Seite 69
  48. 48,0 48,1 Horváth / Michel (2015), Seite 6
  49. 49,0 49,1 49,2 49,3 Vgl. Horváth / Michel (2015), Seite 7
  50. 50,0 50,1 Utz / Weber (2016), Seite 70
  51. Utz / Weber (2016) Seite 71
  52. Vgl. Horváth / Michel (2015), Seite 5f.
  53. Vgl. ebd., Seite 6
  54. Vgl. Horváth / Michel (2015), Seite 6f.
  55. Vgl. ebd.
  56. Horváth / Michel (2015), Seite 5f.
  57. Vgl. ebd., Seite 8
  58. 58,0 58,1 58,2 Horváth / Michel (2015), Seite 8
  59. 59,0 59,1 Horváth / Michel (2015), Seite 9
  60. 60,0 60,1 60,2 Horváth / Michel (2015), Seite 11
  61. Vgl. Walid Mehanna (2015), Seite 18
  62. ICV (2014), Seite III
  63. Vgl. ebd.
  64. Vgl. ebd.
  65. in Anlehnung an Geldner (2013), S. 15
  66. Vgl. Christl W. (2014), Seite 12,
  67. in Anlehnung an Davenport (2014), Seite 10
  68. Vgl. Redman (2013), Seite 86
  69. BITKOM (2012), Seite 19
  70. Vgl. Zacher (2012), Seite 2
  71. Vgl. Matzer (2013), Seite 18
  72. Vgl. ebd.
  73. Vgl. BITKOM (2012), Seite 21
  74. ICV (2014), Seite 5
  75. Vgl. Davenport (2014), Seite 32
  76. Vgl. Davenport (2014), Seite 73 ff.
  77. ICV (2014), Seite 11
  78. Vgl. Bretting/Dunker (2013), Seite 6
  79. Vgl. ICV (2014), Seite 10
  80. Vgl. Business Intelligence Magazine (2013), Seite 15
  81. Vgl. ICV (2014), Seite 15
  82. Vgl. Rose (2013), zitiert nach ICV (2014), Seite 15
  83. Vgl. Institut für Business Intelligence (2013), S. 38
  84. Vgl. ebd., Seite 39
  85. ICV (2014), Seite 16
  86. Vgl. ebd.
  87. ebd.
  88. Vgl. ebd., Seite 20
  89. Vgl. Redman (2013), Seite 86, zitiert nach ICV (2014), Seite 20
  90. Vgl. Redman (2013), Seite 86
  91. Vgl. ICV (2014), Seite 21
  92. Vgl. ebd., Seite 22
  93. ebd.
  94. ebd.
  95. ebd., Seite 22-23
  96. ebd., Seite 23
  97. ebd., Seite 34
  98. ebd.
  99. ebd.
  100. Vgl., ebd., Seite 35
  101. ebd.
  102. Vgl. Schuhmann, Assenmacher, Liecke, Reinecke, Sobania, 01/2015
  103. Vgl. Horvath, 2015
  104. Vgl. Horvath, 2015
  105. Vgl. Horvath, 2015
  106. Vgl. Horvath, 2015
  107. Vgl. Horvath, 2015
  108. Vgl. Horvath, 2015
  109. Vgl. Schuhmann, Assenmacher, Liecke, Reinecke, Sobania, 01/2015


9.4 Literatur- und Quellenverzeichnis

Becker/Ebner/Brandt/Holzmann, Otto-Friedrich Universität (2012) Anforderungen an den Controller - Ergebnisbericht einer empirischen Studie , Bamberg 2012, https://www.uni-bamberg.de/fileadmin/uni/fakultaeten/sowi_lehrstuehle/unternehmensfuehrung/Download- Bereich/BBB_185_Anforderungen_an_Controller.pdf (31.5.2016, 18.30)
BITKOM (2012) BITKOM (Hrsg.), Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte, Berlin 2012
Bretting/Dunker (2013) Bretting, R./Dunker, H., Interview mit Mattias Ulbrich, CIO Audi AG, Big Data automotive – Eine Sonderedition von automotiveIT (2013)
Brühl (2015) Brühl, Volker: Wirtschaft des 21. Jahrhunderts - Herausforderung der Hightech-Ökonomie, 2015, 1. Auflage, Springer Gabler, Wiesbaden 2015
Business Intelligence Magazine (2013) Business Intelligence Magazine, Benchmarker, Business Intelligence Magazine 2 (2013)
Christl W. (2014) Christl W., Kommerzielle Digitale Überwachung im Alltag, http://crackedlabs.org/dl/Studie_Digitale_Ueberwachung.pdf (02.06.2016, 16:10)
Davenport (2014) Davenport, T.H., Big Data at Work: Dispelling the Myths, Uncovering the Opportunities. Harvard Business Review Press, Boston 2014
Deloitte (2011) Digitalisierung im Mittelstand, http://www2.deloitte.com/content/dam/Deloitte/de/Documents/Mittelstand/Digitalisierung-im-Mittelstand.pdf
Esch (2015) Digitalisierung im Controlling mit SAP S/4 HANA, https://www.haufe.de/controlling/controllerpraxis/digitalisierung-im-controlling-mit-sap_112_324190.html (04.06.2016, 14:46)
Geldner (2013) Geldner, A., Gerastert, durchleuchtet und ausgezählt, Stuttgarter Zeitung (2013) 200, S.15.
Gräf / Eifert (2014) SAP HANA im Controlling: Performance-Explosion bei geringeren Kosten, https://www.haufe.de/controlling/controllerpraxis/sap-hana-im-controlling_112_264718.html (02.06.2016, 16:13)
Hess (2013) Digitalisierung, http://www.enzyklopaedie-der-wirtschaftsinformatik.de/lexikon/technologien-methoden/Informatik--Grundlagen/digitalisierung (25.05.2016, 09:20)
Höpner (2016) Das Millardenpotential von Industrie 4.0,http://www.handelsblatt.com/technik/hannovermesse/studie-zu-digitalisierung-das-milliardenpotential-von-industrie-4-0/13508656.html (23.05.2016, 16:10)
Horváth / Michel (2015) Controlling im digitalen Zeitalter, Schäffer-Poeschel Verlag, Stuttgart 2015
Horváth (2011) Controlling , 2011, 12. Auflage, Vahlen Verlag
Hungenberg / Wulf (2015) Hungenberg, Harald / Wulf, Thorsten: Grundlagen der Unternehmensführung, 2015, 5. Auflage, Springer Gabler, Berlin 2015
ICV (2014) Internationaler Controller Verein, ICV, Potential für den Controller, https://www.icv-controlling.com/fileadmin/Assets/Content/AK/Ideenwerkstatt/Files/ICV_Ideenwerkstatt_DreamCar-Bericht_BigData.pdf (01.06.2016, 22:05)
Institut für Business Intelligence (2013) Institut für Business Intelligence (Hrsg.), Studie Competing on Analytics 2013: Herausforderungen - Potentiale und Wertbeiträge von Business Intelligence und Big Data, 2013
Isensee / Hollinski (2014) "Schnell wie Google -intuitiv wie Apple" - Reporting mit SAP HANA im Mittlestand, https://www.haufe.de/controlling/controllerpraxis/reporting-mit-sap-hana-im-mittelstand_112_264754.html (03.06.2016, 19:25)
Lacy (2015) SAP HANA oder Oracle – welcher Hersteller hat heute bei In-Memory-Systemen die Nase vorn?, http://www.informatik-aktuell.de/betrieb/datenbanken/sap-hana-oder-oracle-ein-vergleich-der-in-memory-systeme.html (03.06.2016 20:18)
Matzer (2013) Matzer, M., Kein Hexenwerk: das moderne Orakel. Prognosen für Tests von Szenarien. BI- Spektrum (2013) 1
Mehanna (2015) Walid Mehanna, is report: Business Intelligence Lösungs-Guide 2015, http://www.horvath-partners.com/fileadmin/user_upload/E_is-report_BI_2015_BigData_Mehanna.pdf (01.06.2016, 14:20)
o.V. Bundesministerium für Wirtschaft und Energie (2016) Industrie 4.0: Digitalisierung der Wirtschaft, http://www.bmwi.de/DE/Themen/Industrie/industrie-4-0.html (26.05.2016, 13:45)
o.V. dasWirtschaftslexikon (2016) Controlling, http://www.daswirtschaftslexikon.com/d/controlling/controlling.htm (30.05.2016, 21:28)
o.V. Deutscher Industrie und Handelskammertag (2014) Wirtschaft 4.0 Große Chancen, viel zu tun - Das IHK Unternehmensbarometer zur Digitalisierung, 2014, Deutscher Industrie und Handelskammertag, Berlin 2014
o.V. deutscher-internetpreis.de http://www.internetpreis-deutschland.de/die-bedeutung-von-controlling-in-unternehmen/ (02.06.2016, 13:58)
Redman (2013) Redman, T.C., Data’s Credibility Problem. Management - not technology - is the solution. Har- vard Business Review 10 (2013)
Ries / Roller (2013) SAP HANA 1 Einführung und Roadmap, 2013, avato Consulting, http://www.avato-consulting.com/fileadmin/user_upload/Redaktion/PDFs/de/de_avato_news_SAP_HANA_I-Einfuehrung_und_Roadmap.pdf (01.06.2016, 17:28)
Rose (2013) Rose, J./Barton, C./Souza, R./Platt, J., The Trust Advantage - How to Win with Big Data, The Boston Consulting Group (Hrsg.), 2013
Rouse (2014) In-Memory-Datenbank, http://www.searchenterprisesoftware.de/definition/In-Memory-Datenbank (01.06.2016, 22:28)
Schäffer / Utz (2012) ZfCM (Zeitschrift für Controlling & Management), 56. Jg., Springer Gabler 2012/H.2,

http://eds.a.ebscohost.com/conn/node4103/549757/download.springer.com/static/pdf/563/art%253A10.1365%252Fs12176-012-0126-y.pdf?originUrl=http%3A%2F%2Flink.springer.com%2Farticle%2F10.1365%2Fs12176-012-0126-y&token2=exp=1465153498~acl=%2Fstatic%2Fpdf%2F563%2Fart%25253A10.1365%25252Fs12176-012-0126-y.pdf%3ForiginUrl%3Dhttp%253A%252F%252Flink.springer.com%252Farticle%252F10.1365%252Fs12176-012-0126-y*~hmac=c439ee93d0a1da9baa470b4248dd319d232fda442d8146ed9826877f241e3708 (30.05.2016, 20:00)

Schmitz (2015) Was ist eigentlich SAP HANA, http://news.sap.com/germany/2015/09/07/ist-eigentlich-sap-hana/?source=themeseries-saphana (02.06.2016, 09:29)
Statista (2016) Prognose zur Anzahl der Smartphone-Nutzer weltweit von 2012 bis 2019 (in Milliarden),http://de.statista.com/statistik/daten/studie/309656/umfrage/prognose-zur-anzahl-der-smartphone-nutzer-weltweit/ (20.06.2016, 17:29)
Statista (2016) Anzahl der Smartphone-Nutzer in Deutschland in den Jahren 2009 bis 2015 (in Millionen), http://de.statista.com/statistik/daten/studie/198959/umfrage/anzahl-der-smartphonenutzer-in-deutschland-seit-2010/ (20.06.2016 18:44)
Streibich (2012) Streibich, Karl-Heinz, Controlling&Management, 56.Jg.2012, H.2, S.102
Utz / Weber (2016) Controlling & Management Review Sonderheft 1-2016, Springer Fachmedien, Wiesbaden Januar 2016,

http://eds.a.ebscohost.com/conn/node4103/637526/rd.springer.com/book/10.1007/978-3-658-13444-0 (07.05.2016, 21:30)

Weber http://wirtschaftslexikon.gabler.de/Archiv/399/controlling-v7.html(01.06.2016, 14:30)
Wirtschafskammer Österreich (2015) Pannagel, Sandro: Digitalisierung der Wirtschaft - Bedeutung, Chancen und Herausforderungen, 2015, Wirtschaftskammer Österreich Stabsabteilung Wirtschaftspolitik
Zacher (2012) Zacher, M., Big Data Analytics in Deutschland 2012, IDC Manufacturing Insights (Hrsg.), 2012
Persönliche Werkzeuge