Wie Algorithmen den Beruf des Controllers verändern werden

Wie verändert die Digitalisierung Berufsbilder? Macht die Automatisierung auf Basis künstlicher Intelligenz in Zukunft selbst Berufe die strategisches planen und Handeln erfordern überflüssig?

Diese Frage wird derzeit oft gestellt. Um Antworten zu finden macht es Sinn auf Berufe zu blicken, die diese Automatisierung bereits vollzogen haben bzw. mitten in diesem Prozess stecken. Die Meteorologie z.B. hat in den letzten 200 Jahren wesentliche Entwicklungen erfahren, die es möglich gemacht haben Wetterphänomene zu messen, Wirkungszusammenhänge zu identifizieren und zu quantifizieren, damit atmosphärische Prozesse zu modellieren und Wetter zu prognostizieren. Dadurch ist es gelungen Wetter zu verstehen und Prognosen modellbasiert automatisiert abzuleiten. Hat dies den Meteorologen überflüssig gemacht? Keineswegs, allerdings hat es das Berufsbild grundlegend verändert. Meteorologen arbeiten stark analytisch, interpretieren den Output modellbasierter Wetterrechnungen und müssen diese aufgrund ihres Wissens und ihrer Erfahrung ggf. anpassen. Sie stellen zudem Mittler zwischen Wettermodellen und der Realität dar indem sie Daten sammeln und integrieren, zu diesem Zweck auch mit anderen Meteorologen kollaborieren und neue Evaluationsmetriken designen, z.B. für High-Impact Events wie Stürme oder Starkregen. Die Arbeit des Meteorologen findet also unterstützt durch modellbasierte Systeme statt, aber immer mit dem Human-in-the-Loop der diese Systeme überwacht und ggf. anpasst.

Sehr ähnlich sieht die Zukunft vieler Berufe aus, in die künstliche Intelligenz Einzug halten wird. Auch die Aufgaben des Controllers werden sich bei wachsender Bedeutung der Datenanalyse verändern. Algorithmen werden den Controller nicht wie von manchen befürchtet ersetzen, jedoch besteht das Potenzial einige der Routineaufgaben zu automatisieren. Sein Wissen über fachliche Prozesse bleibt von essentieller Bedeutung. Der Controller wird weiterhin der Human-in-the-Loop bleiben, der die Aufgaben hat Daten zu sammeln, zu integrieren, Ergebnisse algorithmischer Entscheidungen zu interpretieren, ggf, zu berichtigen und damit Entscheidungen zu treffen. Welche Kenntnisse/Fähigkeiten setzt das zukünftig beim Controller voraus? Die in Zukunft benötigten Kompetenzen lassen sich in Datenkompetenz, Analysekompetenz, Technologieverständnis und Geschäftsverständnis.

Datenkompetenz bezieht sich auf die Kenntnis der vorhandenen Daten sowie die Fähigkeit diese prozess- und bereichsübergreifend zu integrieren um sie für Analysen bereit zu stellen. Analysekompetenz ist die Fähigkeit selber fortgeschrittene Analysen durchzuführen bzw. diesen Prozess steuern und die Ergebnisse interpretieren zu können. Technologieverständnis bedeutet neue technologische Entwicklungen für Datenintegration und Analyse nutzen zu können und Geschäftsverständnis bezieht sich auf Kenntnisse der Möglichkeiten Daten- und analysegetriebener Prozessoptimierung sowie Geschäftsmodelle.

Insbesondere Daten- und Analysekompetenzen sowie Technologieverständnis werden im Kurs „Data & Analytics – Einsatz moderner Analysemethoden im Controlling“ vermittelt. Das Seminar verbindet theoretisches Überblickwissen mit praktischen Übungen anhand konkreter Daten und Anwendungsfälle. Der theoretische Teil gibt einen Überblick zu den folgenden Themen

  • Die Bedeutung von Datenanalyse und Digitalisierung auf die Organisationen, ihre Prozesse und Geschäftsmodelle
  • Für das Controlling relevante Entwicklungen im Bereich Business Intelligence und Business Analytics
  • Anforderungen an das Controlling aus diesen Entwicklungen

Im praktischen Teil werden wesentliche Schritte der Datenaufbereitung, Datenanalyse und Ergebnispräsentation anhand eines praktischen Beispiels mit Hilfe der Analysesoftware KNIME erarbeitet. Dabei liegt der Fokus darauf

  • Analyseprobleme zu formulieren
  • Daten aufzubereiten
  • Muster in Daten zu identifizieren
  • Ergebnisse zu interpretieren.

Weitere Infos rund um den Lehrgang zum Certified Controller finden Sie auf unserer Website.

Controllingprozess – Management Reporting

Ziel des Management Reporting ist es, entscheidungsrelevante Informationen im Sinne von Zielbezug/-erreichungsgrad empfängerbezogen für die Steuerung des Unternehmens zeitnah zu erstellen und zu liefern. Mit der Informations- und Dokumentationsaufgabe soll das Reporting die unternehmensweite Transparenz sicherstellen (vgl. Abb. 14).

Weiterlesen

Controllingprozess – Datenmanagement

Zielsetzung des Prozesses ist es sicherzustellen, dass alle Informationen, die das Management im Rahmen der regelmäßigen Steuerungsprozesse benötigt, in belastbarer Qualität verfügbar sind. Während es im Prozess „Management Reporting“ (vgl. Abschnitt 3.5) um die inhaltliche Relevanz von Informationen geht, hat der Prozess „Datenmanagement“ die Aufgabe, die Datenqualität, definiert als inhaltlich korrekte Zurverfügungstellung von Informationen, zu gewährleisten. Zusätzlich ist sicherzustellen, dass die Controller-Organisation die Governance über die strategisch und operativ steuerungsrelevanten Informationen ausüben kann.

Der Prozess Datenmanagement widmet sich folgenden Aspekten:

a) dem betriebswirtschaftlichen Datenmodell, das die inhaltliche Struktur vorgibt,

b) den Datenflüssen, die die modellierten Daten bereitstellen,

c) der materiellen Qualität der Daten und

d) den notwendigen Rollenzuordnungen sowie Governance- und Weiterentwicklungsprozessen.

Abb 19. Gestaltung des Hauptprozesses Datenmanagement.

Auf Basis eines betriebswirtschaftlichen Datenmodells wird im Unternehmen eine zentrale Datenquelle etabliert und das Management über geordnete Datenflüsse mit steuerungsrelevanten und validen Informationen versorgt. Da sich Organisationen und deren Geschäft permanent ändern, muss sichergestellt werden, dass sowohl das betriebswirtschaftliche Modell als auch die technische Basis laufend an die aktuellen Bedürfnisse und Rahmenbedingungen angepasst werden.

Set-up des Prozesses

In Unternehmen kann es eine nahezu unüberblickbare Anzahl an Datenquellen geben. Es wäre weder pragmatisch noch nützlich, die Controller-Organisation für alle Datenquellen und die Qualitätssicherung der in diesen Quellen vorhandenen Daten zuständig zu machen. Über einen Top-down Approach ist zu identifizieren, welche Datenquellen managementrelevant sind. Neben den ERP-Kernsystemen wie Rechnungswesen oder Personalverrechnung sind dies an die Kernsysteme liefernde Vorsysteme, z.B. die Fakturierung oder ein Auftragsmanagement. Für jede vorlagerte Stufe der Datenhaltung ist eine Einschätzung zu treffen, inwieweit bzw. in welcher Aggregation die Inhalte dieser Vorsysteme für das Management relevant sind oder primär der operativen Geschäftsabwicklung dienen.

Datenmodell inhaltlich aufbauen und warten

Auf Basis dieser Abgrenzung schafft der Prozess Datenmanagement die datentechnische Grundlage für die darauf aufbauenden Steuerungsprozesse, z.B. Planung und Reporting. Die Erstellung eines Datenmodells unter betriebswirtschaftlichen Gesichtspunkten stellt hierfür das zentrale Element dar. Im Datenmodell werden für die einzelnen Themenbereiche (z.B. „Datencluster“ Finanz-, Kunden-, Produktionsdaten, …) u.a. Hierarchien und Merkmale festgelegt (z.B. für Konten, Kostenstellen, Mitarbeiter, Materialien, Produkte, Kunden…). Das Datenmodell spannt jenen Datenraum auf, der für Planungs-, Reporting- und Analysezwecke den Berichtserstellern und -adressaten zur Verfügung steht, um darauf aufbauend Entscheidungen treffen zu können. Es ist davon auszugehen, dass das Datenmodell inhaltlich und technisch im Zeitverlauf Änderungen unterworfen ist und mit der Organisation mitleben können muss.

Datenflüsse und Datenhaltung organisieren

Jene Datenquellen bzw. Inhalte, die als managementrelevant klassifiziert werden (und damit auch in Planung und Reporting relevant sind), sollten in eine zentrale Datenbasis (z.B. Data Warehouse, Data Stack) geladen werden, aus der das Management mit autorisierten Informationen versorgt wird („Single Source of Truth“). Es ist wichtig festzuhalten, dass nicht alle Informationen, die im Unternehmen vorhanden sind, in dieser Datenquelle repräsentiert sein müssen. Man kann sich z.B. bewusst dazu entscheiden, nur den Konzernrechnungslegungsstandard, nicht aber lokale Rechnungslegungsstandards in der zentralen Datenbasis zu führen oder operative Detaildaten, die nur für eine einzelne Wertschöpfungsstufe relevant sind, nicht in der Single Source of Truth abzubilden. Die Verantwortung für die technische Durchführung der Datenmanagementprozesse ist festzulegen und wird i.d.R. in der IT-Abteilung liegen. Die Controller-Organisation nimmt hier eine Auftraggeberrolle ein.

Materielle Qualität der Daten absichern

Um die materielle Qualität der Daten zu sichern, sind konzern- oder unternehmensweit verbindliche Maßnahmen zu setzen. Typische Maßnahmen sind Kontierungsrichtlinien zur einheitlichen Verbuchung von Geschäftsfällen, Controllinganweisungen zur Handhabung von organisatorischen Kontierungselementen (z.B. Kostenstellen oder Profit Center) oder Vorgaben zur Wartung diverser Stammdaten. Zur Plausibilisierung der Datenqualität sind Reports zu etablieren, die Ausreißer, fehlende Informationen oder Dateninkonsistenzen automatisiert identifizieren können. Durch Big Data und die zunehmende Nutzung externer, teilweiser unstrukturierter Daten (z.B. Social-Media-Daten), ist die Etablierung wirksamer Maßnahmen zur Sicherung der Datenqualität unabdingbar.9 Darüber hinaus wird es vielfach sinnvoll sein, Aktivitäten organisatorisch zu zentralisieren (z.B. eine zentrale Stelle, die sich um Stammdatenmanagement kümmert). Diese Stelle muss nicht zwingend Teil der Controller-Organisation sein.

Rollen festlegen und Controllerorganisation positionieren

Die dargestellten Prozessschritte zeigen, dass Datenmanagement eine Aufgabe darstellt, die alle Bereiche und Ebenen einer Organisation betrifft. Es ist daher besonders wichtig, Rollen klar zu definieren und die Aufgabe und Verantwortung der Controller-Organisation auch von anderen Aufgabenträgern klar abzugrenzen. Bei der Festlegung der Rolle hilft es, den Dateninhalt zu berücksichtigen. Die Controller-Rolle kann im Wesentlichen 2 Ausprägungen haben: a) die Controller-Organisation hat end-to-end Verantwortung („Controller als Datenmanager“) oder b) die Controller-Organisation gibt Standards vor, die einzuhalten sind, um die entstandenen Daten in den Steuerungsprozessen sinnvoll nutzen zu können („Controller als Daten-Governor“). Eine end-to-end-Verantwortung umfasst sämtliche Vorgaben, konzeptionelle Aufgaben und Kontrollmechanismen die für ein Datencluster notwendig sind. Dies macht z.B. für „Finanzdaten“ weitgehend Sinn. Für andere Themenbereiche, z.B. Daten, die entlang der Wertschöpfungskette entstehen, wird sich die Controller-Organisation darauf beschränken, an Standards und Prozessen mitzuarbeiten bzw. diese vorzugeben. In der Praxis gibt es hier eine unternehmensspezifisch zu lösende Grauzone, da Controller auch als Produktions-, Logistik-, Vertriebscontroller etc. tätig sind und eine aktivere Rolle auch in operativen Datenclustern einnehmen können. Generell muss die Controller-Organisation für alle Daten, die in der Single Source of Truth enthalten sind, entweder selbst verantwortlich sein oder Qualitätsstandards vorgeben und deren Einhaltung kontrollieren können.

Governance-Prozesse aufsetzen und verbessern

Das zuvor beschriebene Rollenbild legitimiert die Controller-Organisation, Governance-Prozesse aufzusetzen und zu betreiben. Dabei kommen sämtliche Instrumente, die der Sicherung der materiellen Qualität der Daten dienen, zur Anwendung und liefern die Grundlage, um regelmäßig Maßnahmen zur Verbesserung der Datenqualität durchzuführen. Zusätzlich sind einerseits Meetingroutinen zu etablieren („KVP-Zirkel“), die an die Standard-Steuerungsprozesse anknüpfen (z.B. vor- und nachbereitend zur Planung) und andererseits anlassbezogene Initiativen durchzuführen (z.B. Bereinigung diverser Strukturen).

Tipp: Empfehlungen für einen erfolgreichen Datenmanagement-Prozess

• Wählen Sie beim erstmaligen Aufsetzen einen Top-down Approach und konzentrieren Sie sich auf „managementrelevante“ Daten.

• Controller müssen eine aktive Rolle im Datenmanagement einnehmen können, ohne für alle Daten verantwortlich zu sein. Das Management muss dieses Rollenbild unterstützen.

• Etablieren Sie eine zentrale Datenquelle („Single Source of Truth“), über die das Management Zugang zu autorisierter, qualitätsgesicherter Information hat. Beachten Sie dabei, dass darin nicht jede im Unternehmen verfügbare Information abgebildet werden muss.

• Etablieren Sie Reports, die die Datenqualität formal auf fehlende oder inkonsistente Informationen prüfen können und Wartungsmängel bei Daten aufzeigen.

• Betrachten Sie bei Datenqualitätsproblemen immer die gesamte Wirkungskette („record to report“) und bessern Sie nicht nur Datenfehler aus, sondern passen Sie bei Bedarf auch die Prozesse an, um zukünftige Fehler zu vermeiden.

• Passen Sie das Datenmodell in Abstimmung mit den Nutzern an die aktuellen Bedürfnisse an. Dabei kann es sinnvoll sein, Änderungen nicht sofort umzusetzen, sondern im Sinne einer „Releasepolitik“ zu sammeln und Verbesserungen gebündelt umzusetzen.

• Prüfen Sie aktiv, ob neu entstandene interne oder verfügbare externe Datenquellen für das Management relevant sind und binden Sie diese bei Bedarf in die Single Source of Truth ein.

• Stellen Sie sicher, dass Sie über Know-how und Ressourcen an der Schnittstelle zwischen Betriebswirtschaft und IT verfügen, damit inhaltliche Anforderungen auch korrekt technisch umgesetzt werden.

Controllingprozess – Kosten-, Leistungs- und Ergebnisrechnung

Ziel der Kosten-, Leistungs- und Ergebnisrechnung ist die Schaffung von Transparenz durch eine sachgerechte Zuordnung von Kosten, Leistungen und Erlösen auf entsprechende Objekte (z.B. Produkte oder Unternehmensbereiche), um Entscheidungen und Verantwortlichkeiten mit Blick auf Kosten, Leistungen und Ergebnisse zu unterstützen. Der Prozess zielt darauf ab, u.a. eine verantwortungsbezogene Management-Erfolgsrechnung als Ergebnis zu liefern. Außerdem unterstützt die Kosten- und Ergebnisrechnung die Erfüllung rechtlicher Rahmenbedingungen (z.B. Bestandsbewertungen, Transferpreiskalkulationen).

Weiterlesen

Zukunft des Reportings – Reporting der Zukunft

Reporting ist und bleibt eine Dauerbaustelle. Es gibt kaum ein Unternehmen, das nicht mit seinem bestehenden Reporting – in zumindest einigen Facetten – Unzufriedenheit äußert. Die jeweils (subjektiv) identifizierten Schwachstellen oder Verbesserungspotenziale werden dabei jedoch sehr unterschiedlich wahrgenommen, einerseits zwischen Management und Controlling, andererseits aber auch zwischen einzelnen Fachbereichen und Managementebenen im Unternehmen. Unterschiedliche Zielkategorien wie Datenqualität, Effizienz, Geschwindigkeit, Flexibilität etc bilden ein komplexes Zielsystem, das dann jeweils unternehmensspezifisch auszubalancieren ist. Daneben hat die Digitalisierung und technologische Entwicklung zahlreiche Potenziale aufgezeigt, die vielfach als „heilsbringende Kraft“ im Reporting verstanden werden. Die Realität sieht aber oft anders aus, da ein rein technologiezentriertes Vorgehen nicht ausreichend ist. Was sind aber jetzt die zentralen Herausforderungen für das Reporting und was müssen Unternehmen bei dessen Ausgestaltung berücksichtigen? Welche (technologischen) Trends sind im Auge zu behalten und welche Voraussetzungen müssen geschaffen werden, um sich das volle Nutzenpotenzial zu erschließen? Diesen Frage­stellungen geht der folgende Beitrag nach und liefert pragmatische Antworten darauf, wie ein „Reporting der Zukunft“ aussehen kann.

Weiterlesen

Simulationsmodelle zur strategischen Entscheidungsaufbereitung

Die Planung von neuen Geschäftsfeldern oder neuen Geschäftsmodellen stellt viele Unternehmen vor großen Herausforderungen. Häufig gelingt es nicht, das Know-how aus der Strategie-, als auch aus der Finanzabteilung zu vereinen, und für die jeweilige Fragestellung individualisiert aufzubereiten.

Weiterlesen

Literaturtipp: Digitalisierung der Unternehmenssteuerung

Das Buch analysiert die klassischen Controllingfelder unter dem Einfluss der Digitalisierung und zeigt die daraus resultierenden Potenziale und Risiken. Mit Beispielen, u.a. aus den Branchen Automobil, Finanzindustrie, Telekommunikation und Touristik.

Weiterlesen

Innovation als wesentliches Paradigma der Unternehmensführung

Innovationen stehen im Fokus vieler Unternehmen. Vor allem große und weit entwickelte Organisationen befassen sich intensiv mit dem Thema und hoffen, durch interne, aber auch externe Innovation wachsen oder einer etwaigen Verdrängung durch neue Technologien bzw Geschäftsmodelle vorbeugen zu können. Erstaunlicherweise erfolgen diese Bemühungen in vielen Unternehmen relativ unkoordiniert und wenig gesteuert. Innovation wird als Allheilmittel gesehen, das auf jeden Fall gut ist und sich positiv auf das Unternehmen und seinen Erfolg auswirkt. Viel zu häufig wird dabei aber übersehen, dass die zentralen Unternehmensziele nach wie vor zu berücksichtigen sind.

Weiterlesen

Reporting Meets Design Thinking

Design Thinking ist nicht nur eine Methode, derer sich auch Controller bedienen können. Es ist eine Haltung. Eine Haltung, mit der das Ziel der Kundennähe im Controlling ein Stück weit greifbarer gemacht werden kann. Design Thinking ist auch ein Weg, um hierarchische Entscheidungswege durch dezentrale Entscheidungen mittels Experiments und Feedbacks ersetzen zu können.

Eine Geschichte sagt mehr als tausend Zahlen.

Weiterlesen

Literaturtipp: Management Reporting

„Management Reporting“ bietet Controllerinnen und Controllern unter Nutzung aktueller Best Practices eine konkrete Anleitung zur Gestaltung inhaltlich relevanter und adressatengerechter Berichte.


Weiterlesen