Controllermagazin 6/2020

60 Controller Magazin | Ausgabe 6 IT / DIGITALISIERUNG können mithilfe von Algorithmen automatisiert Maß- nahmen des Risikomanagements zur Vorbereitung auf Worst Case-Szenarien abgeleitet werden. Algorithmenbasierte Modelle sind daher auch für Cam- pus-Konzepte einsetzbar, um beispielsweise auf einer zentralen Planungsklausur des Managements die ge- meinsame Festlegung ambitionierter Ziele zu unterstüt- zen. Überdies lässt sich durch Einsatz solcher Applikatio- nen in der Budgetplanung der Planungsaufwand erheb- lich reduzieren. So kann etwa der Personalbedarf eines Unternehmens mit einem Algorithmus auf Basis bisheri- ger Marktentwicklungen, Produktzyklen etc. prognosti- ziert werden, statt diesen aus den oftmals überzogenen Meldungen der Kostenstellenverantwortlichen abzulei- ten und später in einem aufwendigen Knetprozess auf ein realistisches Maß zu verringern (Kirchberg und Müller 2016, S. 79ff). Inwieweit Algorithmen und neue interakti- ve Formate zur Förderung des kollektiven Lernens die in- haltliche Arbeit von Controllern in der Planung ersetzen werden (Schäffer 2017a, S. 52f), bleibt abzuwarten. Treibermodelle und Algorithmen werden aufgrund der fortschreitenden Digitalisierung künftig auch im Fore- casting einen zentralen Stellenwert einnehmen. Wäh- rend Treiberlogiken aus fachlicher Sicht die Basis für die Erstellung von Forecasts bilden, werden Algorithmen auf der technischen Seite herangezogen, um aus granularen Daten automatisiert Prognosen zu generieren (Grönke 2017, S. 97ff). Mit solchen Predictive Analytics-Modellen können durch Mustererkennung und Identifizierung von Zusammenhängen Aussagen über die wahrscheinliche Zukunft getroffen werden. Dabei spielen insbesondere stochastische Verfahren, Data Mining-Konzepte und ma- schinelles Lernen eine Rolle. Die Kombination dieser quantitativ-statistischen Ansätze mit unternehmensspe- zifischen Treibermodellen zu einem „Predictive Forecas- ting“ (Mehanna et al. 2015, S. 28ff) ermöglicht laufende Prognosen, die aussagekräf tiger und tref fsicherer als konventionell erstellte Forecasts sind. Dies hat zur Kon- sequenz, dass die Bedeutung reiner Expertenschätzun- gen für das Forecasting erheblich abnehmen wird. Über- dies sinkt durch den erhöhten Automatisierungsgrad der Aufwand für die Erstellung der Forecasts. Der zunehmende Einsatz von Predictive Analytics führt im Ergebnis dazu, dass künftig deutlich weniger Kapazi- täten in Planungs- und Forecasting-Prozessen gebunden sind (Schäffer und Weber 2017, S. 56ff), da viele Plan-, Budget- und Forecast-Zahlen automatisch generiert und durch Controller nur noch validiert werden. Die dadurch freigesetzten Kapazitäten sind jedoch zu einem gewis- sen Grad auch nötig, um sich mit disruptiven Verände- rungen befassen zu können, da Plan-Algorithmen nicht in der Lage sind, die gesamte Bandbreite aller Möglich- keiten abzudecken. Liegen die Eingangsgrößen für einen Algorithmus außerhalb der vordefinierten Parameter, können die Ergebnisse der Planung im schlimmsten Fall unbrauchbar und irreführend sein. Dies zeigte sich in der Vergangenheit etwa bei Kursstürzen an Wertpapierbör- sen, die durch algorithmenbasierte Automatismen ver- stärkt wurden. Die Algorithmen hatten hier bei Kursab- fällen unter vordefinierte Werte im Krisenmodus um- fangreiche Verkäufe ausgelöst, die ihrerseits weitere au- tomatische Verkäufe bewirkten. Zur Vermeidung derartiger Konsequenzen wurden zwar zwischenzeitlich Schutzmechanismen installiert, die jedoch auch nicht alle Eventualitäten abdecken können (Kirchberg und Müller 2016, S. 79ff). Eine sinnvolle Nutzung von Algorithmen für die Planung und Prognose setzt daher wirkungsvolle Präventions- strategien voraus, die von Controllern ausgearbeitet werden müssen. Hier ist etwa daran zu denken, Algorith- men nur für zeitintensive Teilbereiche wie die Personal- kostenplanung einzusetzen. Überdies könnte ein algo- rithmenbasierter Planungsprozess zunächst durch eine parallel erstellte herkömmliche Planung untermauert werden (Schäffer 2017b, S. 34ff). Im Controlling müssen schließlich erst Erfahrungen mit den neuen Ansätzen ge- sammelt werden, um sich am Ende auf eine solche Art von Planung verlassen zu können. Bedeutung digitaler Technologien für Reporting und Analyse Für Berichts- und Analysetätigkeiten hat die digitale Transformation ebenfalls weitreichende Konsequenzen. Durch Anwendung digitaler Technologien lassen sich zum einen Informationen leichter austauschen und zum anderen standardisierbare Reporting- und Auswer- tungsprozesse weiter automatisieren. Zudem eröffnen neue Analysewerkzeuge für Geschäftsdaten und Unter- nehmensentwicklungen vielfältige Möglichkeiten, um neue Erkenntnisse zu gewinnen, die zur Optimierung betrieblicher Entscheidungen herangezogen werden können. Im Management Reporting ermöglicht die Digitalisie- rung vor allem eine adressatengerechtere und schnellere Vermittlung entscheidungsrelevanter Informationen. Durch leistungsfähige Tools zur Datenintegration und moderne Zugriffstechnologien können vor allem die in Abbildung 3 dargestellten Anforderungen an ein effekti- ves und effizientes Berichtswesen besser erfüllt werden. In diesem Kontext spielt zunächst das bereits erwähnte Self Controlling eine große Rolle, zumal dieses mittlerwei- le ein fester Bestandteil von Digitalisierungsszenarien ist (Schäffer undWeber 2017, S. 56ff). Self Controlling-Lösun- gen versetzen Manager in die Lage, selbständig entschei- dungsrelevante Informationen komfortabel, umfassend und aktuell aus dem Business Intelligence-System des Un- ternehmens abzugreifen. Hierfür werden zunehmend auch mobile Reporting-Applikationen eingesetzt, die es den Anwendern ermöglichen, mit transportablen Endge- Dipl.-Kfm. (FH), M.A. Jonathan Hofmann ist Controller bei der noris network AG Nürnberg sowie Lehrbeauftragter für Rechnungswesen/ Controlling an der Professur für Allgemeine Betriebswirt- schaftslehre, insb. Rechnungswesen/ Controlling an der Westsächsischen Hochschule Zwickau. jonathan.hofmann@ fh-zwickau.de