CONTROLLER Magazin 2/2020

39 Fußnoten 1 Vgl. Gleich, R./Grönke, K./Kirchmann, M./ Leyk, J. (Hrsg.): Integrated Reporting. Externe Berichterstattung und interne Steuerung nachhaltig verbessern, 1. Aufl., München 2015, S. 191. 2 Vgl. Petzold, J./Westerkamp, M.: Informati- onssysteme im wertorientierten Controlling. Grundlagen – Aufbau – Anforderungen – Integ- ration – Anwendungen, 1. Aufl., Wiesbaden 2018, S. 129. 3 Vgl. Gleich, R./Grönke, K./Kirchmann, M./ Leyk, J. (Hrsg.): Strategische Unternehmens- führung mit Advanced Analytics. Neue Mög- lichkeiten von Big Data für Planung und Analy- se erkennen und nutzen, 1. Aufl., München 2017, S. 31 f. 4 Entnommen aus Gleich, R./Grönke, K./Kirch- mann, M./Leyk, J. (Hrsg.): Integrated Re- porting. Externe Berichterstattung und interne Steuerung nachhaltig verbessern, 1. Aufl., München 2015, S. 32. 5 Vgl. Lang, M. (Hrsg.): Handbuch Business Intel- ligence. Potenziale – Strategien und Best Practi- ces, 1. Aufl., Düsseldorf 2015, S. 129-138. 6 Vgl. Internationaler Controller Verein: Business Analytics. Der Weg zur datengetriebenen Un- ternehmenssteuerung. Dream Car der Ideen- werkstatt im ICV 2016, https://www.icv-con- trolling.com/fileadmin/Assets/Content/AK/Ide- enwerkstatt/Dream_Car_Business_An alytics_D E.pdf, Stand: 16.02.2018, S. 25-28. 7 Vgl. Baumöl, U./Grawe, C./Bockshecker, A.: Data Scientist – Controller in der Digitalisie- rung?, in: Controlling, 29. Jg. (2017), Sonder- heft September 2017, S. 43-45. 8 Vgl. Tiemeyer, E. (Hrsg.): Handbuch IT-Sys- temmanagement. Handlungsfelder – Prozesse – Managementinstrumente – Good Practices, 1. Aufl., München 2016, S. 440. 9 Vgl. Werner, C./Kainz, F. (Hrsg.): Monitoring und Controlling im Social Media Marketing, Band 8, München 2015, S. 95. 10 Vgl. Gentsch, P, Künstliche Intelligenz für Sa- les – Marketing und Service – Mit AI und Bots zu einem Algorithmic Business – Konzepte – Technologien und Best Practices, 1. Aufl., Wiesbaden 2018, S. 171. Zusammenfassung Das Controlling entwickelt sich mehr und mehr vom internen Dienstleister hin zu einer relevan- ten Komponente des Management-Teams. Controller arbeiten als Data Scientists künftig intensiv mit operativen Abteilungen und dem Management zusammen und tragen damit in eigener Person Verantwortung für den Unter- nehmenserfolg. Als Data Scientists müssen Controller Verän- derungsprozesse berücksichtigen. Diese be- schränken sich allerdings nicht nur auf das Controlling, sondern umfassen ebenfalls die Informationssystemlandschaft des Unterneh- mens. Oftmals sind eine Vielzahl unterschied- licher (Controlling-)Informationssystemlösun- gen im Einsatz, was nicht nur intransparent ist, sondern aufgrund zahlreicher Medienbrü- che stets Fehler verursachen kann. Das Ziel des Controllers als Data Scientist muss es sein, im Idealfall die Reduzierung der Anwen- dungen auf ein einziges Business-Intelli- gence-gestütztes (Controlling-)Informations- system umzusetzen. Im Hinblick auf die Einschätzung möglicher Wirkungen von Big Data, Digitalisierung, Cloud Computing, Advanced Analytics, Business In- telligence, Internet of Things, Mobiles Arbeiten und Künstliche Intelligenz auf die Wertorientie- rung des Controllings ist noch viel praktische Erprobung und wissenschaftliche Forschung erforderlich. Dennoch kann folgende Aussage vorgenommen werden: Beide Welten müssen zusammenwachsen! Auf der einen Seite die Controller mit traditionell gut definierten Auf- gabenprofilen. Auf der anderen Seite die Welt der Daten- und Informationswissenschaftler, die experimentell arbeiten. Beide Vorgehens- weisen sind relevant und weisen viele Schnitt- stellen auf. Aufgrund seiner umfassenden Pla- nungs-, Analyse- und Reportingaufgaben als Data Scientist sollte der Controller hier seine Aufgaben in einem permanent aktualisierten Business Intelligence gestützten (Controlling-) Informationssystems vornehmen. Sich permanent verbessernde Analysevorge- hensweisen fokussieren auf die Datenqualität. Unternehmen verstehen zunehmend die hohe Signifikanz ihrer Daten. Sie untersuchen ihre fortwährend steigenden Datenbestände mit modernen Softwareinstrumenten, um die eige- nen Funktionsweisen und Prinzipien gegebe- nenfalls anzupassen. Gleichzeitig ist die Daten- qualität verbesserungsfähig. Demzufolge sind Unternehmen zwingend auf ein Datenqualitäts- management angewiesen. Mobility ist mittlerweile ein Erfolgsfaktor für Un- ternehmen. Das mobile Arbeiten und die verzö- gerungsfreie Übertragung der Daten an nachfol- gende (Controlling-)Prozesse verkürzen nicht nur die Durchlaufzeiten. Sie ermöglichen zudem zuverlässigere (Controlling-)Prozesse. Deshalb forcieren viele Unternehmen zusätzlich die „mo- bile“ (Controlling-)Informationssystem-Variante, die vom Service-Portal für Techniker im Außen- dienst, über die Datenerfassung im Lager, bis zur adäquaten Kennzahlenermittlung und -ver- folgung im Controlling Anwendung finden kann. Die Anzahl der Use Cases und realisierten „mo- bilen“ (Controlling-)Informationssystem-Lösun- gen wird in Zukunft weiter steigen. Das Internet der Dinge wird Mainstream und kommt immer mehr in der Praxis der Unterneh- men an. Unternehmen führen zunehmend Pro- jekte durch und agglomerieren Kenntnisse und Erfahrungen mit der Nutzung vernetzter, smar- ter Sensortechnologien. Predictive Mainte- nance hat hier eine Pionier-Rolle übernommen, und es kündigen sich erste, solide Digitalisie- rungsrenditen an. 9 Ein weiterer Zukunftstrend sind erste Gehversu- che im Bereich der Künstlichen Intelligenz. In der Praxis ist es jedoch häufig so, dass sich deutsche Unternehmen gehypten Modetrends eher mit Bedacht annähern. Diese Zurückhal- tung zeigte sich vor einigen Jahren bereits bei Industrie 4.0. In gleicher Weise reagieren sie gegenwärtig bei der Thematik Künstliche Intelli- genz. Erfahrungsgemäß versprechen neuartige Technologien stets auch die Chance, produkti- ver zu arbeiten und Mitarbeiter von Routineauf- gaben zu befreien, wie erste Beobachtungen mit interaktiven Sprachassistenten 10 beweisen. CM März / April 2020