CONTROLLER Magazin 3/2020

59 zukünftiger Prozessausführungen und Analy- sen zu Verfügung. Hilfreich sind dabei Kennzahlen wie beispiels- weise der Korrekturfaktor (Anzahl der Korrek- turen im Verhältnis der aufgetretenen und kommunizierten Auffälligkeiten). Solche Kenn- zahlen sollten regelmäßig beobachtet werden, um Akzeptanz und Lerneffekte identifizieren zu können. Aus den Erkenntnissen können auch Echtzeit- Plausibilisierungen erzeugt werden. Die Erklä- rungskomponente ermöglicht ein besseres Ver- ständnis der Planungsentscheidungen. Damit lässt sich nicht nur die Plausibilität, sondern auch die Planungsarbeit aktiv unterstützen. Zwei Beispiele: 1) Es könnten Hinweise auf den Lebenszyklus und den aktuellen Status gegeben werden. 2) Auf Aktivitäten anderer Planer in ähnlichen Konstellationen kann hingewiesen werden. Auch können automatisch Vorschlagswerte auf der Basis von Peers oder früheren Kor- rekturen generiert werden. Faktoren für einen erfolgreichen Einsatz Eine Unterstützung der skizzierten Probleme durch Advanced Analytics scheint naheliegend. Dennoch ist der Aufwand nicht zu unterschät- zen. Unternehmen müssen sich im Klaren dar- über sein, dass auch ein solcher Einsatz kein Garant für eine Planungsverbesserung ist. Eini- ge der folgenden Indikatoren geben zumindest Hinweise auf einen erfolgreichen Einsatz: · Zu diskutieren ist, wie die Rücksprache mit dem Planer erfolgen soll. Im Falle einer be- wussten Manipulation kann eine frühzeitige Durchsprache problematisch sein, da man hier dem Mitarbeiter Hinweise auf sein Ver- halten gibt und ihn damit möglicherweise in- direkt bei der Verbesserung einer möglichen Verschleierungsstrategie unterstützt. Eine Einbindung der Revision im Rahmen dieses Prozesses wäre denkbar. In der Regel wird aber von einem offenen Umgang im Melde- prozess ausgegangen, da das Lernen und nicht die Suche nach Manipulation im Vor- dergrund steht. Das Wissen um die detail- lierte Analyse der Daten sollte zu sorgfälti- gem Planen motivieren. Lernprozess Durch den Adaptionsprozess kann das System lernen, die Anomalien zu klassifizieren. Ent- deckte Inkonsistenzen werden als Grundlage für eine Automatisierung herangezogen. Abbil- dung 4 zeigt die Informationsströme in einem solchen Lernprozess. Alle Ergebnisse des Mel- deprozesses, auch die Kommunikation, werden gespeichert. Diese Daten stehen im Rahmen Nach Abschluss der Analyse und dem Auftreten von Auffälligkeiten wird die kommentierte Liste den jeweils dezentralen Planungsverantwortli- chen übermittelt. Der Status im Workflow wird in diesem Fall auf „zurückgewiesen“ gesetzt. Der Planungsverantwortliche muss die Auffäl- ligkeiten bearbeiten. Er kann nun verschiedene Begründungen hinterlegen und gleichzeitig Än- derungen vornehmen. Eine Begründungsorga- nisation könnte wie folgt aussehen: Die Anomalie ist begründet: · Besondere Situation (Begründung) · eine Maßnahme ist aufgesetzt (Beschreibung) · Einschätzung ist realistisch (Begründung) Es erfolgt eine Korrektur aufgrund: · Fehlerhafter Eingabe · der ursprüngliche Wert war zu optimistisch · der ursprüngliche Wert war zu pessimistisch · andere Gründe für die Korrektur (Begründung) Die Daten werden nun erneut eingereicht und können in einer weiteren Runde von der vorge- setzten Instanz erneut analysiert werden. Exemplarisch sei dieser Prozess anhand der Planungslösung Tagetik dargestellt (siehe Ab- bildung 3). Einige besondere Aspekte sind zu berück- sichtigen: · Wie kann man nun vermeiden, dass zu viele Ausnahmemeldungen generiert werden? In der Regel sollten Hitlistenfunktionen bereit- stehen. Über Erfahrungswerte ließen sich Schwellenwerte ermitteln. Allerdings ist das auch auswertungsübergreifend zu betrachten. Hier können vergangene Qualitätssteige- rungserfolge zur Gewichtung herangezogen werden. Autor Prof. Dr. Karsten Oehler ist Professor für Controlling an der Provadis Hochschule Frank- furt und Solution Architect und Domain Expert für Advanced Analytics bei CCH Tagetik in Unterschleißheim. Er beschäftigt sich seit vielen Jahren mit der Ausgestaltung von Informations- systemen im Controlling. E-Mail: karsten_oehler@yahoo.de Abb. 4: Lernen mit Contributor Analytics CM Mai / Juni 2020