16 Die Einsatzbereiche derartiger Modelle sind dabei – wie oben dargestellt – außerordentlich vielfältig. Entscheidend ist jedoch, dass sich sowohl der zugrundeliegende Datenprozess, die Modellparameter und Ergebnisse transparent darstellen und damit für den Business User besser verständlich und nutzbar machen lassen. Durch den Einzug von künstlicher Intelligenz in die Unternehmenssteuerung ergeben sich daraus neue Möglichkeiten, um die Rationalität von Entscheidungen in der Unternehmenssteuerung zu unterstützen. Methodenwissen als Voraussetzung der Rationalitätssicherung Rationalitätssicherung heißt u. E. nicht nur Erschließen neuer inhaltlicher Anwendungsbereiche, sondern auch das kritische Hinterfragen tradierter Methoden und Herangehensweisen in der Unternehmenssteuerung. Für ein modernes Controlling ergeben sich i. S. des Business Partnering und der Rationalitätssicherung daraus neue Chancen, aber auch völlig neue Herausforderungen. Die Auseinandersetzung mit den Möglichkeiten von Künstlicher Intelligenz kann sich dabei nicht auf das reine Konsumieren von Ergebnissen der Künstlichen Intelligenz beschränken. Einerseits könnten sonst die Einsatzmöglichkeiten von KI i. S. des Business Partnering nicht eingeschätzt werden. Andererseits könnte das Controlling die Aufgabe der Rationalitätssicherung nicht übernehmen, da die oben dargestellten Schritte in den Bereichen Modellentwicklung und Modellverwendung zu völlig unterschiedlichen Ergebnissen und damit betriebswirtschaf tlichen Empfehlungen führen. Erforderlich ist daher der Aufbau eines entsprechenden Methodenwissens, um Rationalitätssicherung der Unternehmensführung auch in Zeiten von Künstlicher Intelligenz als zentrales Aufgabengebiet des Controllings vorantreiben zu können. f Dr. Martin Schmitz ist RapidMiners Director of Technical Services und verfügt über langjährige Erfahrungen in zahlreichen internationalen Kundenprojekten. Er ist Mitglied verschiedener interdisziplinärer Research Center und promovierte in Physik an der TU Dortmund University. Kurzporträt: ICV Fachkreis BI/Big Data und Controlling Der Fachkreis BI / Big Data und Controlling setzt sich aus Anwendern und Anbietern renommierter Unternehmen sowie Wissenschaftlern zusammen. Strategischer Partner des Fachkreises sind das Institut für Business Intelligence (IBI) sowie das Business Innovation Lab der Hochschule Ludwigshafen. Mit seiner Arbeit möchte der Fachkreis regelmäßig über Trends und neue Entwicklungen informieren sowie Anstöße und Ideen für eine innovative Weiterentwicklung des Controllings geben. Im Rahmen seiner Digitalisierungsinitiative bietet der Fachkreis in Kooperation mit der XING Ambassador Gruppe Controlling & Analytics zahlreiche Veranstaltungen undWeiterbildungsmöglichkeiten an. Adadi / Berrada: Peeking inside the black-box. A survey on Explainable Artificial Intelligence (XAI), IEEE Access, 6, 2018, S. 52138-52160. Ariely: Predictability Irrational, Revised; The Hidden Forces that Shae our Decision, Harper 2010. Arriet et. al.: Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. In: Information Fusion 58 (2020) 82–115. Gänßlen / Losbichler / Niedermayr / Rieder / Schäf fer / Weber: Die Kernelemente des Controllings: das Verständnis von ICV und IGC. Controlling &Management Review (3) 2013, S. 56-61. Kahneman / Lovallo / Sibony: Before youmake that big decision, Harvard Business Review (6) 2011, S. 50-60. Lockey / Gillespie / Someh: A Review of Trust in Artificial Intelligence: Challenges, Vulnerabilities and Future Directions, Proceedings of the 54th Hawaii International Conference on System Sciences, 2021, S. 5463-5471. Ribeiro et al.: Why should I trust you? explaining the predictions of any classifier. Proceedings of the 22nd ACMSIGKDD International Conference on Knowledge Discovery and DataMining, 2013, S. 1135-1144. Schäf fer / Weber: Wirklich rational entscheiden – Die nächste Herausforderung für das Controlling. In: Controller Magazin, März / April 2016, S. 8-13. Schmitz: Explainabilty Explained: A human`s Guide to Building Trust in Data Science, 2021, Rapidminer. Schrage / Kion: Leading with Next-Generation Key Performance Indicators, MIT 2018. Schrage / Kion: Understand the Real Keys to Ef fective KPIs, MIT Research Brief, 2018. Seufert / Schwarzwälder / von Künssberg: Auswirkungen der digitalen Transformation-Neupositionierung des Controllings amBeispiel der BASF SE. In: Gleich. R. (Hrsg.): Controlling Challenge 2025, Haufe 2020. Seufert / von Künssberg / Treitz / von Daacke: Die Digitalisierungslücke – Digitale Transformation zwischenWunsch undWirklichkeit. In: Controller Magazin 2020 – November/ Dezember, S.68-73. Seufert: Die Kennzahlen-Illusion –Wunsch undWirklichkeit traditioneller KPIs. In: Seufert (Hrsg.) df&c –Magazin für #Digital #Finance #Controlling, Schwerpunkt Digital Controlling Competence. Hef t 2-2021, Steinbeis Edition, Stuttgart 2021 Seufert: Digitale Transformation der Unternehmenssteuerung – Herausforderungen und Potentiale von BI, Big Data, AI und Cloud – Studienergebnisse 2020. Steinbeis Edition, Stuttgart 2020. Seufert: Tagungsband | Digital Finance & Controlling 2021: Die Digitale Transformation der Unternehmenssteuerung erfolgreich gestalten - Herausforderungen und Potenziale von Business Intelligence, AI und Advanced Analytics, Stuttgart 2021
RkJQdWJsaXNoZXIy Mjc4MQ==