Controller Magazin _ Special 25 Günter Lubos ist Mitglied der Geschäf ts- leitung bei der Unternehmensberatung Dr. Wieselhuber & Partner in München und dort verantwortlich für das Competence Center Controlling & Gewinn- management, München. lubos@wieselhuber.de (A Kunden + X Produkte) werden detailliert geplant, der Rest (B/C und Y/Z) wird zusammengefasst und pauschal geplant. In volatilen Zeiten kann es sein, dass diese Systematik hinsichtlich ihrer Aussagekraf t an Grenzen stößt. So ist einerseits bereits die Prognosequalität betref fend der A-Kunden ein Problem. Andererseits können auch die Rückgänge gerade bei B- und C-Kunden einen Forecast „zum Kippen“ bringen. Die ansonsten eher nachrangig zu betrachtenden B und C Kunden können aufgrund der Umsatzvolatilität im Negativfall (Umsatzrückgang) zu einer Unterschreitung des Break Even führen oder im Positivfall (Vorratsbestellungen zwecks Materialsicherung) zu einem Anstieg der Absatzmengen führen. Dies verursacht einerseits hohen Arbeitsaufwand in der Planung und bedingt andererseits detaillierte Daten und Kenntnisse hinsichtlich der Planungsobjekte. KI bietet dem Controlling in diesem Fall die Möglichkeit, eine hohe Taktfrequenz des Forecasts mit hoher Forecast-Qualität und beherrschbarem Arbeitsaufwand zu verbinden. So können Forecasts dazu benutzt werden, das Instrument schrittweise einzuführen und sukzessive zu verbessern bzw. anzulernen. Anders als die Planung mit einem starren Zeitrahmen, bei dem ein Ergebnis zu einem bestimmten Termin vorliegen muss, bietet der Forecast die Möglichkeit, innerjährliche Prognosen nach und nach auf KI-Instrumenten aufzubauen. Das Controlling ist nicht an den Planungszyklus gebunden, sondern kann die Instrumente im Zuge der KI-Anwendung bei den jeweiligen Forecasts im Zuge eines Leuchtturmprojektes testen. Das Management, das die Forecasts für die eigenen Entscheidungen nutzt, wird so noch besser mit Informationen unterstützt. Voraussetzungen und Rahmenbedingungen für KI imControlling Vor allem die Qualität der Datenstrukturen und der Datenbasis beeinf lusst die Einsetzbarkeit von KI. Vollständige und gepflegte Daten sind unabdingbare Grundlage. Ein Beispiel: Ein KI basierter Forecast kann zwar auf Bewegungsdaten wie historische Absatzmengen, Stückerlöse und Konditionen der Kunden zurückgreifen. In einem volatilen Umfeld werden historische Daten dabei jedoch von begrenztem Nutzen sein. Anders sieht dies aus, wenn man sie beispielsweise mit Daten zum Beschaf fungsvolumen der Kunden und dem eigenen Lieferantenanteil verknüpf t. Eine derartig verbreiterte Datenbasis erleichter t die Prognose der Absatz- und Umsatzerwartung deutlich. Sie setzt allerdings voraus, dass diese Daten auch vom Vertrieb beschaf f t und im CRM-System hinterlegt wurden. Erst dann lässt sich Abb. 2: Der Forecast-Prozess als Ansatzpunkt für KI- Anwendungen durch die Kombination verschiedener Datenstämme mittels entsprechender Algorithmen ein entsprechender Forecast ableiten. Um KI-basierte Forecasts auf denWeg zu bringen, sollte sich das Unternehmen darüber klar werden, welche Bewegungs- und Stammdaten für eine valide Prognose unerlässlich sind. Der Aufbau und die Ergänzung der entsprechenden Datenstruktur sind dann der erste Schritt für KI-basierte Forecasts. Zusammenfassung und Ausblick KI basierte Systeme und Instrumente werden im Controlling in Zukunf t eine stärkere Rolle spielen. Ein systematischer Roll-out Plan ist die Grundlage für die Einführung von KI. Dabei müssen vor allem Teilprozesse identifiziert werden, die besonders für KI geeignet sind. Neben der Analyse von großen Datenmengen und der Identifikation von Clustern und Anomalien bildet die Nutzung von KI für Planungs- und Forecast-Prozesse einen möglichen Anwendungsbereich. Die derzeitige Situation wird bei vielen Unternehmen aufgrund planerischer Unsicherheiten infolge der Versorgungskrise bei Vormaterialien zu einem Bedeutungszuwachs der Forecasts führen. Es bietet sich in diesem Zusammenhang an, KI-Instrumente verstärkt zu nutzen. Deren Anwendung ermöglicht es, den personellen Aufwand bei der Erstellung der Forecasts zu reduzieren, die Frequenz der Erstellung zu erhöhen und gleichzeitig die Tref fergenauigkeit von Forecasts zu verbessern. Eine qualifizierte und für KI-nutzbare Datenbasis ist Grundvoraussetzung für die eigentliche KI-Anwendung. f Planung und Forecast 2022 Durchführung der quantitativen Planung Definitionder Planungsprämissen Ableitung eines quantitativen Forecast Prüfung der Gültigkeit der Prämissen
RkJQdWJsaXNoZXIy Mjc4MQ==