Folgen und Handlungsempfehlungen für das Controlling Das Optimierungspotenzial im Planungs- und Budgetierungsprozess liegt zu einem bedeutenden Teil in der Digitalisierung, Analyse und Optimierung von Prozessen. Neben Process Mining und anderen Methoden der Prozessautomatisierung werden in Zukunft Artificial Intelligence (AI) und Machine Learning (ML) zu großen Verbesserungen in Effizienz/Produktivität und Effektivität des Planungs- und Budgetierungsprozess führen. Allerdings hinken viele Unternehmen bei der Digitalisierung immer noch hinterher, wie der Digital Economy and Society Index (DESI)13 der Europäischen Union – er überwacht die digitale Wettbewerbsfähigkeit der EU-Länder – trotz deutlichem Aufwärtstrend (von 2017 bis 2022 von 33,7 % auf 52,3 %) zeigt. Auch wenn sich die Ökonomen über die Produktivitätswirkung der IT noch nicht einig sind – kritisch Nobelpreisträger Robert Solow, optimistisch (und aktuell) DIW-Präsident Marcel Fratzscher14 –, an digitalen Technologien führt im Controlling kein Weg vorbei. Und das wird sich in den nächsten Jahren massiv verstärken. Demnach ist allen Controlling-Abteilungen zu empfehlen: verstärken der digitalen Kompetenzen der Controller:innen zu Themen wie Process Mining, Prozessautomatisierung (RPA/IPA), generative AI (z. B. für Markt- und Wettbewerbsanalysen im strategischen Planungsprozess) und (Auto)ML. Literatur - Celonis, Deutsche Telekom + Celonis, https://www.celonis.com/de/ customer-success-stories/deutsche-telekom-procure-to-pay-process-mining/, abgerufen 09.02.2024. - DESI (Digital Economy and Society Index) 2022 | Shaping Europe’s digital future, European Commis-sion, https://digital-strategy.ec.europa. eu/en/library/digital-economy-and-society-index-desi-2022, abgerufen 17.01.2024. - Elsayed, S./Thyssens, D./Rashed, A./Jomaa, H. S./Schmidt-Thieme, L., Do we really need deep learning models for time series forecasting?, arXiv preprint arXiv:2101.02118, 2021. - Firestart, Skalieren und wachsen mit FireStart für Enterprise, https://www.firestart.com/de/enterprise, abgerufen 12.03.2024. - Flechsig, C., The Impact of Intelligent Process Automation on Purchasing and Supply Management – Initial Insights from a Multiple Case Study, in: Buscher, U./ Lasch, R./Schönberger, J., Logistics Man-agement, Springer, 2021, S. 67–89, doi: 10.1007/978-3-030-85843-8_5. - Fratzscher, Marcel, Wird sich die Wirtschaf t erholen…?, in: Der Standard, 25.10.2023, https://www.diw.de/de/diw_01.c.884270.de/ nachrichten/wird_sich_die_wirtschaf t_erholen__herr_fratzscher. html, abgerufen 28.02.2024. - Kissflow.com, Can Workflow Automation Kick Out the Chaos of Your Budget Approval Process?, https://kissflow.com/finance/budget-approval/budget-workflow-steps/, abgerufen 10.03.2024. - Masini, R. P./Medeiros, M. C./Mendes, E. F., Machine learning advances for time series forecasting. Journal of economic surveys, 37(1), 2023, S. 76-111. - Ng, K. K. H. et al., A systematic literature review on intelligent automation: Aligning concepts from theory, practice, and future perspectives. Advanced Engineering Informatics, vol. 47, 2021, S. 101246, doi: 10.1016/j.aei.2021.101246. - Thacker, J. The Age of AI: Artificial Intelligence and the Future of Humanity. Zondervan, 2020. - Tschandl, M., Integrierte Planungs- und Kontrollsysteme, in: Exler, M./ Situm M., Transformations- & Turnaround-Management: Strategien, Erfolgsfaktoren und Best Practice, 2024. - van der Aalst, W. M. P., On the Pareto Principle in Process Mining, Task Mining, and Robotic Process Automation, in: Proceedings of the 9th International Conference on Data Science, Technology and Applications, Paris, 2020, S. 5-12. doi: 10.5220/0009979200050012. - van der Aalst, W. M. P., Process Mining: A 360 Degree Overview, in: van der Aalst, W. M. P./Carmona, J. (Hrsg.), Process Mining Handbook, vol. 448, Springer International Publishing, 2022, S. 3-34, doi: 10.1007/ 978-3-031-08848-3_1. - Wittenstein, A.-K./Wesoly M./Moeller G./Schneider R., Lean Office 2006 – Zusammenfassung, Studie, Fraunhofer IPA/KAIZEN Institute, 2006. - Ulrich/Rieg: Study Report: Digitization, Planning, Budgeting and Forecasting, IGC, 2022, S. 30. Fußnoten 1 Wittenstein et al. 2006, S. 2. 2 Vgl. Van der Aalst 2022, S. 3, 13, 23-27. 3 Vgl. Celonis 2024. 4 Tschandl 2024. 5 Vgl. van der Aalst 2020, S. 8. 6 Vgl. Firestart, abgerufen 12.03.2024. 7 Vgl. Kissflow, abgerufen 10.03.2024. 8 Vgl. Flechsig 2021, S. 5. 9 Vgl. Ng et al. 2021, S. 5. 10 Thacker 2020. 11Masini et al. 2023, S. 96-99. 12Elsayed, S. et al. 2021. 13DESI 2022. 14Fratzscher 2024. 15Ulrich/Rieg 2022, S. 30. Lecturer und Researcher für Prozessmanagement und SCM am Institut Industrial Management der FH JOANNEUM in Kapfenberg Johannes Dirnberger-Wild Prof. Dr. Paul Hofmann Professor für AI in der Produktion am Institut Industrial Management der FH JOANNEUM in Kapfenberg, zuvor Forscher (z.B. MIT), Werksleiter (BASF), VP R&D (SAP) und CTO AI & Data Science (Accenture) Professor für Betriebswirtschaftslehre und Controlling, Leiter des Instituts für In- dustrial Management an der FH JOANNEUM in Kapfenberg 48 % → Kompetenzmangel bei den Controllern15 höchste Hürde für den Technologieeinsatz im Controlling (hier Planung/Budgetierung) mit 33,7 % auf 52,3 % gestiegen digitale Wettbewerbsfähigkeit der EU-Länder von 26 Digitalisierungs-/Kompetenzlücke im Controlling Prof. Dr. Martin Tschandl
RkJQdWJsaXNoZXIy Mjc4MQ==