Advertisement

Controlling von Beschaffungsprozessen – Wirtschaftliche Nachhaltigkeit, Chancen und ausgewählte Potenziale durch Digitalisierung

  • Gernot MödritscherEmail author
  • Friederike Wall
Chapter

Zusammenfassung

Wenn sich das Beschaffungsmanagement aufgrund der zunehmenden Digitalisierung ändert, so ist in weiterer Konsequenz auch das Beschaffungscontrolling davon betroffen. Das Aufgabenfeld des Beschaffungscontrollings spannt sich von der Koordination der Beschaffungsziele mit den Unternehmenszielen über die Beschaffungsstrategie bis hin zur Koordination taktischer und operativer Beschaffungsentscheidungen. Eine zentrale Frage ist in diesem Zusammenhang, inwiefern der Wertbeitrag des Einkaufs im Sinne der wirtschaftlichen Nachhaltigkeit auf strategischer, taktischer und operativer Ebene analysiert bzw. gesteuert werden kann und in welcher Form dabei Ansätze und Methoden, die durch die Digitalisierung ermöglicht werden, Unterstützung bieten können. Im Hinblick auf diese Fragestellung werden im Beitrag zwei Schwerpunkte adressiert und deren Potenziale für ein wertorientiertes Beschaffungscontrolling aufgezeigt, und zwar von 1) Predictive Analytics für die taktische und operative Einkaufssteuerung sowie 2) von agentenbasierten Simulationen für die – vornehmlich strategische – Einkaufspolitik. Neben einer strukturierten Einordnung und Skizzierung dieser Schwerpunkte sollen konkrete Anwendungsmöglichkeiten aufgezeigt werden. Zugleich geht es aber auch darum, den – nach wie vor gegebenen – erheblichen Forschungsbedarf sowie die Entwicklungsbedarfe für die Praxis aufzuzeigen. So lässt sich etwa im Bereich der Predictive Analytics diagnostizieren, dass diese weitgehend auf mathematischen und statistischen Methoden aufbauen, die bekannt, aber noch nicht ausreichend in die Unternehmenspraxis diffundiert sind und dass den Akteuren in den Unternehmen die entsprechenden Kompetenzen oft noch fehlen. Zudem gibt es nach wie vor Herausforderungen hinsichtlich der für diese Analysen notwendigen Daten und Systeme. Agentenbasierte Simulationen können nicht nur diagnostisch eingesetzt werden, sondern bieten auch ein Nutzenpotenzial, welches über jenes der Predictive Analytics hinausgehen kann (etwa in Form von Prescriptive Analytics).

Literatur

  1. Buschbacher, F.: Wertschöpfung mit Big Data Analytics. Control. Manag. Rev. 60(Sonderheft 1), 40–45 (2016)Google Scholar
  2. Dean, J.: Big Data, Data Mining and Machine Learning – Value Creation for Business Leaders and Practitioners. Wiley, New Jersey (2014)Google Scholar
  3. Epstein, J.M.: Agent-based computational models and generative social science. In: Epstein J.M. (Hrsg.) Generative Social Science: Studies in Agent-Based Computational Modeling, S. 4–46, Princeton University Press, Princeton (2006)Google Scholar
  4. Ereth, J., Kemper, H.-G.: Business analytics und business intelligence. Controlling 28(8/9), 458–464 (2016)CrossRefGoogle Scholar
  5. Eßig, M., Präuer, A.: Integriertes Beschaffungs- und Supply Chain Controlling. Supply Chain Manag. 4(5), 7–14 (2004)Google Scholar
  6. Gandomi, A., Haider, M.: Beyond the hype – Big data concepts, methods, and analytics. Int. J. Inf. Manag. 35(2), 137–144 (2015)CrossRefGoogle Scholar
  7. Gänßlen, S., Losbichler, H., Niedermayr, R., Rieder, L., Schäffer, U., Weber, J.: Grundsatzposition des Internationalen Controller Vereins (ICV) und der International Group of Controlling. http://www.controller-institut.at/uploads/content/tx_downloads/file/ICV_13_16_Grundsatzpapier_Druck.pdf (2015). Zugegriffen: 16. Juni 2018
  8. Gentsch, P., Kulpa, A.: Mit externen Big Data neue Möglichkeiten erschließen. Control. Manag. Rev. 60(Sonderheft 1), 32–39 (2016)Google Scholar
  9. Giannakis, M., Louis, M.: A multi-agent based framework for supply chain risk management. J. Purchasing Supply Manag. 17(1), 23–31 (2011)Google Scholar
  10. Gilbert, N., Troitzsch, K.G.: Simulation for the Social Scientist, 2. Aufl. Open University Press, Buckingham (2005)Google Scholar
  11. Gluchowski, P., Chamoni, P.: Analytische Informationssysteme – Business Intelligence-Technologien und –Anwendungen. Gabler, Berlin (2016)Google Scholar
  12. Heß, G.: Den Wertbeitrag des Einkaufs strategisch steuern. Control. Manag. Rev. 61(Sonderheft 2), 8–16 (2016)Google Scholar
  13. Horváth, P.: Controlling – Entwicklung und Stand einer Konzeption zur Lösung der Adaptions- und Koordinationsprobleme der Führung. Z. Betriebswirtschaft 48(3), 194–208 (1978)Google Scholar
  14. Huch, M., Seifert, I.: Datenvisualisierung zur Kommunikation im politischen Kontext. In: Wittpahl, V. (Hrsg.) Digitalisierung, S. 39–49, Springer, Berlin (2017)Google Scholar
  15. Jodlbauer, H.: Digitale Transformation der Wertschöpfung. W. Kohlhammer, Stuttgart (2018)Google Scholar
  16. Küpper, H.-U.: Controlling – Eine bis heute rätselhafte Entwicklungs- und Ideengeschichte. In: Matiaske, W., Weber, W. (Hrsg.) Ideengeschichte der BWL: ABWL, Organisation, Personal, Rechnungswesen und Steuern, S. 199–217. Springer Gabler, Wiesbaden (2018)Google Scholar
  17. Küpper, H.-U., Friedl, G., Hofmann, C., Pedell, B.: Controlling – Konzeption, Aufgaben, Instrumente, 6. Aufl. Schäffer-Poeschel, Stuttgart (2013)Google Scholar
  18. Kutschinski, E., Uthmann, T., Polani, D.: Learning competitive pricing strategies by multi-agent reinforcement learning. J. Econ. Dyn. Control. 27(11/12), 2207–2218 (2003)Google Scholar
  19. Lanquillon, C., Mallow, H.: Advanced Analytics mit Big Data. In: Dorschel, J. (Hrsg.) Praxishandbuch Big Data, S. 55–89. Springer Gabler, Wiesbaden (2015)Google Scholar
  20. Lee, C.K.M., Lau, H.C.W., Ho, G.T.S., Ho, W.: Design and development of agent-based procurement system to enhance business intelligence. In: Expert Syst. Appl. 36(1), 877–884 (2009)Google Scholar
  21. Lührs, S.: Kostentransparenz in der Supply Chain – Der Einsatz von Open Book Accounting in Zuliefer-Abnehmer-Beziehungen. Betriebswirtschaftlicher Verlag Gabler, Wiesbaden (2010)Google Scholar
  22. Macal, C.M., North, M.J.: Tutorial on agent-based modelling and simulation. J. Simul. 4(3), 151–162 (2010)Google Scholar
  23. Mehanna, W., Müller, F., Tunco, C.: Predictive Forecasting und die Digitalisierung der Unternehmenssteuerung. IM + io – Fachz. Innovation, Organ. Manag. 29(4), 28–32 (2015)Google Scholar
  24. Mödritscher, G., Wall, F.: Controlling als interner Dienstleister 4.0. In: Bruhn, M., Hadwich, K. (Hrsg.) Dienstleistungen 4.0, S. 412–434. Springer Gabler, Wiesbaden (2017)Google Scholar
  25. Möller, K., Pieper, S.: Predictive Analytics im Controlling. Chancen für bessere Entscheidungen erkennen. IM + io – Fachz. Innovation, Organ Manag. 29(4), 40–45 (2015)Google Scholar
  26. Niedermayr, R.: Kompetenzen entwickeln, Performance steigern – Neue Chancen durch ein professionelles Kompetenzmanagement in Controlling und Finance, 40. Controller Congress, ICV München. https://www.icv-controlling.com/fileadmin/Veranstaltungen/VA_Dateien/Congress_der_Controller/Vorträge_2015/Unverschlüsselt/13_Professionelles_Kompetenzmanagement_Rita_NiedermayrKruse.pdf (2015). Zugegriffen: 6. Juni 2018
  27. Osterwalder, A., Pigneur, Y.: Business Model Generation: Ein Handbuch für Visionäre, Spielveränderer und Herausforderer. Campus, Frankfurt (2011)Google Scholar
  28. Reichmann, T.: Controlling mit Kennzahlen: Die systemgestützte Controlling-Konzeption mit Analyse- und Reportinstrumenten, 8. Aufl. Vahlen, München (2011)Google Scholar
  29. Reichmann, T.: Die systemgestützte Controllingkonzeption und ihre IT-gestützte Umsetzung. Controlling. 28(6), 308–317 (2016)Google Scholar
  30. Reichmann, T., Kißler, M., Baumöl, U.: Controlling mit Kennzahlen, 9. Aufl. Vahlen, München (2017)Google Scholar
  31. Roland Berger GmbH: 9. Operations-Effizient-Radar – Die wichtigsten Hebel 2018: Entscheidungshilfen für den CFO. https://www.icv-controlling.com/fileadmin/Wissen/Bericht/Operations_Effizienz_Radar_2018.pdf (2017). Zugegriffen: 17. Juni 2018
  32. Scheer, A.-W.: Unternehmung 4.0 – Vom disruptiven Geschäftsmodell zur Automatisierung der Geschäftsprozesse. AWSi Publishing, Saarbrücken (2018)Google Scholar
  33. Sengstock, C., Mathis, C.: SAP HANA Vora: A Distributed Computing Platform for Enterprise Data Lakes. In: Mitschang, B., Nicklas, D., Leymann, F., Schöning, H., Herschel, M., Teubner, J., Härder, T., Kopp, O., Wieland, M. (Hrsg.) Datenbanksysteme für Business, Technologie und Web, S. 521–522. Gesellschaft für Informatik e.V., Bonn (2017)Google Scholar
  34. Swaminathan, J.M., Smith, S.F., Sadeh, N.M.: Modeling supply chain dynamics: a multiagent approach. Decis. Sci. 29(3), 607–632 (1998)Google Scholar
  35. Tesfatsion, L.S.: Agent-based computational economics: growing economies from the bottom up. Artif. Life 8(1), 55–82 (2002)Google Scholar
  36. Valluri, A., Croson, D.C.: Agent learning in supplier selection models. Decis. Support Syst. 39(2), 219–240 (2005)Google Scholar
  37. Vocelka, A., Bauer, H., Belitski, A., Pott, J.: Big Data Revolution in der Unternehmenssteuerung. Quantitative Modelle maximieren den 4. Produktionsfaktor. In: Kieninger, M. (Hrsg.) Digitalisierung der Unternehmenssteuerung, S. 187–201. Schäffer-Poeschel, Stuttgart (2017)Google Scholar
  38. Wagner, S.M., Weber, J.: Beschaffungscontrolling – Den Wertbeitrag der Beschaffung messen und optimieren. Wiley-VCH-Verl., Weinheim (2006)Google Scholar
  39. Wall, F.: Agent-based modeling in managerial science: an illustrative survey and study. Rev. Manag. Sci. 10(1), 135–193 (2016)Google Scholar
  40. Wall, F.: Funktionen des Controllings im Rahmen der Corporate Governance. Control. Manag. 52(4), 228–233 (2008a)Google Scholar
  41. Wall, F.: Controlling zwischen Entscheidungs- und Verhaltenssteuerungsfunktion. Die Betriebswirtschaft 68(4), 463–482 (2008b)Google Scholar
  42. Wall, F., Leitner. S.: Die Relevanz der Nachhaltigkeit für unternehmerische Entscheidungen. Controlling 24(4/5), 255–260 (2012)Google Scholar
  43. Weber, J., Schäffer, U.: Controlling als Rationalitätssicherung der Führung. Die Unternehmung 55(1), 75–79 (2001)Google Scholar
  44. Weber, J., Schäffer, U.: Einführung in das Controlling, 14. Aufl. Schäffer-Poeschel, Stuttgart (2014)Google Scholar
  45. Weise, D., Zeisel, S.: Controlling und Einkauf – Erfolgreich in die Zukunft führen. In: Gadatsch, A., Krupp, A., Wiesehahn, A. (Hrsg.) Controlling und Leadership, S. 215–231. Springer, Wiesbaden (2017)Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.KlagenfurtÖsterreich

Personalised recommendations