Advertisement

Controlling 4.0

Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern
  • Jana Heimel
  • Michael Müller
Chapter

Zusammenfassung

Der Beitrag untersucht, auf welche Faktoren der digitale Wandel im Controlling zurückzuführen ist und welchen Einfluss diese auf das gesamte Controlling-System haben. Es wird gezeigt, dass der digitale Wandel im Controlling im Wesentlichen von einer veränderten Datenverfügbarkeit (Big Data) und neuen Analysemöglichkeiten (Business Analytics) getrieben wird. Die zunehmende Bedeutung von Informationen und dem wachsenden Verständnis von Big Data schaffen neue Potenziale, aber auch Herausforderungen für das Controlling. So werden beispielsweise durch die intelligente Vernetzung von Maschinen und Anlagen enorme Datenmengen generiert, welche das Controlling in neues und gewinnbringendes Wissen transformieren kann. Die Analyseergebnisse zeigen, dass das Controlling herausgefordert ist, Prozesse, Systeme und Daten zu standardisieren, Prozesse zu automatisieren und Controller zu spezialisieren, um einen Nutzen aus der Digitalisierung schöpfen zu können.

Literatur

  1. Appelbaum D, Kogan A, Vasarhelyi M, Yan Z (2017) Impact of business analytics and enterprise systems on managerial accounting. Int J Account Inform Syst 25:29–44CrossRefGoogle Scholar
  2. Baars H, Kemper HG (2015) Integration von Big-Data-Komponenten in die business intelligence. Controlling 27(4/5):222–228.  https://doi.org/10.15358/0935-0381-2015-4-5-222CrossRefGoogle Scholar
  3. Bange C, Grosser T, Janoschek N (2015) Big data use cases. Getting real on data monetization. BARC Research StudyGoogle Scholar
  4. Becker A (2016) Controlling als reflexive Steuerung von Organisationen. In: Weber J, Schäffer U (2016) Einführung in das Controlling, 15. Aufl. Schäffer-Poeschel, Stuttgart (2003)Google Scholar
  5. Bhimani A, Willcocks L (2014) Digitisation, „Big Data“ and the transformation of accounting information. Account Bus Res 44(4):469–490.  https://doi.org/10.1080/00014788.2014.910051CrossRefGoogle Scholar
  6. Biel A, Michel U, Tobias S (2017) Was bedeutet Digitalisierung für Controller? CM Controller Magazin 05(2017):38–43Google Scholar
  7. BITKOM (2012) Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte, BerlinGoogle Scholar
  8. BITKOM (2015) Big Data und Geschäftsmodell-Innovationen in der Praxis. 40 + Beispiele, BITKOM, Berlin Google Scholar
  9. Bremmer M (2017) Kollege Roboter, übernehmen Sie! Computerwoche. https://www.computerwoche.de/a/kollege-roboter-uebernehmen-sie,3331269. Zugegriffen: 10. Dez. 2017
  10. Capital-Redaktion (2017) Vier Unternehmen, die schon heute digital denken. https://www.capital.de/wirtschaft-politik/vier-unternehmen-die-schon-heute-digital-denken. Zugegriffen: 26. Nov. 2017
  11. Chartered Institute of Management Accountants (CIMA) (2013) About us. http//:www.cimaglobal.com/About-us/. London. Zugegriffen: 2. Jan. 2014
  12. Chaudhuri S, Dayal U, Narasayya V (2011) An overview of business intelligence technology. Commun ACM 54(8):88–98CrossRefGoogle Scholar
  13. Columbus L (2016) McKinsey’s 2016 analytics study defines the future of machine learning. Forbes. https://www.forbes.com/sites/louiscolumbus/2016/12/18/mckinseys-2016-analytics-study-defines-the-future-machine-learning/#766d06b014eb. Zugegriffen: 10. Dez. 2017
  14. Daimler AG (2017) Erfolgreicher Einsatz von Blockchain, Gemeinsames Pilotprojekt von Daimler und LBBW. https://www.daimler.com/investoren/refinanzierung/blockchain.html. Zugegriffen: 10. Dez. 2017
  15. Davenport T (2013) The rise of analytics 3.0. International Institute for Analytics. https://iianalytics.com/research/the-rise-of-analytics-3.0. Zugegriffen: 15. Sept. 2018
  16. Davenport T (2014) Big Data – Chancen erkennen, Risiken verstehen. Vahlen, München Google Scholar
  17. Davenport T (2015) The rise of automated analytics. https://blogs.wsj.com/cio/2015/01/14/the-rise-of-automated-analytics/. Zugegriffen: 15. Sept. 2018
  18. Davenport T, Harris J (2007) Competing on analytics – the new science of winning. Harvard Business Press, BostonGoogle Scholar
  19. Davenport T, Harris J, Morison R (2010) Analytics at work: smarter decisions, better results. Harvard Business Press, BostonGoogle Scholar
  20. Deyhle A, Steigmeier B, Autorenteam (1993) Controller und controlling. Haupt, BernGoogle Scholar
  21. DIN SPEC 1086 (2009) Qualitätsstandards im Controlling. Beuth, BerlinGoogle Scholar
  22. Ereth J, Kemper HG (2016) Business analytics und business intelligence. Controlling 28(8/9):458–464.  https://doi.org/10.15358/0935-0381-2016-8-9-458CrossRefGoogle Scholar
  23. Financial Executive Institute (Hrsg) (1962) Controllership and treasurership functions defined by FEI. The Controller 30, S 289Google Scholar
  24. Finsterbusch S (2017) Warum Roboter jetzt sogar schwitzen. Frankfurter Allgemeine Zeitung. http://www.faz.net/aktuell/wirtschaft/unternehmen/kuenstliche-intelligenz-ki-warum-roboter-jetzt-schwitzen-14868306.html. Zugegriffen: 10. Dez. 2017
  25. Fischer T, Möller K, Schultze W (2015) Controlling: Grundlagen Instrumente und Entwicklungsperspektiven. Schäffer-Poeschel, StuttgartGoogle Scholar
  26. Frey CB, Osborne M (2013) The future of employment: how susceptible are jobs to computerization? Working Paper. Obermaier R, Grottke M (2017) Controlling in einer „Industrie 4.0“- Neue Möglichkeiten und neue Grenzen für die Steuerung von Unternehmen, ZfbF-Sonderheft 71/17, S 111–144Google Scholar
  27. Gadatsch A, Krupp A, Wiesehahn A (2017) Smart Controlling – Führungsunterstützung im digitalen Wandel. CM Controller Magazin 02(2017):72–75Google Scholar
  28. Gänßlen S, Losbichler H, Niedermayr R, Rieder L, Schäffer U, Weber J (2013) Die Kernelemente des Controllings – Das Verständnis von ICV und IGC. WHU Control Manag Rev 57(3):56–61CrossRefGoogle Scholar
  29. Gleich R, Grönke K, Kirchmann M, Leyk J (Hrsg) (2014) Controlling und Big Data – Anforderungen, Auswirkungen, Lösungen. Haufe, MünchenGoogle Scholar
  30. Gray P (2017) Economists are obsessed with „Job Creation.“ How about less work? Evonomics. http://evonomics.com/less-work-job-creation-peter-gray/. Zugegriffen: 10. Dez. 2017
  31. Grönke K, Heimel J (2015) Big Data im CFO-Bereich: Kompetenzanforderungen an den Controller. Controlling 27(4/5):242–248CrossRefGoogle Scholar
  32. Grönke K, Kirchmann M, Leyk J (2014) Big Data: Auswirkungen auf Instrumente und Organisation der Unternehmenssteuerung. Controlling und Big Data – Anforderungen, Auswirkungen, Lösungen. Haufe, MünchenGoogle Scholar
  33. Hahn D, Hungenberg H (2001) PuK. Planung und Kontrolle, Planungs- und Kontrollsysteme, Planungs- und Kontrollrechnung; wertorientierte Controllingkonzepte; Unternehmensbeispiele von DaimlerChrysler AG, Stuttgart, Siemens AG, München, Franz Haniel & Cie. GmbH, Duisburg. 6. Aufl. WiesbadenGoogle Scholar
  34. Heimel J (2014) Prozessorientiertes Controlling, Konzeptualisierung, Determinanten und Erfolgswirkungen. Springer Gabler, WiesbadenCrossRefGoogle Scholar
  35. Holsapple C, Lee-Post A, Pakath R (2014) A unified foundation for business analytics. http://dx.doi.org/10.1016/j.dss.2014.05.013. Zugegriffen: 10. Dez. 2017
  36. Horváth & Partners (2017) CFO Studie: Finance Excellence 2020. Digitalisierung im CFO Bereich. CFO-Panel, Competence Center Controlling & Finance. Horváth & Partners, StuttgartGoogle Scholar
  37. Horváth P, Gleich R, Voggenreiter D (2012) Controlling umsetzen, 5. Aufl. Schäffer-Poeschel, StuttgartGoogle Scholar
  38. Horváth P, Gleich R, Seiter M (2015) Controlling, 13. Aufl. Vahlen, MünchenCrossRefGoogle Scholar
  39. IBM (2013) Descriptive, predictive, prescriptive: transforming asset and facilities management with analytics. Watson Internet of Things, New YorkGoogle Scholar
  40. International Group of Controlling (IGC) (2011) Controlling-Prozessmodell: Ein Leitfaden für die Beschreibung und Gestaltung von Controlling-Prozessen, 1. Aufl. Haufe-Lexware, FreiburgGoogle Scholar
  41. International Group of Controlling (Hrsg) (2015) Controller- Kompetenzmodell. Ein Leitfaden für die moderne Controller- Entwicklung mit Muster- Kompetenzprofilen, 1. Aufl. Haufe-Lexware, FreiburgGoogle Scholar
  42. International Group of Controlling (IGC) (2017) Controlling-Prozessmodell 2.0: Leitfaden für die Beschreibung und Gestaltung von Controllingprozessen, 2. Aufl. Haufe-Lexware, FreiburgGoogle Scholar
  43. Internationaler Controller Verein e. V. (ICV) (2015) Industrie 4.0. Controlling im Zeitalter der intelligenten Vernetzung. ICV, WörthseeGoogle Scholar
  44. Internationaler Controller Verein e. V. (ICV) (2016) Business Analytics Der Weg zur datengetriebenen Unternehmenssteuerung. ICV, WörthseeGoogle Scholar
  45. Internationaler Controller Verein e. V. (ICV) (o. J.) Controller Statements, Gauting. MünchenGoogle Scholar
  46. Kaiser S (2009) Controller-Leitbild weltweit. IPRI, StuttgartGoogle Scholar
  47. Kieninger M, Mehanna W, Michel U (2015) Auswirkungen der Digitalisierung auf die Unternehmenssteuerung. Controlling im digitalen Zeitalter. Schäffer-Poeschel, Stuttgart, S 3–13Google Scholar
  48. Kirchberg A, Müller D (2016) Digitalisierung im Controlling: Einflussfaktoren, Standortbestimmung und Konsequenzen für die Controllerarbeit. Konzerncontrolling 2020, 1. Aufl. Haufe-Lexware, Freiburg, S 79–96Google Scholar
  49. KPMG (2017) Mit Daten Werte schaffen. Report 2017:1–68Google Scholar
  50. Küpper HU (2008) Controlling. Konzeption, Aufgaben, Instrumente, 5. Aufl. Schäffer, StuttgartGoogle Scholar
  51. Leyk J (2006) Rollierender Forecast: Budgetierungsaufwand senken und Unternehmensziele besser erreichen. In: Gleich R, Hofmann S, Leyk J (Hrsg) Planungs- und Budgetierungsinstrumente – Innovative Ansätze und Best Practice für den Managementprozess. Haufe, FreiburgGoogle Scholar
  52. Lingnau V, Brenning M (2017) Komplexität, Flexibilität und Unsicherheit-Konzeptionelle Herausforderungen für das Controlling durch Industrie 4.0. In: Obermaier R, Grottke M (2017) Controlling in einer „Industrie 4.0“- Neue Möglichkeiten und neue Grenzen für die Steuerung von Unternehmen, ZfbF-Sonderheft 71/17, S 111–144 (2015)Google Scholar
  53. Lippold D (2017) Marktorientierte Unternehmensführung und Digitalisierung. Management im digitalen Wandel. In: EBOOK PACKAGE Economics 2017 EBOOK PACKAGE COMPLETE 2017 DG OWV. Ebook Paket Lehrbücher Wirtschaftswiss. MünchenGoogle Scholar
  54. Mayer JH, Campagna C, Chamoni P, Hornung K, Kuhnert M, Quick R (2017) Die Buchhaltung macht der Roboter. Frankfurter Allgemeine Zeitung vom, 24. Apr. 2017, S 18Google Scholar
  55. Mehanna W, Müller F, Tunco C (2015) Predictive Forecasting und die Digitalisierung der Unternehmenssteuerung. IM + io – Fachzeitschrift für Innovation, Organisation und Management 2015(4):28–32Google Scholar
  56. Michel U, Tobias S (2017) Was bedeutet die Digitalisierung für Controller? CM Controller Magazin 5(2017), S 39–43Google Scholar
  57. Müller M (2008) Single source of truth – Welche Chancen ergeben sich aus den Compliance-Anforderungen für das Management Reporting? In: Gleich R, Horváth P, Michel U (Hrsg) Management Reporting. Haufe, FreiburgGoogle Scholar
  58. Müller A, Guido S (2017) Einführung in Machine Learning mit Python. dpunkt, HeidelbergGoogle Scholar
  59. Müller M, Schmidt H (2011) Effizienz bleibt wichtig Unterstützung der Steuerung wird wichtiger. In: Gleich R, Gänßlen S, Losbichler H (Hrsg) Challenge Controlling Trends und Tendenzen. Haufe, FreiburgGoogle Scholar
  60. Obermaier R, Grottke M (2017) Controlling in einer „Industrie 4.0“- Neue Möglichkeiten und neue Grenzen für die Steuerung von Unternehmen, ZfbF-Sonderheft 71/17, S 111–144Google Scholar
  61. Pietsch G (2003) Reflexionsorientiertes Controlling Konzeption und Gestaltung. Deutscher Universitäts, WiesbadenGoogle Scholar
  62. Ploss R, Vaupel J, Eichler E (2017) Die Kernelemente des Controllings – Das Verständnis von ICV und IGC. Controller-Magazin 2017(1):48–52Google Scholar
  63. Reifenberger S (2017) CFOs zwischen Automatisierungswunsch und technischen Zweifeln. Finance-magazin. https://www.finance-magazin.de/cfo/strategie/cfos-zwischen-automatisierungswunsch-und-technischen-zweifeln-1407651. Zugegriffen: 10. Dez. 2017
  64. Reinsel D, Gantz J, Rydning J (2017) Data age 2025 – The evolution of data to life-critical. An IDC White PaperGoogle Scholar
  65. Schäffer U, Weber J (2017) Die Digitalisierung wird das Controlling radikal verändern. WHU Control Manage Rev 60(6):34–40.  https://doi.org/10.1007/s12176-016-0093-9CrossRefGoogle Scholar
  66. Scherm E, Pietsch G (2015) Controlling – Theorien und Konzeptionen. Vahlen, München, In: Fischer T, Möller K, Schultze W (Hrsg) (2015) Controlling: Grundlagen, Instrumente und Entwicklungsperspektiven. Schäffer-Poeschel, Stuttgart (2004)Google Scholar
  67. Seiter M, Sejdic G, Rusch M (2015) Welchen Einfluss hat Industrie 4.0 auf die Controlling- Prozesse? Controlling- Zeitschrift für erfolgsorientierte Unternehmenssteuerung 27(8/9):466–474CrossRefGoogle Scholar
  68. Seufert A (2014) Das Controlling als Business Partner – Business Intelligence und Big Data als zentrales Aufgabenfeld. In: Gleich R, Grönke K, Kirchmann M, Leyk J (Hrsg) Controlling und Big Data – Anforderungen, Auswirkungen, Lösungen. Haufe, MünchenGoogle Scholar
  69. Stahlknecht P, Hasenkamp U (2005) Einführung in die Wirtschaftsinformatik, 11. Aufl. Springer, BerlinGoogle Scholar
  70. Stoffel K (1995) Controllership im internationalen Vergleich. Deutscher Universitäts, WiesbadenCrossRefGoogle Scholar
  71. Ulrich H (1970) Die Unternehmung als produktives soziales System, 2. Aufl. Haupt, BernGoogle Scholar
  72. Wagenhofer A (2006) Management accounting research in German-speaking countries. J Manage Account Res 18:1–19CrossRefGoogle Scholar
  73. Wall F (2008) Controlling zwischen Entscheidungs- und Verhaltenssteuerungsfunktion, Konzeptionelle Gemeinsamkeiten und Unterschiede innerhalb des Fachs. Die Betriebswirtschaft 68(4):463–482Google Scholar
  74. Weber J, Schäffer U (1999) Sicherstellung der Rationaliät von Führung als Aufgabe des Controlling? Die Betriebswirtschaft 59(6):731–747Google Scholar
  75. Weber J, Schäffer U (2016) Einführung in das Controlling, 15. Aufl. Schäffer-Poeschel, StuttgartGoogle Scholar
  76. Werder A von (2015) Führungsorganisation – Grundlagen der Corporate Governance, Spitzen- und Leitungsorganisation, 3. Aufl. Springer Gabler, WiesbadenGoogle Scholar
  77. Wisegeek (o. J.) What is advanced robotics? http://www.wisegeek.com/what-is-advanced-robotics.htm. Zugegriffen: 10. Dez. 2017

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature  2019

Authors and Affiliations

  1. 1.Campus Heilbronn –Am EuropaplatzHochschule HeilbronnHeilbronnDeutschland
  2. 2.Wintershall Holding GmbHKasselDeutschland

Personalised recommendations