Skip to main content
SpringerLink
Log in

Digitalisierung, Big Data und Controlling

  • Chapter
  • First Online:
Anforderungen an das Controlling

Zusammenfassung

Auch der Controller muss sich mit den Themen Digitalisierung, Big Data und der zunehmenden Informationsüberflutung auseinandersetzen. Die Informationsversorgung der Entscheidungsträger im Unternehmen gehört schließlich zu seinen Kernaufgaben. Die Digitalisierung erfordert, die operative Effizienz im Controlling zu steigern, indem die Controllingprozesse stärker, schneller und günstiger abgewickelt werden. Auch die Rolle des Controllers als Business Partner und Unterstützer des Managements hat sich in vielen Unternehmen verändert. Gerade in dieser Rolle muss er sich mit neuen Trends wie Big Data, die Auswirkungen auf den Unternehmenserfolg haben, auseinandersetzen. Eine Möglichkeit, die Herausforderungen im Kontext der Digitalisierung zu bewältigen, wäre das Outsourcing von Controlling-Aktivitäten. Dies verspricht zwar den Zugang zu Spezialwissen und größerer Flexibilität, auf der anderen Seite wird aber der Verlust an Know-how und die Weitergabe von Firmengeheimnissen befürchtet. Die Angst vor Kontrollverlust und Abhängigkeit bremst viele Unternehmen bei der Inanspruchnahme von externen Dienstleistungen. Zwar gehen die meisten Fachleute im Moment davon aus, dass die Digitalisierung nicht dazu führen wird, dass sich das Berufsbild des Controllers vollständig verschieben wird. Allerdings sind auch Experten der Ansicht, dass Controller sich durchaus mit dem Risiko auseinandersetzen müssen, „wegrationalisiert“ zu werden. Schon heute können rund 65 % bisher typischer Controllingaufgaben von Maschinen, Computern oder Algorithmen übernommen werden.

„Wer nicht mit der Zeit geht, der geht mit der Zeit“

Thomas Reichmann

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 39.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Vgl. ICV (2014), S. III; Kasselmann (2016), S. 781.

  2. 2.

    Vgl. Egle und Keimer (2018), S. 49.

  3. 3.

    Vgl. Weichel und Hermann (2016), S. 9; Losbichler und Gänßlen (2018), S. 31; Ideenwerkstatt im ICV (2015), S. 104; Koch et al. (2020), S. 38.

  4. 4.

    Vgl. Ströbele (2018), S. 56–60.

  5. 5.

    Vgl. Kleinau (2019), S. 22; Losbichler (2019), S. 13.

  6. 6.

    Vgl. Ropers (2019), S. 12.

  7. 7.

    Gadatsch et al. (2017), S. 72.

  8. 8.

    Biel (2018a), S. 39.

  9. 9.

    Vgl. Gadatsch et al. (2017), S. 72.

  10. 10.

    Von Oppeln-Bronikowski (2018), S. 11.

  11. 11.

    Jähnichen (2015), S. 1, zitiert nach Gadatsch et al. (2017), S. 72.

  12. 12.

    Vgl. Gadatsch et al. (2017), S. 72.

  13. 13.

    Gadatsch et al. (2017), S. 72 f.

  14. 14.

    Vgl. Gadatsch et al. (2017), S. 73.

  15. 15.

    Vgl. Gadatsch et al. (2017), S. 72; Koch et al. (2020), S. 38.

  16. 16.

    Nagel et al. (2014), S. 223.

  17. 17.

    Vgl. Mehanna et al. (2018), S. 40.

  18. 18.

    Vgl. Horváth und Aschenbrücker (2014), S. 55 f.; Baars und Kemper (2015), S. 227.

  19. 19.

    Vgl. Losbichler und Gänßlen (2018), S. 35; Kasselmann (2016), S. 782.

  20. 20.

    Vgl. Schöning und Mendel (2021), S. 59–61.

  21. 21.

    Vgl. Schöning und Mendel (2021), S. 62.

  22. 22.

    Vgl. Sejdic (2020), S. 61; Ebner und Smolnik (2015), S. 249; Koch et al. (2020), S. 39.

  23. 23.

    ICV-Ideenwerkstatt (2018), S. 25; vgl. auch Ulrich und Stier (2020), S. 11; Koch et al. (2020), S. 39.

  24. 24.

    Vgl. Sejdic (2020), S. 66.

  25. 25.

    Schäffer und Brückner (2019), S. 15.

  26. 26.

    Vgl. Horváth et al. (2020), S. 29.

  27. 27.

    Vgl. Kasselmann (2016), S. 781.

  28. 28.

    Vgl. Horváth et al. (2020), S. 469.

  29. 29.

    Vgl. Horváth et al. (2020), S. 469; Kasselmann (2016), S. 781; Egle und Keimer (2018), S. 50 f.

  30. 30.

    Vgl. Kuhr und Derbal (2017), S. 69.

  31. 31.

    Vgl. Alexander et al. (2018), S. 13; Manutiu (2018), S. 6; Biel (2020), S. 81; Isensee und Hüsler (2020), S. 10; Vgl. Hodar und Kuhr (2015), S. 19; Rauschenbach et al. (2019), S. 10.

  32. 32.

    Vgl. Biel (2020), S. 82.

  33. 33.

    Vgl. Losbichler und Gänßlen (2018), S. 32 f.

  34. 34.

    Vgl. Horváth et al. (2020), S. 469.

  35. 35.

    Vgl. Gröber et al. (2018), 53.

  36. 36.

    Vgl. Horváth et al. (2020), S. 470 f.

  37. 37.

    Vgl. Kuhr (2018), S. 28 f.; Kuhr und Derbal (2017), S. 67 f.

  38. 38.

    Vgl. Hodar und Kuhr (2015), S. 15–20.

  39. 39.

    Vgl. Aschenbrücker et al. (2014), S. 37.

  40. 40.

    Vgl. Losbichler und Gänßlen (2018), S. 32.

  41. 41.

    Vgl. Losbichler und Gänßlen (2018), S. 31 f.; Abel und Nevries (2019), S. 79 f.; Mayer und Wiesehahn (2018), S. 32.

  42. 42.

    Vgl. Poschmann und Goldenstein (2018), S. 54.

  43. 43.

    Davenport (2014), S. 29.

  44. 44.

    Vgl. Horváth und Aschenbrücker (2014), S. 53; ICV (2014), S. 20; Ideenwerkstatt im ICV (2015), S. 104; Aschenbrücker et al. (2014), S. 38.

  45. 45.

    Aschenbrücker et al. (2014), S. 38.

  46. 46.

    Vgl. Weiser et al. (2020), S. 86.; Ideenwerkstatt im ICV (2015), S. 104.

  47. 47.

    Poschmann und Goldenstein (2018), S. 54 f.

  48. 48.

    Vgl. Poschmann und Goldenstein (2018), S. 55.

  49. 49.

    Vgl. Christmann-Schwaab (2018), S. 69; Glöckner (2020), S. 62 f.

  50. 50.

    Vgl. Poschmann und Goldenstein (2018), S. 56 f.

  51. 51.

    Vgl. Abel und Nevries (2019), S. 80; Christmann-Schwaab (2018), S. 69 f.; Mayer und Wiesehahn (2018), S. 32.

  52. 52.

    Vgl. Poschmann und Goldenstein (2018), S. 56 f.

  53. 53.

    Vgl. Poschmann und Goldenstein (2018), S. 57.

  54. 54.

    Vgl. Mehanna et al. (2018), S. 40–44.

  55. 55.

    Vgl. Schlatter et al. (2020), S. 58; Friedl (2019b), S. 37; Oehler (2020), S. 26 f.; Snelting (2017), S. 33.

  56. 56.

    Vgl. Portal (2020), S. 70 f.

  57. 57.

    Vgl. Silveira Pereira (2020), S. 65; Losbichler (2020), S. 14.

  58. 58.

    Vgl. Nasca et al. (2019), S. 80.

  59. 59.

    Vgl. Weiser et al. (2020), S. 86; Oehler (2020), S. 27 f.

  60. 60.

    Vgl. Satzger et al. (2018), S. 49–51.

  61. 61.

    Egle und Keimer (2018), S. 50.

  62. 62.

    Vgl. Mayer und Wiesehahn (2018), 32.

  63. 63.

    Vgl. Mehanna et al. (2018), S. 44.

  64. 64.

    Vgl. ICV (2014), S. 21; Aschenbrücker et al. (2014), S. 38.

  65. 65.

    Vgl. Aschenbrücker et al. (2014), S. 38.

  66. 66.

    Vgl. ICV (2014), S. 22; Ideenwerkstatt im ICV (2015), S. 104.

  67. 67.

    Vgl. Willmes et al. (2015), S. 259.

  68. 68.

    Impairments = nicht vorhersehbare Wertminderungen von Vermögenswerten.

  69. 69.

    Vgl. ICV (2014), S. 22; Ideenwerkstatt im ICV (2015), S. 104; Aschenbrücker et al. (2014), S. 39.

  70. 70.

    Vgl. ICV (2014), S. 22.

  71. 71.

    Vgl. ICV (2014), S. 22.

  72. 72.

    Vgl. ICV (2014), S. 22.

  73. 73.

    Vgl. ICV (2014), S. 23.

  74. 74.

    Vgl. Gadatsch et al. (2017), S. 74; ICV (2014), S. 23.

  75. 75.

    Vgl. Weber (2015), S. 22; Koch et al. (2020), S. 38.

  76. 76.

    Vgl. Drerup et al. (2018), S. 14.

  77. 77.

    Weber (2017), S. 71.

  78. 78.

    Gadatsch et al. (2017), S. 74 f.

  79. 79.

    Vgl. Gadatsch et al. (2017), S. 74 f.

  80. 80.

    Vgl. Koch et al. (2020), S. 39.

  81. 81.

    Vgl. Gadatsch et al. (2017), S. 75; Kasselmann (2016), S. 781; Kesten (2019), S. 47.

  82. 82.

    Vgl. Nasca et al. (2018), S. 37 ff.

  83. 83.

    Die International Group of Controlling (IGC) definiert zehn Hauptprozesse im Controlling-Prozessmodell 2.0, die der Vollständigkeit und Allgemeingültigkeit entsprechen. Vgl. Nasca et al. (2019), S. 78.

  84. 84.

    Vgl. Nasca et al. (2019), S. 79.

  85. 85.

    Vgl. Weichel und Hermann (2016), S. 9.

  86. 86.

    Vgl. Schönherr und Wehrum (2020), S. 37; Nasca et al. (2019), S. 80; Dülken et al. (2018), S. 36.

  87. 87.

    Vgl. Weichel und Hermann (2016), S. 10.

  88. 88.

    Vgl. Gräf et al. (2017), S. 60.

  89. 89.

    Vgl. Horváth et al. (2020), S. 473.

  90. 90.

    Vgl. Sejdic (2015), S. 132 f.

  91. 91.

    Vgl. Gadatsch et al. (2017), S. 74.

  92. 92.

    Vgl. Reinsel et al. (2018), S. 5.

  93. 93.

    Rauschenbach et al. (2019), S. 11 f.

  94. 94.

    Vgl. Losbichler und Gänßlen (2018), S. 34 f.; Isensee und Hüsler (2020), S. 10.

  95. 95.

    Vgl. Schönherr und Wehrum (2020), S. 40; Gräf et al. (2017), S. 61.

  96. 96.

    Vgl. Losbichler (2019), S. 13; Nasca et al. (2019), S. 79.

  97. 97.

    Vgl. Kuhr und Derbal (2017), S. 67; Weber (2016), S. 45.

  98. 98.

    Vgl. Gadatsch et al. (2017), S. 74.

  99. 99.

    Biel (2019), S. 28.

  100. 100.

    Vgl. Karras (2020), S. 41–43; Ruf und Schwab (2016), S. 495 f.

  101. 101.

    Vgl. Friedl (2019a), S. 40.

  102. 102.

    Vgl. Grönke und Heimel (2015), S. 243; Willmes et al. (2015), S. 259; Kasselmann (2016), S. 781.

  103. 103.

    Vgl. Bley und Giesel (2020), S. 51.

  104. 104.

    Vgl. Bley und Giesel (2020), S. 45–47; Losbichler (2020), S. 14.

  105. 105.

    Vgl. Sinzig (2015), S. 236; Ruf und Schwab (2016), S. 496.

  106. 106.

    Vgl. Bley und Giesel (2020), S. 47.

  107. 107.

    Vgl. Koch et al. (2020), 54–56.

  108. 108.

    Vgl. Koch et al. (2020), S. 56–59.

Literatur

Bücher

  • Davenport, T. H. (2014). Big Data at Work: Dispelling the Myths, Uncovering the Opportunities. Harvard Business Review Press: Boston.

    Google Scholar 

  • Internationaler Controller Verein ICV (2014). Big Data – Potential für den Controller. Dream Car der Ideenwerkstatt im ICV.

    Google Scholar 

  • Horváth, P./Aschenbrücker, A. (2014). Data Scientist: Konkurrenz oder Katalysator für den Controller. In: Gleich, R./Grönke, K./Kirchmann, M./Leyk, J. (Hrsg.). Controlling und Big Data – Anforderungen, Auswirkungen, Lösungen (S. 47–62). Haufe: Freiburg München.

    Google Scholar 

  • Horváth, P./Gleich, R./Seiter, M. (2020). Controlling. Vahlen: München.

    Google Scholar 

  • Nagel, M./Nagel, M./Nagel, M./Prosch, R. (2014). Reporting-Nutzen mit Little Data und Big Data steigern. In: Klein, A./Gräf, J. (Hrsg.), Reporting und Business Intelligence (S. 209–231). Haufe: München.

    Google Scholar 

  • Nasca, D./Munck, J.-C./Gleich, R. (2018). Controlling-Hauptprozesse: Einfluss der digitalen Transformation. In: Gleich, R./Tschandl, M. (Hrsg.), Digitalisierung & Controlling (S. 73–88). Haufe: München.

    Google Scholar 

  • Schöning, S./Mendel, V. (2021). Kompetenzentwicklung im Controlling. Mit systematischer Personalentwicklung in der Digitalisierung und Globalisierung zum Erfolg. Springer Gabler: Wiesbaden.

    Google Scholar 

  • Von Oppeln-Bronikowski, S. (2018). Begrüßung durch die Direktorin beim Statistischen Bundesamt. In: König, C./Schröder, J./Wiegand, E. (Hrsg.). Big Data – Chancen, Risiken, Entwicklungstendenzen (S. 9–2). Springer VS: Wiesbaden.

    Google Scholar 

Zeitschriftenquellen

  • Abel, S./Nevries, P. (2019). Ist mehr Digitalisierung immer besser? Controlling, 31(4), 79–81.

    Google Scholar 

  • Alexander, S./Haisermann, A./Schabicki, T./Frank, S. (2018). Robotic Process Automation (RPA) im Rechnungswesen und Controlling – welche Chancen ergeben sich? Controlling, 30(3), 11–19.

    Google Scholar 

  • Aschenbrücker, A./Horváth, P./Michel, U./Gänßle, S./Losbichler, H./Grünert, L./Weber, J./Steinke, K.-H./Blachfellner, M. (2014). Big Data – Potential für Controller. Controller Magazin, 39(6), 35–42.

    Google Scholar 

  • Baars, H./Kemper, H.-G. (2015). Integration von Big Data-Komponenten in die Business Intelligence. Controlling, 27(4–5), 222–227.

    Google Scholar 

  • Biel, A. (2018a). Business Analytics – Möglichkeiten für die Unternehmenssteuerung. Controller Magazin, 43(3), 35–39.

    Google Scholar 

  • Biel, A. (2019). Digitalisierung: Müssen sich Controllerinnen und Controller verändern? Controller Magazin, 44(2), 26–30.

    Google Scholar 

  • Biel, A. (2020). Wie beeinflusst die Digitalisierung das Controlling? Interview mit Prof. Dr. Karsten Oehler. Controller Magazin, 45(4), 78–83.

    Google Scholar 

  • Bley, C./Giesel, A. (2020). Einsatz von Big Data und Predictive Analytics in der Unternehmensplanung – Ergebnisse einer Befragungsstudie. Controlling, 32(2), 45–52.

    Google Scholar 

  • Christmann-Schwaab, T. (2018). Heuristiken – Ursache systematischer Entscheidungsfehler. Controlling, 30(3), 69–70.

    Google Scholar 

  • Drerup, D./Suprano, F./Wömpener, A. (2018). Controller 4.0, Anforderungsprofil des Controllers im digitalen Zeitalter. Controlling, 30(Spezialausgabe), 12–19.

    Google Scholar 

  • Dülken, F./Emler, M./Leyk, J./Tatzel (2018). Controlling. Wie sich die Anforderungen verändern. Controller Magazin, 43(2, Supplement), 34–37.

    Google Scholar 

  • Ebner, K./Smolnik, S. (2015). Alles eine Frage der Daten? Eine Analyse verschiedener Big-Data-Technologiestrategien und Vorschlag eines Entscheidungsmodells. Controlling, 27(4–5), 249–255.

    Google Scholar 

  • Egle, U./Keimer, I. (2018). Kompetenzprofil „Digitaler Controller“. Controller Magazin, 43(5), 49–53.

    Google Scholar 

  • Friedl, G. (2019a). Neue Aufgaben im Controlling durch digitale Transformation. Controlling, 31(3), 38–41.

    Google Scholar 

  • Friedl, G. (2019b). Künstliche Intelligenz im Controlling. Controlling, 31(5), 35–38.

    Google Scholar 

  • Gadatsch, A./Krupp, A./Wiesehahn, A. (2017). Smart Controlling – Führungs-unterstützung im digitalen Wandel. Controller Magazin, 42(2), 72–75.

    Google Scholar 

  • Glöckner, A. (2020). Digitale Transformation, Künstliche Intelligenz sowie Robotic Process Automation – und was ist mit dem menschlichen Faktor? Controller Magazin, 45(3), 61–64.

    Google Scholar 

  • Gräf, J./Isensee, J./Schulmeister, A. (2017). Reporting 4.0 – Management Reporting im digitalen Kontext. Controller Magazin, 42(3), 60–62.

    Google Scholar 

  • Gröber, M./Schlecht, L./Esch, M./Gleich, R. (2018). In-Memory-Technologie. 10 Thesen und Experteneinschätzungen zu Nutzenpotentiale und Auswirkungen. Controller Magazin, 43(3), 50–53.

    Google Scholar 

  • Grönke, K./Heimel, J. (2015). Big Data im CFO-Bereich – Kompetenzanforderungen an den Controller. Controlling, 27(4–5), 242–248.

    Google Scholar 

  • Hodar, K./Kuhr, R. (2015). Die Rolle des Controllers in der Digitalisierung – Digital Controlling. Controller Magazin, 27(2), 15–20.

    Google Scholar 

  • Ideenwerkstatt im ICV (2015). Big Data – Potential für den Controller. Controlling, 27(2), 103–106.

    Google Scholar 

  • Isensee, J./Hüsler, L. (2020). Effizienz im Reporting steigern! Mit den richtigen Maßnahmen den Aufwand reduzieren. Controller Magazin, 45(3), 4–18.

    Google Scholar 

  • Jähnichen, S. (2015). Von Big Data zu Smart Data. Smart Data Newsletter, (1), 1.

    Google Scholar 

  • Karras, S. (2020). Einfluss von Heuristiken auf die Gestaltung und Verwendung von Grafiken in Management Reports. Controlling, 32(2), 40–43.

    Google Scholar 

  • Kasselmann, S. (2016). Lexikon: Digital Controlling. Controlling, 28(12), 780–783.

    Google Scholar 

  • Kesten, R. (2019). Digitalisierung im Rechnungswesen und Controlling und die Folgen für die Hochschullehre – Chancen und Herausforderungen. Controller Magazin, 44(6), 44–49.

    Google Scholar 

  • Kleinau, P. (2019). Unternehmenskultur im digitalen Wandel. Controller Magazin, 44(5), 22–24.

    Google Scholar 

  • Koch, S./Form, S./Priebe, D. (2020). Die Budgetierung im Kontext der Digitalisierung. Eine wissenschaftliche Untersuchung zu den Potentialen der Digitalisierung für die Budgetierung. Controlling, 32(4), 54–60.

    Google Scholar 

  • Kuhr, R. (2018). Der Controller als Architekt der Zukunft. Controlling, 30(2), 28–35.

    Google Scholar 

  • Kuhr, R./Derbal, K. (2017). Digital Finance – Der Weg in die automatisierte Finanz-organisation. Controller Magazin, 42(3), 66–70.

    Google Scholar 

  • Losbichler, H. (2019). Digitalisierung und die zukünftigen Aufgaben des Controllers – Rolle, Aufgaben und geforderte Kompetenzen von Controllern heute. In: Controller Magazin Special, (3), 12–18.

    Google Scholar 

  • Losbichler, H. (2020). Künstliche Intelligenz im Controlling – Einsatzmöglichkeiten und Grenzen maschineller Forecasts. Controller Magazin, (3 Supplement), 12–15.

    Google Scholar 

  • Losbichler, H./Gänßlen, S. (2018). Performance Measurement in Zeiten von Big Data – Auswirkungen von Kennzahlen und deren Reporting. Controlling, 30(Spezialausgabe), 31–37.

    Google Scholar 

  • Manutiu, S. (2018). Digitalisierung im Controlling – Mehrwert durch Robotic Process Automation. Controlling, 30(3), 4–9.

    Google Scholar 

  • Mayer, C./Wiesehahn, A. (2018). Controlling im Digitalisierungswahn? – Ein Zwischenruf-. Controller Magazin, 43(5), 29–33.

    Google Scholar 

  • Mehanna, W./Tatzel, J./Vogel, P. (2018). Business Analytics im Controlling. Fünf Anwendungsfelder. In: Controlling, 30(Spezialausgabe), 39–45.

    Google Scholar 

  • Nasca, D./Munck, J.-C./Gleich, R. (2019). Quo Vadis Controlling? Einfluss der Digitalen Transformation auf die Controlling-Hauptprozesse. Controller Magazin, 44(1), 78–80.

    Google Scholar 

  • Oehler, K. (2020). Advanced Analytics im Controlling – Simulation und Maschinelles Lernen. Controller Magazin, 45(2), 26–31.

    Google Scholar 

  • Portal, F. (2020). Wie Automatisierung und maschinelles Lernen die Finanzfunktion neu gestalten. Controller Magazin, 45(2), 69–72.

    Google Scholar 

  • Poschmann, P./Goldenstein, J. (2018). Unsicherheitsabsorption mit Big Data. Controlling & Management Review, (6), 54–57.

    Google Scholar 

  • Rauschenbach, D./Isensee, J./Ostrowicz, S. (2019). RPA im Controlling – Steigerung der Effizienz im Reporting durch Robotic Process Automation. Controller Magazin, 44(5), 8–13.

    Google Scholar 

  • Ropers, J. (2019). Controller or machine: Who will come on top? Controller Magazin, (Special Controlling International, Issue 16), 12–13.

    Google Scholar 

  • Ruf, R./Schwab, W. (2016). Visual Analytics – Vorausschauende Analyse statt klassischem Reporting. Controlling, 28(8–9), 495–501.

    Google Scholar 

  • Satzger, G./Holtmann, C./Peter, S. (2018). Advanced Analytics im Controlling. Potential und Anwendung für Umsatz- und Kostenprognosen. Controlling, 30(Spezialausgabe), 47–53.

    Google Scholar 

  • Schäffer, U./Weber, J. (2018). Digitalisierung ante portas – Die Veränderung des Controllings im Spiegel der dritten WHU-Zukunftsstudie. Controlling, 30(1), 43–48.

    Google Scholar 

  • Schäffer, U./Brückner, L. (2019). Rollenspezifische Kompetenzprofile für das Controlling der Zukunft. Controlling & Management Review, 63(7), 14–30.

    Google Scholar 

  • Schlatter, D./Stoll, C./Möller, K. (2020). Predictive Analytics erfolgreich implementieren. Fallstudienbasierte Ableitung von Erfolgsfaktoren für die Nutzung von Predictive Analytics. Controlling, 32(1), 58–63.

    Google Scholar 

  • Schönherr, M./Wehrum, K. (2020). Reporting im digitalen Wandel – Ansatzpunkte und Herausforderungen. Controller Magazin, 45(3), 37–41.

    Google Scholar 

  • Sejdic, G. (2015). Controlling-Lexikon: Industrie 4.0. Controlling, 27(2), 132–133.

    Google Scholar 

  • Sejdic, G. (2020). Digitale Transformation des Controlling/Finance-Bereichs. Ein Orientierungsrahmen für Controlling/Finance im Kontext der umfassenden Digitalisierung. Controlling, 32(4), 61–67.

    Google Scholar 

  • Silveira Pereira, D. (2020). Machine Learning. Controlling, 32(2), 65–66.

    Google Scholar 

  • Sinzig, W. (2015). In-Memory Technik für Rechnungswesen und Controlling. Controlling, 27(4–5), 236–241.

    Google Scholar 

  • Snelting, H. (2017). Predictive Analytics im B2B-Geschäft. Controller Magazin, 42(5), 33.

    Google Scholar 

  • Ströbele, A. (2018). Outsourcing als Strategie zur Bewältigung der Digitalisierung im Controlling. Controlling, 30(3), 56–61.

    Google Scholar 

  • Ulrich, P./Stier, J. (2020). Veränderungen des Rollenprofils von Controllern in Folge der Digitalisierung – Ergebnisse einer empirischen Erhebung. Controller Magazin, 45(2), 10–15.

    Google Scholar 

  • Weber, J. (2015). Wie bildet man eine Business Partner aus? Controller Magazin, 40(2), 22–23.

    Google Scholar 

  • Weber, J. (2016). Digitalisierung – die nächste Herausforderung für das Controlling. Controller Magazin, 41(6), 44–45.

    Google Scholar 

  • Weber, J. (2017). Controller als Change Agents? Controller Magazin, 42(3), 71.

    Google Scholar 

  • Weichel, P./Hermann, J. (2016). Wie Controller von Big Data profitieren können. Controlling & Management Review, (Sonderheft 1), 8–14.

    Google Scholar 

  • Weiser, M./Feuerriegel, S./Herrmann, T. (2020). Casual Machine Learning. Berücksichtigung von heterogenen Behandlungseffekten in der Entscheidungsunterstützung. Controlling, 32(3), 86–87.

    Google Scholar 

  • Willmes, C./Hess, T./Gschmack, S. (2015). Die Bedeutung von Big Data im Controlling. Eine empirische Studie. Controlling, 27(4–5), 256–262.

    Google Scholar 

Onlinequellen

Download references

Author information

Authors and Affiliations

  1. Dillingen, Deutschland

    Anastasios Georgopoulos

  2. Saarbücken, Deutschland

    Stefan Georg

Authors
  1. Anastasios Georgopoulos
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Stefan Georg
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Anastasios Georgopoulos .

Rights and permissions

Reprints and permissions

Copyright information

© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Georgopoulos, A., Georg, S. (2021). Digitalisierung, Big Data und Controlling. In: Anforderungen an das Controlling. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-34938-7_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-34938-7_3

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-34937-0

  • Online ISBN: 978-3-658-34938-7

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation