Suche
28.12.2022 | Günter Lubos

Künstliche Intelligenz (KI) im Controlling forcieren

KI im Controlling ist ein Thema, das zunehmend an Bedeutung gewinnt. Wie bei vielen innovativen Instrumenten und Anwendungen hat auch dieses Tool eine „Anlaufkurve“, bis es beginnt, sich zu etablieren. Jedes Unternehmen wird die Schwerpunkte so setzen, dass der größtmögliche Nutzen für das Unternehmen und das Controlling entsteht. Dies wird allerdings nur dann gelingen, wenn es einen systematischen Roll-out Plan für die Einführung und gezielte Anwendung gibt.

Künstliche Intelligenz

Quelle: sdecoret

KI im Controlling ist ein Thema, das zunehmend an Bedeutung gewinnt. Wie bei vielen innovativen Instrumenten und Anwendungen hat auch dieses Tool eine „Anlaufkurve“, bis es beginnt, sich zu etablieren. Jedes Unternehmen wird die Schwerpunkte so setzen, dass der größtmögliche Nutzen für das Unternehmen und das Controlling entsteht. Dies wird allerdings nur dann gelingen, wenn es einen systematischen Roll-out Plan für die Einführung und gezielte Anwendung gibt.

Roll-out Plan für die richtigen Schritte

Wesensmerkmal eines zielführenden Roll-out Plans ist es, inhaltliche Arbeitsschritte mit Verantwortlichkeiten und Terminen zu verknüpfen. Inhaltlich sollte dieser folgende Themen abbilden:

  • Festlegung der relevanten KI-Ziele für das Controlling als Orientierungsrahmen
  • Festlegung der „KI-Verantwortung“ im Controlling sowohl für das Projekt als auch die dauerhafte Verantwortung
  • Festlegung, welche Instrumente und Prozesse bis wann mit KI-Lösungen auszustatten sind
  • Festlegung der Arbeitsschritte zur Herstellung der KI-Reife in den Prozessen und Datenstrukturen
  • Auswahl notwendiger Instrumente und KI-Lösungen im IT-Bereich
  • Start der Aktivitäten einschließlich Prioritäten und personeller Ressourcenplanung

Am Anfang eines Implementierungsprozesses steht eine grundsätzliche Festlegung der Ziele, die mittels KI angestrebt werden. Dazu können mehr Effizienz durch weniger repetitive Tätigkeiten, eine Reduzierung der Fehlerwahrscheinlichkeit im Output des Controllings, geringere personelle Abhängigkeiten, eine schnellere Bereitstellung von Informationen, eine höhere Entscheidungsqualität oder eine bessere Analytik stehen. Neben den Inhalten und dem unternehmensindividuellen Terminplan ist auch entscheidend, wer die Einführung und Weiterentwicklung von KI verantwortet. 
 

Wer soll KI im Controlling vorantreiben?

KI im Controlling ist kein „IT-Instrument“, sondern es bedarf umfassender und anwendungsbezogener Con­trolling-Lösungen. Die Initiative zur Einführung der Lösungen sollte also nicht aus der IT-Abteilung des Unternehmens kommen, vielmehr sollte das Controlling der Initiator sein. 

Um erfolgreich zu sein, bedarf es dabei einer Know-how Kombination. Diese bildet einerseits Controlling-Inhalte ab und trägt andererseits den IT-Anforderungen Rechnung. Gerade wenn es darum geht, übergreifende Prozesse in KI-Anwendungen abzubilden, ist es erforderlich, dies im Rahmen eines umfassenden Controlling-Projektes zu realisieren. In diesem Fall sind die Controlling-Prozesse mit den Prozessen anderer Funktionsbereiche, wie z. B. der Absatzplanung des Vertriebs oder der Kapazitätsplanung der Produktion zu verknüpfen. Dies erfordert zwangsläufig die Integration dieser Bereiche in ein KI-Projekt des Controllings. Die inhaltliche Führung sollte in diesem Fall im Controlling angesiedelt sein.

Die richtigen Prozesse mittels KI digitalisieren

Ein wesentlicher Ansatzpunkt für KI sind also die Controlling-Prozesse des Unternehmens. Diese sind in unterschiedlicher Art und Weise für KI geeignet (Abb. 1).

Betrachtet man die Controlling-Wertschöpfung „der Reihe nach“, so bildet die Planung den Anfang für mögliche KI-Lösungen. Aber auch in allen anderen Wertschöpfungsstufen des Controllings gibt es Ansatzpunkte für KI, z. B, dort, wo größere Datenbestände auszuwerten und zu strukturieren sind. Managemententscheidungen selbst oder abzuleitende Maßnahmen werden vorerst noch dem Menschen vorbehalten bleiben. Eine KI-Einführung sollte sich auf die Prozesse konzentrieren, die im Sinne der vorgegebenen Ziele den größten Nutzen für das Unternehmen erwarten lassen. Neben der Planung gibt es in der Prozesslandschaft auch Rückkoppelungen. So ist der innerjährliche Forecast auch eine Art Planung. Er ergibt sich als Konsequenz des Analysierens der Plan-Ist-Abweichungen und setzt sozusagen den Con­trolling-Prozess vom Beginn an wieder in Gang. 
 

Wann ist der richtige Zeitpunkt, um eine KI-Einführung zu starten?

Stellt man die Frage, wann der optimale Zeitpunkt für eine KI-Einführung ist, so hört man eine Vielzahl von Gründen, wann es nicht geht. Zum Jahresende sind die Controlling-Abteilungen mit Planungen beschäftigt, zu Beginn des Jahres werden die Kapazitäten für die Mitarbeit an der Erstellung des Jahresabschlusses benötigt. Hinzu kommt, dass zu bestimmten Zeiten zusätzlich die Kapazitäten anderer Bereiche wie Vertrieb, Produktion oder IT erforderlich sind und u. U. nicht zur Verfügung stehen. Ein KI-Projekt des Controllings bedarf daher einer systematischen Planung und vor allem eines inhaltlichen Umfangs, der sich auch bewältigen lässt. Auch Bereiche außerhalb des Controllings, die Zulieferarbeit leisten müssen, müssen deshalb vom Nutzen überzeugt werden. 

Eine zielorientierte KI-Implementierung erfordert es, die Schritte der Einführung so zu wählen, dass sich das Projekt auch bewältigen lässt. Es ist sinnvoll, überschaubare Teilprozesse mit Leuchtturmcharakter anzugehen und zum Beispiel nach einer abgeschlossenen Planung die dafür anstehenden Forecasts verstärkt mit KI-Unterstützung zu realisieren. 

In vielen Unternehmen erweist sich die Planung als große Herausforderung. Derzeit schlagen z. B. Unsicherheiten bei der Materialverfügbarkeit auf die Absatzplanung und damit die erwarteten Erlöse durch. Preissteigerungen infolge knapper Vormaterialien erhöhen die Herstellkosten und führen bei fehlender Möglichkeit zur Weitergabe an Kunden zu einer Reduzierung der Deckungsbeiträge und damit des EBIT. Diese Planungsunsicherheit gilt es für das Controlling zu managen. Da die Planung 2022 bereits erfolgt ist, kommen nun vor allem den Forecasts eine besondere Bedeutung zu.

Forecasts für 2022 mittels KI verbessern 

In einem volatilen Umfeld gewinnen Forecasts, die sich als „Planungen mit reduziertem Umfang“ beschreiben lassen, zwangsläufig an Bedeutung. Das Controlling betreibt nicht den Aufwand wie bei der Jahresplanung, muss jedoch die wesentlichen Ergebnistreiber erkennen und abbilden. Anpassungen im Rahmen des Forecasts werden dann erforderlich, wenn ursprüngliche Planungsprämissen ihre Gültigkeit verlieren und durch neue zu ersetzen sind. Daraus wiederum resultiert eine Anpassung der quantitativen Planerwartung (Abb.2).

Vor allem im Bereich der Absatzerwartung greifen im Zuge des Forecasts Änderungen. Sie beeinflussen in erster Linie die Mengenbasis einer Planung. Aufgrund der daraus resultierenden Zusammenhänge mit den Fertigungsmengen, schlagen diese Änderungen auf die Materialplanung und die Fertigungsplanung und die damit benötigten Fertigungskapazitäten durch. Die Fixkosten des Unternehmens werden hingegen – zumindest kurzfristig – wenig oder gar nicht von den Absatzerwartungen aus einem Forecast tangiert.

Die Durchführung des Forecasts beim Absatz- und Umsatz erfordert im Idealfall eine Kombination der Prognose von Kunden und benötigten Produkten, die in einer Planung vom Vertrieb getroffen werden muss. Die Jahresplanung beginnt daher mit den zeitintensiven Aktivitäten zur Ermittlung einer möglichst realistischen Umsatzgröße. Von dieser hängen wiederum alle anderen Planungen mehr oder minder stark ab. Signifikante und ergebnisrelevante Abweichungen entstehen in der Realität als erstes meist bei diesem Planungsbaustein. Ist die Umsatzplanung mit vergleichsweise großem Zeitvorlauf oft schon der Engpass der Planung, so wird dies bei zeitlich eng getakteten Forecasts umso schwieriger. Dies gilt besonders im Falle eines numerisch großen Produkt- und Kundenportfolios. Je mehr Einzelkunden und Einzelartikel prognostiziert werden müssen, desto höher wird der Aufwand und desto unsicherer das Ergebnis.

Dieser Herausforderung wird meist mittels der 80:20 Methode im Rahmen einer „ABC und XYZ“ Betrachtung begegnet. Bestimmte Kunden-Produkt-Kombinationen 
(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 Aussagekraft an Grenzen stößt. So ist einerseits bereits die Prognosequalität betreffend 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.

Günter Lubos
„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.“

Voraussetzungen und Rahmen­bedingungen für KI im Controlling 

Vor allem die Qualität der Datenstrukturen und der Datenbasis beeinflusst 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 Beschaffungsvolumen der Kunden und dem eigenen Lieferantenanteil verknüpft. Eine derartig verbreiterte Datenbasis erleichtert die Prognose der Absatz- und Umsatzerwartung deutlich. Sie setzt allerdings voraus, dass diese Daten auch vom Vertrieb beschafft und im CRM-System hinterlegt wurden. Erst dann lässt sich durch die Kombination verschiedener Datenstämme mittels entsprechender Algorithmen ein entsprechender Forecast ableiten. Um KI-basierte Forecasts auf den Weg 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 Zukunft 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 vo  n 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 Treffergenauigkeit von Forecasts zu verbessern. Eine qualifizierte und für KI-nutzbare Datenbasis ist Grundvoraussetzung für die eigentliche KI-Anwendung. 
 

Empfohlene Anbieter zu diesem Thema

Premium
Anbieter

SWOT Controlling GmbH

Beteiligungscontrolling, Dashboarding, Finanz- und Liquiditätsplanung, Forecasting, Integrierte Finanzplanung, Investitionscontrolling, Konsolidierung/Konzernreporting, Kostenstellenrechnung, Kostenträgerrechnung/Kalkulation, Management Reporting, Personalcontrolling, Self-Service Reporting, Strategische Planung, Szenarioanalyse/Simulation, Unternehmensplanung, Vertriebscontrolling, Predictive Planning

Premium
Anbieter

CoPlanner

Analytics, Beteiligungscontrolling, Dashboarding, Data Mining, ESG-Reporting, Finanz- und Liquiditätsplanung, Forecasting, Integrierte Finanzplanung, Investitionscontrolling, Konsolidierung/Konzernreporting, Kostenstellenrechnung, Kostenträgerrechnung/Kalkulation, Management Reporting, Objectives & Key Results (OKR), Personalcontrolling, Predictive Analytics, Predictive Planning, Produktionscontrolling, Projektcontrolling, Risikomanagement, Self-Service Reporting, Strategische Planung, Szenarioanalyse/Simulation, Unternehmensplanung, Vertriebscontrolling

Premium
Anbieter

Jedox GmbH

Analytics, Corporate Performance Management, Dashboarding, ESG-Reporting, Finanz- und Liquiditätsplanung, Forecasting, Integrierte Finanzplanung, Konsolidierung/Konzernreporting, Management Reporting, Personalcontrolling, Predictive Analytics, Predictive Planning, Produktionscontrolling, Self-Service Reporting, Strategische Planung, Szenarioanalyse/Simulation, Unternehmensplanung, Vertriebscontrolling