Die Werkzeugwahl im Controlling
Die Zeiten, in denen Excel als Allzweckwaffe genügte, sind vorbei. Heute stehen uns zahlreiche Tools zur Verfügung, um Daten zu analysieren, Zusammenhänge zu erkennen und Entscheidungen vorzubereiten: von der vertrauten Tabellenkalkulation über visuelle Workflow-Tools bis hin zu Programmiersprachen für anspruchsvolle Analysen. Jedes dieser Werkzeuge hat seine Stärken – und seine Grenzen. Auch die KI mit den großen Sprachmodellen ist keine Allzweckwaffe: es gibt viele Dinge, die sie sehr gut können, aber auch Dinge, in denen sie gar nicht gut sind.
Doch wie behält man den Überblick? Wann ist Excel ausreichend, wann lohnt sich der Einsatz einer Programmiersprache wie Python? Ist KNIME eine Alternative für Nicht-Programmierer? Und was bringt Power BI über schöne Diagramme hinaus?
Dieses Kapitel gibt Orientierung. Es zeigt, welche Werkzeuge sich für welche Aufgaben im Controlling eignen, wie sie sich ergänzen und wie Controller damit Schritt für Schritt analytischer arbeiten können, ohne gleich zum Data Scientist werden zu müssen. Denn wie beim Handwerker gilt auch hier: Ein guter Werkzeugkasten ist Gold wert – wenn man weiß, zu welchem Werkzeug man greifen muss.
Vergleich und Anwendungsfelder
Die Rolle bestimmt die Werkzeugauswahl
Controller stehen heute vor einer schier unüberschaubaren Vielfalt an digitalen Werkzeugen. Controlling-nahe Tools wie Excel und Power BI, aber auch IT-lastige wie Python oder KNIME, jedes Tool verspricht Effizienz, Automatisierung oder tiefere Einblicke. Und dann gibt es noch reine IT-Tools wie git für Versionsverwaltung oder die Möglichkeit, mit der komplexen Programmiersprache Java Machine Learning zu betreiben. Doch welches Tool ist für welche Aufgabe wirklich geeignet? Und wo liegen die jeweiligen Stärken, Grenzen und typischen Einsatzbereiche?
Das kommt wesentlich auf die Rolle im Controlling an, die Sie ausfüllen möchten. So wie ein Handwerker das richtige Werkzeug passend zur Lösung auswählt, sollten wir auch im Controlling vom Problem ausgehen, welches wir lösen wollen. Wo weichen Ist-Zahlen vom Plan ab? Welche Kostenstellen entwickeln sich auffällig? Wie können wir verlässlich forecasten? Jede dieser Fragen stellt andere Anforderungen an Datenverfügbarkeit, Rechenlogik, Visualisierung oder Automatisierung.
LLMs als Werkzeuge zweiter Ordnung
In letzter Zeit drängen auch Large Language Models (LLM) zunehmend in die Tool-Landschaft vor, obwohl sie keine klassischen Analysetools sind. Sie schreiben Python-Code, erklären DAX-Formeln oder erstellen aus Stichpunkten ganze Präsentationen. Aber: LLMs sind eher Werkzeuge zweiter Ordnung, denn sie ersetzen keine Analyse, sondern unterstützen sie. An dieser Stelle konzentrieren wir uns auf die Tools, die die eigentliche Analyse leisten.
Hinweis
Der Text ist ein Auszug aus dem Buch „ Künstliche Intelligenz und Data Science im Controlling verstehen und anwenden" von Florian Bliefert, erschienen 2026 bei VCW.
