Excel – das Vertraute
Excel ist für viele Controller der Ausgangspunkt – und das völlig zu Recht. Es ist bekannt, niederschwellig, überall vorhanden und sofort einsatzbereit. Mit Power Query, Pivot-Tabellen und Formeln lassen sich viele klassische Aufgaben im Controlling effizient umsetzen, von der Budgetplanung bis zur Abweichungsanalyse. Wer Excel beherrscht, kann schnell Prototypen erstellen, visualisieren und präsentieren.
Doch genau darin liegt auch die Gefahr: Viele Controller verharren zu lange in Excel, obwohl die Fragestellungen längst komplexer geworden sind. Die Grenzen von Excel – insbesondere bei großen Datenmengen, Automatisierung, Versionierbarkeit und Reproduzierbarkeit – machen sich oft schleichend bemerkbar. Nicht selten entstehen Makros oder «Monsterformeln», die nur noch von der ursprünglichen Erstellerin verstanden werden – wenn überhaupt. So wird Excel zur Blackbox, anstatt Transparenz zu schaffen.
KNIME – der Brückenschlag für Visual-Denker
KNIME bietet eine attraktive Zwischenlösung: Es verbindet die visuelle Klarheit von Excel mit der analytischen Tiefe von Python, ohne dass eine Zeile Code geschrieben werden muss. Controller können Daten importieren, bereinigen, analysieren und sogar Machine-Learning-Modelle aufbauen, indem sie einfach Bausteine per Drag-and-Drop zusammenfügen. Der Workflow bleibt nachvollziehbar, dokumentiert und automatisierbar.
Der Vorteil: Auch ohne Programmierung entsteht strukturierte, wiederholbare Analysearbeit. Der Nachteil: KNIME ist kein Alleskönner. Bei sehr individuellen Anforderungen oder dynamischer Modelllogik wird es schnell unübersichtlich oder stößt funktional an Grenzen. Zudem braucht es methodisches Verständnis: wer nicht weiß, was ein Random Forest ist, wird auch mit einem vorgefertigten Node keine gute Klassifikation bauen.
Python in Jupyter Notebooks – das universelle Tool für Datenarbeit
Python ist mächtig, flexibel und offen – und in Verbindung mit Jupyter Notebooks auch didaktisch unschlagbar. Hier lernen Controller, wie man Daten sauber strukturiert, Modelle systematisch aufbaut, Ergebnisse visuell darstellt und den gesamten Analyseprozess dokumentiert. Wer in Python denkt, denkt in Prozessen, Abhängigkeiten und Abstraktionen und versteht dadurch Datenstrukturen grundlegend. Das macht Python nicht nur zum Werkzeug, sondern zur Schule des analytischen Denkens.
Natürlich ist der Einstieg anspruchsvoller. Es braucht Einarbeitung in Syntax, Debugging und Bibliotheken. Doch genau hier entfalten moderne Helfer wie LLMs (zum Beispiel Google Gemini) ihre Stärke: Sie fungieren als Programmier-Coach, Ideengeber und Debugging-Partner in einem. Wer klar formulieren kann, was er erreichen will, bekommt den passenden Python-Code komplett mit Erklärungen und Kommentaren. So wird Programmieren plötzlich auch für Einsteiger ohne Informatik-Hintergrund zugänglich.
Der große Vorteil von Python liegt in seiner Offenheit: Alles ist möglich, vom einfachen Forecast bis zur KI-gestützten Szenarioplanung. Der Nachteil: Ohne Struktur und Disziplin kann man sich schnell verlaufen. Auch hier gilt: Wer Konzepte nicht versteht, kann sie auch nicht sauber umsetzen – egal, ob mit oder ohne Code.
Warum dieses Buch auf Excel, Python und KNIME setzt
In diesem Buch konzentrieren wir uns bewusst auf Excel, Python in Verbindung mit Jupyter Notebooks und KNIME. Sie bieten zusammen den besten Mix aus Zugänglichkeit, Lernwert und Umsetzbarkeit. Alle Konzepte – von der Datenaufbereitung über das Forecasting bis zur Visualisierung – lassen sich mit diesen drei Werkzeugen praxisnah zeigen, ausprobieren und verstehen.
Besonders wichtig: Wer die Grundprinzipien in Python verinnerlicht hat – etwa wie ein DataFrame funktioniert oder ein Modell evaluiert wird –, kann dieses Wissen ohne Mühe auf R, Power BI oder sogar SAC übertragen. Das Denken ist entscheidender als das Tool.
Die wichtigste Empfehlung lautet daher: Nicht festlegen, sondern verstehen lernen. Tools kommen und gehen. Was bleibt, ist das Verständnis für Daten, Modelle und Prozesse.
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.
