"Wenn das Konzerncontrolling seine wichtige Rolle behalten möchte, muss es lernen, mit Algorithmen zu arbeiten."

Controller im Wettbewerb

Konkurrenz belebt das Geschäft. Aus dem angelsächsischen Raum kommt der Trend, eigene Abteilungen mit Data Scientists einzurichten. Ziel der Data Science ist es, verborgenes Wissen aus großen und unstrukturierten Datenmengen mit analytischen Methoden ans Licht zu bringen. Für die Konzernplanung wird das Instrument der Predictive Analytics große Bedeutung erlangen. Predictive Analytics versucht durch die Analyse vergangener Daten evtl. unter Zuhilfenahme von externen Datenbeständen, Regelmäßigkeiten zu erkennen und dadurch zukünftige Entwicklungen vorherzusagen.[1] In vielen Unternehmen wird diese Aufgabe in eigene Abteilungen verlegt, da insbesondere informatische Kompetenz notwendig ist.

Dem Controlling erwächst so eine Konkurrenz, die ebenfalls personelle und finanzielle Ressourcen erfordert. Sehr viel entscheidender ist allerdings, welche Rolle Data Science für die Konzernsteuerung spielen kann. War bisher die Expertise des Konzerncontrollings z. B. eine wichtige Quelle zur Plausibilisierung des Konzernplans, werden analytische, von IT-Systemen generierte Prognosen immer bedeutender werden und zu einer ernstzunehmenden Alternative für menschliche Einschätzungen.

Algorithmen als Alternative?

Controller müssen beachten, dass mit den automatisch gewonnenen Vorhersagen, implizit die Planungen beeinflusst werden. Bisher wurden die Prognosen vom Controlling erstellt, jetzt werden sie maschinell erzeugt. Die Aussagen werden dabei durch die Algorithmen vorgegeben. Die Chancen einer solchen Entwicklung liegen auf der Hand: Es können verlässlichere prognostische Aussagen in kürzerer Zeit gemacht werden. Das Risiko ist aber ebenso evident. Werden Planungsannahmen rein mechanisch abgeleitet, so droht ihnen der notwendige Bezug zum Geschäft zu fehlen. Controller sichern nicht nur ihre eigene Position im Kampf um Ressourcen, sondern sorgen auch für den gebotenen Tiefgang bei der Planung, wenn sie die notwendigen mathematisch-statistischen Kompetenzen erwerben, um bei der Erstellung von Algorithmen mitzureden.

Ein unkritischer Einsatz von Methoden der Data Analytics kann zu Fehlentscheidungen führen. Die langjährigen Erfahrungen des Controllings als Rationalitätssicherungsfunktion des Managements dürfen nicht verloren gehen, nur weil es vermeintlich bessere automatisierte Methoden gibt. Auch diese Methoden brauchen einen qualitativen Input, um aussagekräftig sein zu können. Konzerncontroller sind prädestiniert dazu diesen Input auf Konzernebene zu leisten. Sie müssen die Rolle aber annehmen und sich auf den steinigen Weg machen, Data Analytics zu lernen.

Die steigende Bedeutung von Data Analytics führt potenziell zu Veränderungen in vielen Prozessen. Bedeutend für die Zukunft des Controllings ist, dass die Kompetenzen erworben werden, die notwendig sind, sich mit den neuen Methoden auseinanderzusetzen und bei deren Anwendung Einfluss zu nehmen. Dies hat auch Auswirkungen auf die Organisation, Data Science Kompetenzen müssen explizit in der Controlling-Organisation verankert werden, auch dann, oder gerade, wenn sich starke Data Science Abteilungen in den Konzernen etablieren.

[1] Vgl. Buschbacher, 2016, S. 42 f.

Das ist nur ein Ausschnitt aus dem Produkt Controlling Office. Sie wollen mehr?


Meistgelesene beiträge