48. Congress der Controller: Fachbeiträge für Einblicke in die Praxis

In 48 Stunden zur ersten Business-Intelligence-Anwendung: zwissTEX, der schwäbische Hersteller von Hightech-Textilien, hat das geschafft. Mithilfe der Bissantz ERP Solutions für SAP-Daten ist eine umfassende KPI-Landschaft zur Steuerung der Unternehmensfinanzen entstanden – und eine integrierte Planung.

zwissTEX war auf der Suche nach einer Software-Lösung, die die Daten aus SAP-Modulen wie SD, FI, MM und PP in ein effizientes Reporting überführt. Die Lösung sollte schnell und mit wenig Aufwand die finanz- und betriebswirtschaftlichen Ziele mit aussagekräftigen KPI abbilden und die Zielerreichung messen.

Im Vertrauen auf das Leistungsversprechen von Bissantz machte die Vorstandsvorsitzende und CFO Dr. Ulrike Neubauer das Projekt zur Chefsache: „SAP-Landschaften können sperrig sein. Ich war skeptisch, ob man darauf wirklich so schnell etwas aufsetzen kann – aber Bissantz hat das Versprechen gehalten.“ Dreh- und Angelpunkt der Lösung sind die Bissantz ERP Solutions, ein Werkzeug zur automatisierten Erstellung von fertig paketierten Business-Intelligence-Systemen. Die erste Reporting-Anwendung lieferte Bissantz damit in nur zwei Tagen.

In rascher Folge entstanden analytische Anwendungen für die Bereiche Logistik, Vertrieb und Finanzen: von Lagerbeständen und Reichweiten über Produktgruppen und Stücklisten bis hin zu Deckungsbeiträgen und Profitabilitätsrechnung. Nach nur sechs Monaten hatte die gewünschte KPI-Landschaft konkrete Form angenommen – und ist mit der Bissantz DeltaApp auch mobil zu nutzen, auf dem Smartphone.

Über Bissantz & Company

Bissantz & Company versteht sich als Think Tank für die Anwendung Künstlicher Intelligenz (KI) im Management. Das Unternehmen wurde 1996 gegründet und ist bis heute inhabergeführt und eigenfinanziert – ein echtes Familienunternehmen im deutschsprachigen Business-Intelligence-Markt. Mit einer eigenen Grundlagenforschung wird die Software wissenschaftlich fundiert und interdisziplinär weiterentwickelt. Wir verbinden Erkenntnisse aus Betriebswirtschaft, Informatik, Neurobiologie, Psychologie, Statistik und Künstlicher Intelligenz. Unsere Innovationen sind patentiert und haben zahlreiche Preise gewonnen, darunter den Innovationspreis der Gesellschaft für Informatik (GI) und den UX Design Award des Internationalen Design-Zentrums Berlin (IDZ).

Zur Unternehmensseite

"Wichtig war uns im Projektverlauf, dass der Endanwender die Automatisierung und Logik erhält, die er benötigt, damit er seine Planung möglichst komfortabel durchführen kann"
Merle Schmidt-Brunn, 
Senior Director Financial Analytics
Hapag-Lloyd AG

Das Unternehmen Hapag-Lloyd AG

Hapag-Lloyd ist mit einem EBIT in Höhe von 1,315 Mrd. EUR (2020) eine der größten Linienreedereien der Welt. Das Unternehmen hat dabei einen klaren Anspruch an sich: „Number one for quality“. Dieser Anspruch spiegelt sich auch im Bestreben einer akkuraten Planung des weltweiten Geschäftes wider. Hapag-Lloyd gehört in den Fahrtgebieten Transatlantik, Mittlerer Osten, Lateinamerika sowie Intra-Amerika zu den führenden Anbietern und zeichnet sich durch eine der weltweit größten und modernsten Kühlcontainerflotten aus. Mittels einer treiberbasierten, integrierten und weltweit verteilten Unternehmensplanung will Hapag-Lloyd am strategischen Ziel der hohen Zuverlässigkeit und Qualität festhalten und sich kontinuierlich weiterentwickeln.

KEY FACTS
Branche: Transport & Logistik
Standorte: 418 Büros in 137 Ländern mit Hauptsitz in Hamburg
Mitarbeitende: Rund 13.900 weltweit
Software: Board
Vorteile & Nutzen: Durchgängige Lösung im Unternehmen | Standardisierung von Prozessen | Höhere Datentransparenz | Bessere Kontrolle über Daten | Eine einzige Umgebung für die Planung | Bessere und detalliertere operative Planung | Höhere Anwenderfreundlichkeit.

Die Herausforderungen des Projekts

Die Herausforderung der integrierten Unternehmensplanung bei Hapag-Lloyd besteht auch heute noch in den eng miteinander verzahnten Teilplanungen im Konzern. Angefangen von der Allokation der Schiffskapazitäten über die Planung der weltweiten Vertriebsabsatz-Volumina und die damit verbundenen direkten Kosten der Container bis hin zu den allgemeinen Kosten sind die einzelnen Planungsschritte sehr abstimmungsintensiv und verzahnt. Die vorhandene Lösung in Excel und anderen Tools führte daher in der Vergangenheit zu vielen manuellen und zeitintensiven Aufwänden und einer hohen Fehleranfälligkeit. Änderungen von Annahmen und Anpassungen der Planung konnten lediglich auf aggregierten Ebenen durchgeführt werden. Eine besondere Herausforderung im Projekt sind die direkten Container-bezogenen Kosten (Cargo Related Cost, CRC), insbesondere für die Terminal- und Transportkosten. In dieser Planung werden die Kosten auf jedem einzelnen Datenpunkt einer Reise geplant. Ausgangspunkt ist die vorgeschaltete Volumenplanung mit einem Transportvolumen von 12,0 Millionen TEU (Standardcontainer) im Jahr sowie 121 Liniendienste, die weltweit für schnelle und zuverlässige Verbindungen zwischen mehr als 600 Häfen auf allen Kontinenten sorgen. Diese Teilplanung erzeugt durch die große Kombinationslogik eine hohe Menge an Datenpunkten mit hoher Komplexität und wurde daher in der Vergangenheit lokal und regional mittels Standardkosten individuell geplant. Mit dem bisherigen Ansatz war es aber weltweit nicht möglich, eine bessere Transparenz in die Entstehung und Steuerung der Kosten zu erhalten, da anfallende Kosten nicht direkt den Volumina und den regionalen Kostentreibern zuzuordnen waren.

"Am Ende ist es unser Ziel, einen Prozess zu entwickeln, bei dem alle Teilplanungen so abgebildet werden, wie sie auch vom Planer selbst durchgeführt werden. Die Überleitung sollte dann das Tool übernehmen.“
Merle Schmidt-Brunn
Senior Director Financial Analytics
Hapag-Lloyd AG

Die Umsetzung des Projekts

Die Zielsetzung von Hapag-Lloyd war es, eine effiziente Lösung für die Unternehmensplanung aufzusetzen, die insbesondere die operativen Teilplanungen integriert und den Planungsprozess beschleunigt. Dabei sollten zudem Mitarbeiter entlastet sowie die Automatisierung und Flexibilität erhöht werden. Besonders wichtig war Hapag-Lloyd, dass die neue Lösung durch eine hohe Nutzerfreundlichkeit überzeugt und die Gestaltung der Planungsmasken im Look&Feel von Hapag-Lloyd gestaltet werden können, um ein möglichst hohes Buy-In der Mitarbeiter zu erreichen.

Nach einer Anbietersichtung & -auswahl inkl. der Durchführung eines Proof of Concepts entschied Hapag-Lloyd sich am Ende für die Planungsplattform Board und celver als Partner für die Realisierung der Lösung. „Unser Fokus lag auf der operativen Planung. Die meisten Tools am Markt fokussieren sich hingegen nur auf die Planung der Finanzpakete. Unsere Wahl auf Board und die Experten von celver als Implementierungspartner fiel nicht zuletzt auch wegen der vorhandenen guten Zusammenarbeit im Rahmen von analytischen Projekten mit Qlik“, sagte Merle Schmidt-Brunn.

In den darauffolgenden Wochen wurde der Planungsprozess in Workshops analysiert und der zukünftige Planungsprozess definiert. Die Lösung von Hapag-Lloyd besteht mittlerweile aus einer ganzheitlichen Kapazitäts-, Sales- und Kostenplanung mit rund 450 Anwendern. Die jährliche BudgetPlanung, welche in einen strategischen Fünfjahresplan mündet, dient als Basis für weitere Updates im Rahmen der drei- bis viermal pro Jahr durchgeführten Forecasts. Die einzelnen Planungsschritte sind durch einen Workflow miteinander verbunden und durch Teilplanintegration miteinander verknüpft. Durch diese Integration und die dahinterliegende Rechenlogik sowie die Einbindung von historischen Daten können die Planer in der Regel auf Vorschlagswerte im Rahmen ihrer Planeingaben setzen. Ein wichtiger Bestandteil im Projektverlauf war demnach auch die Datenanbindung und -vorbereitung. Hier mussten diverse Vorsysteme mit unterschiedlichem Detaillierungsniveau zuerst harmonisiert und zusammengeführt werden, um schlussendlich eine detaillierte Planungslösung inkl. der benötigten Ist-Daten zu erhalten. Im Projektverlauf zeigte sich einmal mehr, dass ein agiles Vorgehen, Retrospektiven und gute Zusammenarbeit bei komplexen Themenstellungen deutliche Vorteile bringen.

Die neue Planung der Cargo Related Costs (CRC), die in der integrierten Unternehmensplanung einen besonderen Platz einnimmt, nutzt als Input die weltweit geplanten Containervolumina und ihre Verteilung auf den Routen. Die Modellierung dieser Netzwerkplanung ermöglicht es Hapag-Lloyd, über verschiedenste Parameter die Kosten anzupassen und zu simulieren und so globale oder lokale Effekte auf den Routen und in den Häfen planerisch zu bestimmen.

Der Nutzen

Das Ziel, die Prozesse zu standardisieren und eine „One-system-for-planning“- Umgebung zu erstellen, wurde im Projekt erreicht. Damit konnte eine jederzeitige weltweite Datentransparenz (Single-Point-of-Truth) und Kontrolle über die Daten sichergestellt werden. Dem Ziel einer weltweiten Planungsverkürzung um zwei Wochen ist man im Projekt schon nähergekommen, aber auch hier sind noch weitere Ausbaustufen und Verfeinerungen im Planungsablauf nötig, um „Pace & Perfection“ zu erreichen. Die neue Planungsumgebung mit ihrem Fokus auf operative Planung hat auch einen direkten Einfluss auf die Endanwender über die eigentliche Planung hinaus. Da die operative Logik und vor allem die Detaillierung der Daten nahe am täglichen Geschäft der Planer ist, werden mittels Plan/Ist-Vergleichen die Informationen auch zur operativen Steuerung genutzt.

In einer zunehmend volatilen und unvorhersehbaren Geschäftswelt stehen Unternehmen vor der Herausforderung, schnell und flexibel auf Veränderungen reagieren zu können. Der Schlüssel liegt dabei in der Fähigkeit, präzise und zeitnahe Informationen zu gewinnen, die fundierte Entscheidungen ermöglichen. Ad-hoc-Reporting ist dabei ein unverzichtbares Instrument des Controllings. Es ermöglicht die Erstellung maßgeschneiderter Abfragen für spezielle Fragestellungen und ist besonders wertvoll, um effektiv auf kurzfristige Anfragen von Management, Stakeholdern oder regulatorischen Instanzen zu antworten. 

GRUNDLAGEN DES AD-HOC-REPORTINGS

Ad-hoc-Reporting spielt eine zentrale Rolle im modernen Controlling. Es ermöglicht Unternehmen, flexibel und schnell auf individuelle Informationsbedürfnisse zu reagieren. Im Gegensatz zu standardisierten Berichten bietet Ad-hoc-Reporting maßgeschneiderte Analysen für unvorhergesehene oder spezifische Anfragen und unterstützt eine datengestützte Entscheidungsfindung. 

HERAUSFORDERUNGEN IM AD-HOC-REPORTING

Die Durchführung von Ad-hoc-Reporting kann jedoch auch Herausforderungen mit sich bringen: 

• Zeitintensive Datenerhebung: Die manuelle Zusammenstellung und Analyse von Daten kann erhebliche Zeit in Anspruch nehmen. 
• Hohe Anforderungen an Datenqualität und -integration: Die Sicherstellung einer hohen Datenqualität und die effiziente Integration von Daten sind essenziell. 
• Komplexität der Datenanalyse: Die Notwendigkeit, komplexe Daten effektiv zu analysieren und zu interretieren, erfordert spezielle Fähigkeiten und Werkzeuge. 

BEISPIEL: Analyse der Auswirkungen von Rohstoffpreisschwankungen und Lieferkettenengpässen auf Produktionskosten 

Ausgangssituation
Ein produzierendes Unternehmen sieht sich mit zwei parallelen Herausforderungen konfrontiert: erheblichen Schwankungen bei den Preisen für Schlüsselrohstoffe und Engpässen in der Lieferkette, die die Verfügbarkeit dieser Rohstoffe beeinträchtigen. Diese Situation bedroht die Produktionsstabilität und könnte zu signifikanten Kostensteigerungen führen. Um adäquat reagieren zu können, benötigt das Management eine schnelle und präzise Analyse der aktuellen Situation und der potenziellen Auswirkungen auf die Produktionskosten. 

Herausforderung
Die benötigten Daten sind über verschiedene interne Abteilungen und externe Zulieferer verstreut. Zudem müssen aktuelle Marktdaten zu Rohstoffpreisen berücksichtigt werden. Eine manuelle Sammlung und Konsolidierung dieser Daten ist erforderlich, um eine umfassende Analyse der Auswirkungen auf die Produktionskosten durchführen zu können. 

Lösung

1. Datensammlung: colea wird eingesetzt, um eine zentrale Plattform für die Erfassung relevanter Daten bereitzustellen. Dies beinhaltet aktuelle und prognostizierte Rohstoffpreise, Informationen zu bestehenden und potenziellen Lieferkettenengpässen sowie Details zu alternativen Lieferanten und Rohstoffen. 
2. Strukturierte Dateneingabe: Entsprechende Eingabemasken werden erstellt und den relevanten internen und externen Stakeholdern zur Verfügung gestellt, um eine standardisierte Datenerfassung zu gewährleisten. Diese Struktur erleichtert die Erfassung komplexer und vielfältiger Informationen. 
3. Vorbereitung für externe Analyse: Obwohl colea selbst keine spezifische Analysefunktionalität für dieses Szenario anbietet, unterstützt die Plattform die Organisation und Vorbereitung der gesammelten Daten für eine weitere Analyse. Durch die Bereitstellung einer strukturierten und konsolidierten Datenbasis kann das Unternehmen externe Tools wie Excel oder spezialisierte Analytics- Software wie Power-BI oder Qlik nutzen, um die Auswirkungen auf die Produktionskosten zu modellieren und zu bewerten. 
4. Entwicklung von Handlungsempfehlungen: Auf Basis der durchgeführten Analysen können Strategien entwickelt werden, um die negativen Auswirkungen auf die Produktionskosten zu minimieren. 

Ergebnis
Durch die effektive Nutzung von colea für die schnelle Datensammlung und -konsolidierung ist das Unternehmen in der Lage, fundierte Entscheidungen zur Bewältigung der durch Rohstoffpreisschwankungen und Lieferkettenengpässe verursachten Herausforderungen zu treffen. Dies trägt dazu bei, die Produktionskosten zu kontrollieren und die Produktion trotz externer Unsicherheiten aufrechtzuerhalten. 

Die Staatliche Porzellan-Manufaktur Meissen GmbH realisierte gemeinsam mit Comarch ein umfangreiches Projekt zur Digitalisierung. Mit Meissen entschied sich einer der international bekanntesten Luxushersteller für Comarch als Software-Dienstleister. Innerhalb von acht Monaten erfolgte die Einführung von Comarch ERP Enterprise und Comarch Financials Enterprise. Zuletzt startete Meissen mit der Implementierung des Dokumentenmanagementsystems Comarch DMS.

Der Kunde

Meissen, die älteste Porzellanmanufaktur und registrierte Marke Europas, schöpft aus der über 300-jährigen Stilfülle und kreiert in feinster Handwerkskunst neue Designs. Jede Meissen-Kreation von heute wird so gleichsam zu einer modernen Interpretation europäischer Kunst- und Kulturgeschichte. Moderne Opulenz erobert Interieurs im Zeitgeist. Feines für Tisch und Tafel, Meisterwerke, Figuren, Schmuckstücke und Home Deco Porzellane erfreuen Menschen weltweit, die den Luxus nachhaltiger Fertigung und erlesener Handarbeit schätzen. Meissener Porzellan ist an dem Signet der Gekreuzten Schwerter zu erkennen und bezeugt die Manufakturqualität. 1710 hat Meissen das europäische Porzellan erfunden. Im Besitz des Freistaates Sachsen wird es zu hundert Prozent in Deutschland gefertigt.

Daten & Fakten

Name   Staatliche Porzellan-Manufaktur Meissen GmbH

Branche   Porzellan, Luxusgüter

Hauptsitz   Meißen

Projektverlauf

Andrea Zanke, Projektleiterin ERP-Implementierung bei der Staatlichen Porzellan-Manufaktur Meissen GmbH, erläutert wie das Unternehmen von einer hochgradig individualisierten Vorgängerlösung auf das integrierte System Comarch ERP Enterprise gewechselt ist. Das Ziel dieses umfangreichen Projektes war es, möglichst nah am Standard zu bleiben und so die Prozesse rund um ein hochgradig individualisiertes Produkt abbilden zu können.

Ausgangssituation und Motivation für das ERP-Projekt

Die Ausgangsbasis für das ERP-Projekt bei Meissen war eine für mittelständische Unternehmen typische. Es lag eine relativ heterogene IT-Systemlandschaft vor, die über Jahre hinweg gewachsen ist und aus einem Mix aus Standard- und eigener Software bestand. Die einzelnen Systeme verursachten einen hohen Aufwand in der Pflege der Schnittstellen. Die Geschäftsprozesse liefen teilweise über die Systemgrenzen hinaus, was eine effiziente Abwicklung der Geschäfte erschwerte.

Ziel

Bei der Einführung des neuen ERP-Systems ging es darum, verschiedenste EDV-Systeme zu bündeln und die Geschäftsprozesse in einem integrierten EDV-System mit integrierten End-to-End-Prozessen abzubilden. Übergeordnetes Ziel war es, dabei möglichst nah am Standard zu bleiben und so die Prozesse rund um ein hochgradig individualisiertes Produkt abbilden zu können.

„Die Manufaktur ist angetreten, ihre Prozesse rund um das Handwerk zu optimieren. Während in der Herstellung des Porzellans das Kunsthandwerk und die Handarbeit unser Alleinstellungsmerkmal sind, wollten wir die Steuerung und Verwaltung unserer Prozesse auf effiziente Füße stellen“, sagt Andrea Zanke, Projektleiterin ERP Implementierung | Staatliche Porzellan-Manufaktur Meissen GmbH.

Ergebnisse

Höhere Datentransparenz im Bereich Finanzen & Controlling

Der Bereich Finanzen und Controlling profitiert am stärksten von der Integration der Systeme, da hier die meisten Daten aus allen Bereichen zusammenlaufen. Das Comarch ERP System erwies sich als sehr performant und flexibel. Besonders erfreulich sind die vielen Funktionen im Bereich der Auswertungen. Die Cockpits sind sehr flexibel und bieten einen hohen Grad an Datentransparenz.

Zentralisation und Standardisierung der Beschaffungsprozesse

Aus Sicht des Einkaufs sollte das neue ERP-System bei der Zentralisation und Standardisierung der Beschaffungsprozesse behilflich sein. Wichtig war außerdem die Abbildung der verschiedenen Geschäftsprozesse (Tourismus, Produktion, direkter & indirekter Einkauf). Des Weiteren wurde mit Comarch DMS ein neues Dokumentenmanagementsystem eingeführt, was zusätzliche Vorteile bringt:

• automatisierte Erfassung von Belegen (automatisches Einlesen von PDF-Rechnungen und Angeboten)
• eine automatische zertifizierte Ablage
• das sehr gute Workflow-System führt nachhaltig zur Entlastung von zusätzlicher Arbeit und Fehlervermeidung

Über Comarch Financials Enterprise

Die moderne und internetbasierte Rechnungswesen-Lösung Comarch Financials Enterprise ist in vielen Unternehmen in Deutschland, Österreich und der Schweiz sowie international im Einsatz. Als Stand-Alone Lösung für Finanzbuchhaltung, Controlling und Anlagenbuchhaltung bildet Comarch Financials Enterprise eine integrierte Plattform für eine unternehmensweit maßgeschneiderte Anwendung. Als integrativer Bestandteil von Comarch ERP Enterprise ermöglicht sie volle Transparenz in allen Unternehmensbereichen und ist modular erweiterbar. Zu den Stärken der Rechnungswesen-Software zählt die einfache Bedienung, eine offene Systemarchitektur für einen Datenaustausch mit Drittsystemen sowie die langjährige Erfahrung mit einer vierstelligen Zahl an Installationen von Comarch Financials-Produkten bei Kunden wie Victorinox, Weitkowitz oder KiK.

Zur Unternehmensseite

Autoren: Mike Schulze / Felix Broßmann / Bernd Wallraff

Die Einführung von ChatGPT (Generative Pre-trained Transformer) Ende 2022 löste eine Welle des Interesses an generativer künstlicher Intelligenz (KI) aus. Es handelt sich dabei um einen Chatbot, der KI einsetzt, um mit Nutzern über textbasierte Nachrichten zu kommunizieren. Als Reaktion auf die Eingaben der Nutzer ist dieser in der Lage, spezifische Texte zu erzeugen. Innerhalb weniger Tage hatten weltweit Millionen von Nutzern, die mit dieser neu verfügbaren Technologie experimentierten, unzählige Möglichkeiten der effektiven Nutzung entdeckt und weitergegeben. In den folgenden Wochen und Monaten bemühten sich auch Unternehmen, mit dieser immensen Entwicklung Schritt zu halten. Einige Unternehmen haben dafür bereits einen formalen Ansatz gewählt und spezielle Teams gebildet, die untersuchen, wie generative KI geschäftsmodell- bzw. unternehmensspezifisch nutzenstiftend eingesetzt und die Effizienz im Unternehmen verbessert werden kann. 

Was ist generative KI?

Generative KI bezieht sich auf maschinelle Lernmodelle, die bspw. Texte, Bilder, Audiosequenzen oder synthetische Daten generieren können, indem sie menschenähnliche Sprachmuster und -strukturen imitieren. Diese Modelle werden mit verschiedenen Internettexten trainiert und sind unglaublich kreativ bei der Generierung von Geschichten, Gedichten und fachbezogenen Artikeln. Darüber hinaus können sie verschiedene Aufgaben ausführen, Fragen beantworten und detaillierte Erklärungen geben, was sie zu wertvollen Werkzeugen für eine Vielzahl von Anwendungen macht.

Es gibt generative KI-Tools für verschiedene Modalitäten, wie Text, Bilder, Musik, Code und Stimmen. Beispiele für unterschiedliche KI-Inhaltsgeneratoren sind die folgenden: 

• Texterzeugungstools wie ChatGPT, Jasper, AI-Writer, Bard und Lex. 
• Zu den Tools zur Bilderzeugung gehören Dall-E 3, Midjourney und Stable Diffusion. 
• Tools zur Erzeugung von Musik: Amper, Dadabots und MuseNet. 
• Werkzeuge zur Codegenerierung: CodeStarter, Codex, GitHub Copilot und Tabnine 
• Zu den Tools für die Sprachsynthese gehören Descript, Listnr und Podcast.ai. 

Grundsätzliche Fähigkeiten von generativer KI

Generative KI kann in vielen Bereichen entlang der Wertschöpfungskette von Unternehmen umfassend eingesetzt werden. Sie kann die Interpretation und das Verständnis vorhandener Inhalte erleichtern und automatisch neue Inhalte erstellen. Einige der grundsätzlichen Fähigkeiten und der daraus resultierenden Vorteile der Nutzung generativer KI sind: 

• Automatisierung des manuellen Prozesses der Inhaltserstellung, 
• Verringerung des Aufwands für die Beantwortung von E-Mails, 
• Verbesserung der Antwort auf spezifische fachliche Anfragen, 
• Zusammenfassen komplexer Informationen, 
• Vereinfachung des Prozesses der Erstellung von Inhalten in einem bestimmten Stil.

Chancen für Controlling und Finance

Auch für Controlling- und Finanzbereiche wurden bereits einige konkrete Anwendungsfälle diskutiert:

Identifizierung und Bewertung von Risiken: Generative KI-Modelle können große Mengen an Textinformationen verarbeiten und in Bezug auf unterschiedliche Risikokategorien analysieren und bewerten. Sie können Fragen beantworten und personalisierte Empfehlungen geben. Diese Technologie ermöglicht es Finanzexperten, einen besseren Kundenservice anzubieten und die Kommunikation zu optimieren.

Finanzanalyse und -prognose: Generative KI-Modelle eignen sich hervorragend für die Analyse von finanzbezogenen Daten wie Jahresabschlüssen, Bilanzen und Gewinn- und Verlustrechnungen. Sie sind in der Lage, Trends zu erkennen, Ergebnisse vorherzusagen oder detaillierte Finanzanalysen zu erstellen.

Betrugserkennung: Durch die Analyse historischer Transaktionsdaten können generative KI-Modelle Muster erkennen und potenzielle Anomalien aufzeigen, die auf betrügerische Aktivitäten hindeuten. Durch den Einsatz von KI-gestützter Betrugserkennung können Unternehmen ihre Sicherheitsmaßnahmen verbessern und ihre Vermögenswerte schützen.

Extraktion von Daten aus Finanzdokumenten: Generative KI kann die Extraktion spezifischer Daten aus verschiedenen Finanzdokumenten wie Rechnungen, Verträge und behördliche Anmeldungen automatisieren. Diese Automatisierung reduziert den manuellen Aufwand, verbessert die Genauigkeit und beschleunigt die Prozesse, was letztlich die Effizienz in den Controlling- bzw. Finanzbereichen steigert.

Erstellung von Finanzberichten: Generative KI-Modelle können die Erstellung von Finanzberichten automatisieren und so Zeit und Aufwand für das Controlling sparen. Durch die Verwendung natürlicher Sprachfunktionen können diese Modelle auch kommentierte Berichte erstellen, die eine bessere Entscheidungsfindung ermöglichen.

Grenzen und Risiken

Obwohl die generative KI aufregende und vielseitige Möglichkeiten bietet, gibt es auch Grenzen und Risiken. Von Bedeutung sind insbesondere der Datenschutz als auch künftige regulatorische Vorgaben in Bezug auf die Nutzung von KI.

Datenschutz: Die Gewährleistung des Datenschutzes ist im Zeitalter von Vorschriften wie der EU-Datenschutz-Grundverordnung (DSGVO) von entscheidender Bedeutung. Unternehmen müssen verantwortungsvoll mit Kundendaten umgehen und Datenschutzbestimmungen einhalten, um rechtliche Konsequenzen zu vermeiden.

Künftige regulatorische Landschaft: Auf europäischer Ebene befinden sich derzeit neue Vorschriften rund um das Thema KI in Abstimmung. So zielt beispielsweise der Artificial Intelligence (AI) Act der Europäischen Union darauf ab, die mit dem Einsatz von KI verbundenen Risiken zu reduzieren, indem Entwickler verpflichtet werden, ihre Systeme zu testen, den Einsatz zu dokumentieren und Sicherheitsmaßnahmen zu ergreifen. Die Auswirkungen dieser Gesetzgebungsinitiativen sind noch nicht abschließend bewertbar – sicher ist, dass es zu Einschränkungen in der Benutzbarkeit von außereuropäischen Lösungen kommen wird, wenn diese nicht den dann geltenden regulatorischen Anforderungen gerecht werden.

Hinweise zur praktischen Anwendung im Unternehmenskontext

Trotz der skizzierten Risiken können generative KI-Tools schon heute vergleichsweise rechtssicher in der Unternehmenspraxis genutzt werden, wenn dabei insbesondere der Datenschutz und die Wahrung von Geschäftsgeheimnissen beachtet werden. 

Nutzung von außereuropäischen Dienstleistern: Die Technologien der außereuropäischen KI-Anbieter wie OpenAI (das Unternehmen hinter ChatGPT) sollten im Unternehmenskontext nur dann genutzt werden, wenn sichergestellt ist, dass die  eingegeben Daten sowohl datenschutzkonform sind als auch keinerlei Geschäftsgeheimnisse darstellen. Diesbezüglich unproblematisch ist bspw. die Nutzung für das Generieren von Marketing- und Informationsmaterialien. Im Kontext von Controlling- und Finanzprozessen werden sich allerdings nur mit Einschränkung Anwendungsfälle finden lassen, die diesen Anforderungen gerecht werden. Auf jeden Fall sollte eine technische Absicherung genutzt werden, bspw. durch das Überprüfen der Eingabedaten vor dem Versenden aus der eigenen IT-Infrastruktur heraus, was relativ einfach umsetzbar ist.

Nutzung von DSGVO-konformen KI-Modellen: Das deutsche Unternehmen Aleph Alpha hat sich darauf fokussiert, erklärbare und vertrauenswürdige KI-Modelle bereitzustellen, die DSGVO-konform sind. Der Einsatz dieser Modelle gewährleistet die Einhaltung der DSGVO und bietet Flexibilität bei den Einsatzmöglichkeiten. Auch in diesem Fall sollte von der Eingabe von Daten, die Geschäftsgeheimnisse darstellen, abgesehen werden. Aleph Alpha bietet für solche Anwendungsfälle die Möglichkeit, das Sprachmodell vollständig autark in die Infrastruktur des eigenen Unternehmens einzubinden. Dadurch wird sichergestellt, dass die Daten nicht die eigenen Server verlassen. 

Nutzung von Open-Source-Modellen: Um Geschäftsgeheimnisse zu schützen und Datenlecks zu vermeiden, können Unternehmen Open-Source-Modelle nutzen, die individualisiert und ebenfalls auf der unternehmenseigenen Infrastruktur installiert werden können. Dieser Ansatz ermöglicht es Unternehmen, die Kontrolle über ihre geschützten Informationen zu behalten und gleichzeitig von generativen KI-Funktionen zu profitieren. So möchte beispielsweise Bosch bis Ende des Jahres ein eigenes BoschGPT für seine Mitarbeitenden bereitstellen. Auch andere Firmen wie dm, Samsung, McKinsey oder SKAD arbeiten an solchen Lösungen. Die Basis für BoschGPT ist die hauseigene Datenbank von Bosch. Dieses Vorgehen ermöglicht es, auch aktuelle unternehmenseigene Daten für die erstellten Ergebnisse zu nutzen. Dadurch kann das System zurzeit aber nicht direkt mit Lösungen wie ChatGPT oder Bard verbunden werden, da sonst Daten abfließen könnten. Aus diesem Grund reichen die Fähigkeiten dieser Anwendungen, trotz immenser Verbesserungen, noch nicht an die proprietären Lösungen wie ChatGPT oder Bard heran. Die rasante Entwicklung der vergangenen Monate lässt jedoch erwarten, dass dies mittelfristig der Fall sein wird.

Wie kommt man mit generativer KI zu guten Ergebnissen?

Aussagen, Fragen und Anweisungen verknüpfen: Um zu guten Ergebnissen zu gelangen, muss man KI-Systemen wie ChatGPT möglichst treffende Anweisungen geben. Ein entscheidender Aspekt, der die Effizienz und Genauigkeit der Ergebnisse maßgeblich beeinflusst, ist das sogenannte Prompting. Ein Prompt stellt eine Eingabe dar, die dem jeweiligen Modell zur Verfügung gestellt wird, um eine Antwort oder Vorhersage zu erzeugen. Diese Eingabe kann verschiedene Formen annehmen, um die Ausgabe in die gewünschte Richtung zu lenken. So können beispielweise Fragen gestellt, eine konkrete Anweisung erteilt oder auch eine Kette von Aussagen, Fragen oder Anweisungen aneinandergereiht werden. 

Beispiele für Prompts 

• Wie viele Einwohner hat die Hauptstadt von Dänemark? 
• Nenne die fünf am häufigsten ausgeübten Sportarten in Europa. 
• Gibt es einen Unterschied zwischen "Kausalität" und "Korrelation"? Falls ja erkläre ihn bitte anhand von Beispielen.

Ein effektiver Prompt sollte grundsätzlich möglichst klar und präzise formuliert sein. Statt "Was kann man mit ChatGPT im Controlling machen?“ führt die Anfrage "Ich plane den Einsatz von ChatGPT im Bereich der Analyse von Geschäftsdaten eines mittelständischen Unternehmens. Welche Anwendungsgebiete gibt es?" zu deutlich spezifischeren Ergebnissen. Der Aufbau des Prompts gibt den KI-Modellen einen klaren Kontext und eine Richtung vor, was im Ergebnis zu fokussierteren und relevanteren Antworten führt.

Musteraufbau eines Prompts: Die Erstellung eines effektiven Prompts ist ein wesentlicher Schritt, um präzise und nuancierte Antworten von einer generativen KI zu erhalten. Anbei ein einfacher Leitfaden, der Schritt für Schritt durch den Prozess führt:

1. Sachverhalt: Begonnen werden sollte mit der klaren Definition des zentralen Themas oder der Frage. In diesem Schritt ist es wichtig, den genauen Kontext der Frage zu verstehen und zu vermitteln. Beispielsweise könnte eine Anfrage lauten: „Ich möchte ein Konzept zur Optimierung der Kostenstellenrechnung in meinem Unternehmen entwickeln.“ Hier bekommt die KI einen klaren Ausgangspunkt, der es ihr ermöglicht, sich auf die spezifischen Details zu konzentrieren, die für die Optimierung der Kostenstellenrechnung relevant sind.

2. Rahmenbedingungen und Einschränkungen: Im nächsten Schritt werden die spezifischen Rahmenbedingungen und Einschränkungen festgelegt, die die KI bei der Beantwortung der Anfrage berücksichtigen sollte. Dies könnte z. B. beinhalten, bestimmte Abteilungen oder Geschäftsbereiche besonders zu berücksichtigen. Durch die genaue Definition dieser Parameter kann die KI eine Antwort erstellen, die genau auf die Anforderungen zugeschnitten ist.

3. Format: Zuletzt wird das Format definiert, in dem die Antwort präsentiert werden soll. Dies könnte eine textuelle Darstellung sein, die die optimierten Prozesse der Kostenstellenrechnung detailliert beschreibt. Die klare Angabe des gewünschten Formats hilft der KI, die Antwort in einer Weise zu strukturieren, die leicht zu verstehen und zu interpretieren ist.

Beispiel für einen Prompt in diesem vereinfachten Design: 

• „Ich möchte ein Konzept zur Optimierung der Kostenstellenrechnung in meinem Unternehmen entwickeln (Sachverhalt). 
• Berücksichtige dabei insbesondere die Abteilungen Vertrieb und Produktion, um eine effiziente Zuordnung der Kosten zu gewährleisten (Rahmenbedingungen und Einschränkungen). 
• Präsentiere die Ergebnisse in einer textuellen Darstellung, die die optimierten Prozesse der Kostenstellenrechnung detailliert beschreibt (Format).“

Weiterführende Techniken: Die nötigen Grundlagen für die Erstellung effektiver Prompts sind verhältnismäßig einfach zu erlernen. Zugleich gibt es im Bereich des Prompt-Engineerings viele fortgeschrittene Techniken, die es ermöglichen, die Ausgaben generativer Sprachmodelle weiter zu verfeinern und zu optimieren.

Einige dieser Techniken basieren auf der Idee, das Modell mit unterschiedlichen Mengen an Informationen oder Beispielen zu "trainieren", bevor es eine Antwort gibt. Hierzu gehören Ansätze wie: 

Zero Shot Prompting (Standardfall): In diesem Fall wird das Modell ohne vorherige spezifische Beispiele oder Informationen zu einem Thema befragt. Beispiel: „Erkläre die Nutzung der Balanced Scorecard im Controlling.“ 

One Shot Prompting: Das Modell erhält ein einzelnes, relevantes Beispiel, bevor es eine Anfrage beantwortet. Beispiel: „So wie ein Unternehmen Key Performance Indicators (KPIs) verwendet, um den Erfolg zu messen, wie könnte ein Bildungsinstitut seine Leistung messen?“ 

Few Shot Prompting: Das Modell wird mit mehreren relevanten Beispielen versorgt, um es auf eine spezifische Anfrage vorzubereiten. Beispiel: „Ein Unternehmen könnte eine SWOT-Analyse verwenden, um seine strategische Position zu bewerten. Ein Vertriebsteam könnte CRM-Software verwenden, um Kundenbeziehungen zu verwalten. Wie könnte eine Personalabteilung Big Data nutzen?“

Ein weiteres Beispiel fortgeschrittener Ansätze ist der sogenannte „Chain of Thoughts“-Ansatz. Dabei handelt sich um eine Methode, bei der ein Sprachmodell dazu ermutigt wird, seinen Denk- oder Lösungsweg Schritt für Schritt zu erklären, wenn es eine Aufgabe löst. Der dahinterliegende Gedanke ist, dass durch das Zeigen von Beispielen, in denen der Denkprozess erklärt wird, das Modell lernt, seinen eigenen Denkprozess beim Beantworten von Fragen zu zeigen. Diese Art des Prompting kann dazu führen, dass die Antworten des Modells genauer werden, da es gezwungen ist, über jeden Schritt seiner Antwort nachzudenken, was besonders bei komplexen Aufgaben sehr hilfreich sein kann. Außerdem macht diese Darstellung die Ergebnisse der KI für einen selbst transparenter.

Darüber hinaus entwickeln derzeit sich eine ganze Reihe weiterführende Prompt-Techniken wie Tree-of-Thoughts (https://arxiv.org/abs/2305.10601) oder Graph-of-Thoughts (https://arxiv.org/abs/2305.16582), die mittels unterschiedlicher Reflexionstechniken die von Sprachmodellen erzeugten Outputs nochmals um ein Vielfaches verbessern.

Insgesamt lässt sich festhalten, dass die Wahl der richtigen Prompt-Technik stark von der spezifischen Anfrage und dem gewünschten Ergebnis abhängt. Hier hilft im Ergebnis nur das fortwährende Einüben unterschiedlicher Techniken durch die Nutzenden.

Zusammenfassung und Fazit

Generative Künstliche Intelligenz, wie etwa ChatGPT oder ähnliche Modelle, hat ein transformatives Potenzial für Controlling- und Finanzbereiche in Unternehmen. Zu den Anwendungen gehören Conversational Finance, Finanzanalyse und -prognose, Betrugserkennung, Dokumentenanalyse und die Erstellung von Finanzberichten. Unternehmen müssen jedoch den Datenschutz, die Einhaltung gesetzlicher Vorschriften und sich ändernde rechtliche Rahmenbedingungen im Auge behalten. Durch den Einsatz von Lösungen wie ChatGPT, die Zusammenarbeit mit auf Datensicherheit spezialisierten KI-Anbietern, die Verwendung von DSGVO-konformen KI-Modellen und die Anpassung von Open-Source-Modellen können Unternehmen die Leistungsfähigkeit der generativen KI größtmöglich nutzen und gleichzeitig Risiken minimieren sowie regulatorische Vorgaben einhalten. Entscheidend wird es darüber hinaus für die Unternehmen sein, über die neuesten Entwicklungen in diesem sich äußerst dynamisch entwickelnden Gebiet kontinuierlich auf dem Laufenden zu bleiben und verantwortungsvolle KI-Praktiken im Unternehmen einzuführen, um generative KI effektiv einsetzen zu können. 

„Carthago“: Der Name steht in ganz Europa für Premium-Reisemobile mit außergewöhnlichem Raumgefühl. Als Karl-Heinz Schuler in Ravensburg 1979 mit Individualausbauten von Kastenwägen nach Kundenwunsch das Unternehmen Carthago gründete, hatte er von Anfang an das Premiumsegment im Wohnmobilmarkt im Blick. Heute gehört die Carthago Reisemobilbau GmbH zu den führenden Anbietern in Europa. Seit 2013 agiert die Unternehmensgruppe vom Hauptsitz im oberschwäbischen Aulendorf aus.

In „Carthago City“ betreibt das inhabergeführte Familienunternehmen nicht nur eine der modernsten Reisemobilfertigungen Europas, inklusive Verkaufsausstellung, sondern verleiht auch zahlreiche Mietfahrzeuge. Hier und am Produktionsstandort Odranci in Slowenien sind circa 1.400 Mitarbeitende beschäftigt, die einen Jahresumsatz von rund 390 Millionen Euro (2021) erwirtschaften.

Der Trend zur Urlaubsform „Reisen auf vier Rädern im eigenen Wohnraum“ wurde durch Lieferengpässe auch beim oberschwäbischen Premiumhersteller etwas ausgebremst. Dennoch bleibt die Carthago-Gruppe auf Wachstumskurs, was der neu eröffnete zweite Produktionsstandort in Slowenien unterstreicht.

Aufholbedarf stillen

Im Fokus der Geschäftstätigkeit stehen bei Carthago seit über 40 Jahren Entwicklung und Produktion von Reisemobilen der Premiumklasse. Dabei wird großer Wert auf Komfort, Sicherheit und Langlebigkeit gelegt, genauso wie darauf, die Fahrzeuge kontinuierlich zu verbessern und zu verfeinern.

Die Carthago Unternehmensgruppe stand Anfang der 2020er Jahre angesichts des schnellen Wachstums vor veränderten Anforderungen an Planung und Berichtswesen, die die bisher verwendeten Tools – Excel und IBM Cognos Analytics – nicht mehr ausreichend abbilden konnten. Analysen sollten schneller fertig werden, Berichte tagesaktuell verfügbar sein. „Wir hatten da einen gewissen Aufholbedarf“, sagt Christian Staud, Leitung Controlling bei Carthago. Hier sollte eine neue Lösung mit BI-Funktionalität Abhilfe schaffen.

Die Auswahl fiel dank vorhandener interner Systemapplikationen sowie Erfahrungen leicht. Carthago sollte mit der Beratung und der Technologie des Dienstleisters elKomSolutions GmbH aus Tuttlingen sehr schnell Fortschritte erzielen. „Ich war zwar im Auswahlprozess noch nicht dabei, kann dies aber nur bestätigen“, erklärt der seit Juni 2019 bei Carthago tätige Diplom-Mathematiker. Zum Jahreswechsel 2018/19 nahm Carthago die elKom-Lösung in Betrieb.

Prototypen vereinfachen Einführung und Betrieb der Software

„Als ich zu Carthago kam, war die Software technisch implementiert, aber noch nicht vollständig ausgerollt. Der Roll-out ging dann aber sehr rasch, was“, so Staud „besonders an der Methodik von elKomSolutions“ liege. Das Entwickeln von Prototypen, die anschließend als Vorlage für den operativen Betrieb dienen, führe zu schneller Sichtbarkeit und schnellen Erfolgen bei der Implementierung. Staud führt das auch auf die Software zurück, die „völlig unkompliziert zu bedienen ist und stabil läuft“. Deswegen bestehe auch sehr wenig Bedarf an Support. 

Im Einsatz ist jetzt elKomBI auf Basis der OLAP-Datenbank IBM Planning Analytics TM1. Carthago nutzt die Lösung für Reporting und Planung. Als besonderen Vorteil hebt Staud hervor, dass die Fachabteilung Controlling die Lösung nahezu unabhängig von der internen IT oder externen Beratern betreiben und weiterentwickeln kann. Auswertungen von großen Datenmengen erledigt IBM Cognos TM 1 in sehr kurzer Zeit und ist dabei leicht zu bedienen.

Die BI-Funktion unterstützt die Analyse komplexerer Datenmengen und deren Verdichtung für Berichte. So kann das Controlling kann dank der Excel-Integration Berichte für die verschiedenen Empfängergruppen im Unternehmen schnell und einfach entwerfen. Die Technologie von TM1 ermöglicht anschließend den Zugriff übers Web, so dass sich die Berichtsempfänger via Internet einloggen und ihre Berichte tagesaktuell aufrufen können.

Ein Tastendruck statt endloser Excel-Auswertungen

Zeitersparnis, komfortable und anpassbare Auswertungen und ein besserer Überblick über verschiedenste Kennzahlen sind die Hauptvorteile, die Carthago aus der Lösung von elKomSolutions zieht. So geht das Kostenstellen-Reporting an rund 65 Berichtsempfänger. Vor der Einführung der Software musste Carthago mindestens ein halbes Personenjahr investieren, um Auswertungen an all diese zum jeweiligen Budgetverlauf zu erstellen. Jetzt genügt ein Tastendruck, um sämtlichen Berichtempfängern ihr spezifisches Reporting zuzustellen.

Diese „ganz große Stärke“ betrifft indes auch andere Fachbereiche. Ähnlich wie bei den Automobilherstellern kann sich der Kunde bei Carthago sein Reisemobil konfigurieren. Dafür steht eine große Auswahl an Produktvarianten zur Verfügung. Mit dem BI-Tool von elKomSolutions können diese in Sekundenschnelle über mehrere Jahre und Tausende Kundenaufträge hinweg analysiert werden – um damit Kundenbedürfnisse besser zu verstehen und z. B. für die zukünftige Produktentwicklung zu berücksichtigen.

Die Auswertung von Detailinformationen aus der Produktpalette über viele Jahre hinweg hat elKomBI deutlich beschleunigt. elkomBI erstellt diese Berichte sekundenschnell: „Wir jagen jetzt einen Datensatz mit 20 Millionen Einzeldaten durch die Software und erhalten die Analysen in wenigen Sekunden“, bemerkt Staud. Das habe ihn als Controller schwer beeindruckt. Vollständig automatisiert liefert die Software solche Berichte nicht nur monatlich, sondern tagesaktuell.

Ausblick: noch mehr Sichtbarkeit, noch mehr Funktionalität

„Wir haben die Reportings zum Zweck der wirtschaftlichen Steuerung jetzt auf die erste und zweite Führungsebene ausgerollt. Das kommt der ersten Führungsebene sehr zugute, die auf konsistente Daten zugreift. Das gleiche gilt für die zweite Führungsebene, die auf Knopfdruck die benötigten Informationen erhält,“ sagt Staud. Das Controlling der Carthago Gruppe entwickelt die Analysen und Berichte permanent weiter, „weil der Nutzen so hoch ist“. Nach dem Kostenstellen-Reporting und dem Geschäftsführer-Reporting, stehen jetzt einzelne Berichte für die Fachabteilungen an, für Vertrieb, Produktion und andere wie z. B. das Einkaufscontrolling. Controlling-Leiter Staud fasst zusammen: „Im Bereich Controlling haben wir uns in ein anderes Zeitalter katapultiert. Bei der Inbetriebnahme unseres neuen Werkes in Slowenien konnten wir von der Skalierbarkeit besonders profitieren. In der Excel-Welt hätten wir wahrscheinlich deutlich mehr Personal einstellen müssen. Jetzt genügt vordergründig eine leistungsstarke BI-Software.“

elKomSolutions: Integration als Schlüssel zum Erfolg

Die elKomSolutions GmbH verfolgt seit der Gründung im Jahr 1997 einen integrierten Ansatz. Von Anfang an setzt sie auf die IBM Planning Analytics TM1-Datenbanktechnologie und verbindet mit einer einheitlichen Datenbank auf Basis der OLAP-Technologie bisher getrennte Fachbereiche im Unternehmen. Die Grundidee ist, den Kunden aus kleinen und mittelständischen Betrieben, aber auch Großkonzernen, die Arbeit so einfach wie möglich zu machen. Den Kunden dort abholen, wo er aktuell unterwegs ist, bedeutet aber auch, von Microsoft Excel auszugehen. Denn weiterhin verwenden das vielseitige Tool 95 Prozent der Unternehmen im Controlling, Vertriebs- und Produktionsplanung, Konzernkonsolidierung und Reporting. Es stößt aber an Grenzen, sei es bei Effizienz, Geschwindigkeit und Transparenz dieser Prozesse, sei es bei deren Integration.

Aus diesem Grund hat elKomSolutions modulare Software-Komponenten für die Bereiche Business Intelligence (BI), Unternehmensplanung und Konzernkonsolidierung geschaffen – und entwickelt sie ständig weiter. elKomBI, elKomPLAN und elKomKONS sind eigenständige Lösungen für die einzelnen Teilbereiche. Verbunden über die OLAP-Technologie integrieren sie sich nahtlos und bieten allen Fachbereichen direkten Zugriff auf alle Daten. Gemeinsam ist ihnen die äußerst schnelle Datenverarbeitung auch bei extra großen Volumina, die Offenheit zu beliebigen Datenbanken operativer Systeme u. a. aus dem ERP- und FiBu-Umfeld, die hohe Flexibilität und Anpassbarkeit – ohne dass dies externe Mitarbeitende übernehmen müssen – sowie ein einheitliches Frontend für Controlling, Planung und Konsolidierung. Und natürlich kann Excel weiterhin eingesetzt werden, was den Schulungsaufwand für Abteilungen, die Excel z. B weiterhin zur Dateneingabe verwenden können, niedrig hält.

Die Lösungen bilden eine ganzheitliche, modulare Softwareplattform für Analyse, Reporting, Planung und Konsolidierung, kurz für eine integrierte Ergebnis- und Finanzsteuerung. Durch die Integration in die operative Welt wird zudem das klassische Performance Management identisch von der Herangehensweise, Methodik und Datenbasis her. Anders gesagt: Planung, Forecasting, Konsolidierung, aber auch Ist-Reporting sind immer aus einem Guss.

Ausgangslage 

Business Intelligence (BI) Modernisierung birgt auf strategischer, taktischer und operativer Ebene ein sehr grosses Nutzenpotenzial. Oft sind die bestehenden BI-Lösungen in Unternehmungen nicht auf Agilität und Nachhaltigkeit ausgerichtet, weshalb sie sich nicht an den ständig wandelnden Anforderungen ausrichten und mit ihnen mitwachsen können. 

Aus Gesprächen mit Experten und Kunden, welche sich aktiv mit dieser Thematik beschäftigt haben, kamen wir zur Erkenntnis, dass BI wie eine Art «Datenfabrik» funktionieren müsste: Ein flexibles, automatisiertes und nachhaltiges System, wo Anwendende relevante Datenprodukte beziehen können, ohne dass sie diese selbst zusammenstellen oder verifizieren müssen. 

Dimensionen der BI-Modernisierung 

Infolgedessen wurde in einem Workshop mit externen Experten ein Modell entwickelt, welches die Dimensionen von BI in der jeweils «veralteten» und «modernen» Ausprägung charakterisiert. Nachfolgend die Auflistung der Dimensionen mit einem Teil-Ausblick auf die «moderne» Ausprägung: 

• Strategische Bedeutung: Daten werden als Unternehmens-Asset betrachtet 
• Datengetriebene Steuerung: Handlungen werden durch Datenprodukte ausgelöst 
• Finanzierung: In BI wird dauerhaft und wiederkehrend investiert 
• Projektvorgehen / Time-to-Value: Agile, BI-spezifische Entwicklungsprozesse 
• BI Organisation & Steuerung: Etablierte BI-Organisation und definierte Prozesse 
• Data Literacy / Knowhow-Vermittlung: Anwendende werden aus- und weitergebildet 
• Technologie / Lieferanten / Dienstleister Auswahl: Anwendende werden in die Auswahl involviert 
• Plattform-Location / Skalierung: Skalierbare (Cloud-)Lösungen sind im Einsatz 
• Automatisierungsgrad: Prozesse werden (teil-)automatisiert 
• Arten von Datenquellen: Relationale, semi-strukturierte, interne und externe Datenquellen 
• Data Governance: Ist integraler Bestandteil der Systemarchitektur 
• Nutzungsgrad von BI: Daten werden unternehmensweit genutzt 
• Standardisierung Notation: Gestaltung anhand Notationsstandard (z.B. IBCS) 
• Verteilung: Datenprodukte können von den Anwendenden selbstständig konsumiert werden 
• Advanced Analytics: Prognose- und Optimierungsmodelle sind im Einsatz 

Aufgrund dieser Dimensionen wurde ein Vorgehen entwickelt, welches unseren Kunden erlauben soll, die BI-Modernisierung möglichst effizient und transparent umzusetzen. 

Mit dem 5-STEP-Vorgehen zur modernen Datenfabrik 

Das Ziel des 5-STEP-Vorgehens ist es, die Time-to-Value für die Anwendenden möglichst klein zu halten. Entsprechend rasch sollen erste Ergebnisse genutzt werden können und die Anwendenden hinsichtlich datengetriebener Entscheidungsfassung befähigt werden. Die Transformation soll einen nachhaltigen Charakter haben und der Kunde soll aktiv an dieser teilhaben und befähigt werden, die Daten-Produktionslinien und letztendlich die gesamte Datenfabrik selbst zu betreiben. 

CHALLENGE

Anpassungsfähige Controlling-Lösung für wachsenden Konzern

Die Controller bei Henkell Freixenet haben langjährige Erfahrung mit Jedox; die Software wurde bereits im Jahr 2012 im Unternehmen eingeführt und das zentrale Controlling hat die Applikation stetig modernisiert und als konzernweite Plattform für Planung und Reporting etabliert. Und auch nach dem Henkell Freixenet Merger wird der Anwendungsumfang kontinuierlich weiter ausgebaut.

Bei der Erstimplementierung lautete das Ziel, die Gruppenkonsolidierung des Managementergebnisses mit einem geeigneten Tool zu unterstützen und Excel abzulösen. Im Lauf der Jahre setzten immer mehr Abteilungen Jedox für Planung und Reporting ein. Ein wichtiger Meilenstein war die Einrichtung von Self-Service-Möglichkeiten mit einfachem Zugriff auf die vollautomatisch aktualisierte Tagesfaktura per Jedox Web.

Seit dem Einstieg in Jedox Cloud Ende 2022 boten sich nochmals neue Chancen für innovative Anwendungen. Der Bereich Controlling International lotet derzeit vor allem die Weiterentwicklung von Predictive Forecasting und treiberbasierter Planung mithilfe von Jedox AIssisted™ Planning aus.

SOLUTION

Reporting und Planung für vielfältige Themen- und Fachbereiche

Mit dem Wechsel in die Cloud ist die Anzahl der aktiven Nutzer auf über 150 weltweit angestiegen. Derzeit setzen sechs Fachbereiche Jedox für unterschiedlichste Themen ein: Von der Absatz- über eine rollierende Bedarfsplanung, Predictive Forecasting, Fixkosten- Controlling, Technical Reports, Marken-Reporting und Marktdatenanalyse bis zur Gruppenkonsolidierung, IC-Veröffentlichung und einer Pricing-Datenbank.

Dashboarding statt starrer PDF-Berichte

Im internationalen Controlling steht vor allem das Management-Reporting im Fokus. Derzeit erhält das Management zwei Mal pro Monat einen aus ca. 120 Seiten bestehenden PDF-Bericht, der die Absätze nach Regionen und Marken zusammenfasst. Die PDF-Version ist statisch und lässt auf den ersten Blick keine Aussagen zu handlungsrelevanten KPIs wie Treiber zu.

Mit Jedox Canvas hat der Projektverantwortliche hierzu ein Dashboard als Prototyp aufgebaut, das die vielfältigen Absatzinformationen in einem Bildschirmfenster mit dynamischen Filtern zusammenfasst. Mithilfe der Canvas-Funktionen können vielfältige Inhalte und Visualisierungen per Drag-and-Drop nebeneinander angeordnet und die wichtigsten KPIs einfach im Bericht angeheftet werden. Die Entwicklung der Global Icons, Abweichungen oder einzelne Treiber im Portfolio sind damit nun auf den ersten Blick im Dashboard zu sehen, und das Management kann selbst beliebig weitere Detailansichten z. B. nach Regionen, Business Units, Marken, Markenuntergruppen oder Produktgruppen durch Drilldown nachverfolgen.

Simulation, Predictive Forecasting und Treiberbasierte Planung

Mithilfe von KI-gestützten Prognosen durch Jedox AIssisted™ Planning überprüft das Controlling derzeit, ob die Planungsqualität mit Blick auf das Gruppenergebnis weiter erhöht werden kann. Simulationen helfen außerdem dabei, wesentliche Treiber der Geschäftsentwicklung zu identifizieren und in die Planung zu integrieren.

Bei einem Vergleich der historischen Ist- und Planwerte vergangener Jahre mit den Prognosen, die das Jedox KI-Modell auf dieser Basis generiert, schnitt der automatisierte Algorithmus mit einer Prognosegenauigkeit von nahezu 91 Prozent deutlich besser ab als die mühsam erstellte traditionelle Planung. Dies wurde schon im ersten Schritt auf der Basis der Kennzahlen von nur vier Jahren erreicht – mit wachsender Datenbasis ist im KI-Modul eine immer höhere Treffsicherheit zu erwarten.

OUTCOME

Skalierbare und investitionssichere Analyseplattform

Henkell Freixenet hat mit Jedox eine stabile und ausbaufähige Plattform für Planung und Performance Management geschaffen, die in über zehn Jahren Einsatz stetig mit dem erfolgreichen Unternehmen mitgewachsen ist. Ein wesentlicher Vorteil für die versierten Controller ist dabei, dass sie ihre Applikation eigenständig weiterentwickeln und nach Bedarf im Konzern ausrollen können.

So hat der für das Management-Reporting zuständige Fachbereich beispielsweise in der neuesten Ausbaustufe ohne Berateraufwand das Absatz-Dashboard erstellt, das in der Lage ist, den umfassenden PDF-Bericht abzulösen. Das Dashboard bietet dabei schnellere und bessere Erkenntnisse sowie mehr Analysemöglichkeiten.

Auch das Datenmanagement hat der Fachbereich selbst im Griff und vom direkten Excel-Upload über ein eigenentwickeltes Upload-Center bis hin zum

direkten Zugriff auf die Vorsysteme per SAP-Connector kontinuierlich weiter automatisiert. Das hat u.a. die Arbeit im Beteiligungscontrolling deutlich erleichtert und dazu geführt, dass das zuständige Team sich an Meldetagen mehr mit der Analyse der Daten anstelle des Uploads beschäftigen können. Und das mit besserer Datenqualität und weniger Abstimmschleifen: Die Gesellschaften können die Daten nicht nur im Self-Service einfacher bereitstellen, sondern im Upload-Center leichter vorab intern validieren und freigeben. Das erhöht das Prozess-Commitment und die Ownership der Gesellschaften für ihre Zahlen, und spart jährlich über 175 Personentage nicht wertschöpfender Arbeitsschritte.

Zudem ermöglicht der globale Zugriff mit Live-Meldestatus ein nahtloses, globales Zusammenarbeiten, indem zeitzonenbedingte Liegezeiten und teils nervenaufreibende, kurzfristige Anpassungen wegfallen. Henkell Freixenet wird die Jedox-Plattform kontinuierlich erweitern. Ein wichtiges Ziel ist die Weiterentwicklung der treiberbasierten Planung mithilfe der KI-generierten Vorschlagswerte. Durch Simulation und Verifizierung möglicher Treiber soll die Planung von steuerungsrelevanten KPIs weiter automatisiert und präzisiert werden. Auch die Visualisierung will das Team weiter optimieren – und vor allen Dingen die große Stärke von Jedox als Planungstool immer besser nutzen.

„Bis vor kurzem brauchten wir für die Jahresplanung zwei Monate Arbeit und involvierten ganze Teams. Wir sprechen hier von einer enormen Anzahl von Arbeitsstunden und dem Hauptproblem: der Fehlerquote. Heutzutage kann K4 Analytics das Problem innerhalb von Stunden lösen.“

MARTIN ČEVELA, BUSINESS INTELLIGENCE ANALYST AT ESET

Der Kunde

ESET ist einer der weltweit größten Hersteller von Security Software und gehört zu den Pionieren des Virenschutzes. Das Unternehmen entwickelt preisgekrönte Software zur Erkennung von Bedrohungen für Kunden in mehr als 200 Ländern.

ESET – die Herausforderung

• Finanz- und Personalplanung, Konsolidierung der Finanzpläne im gesamten Unternehmen
• Automatisierte Konsolidierung von Plänen und Ergebnissen
• Management von Abweichungen
• Steigerung der Planungseffizienz (Top-down und
• Bottom-up, Re-Forecasting, Zeitersparnis)
• Versionierung der Pläne
• Workflow

Die Lösung

Mit K4 lassen sich Ihre Anforderungen an einen modernen Planungsprozess mit überschaubarem Aufwand lösen:
„Unter normalen Umständen würde der Prozess sehr lange dauern und viel Stress verursachen. Das Arbeiten mit Excel erfordert eine permanente Konzentration, die gerade in Stresssituationen überfordert und leicht zum Scheitern führen kann. Darüber hinaus verschwendet das Unternehmen Geld, weil die Mitarbeiter etwas tun, was sie nicht tun sollten. Sie sind demotiviert und entmutigt, und außerdem gibt eseinen enormen Spielraum für Fehler“, berichtet Martin Čevela.

Aufgrund der guten Erfahrungen mit K4 Analytics hat ESET den Einsatz von der Finanzabteilung auf den Vertrieb ausgeweitet. Die Vertriebsteams können nun die Zusammenarbeit mit ihren Partnernetzwerken verbessern und z. B. ihre Marketingbudgets in Abhängigkeit von deren Leistung effizienter verteilen.

Die Vertriebsabteilung nutzt nun K4 statt MS Excel^® für die Lieferung von Daten an die Finanzabteilung und K4 übernimmt einen großen Teil der Planung. Vertriebsmitarbeiter bekommen ein Werkzeug an die Hand, mit dem sie ihre gesetzten Ziele kontinuierlich überwachen können. So wissen Händler jederzeit und sofort, wo sie stehen, ob sie mehr arbeiten müssen oder sich über einen Zuschlag freuen können.

Der Nutzen

K4 Analytics ist für die Mitarbeiter von ESET vor allem auf den unteren Managementebenen von Vorteil, da sie nicht viel Zeit damit verbringen müssen, Kosten aufgrund einer Änderung von oben neu zu berechnen. Jetzt können Sie einen Posten auswählen, dessen Budget gekürzt werden soll und die Änderungen werden sofort in anderen Teilen des Plans berücksichtigt. Das oben beschriebene Verfahren vermeidet vollständig den mühsamen Verwaltungsprozess, zu dem auch per E-Mail verschickte Excel- Dateien gehören, die (zusätzlich) in einem benutzerfreundlichen Format bereitgestellt werden müssen. Das bedeutet weniger Zeitverschwendung.

"Weniger Fehler und weniger Zeit, die mit Excel verbracht wird, bedeuten, dass die Mitarbeiter an etwas Sinnvollem arbeiten können. Sie können bis zu zwanzig Tage pro Monat einsparen und die Zeit in die Strategie investieren, was zu einem echten Mehrwert führt“, resümiert Martin Čevela.

„Mit Excel waren in den Möglichkeiten limitiert, jetzt planen wir flexibel und schnell. Das neue Planungssystem integriert alle Teilpläne und wird weltweit auf unsere Niederlassungen ausgerollt. Am besten daran finden wir die Möglichkeit kontinuierlich zu planen und flexible Forecasts auszugeben“, so Daniel Olthaus, Head of Financial Analysis und Projektverantwortlicher der ROSEN Gruppe in Deutschland.

Über die ROSEN Group

Die ROSEN Group ist ein weltweit führender Anbieter von hochentwickelten technischen Lösungen. Aktiv in über 120 Ländern realisiert die Gruppe innovative technologische Lösungen für die Inspektion industrieller Anlagen der Energiewirtschaft, um den sicheren und verlässlichen Betrieb nach höchsten Standards zum Schutz von Mensch und Umwelt zu gewährleisten.

Fakten zu ROSEN
Gründung: 1981
Mitarbeiter: 3.900
Hauptsitz: Stans, CH

„Wir haben in der Vergangenheit sehr Excel-lastig gearbeitet. Wie es viele kennen – Daten aufbereiten und zusammenführen. Manche Makros hatten Öffnungszeiten von über einer Minute, was das User-Handling sehr erschwerte. Die Planung dauerte insgesamt zu lang. Seit der Systemeinführung mit smartPM haben sich unsere Planungs- und Forecastzyklen massiv verkürzt.“ Daniel Olthaus, Head of Financial Analysis, ROSEN Gruppe in Deutschland.

AUSGANGSSITUATION

Ausgangssituation und Herausforderungen der ROSEN Group vor Projektstart:

• Zeitaufwendiges und aufwändiges Zusammenführen und Pflegen von großen Excel Sheets.
• Die Gewährleistung einer guten Datenqualität und Datenaktualität war herausfordernd.
• Unterschiedliche Teilpläne führten kontinuierlich zu Abstimmungsaufwand. Der Fokus lag auf dem Abgleich von Teilplänen und der Analyse von Abweichungen.
• Die Analyse kam zu kurz, die Ableitung von Managemententscheidungen war herausfordernd, weil über Dateninterpretation anstatt Analysen und Handlungsempfehlungen diskutiert wurde.
• Die Planungszyklen waren lang. Es fehlte an Flexibilität und Reaktionsschnelligkeit.
• Der Ruf nach einem professionellen, integrierten System mit hoher User Acceptance war laut.

Daniel Olthaus, Head of Financial Analysis:

„Die Durchführung des Projektes zur vollintegrierten Planung haben wir in mehreren Umsetzungsschritten geplant. Uns war bewusst, dass wir nicht von Anfang an ein vollausgebautes Planungssystem haben und gruppenweit einsetzen werden. Deshalb haben wir 5 Stufen bzw. Projektphasen vorgesehen:

1. Legale Planung der deutschen Einheiten: Kostenstellen, Projekt, Personal, CAPEX, Investition, P&L mit unterschiedlichen Planungszyklen, damit wir nicht nur wie in der Vergangenheit auf Jahresscheiben planen, sondern kontinuierlich, unterjährig. Der Plan wird laufend upgedatet und im flexiblen System können Szenarien unterschieden werden.
2. Darauf aufbauend die Ableitung der Stundensätze aus der Planung und der Bilanzzahlen (unterjährige Entwicklung Working Capital).
3. Integration der Legal Entity Planung und Vertriebsplanung mit Planung der Order Intake und Umsatz- und Profitcenterplanung.
4. Automatisierung der Verknüpfung der Teilpläne für ein vollintegriertes System. Eine Änderung im Teilplan zeigt die Auswirkung auf die anderen Teilpläne (Umsatz, Kostenplanung etc.).
5. Am Ende steht das vollausgebaute xP&A mit einem schlüssigen Bild der zukünftigen Entwicklung für die komplette Gruppe.“

Projektziele

• Ein vollintegriertes System mit Anbindung aller Datenquellen und Vernetzung aller Teilpläne mit Auswirkung auf die Finanzplanung (Absatz/Vertrieb, Beschaffung, Produktion, Auslieferung/Leistungserbringung) für die gesamte Gruppe.
• Beschleunigung des Budgetprozesses: Eine kontinuierliche Planung mit der Möglichkeit, Anpassungen direkt einfließen zu lassen. Dadurch können Management-Entscheidungen optimal unterstützt werden.
• Verbesserung der Datenqualität und -aktualität
• Schnelle Reaktion auf sich ändernde Teilpläne inklusive unterjährige Anpassung und flexibler, leicht konfigurierbarer Szenarien/Bandbreitenplanung mit Wertreibern.
• Abbildung und Zusammenführung unterschiedlicher Planungsdimensionen: Vertriebssicht vs. Geschäftsführungssicht der legalen Einheiten.

Daniel Olthaus, Head of Financial Analysis der ROSEN Gruppe in Deutschland:

„Wir können jetzt kontinuierlich planen und entscheiden - mit aktuellem Datenstand. Der Planungsprozess ist vereinheitlicht. Alle Teilpläne sind verknüpft und der Abstimmungsbedarf ist wesentlich gesunken. Die User bzw. Usergruppen haben ein eigenes Cockpit mit ihren eigenen Planungsschritten. Die Verantwortlichkeiten sind eindeutig zugeordnet und die Abgabe von Teilplänen ist im System terminiert. Dadurch kann der Status der Planung beobachtet werden. Durch die Teams- und Office-Integration kann direkt Kontakt mit den PlanerInnen aufgenommen werden. Das spart viel Zeit. In den standardisierten Planungsmasken können zum Beispiel auch Planungsszenarien, Kostenarten im Vergleich zu Vorjahreswerten etc. durchgeführt werden. Werteänderungen können einfach angepasst und automatisch verteilt werden. Auch Abweichungen können leicht identifiziert werden und Kommentare für ev. Sondereffekte eingetragen werden durch die Planer. Die Planung kann auf Kontenebene und übergeordneter Ebene mit automatischer Verteilung erfolgen.“

Projektumsetzung

• 2022: Entwicklung eines 5 Stufen Plans: Go Live für 9/2023 geplant
• Dezember 2022 bis März 2023: Softwareauswahl mit exakten Anforderungslisten und Demoterminen mit 5 Anbietern auf der Longlist.
• Januar 2023: Implementierung Prototyp Kapazitätsplanung mit ROSEN Unternehmensdaten durch smartPM, weitere 4 Anbieter zeigen ihre Lösungen
• April-Mai 2023: Proof of Concept mit 2 Anbietern (Shortlist): Prüfung Datenmodell und -anbindung, User Management, Dashboards, Lizenzmodell, Support, Flexibilität
• Mai 2023: Einstimmige Entscheidung für smartPM.solutions. Start Implementierung Kapazitäts- & Ressourcenmanagement, Kostenstellenplanung, Datenanbindung
• Juni 2023: Implementierung Financial Reporting
• Juli/August 2023: Implementierung Cash Forecasting und Testphase des Systems, Umsetzungsprüfung ob alle Anforderungen erfüllt sind
• September 2023: Go-Live der Planung genau nach Zeitplan für alle Planer/User

Daniel Olthaus, Head of Financial Analysis, ROSEN:

„Der Support war ein wesentlicher Punkt bei der Entscheidung für smartPM.solutions. Bei den meisten Anbietern ist die Software recht identisch. Der Fokus lag bei uns vielmehr darauf: Wie ist das Implementierungsteam, wie ist der Support und wie funktioniert es auch nach dem Projekt. Wir hatten das gute Gefühl, dass die Implementierung mit smartPM auch erfolgreich sein wird. Das war für uns ein wichtiger Punkt und stellt sich jetzt auch, nachdem wir den ersten Implementierungsschritt zeitgerecht abgeschlossen haben, als wesentlichen Faktor dar, weil sich während der Projekt- bzw. Durchführungsphase immer wieder Punkte ändern, wo wir feststellen, dass wir kurzfristig mit dem Anbieter zusammen darauf reagieren und Schwerpunkte anpassen müssen. Entscheidend ist letztlich, dass wir einen möglichst flexiblen Partner haben, mit dem wir auch schnell umsetzen können. Wir haben uns mit smartPM bisher richtig entschieden.“

Fazit & Learnings

• Schritt für Schritt Einführung ist sehr empfehlenswert – der bewährte 5 Stufen-Plan
• Entscheidende Erfolgsfaktoren für das BI und FP&A Einführungsprojekt: Nicht die Software, die bei vielen Anbietern sehr ähnlich ist, sondern der Support auch nach dem Projekt und die Erfahrung des Implementierungspartners.
• Massive Verbesserung der Daten- und Entscheidungsqualität durch die Vernetzung von Daten und Teilplänen in einem System. Erhebliche Vereinfachung der Überwachung von Finanzkennzahlen. Zeitersparnis: Schnelle und kontinuierliche Budgetplanung.
• Sehr übersichtliche Personalplanung und Investitionsplanung mit Planungsmasken pro Kostenstelle. Komplettes Reporting mit sehr guter Visualisierung im System abgebildet.
• Hohe User-Acceptance, Zuständigkeiten können zentral sehr einfach angepasst werden – für ganze Einheiten oder Funktionen, gute Benutzerführung mit individuell definierbarer Startseite – Cockpit.