In der heutigen schnelllebigen Welt wird immer häufiger die Frage gestellt und diskutiert, was noch nachhaltig ist und welche Veränderungen sich am Horizont abzeichnen. Der technologische Fortschritt treibt nicht nur die Unternehmen durch den Wirtschaftskreislauf, sondern beeinflusst auch die Gesellschaft. Die digitale Revolution, von der wir regelmäßig hören, hat aufgrund des technologischen Fortschritts, zum Beispiel durch schnellere Computergeschwindigkeiten und größere Speicherkapazitäten, zu einer enormen Menge an Daten geführt. Es ist davon auszugehen, dass die heute verfügbare Datenmenge weiterhin exponentiell ansteigen wird. Nicht nur in kommerziellen Unternehmen werden immer mehr Daten erzeugt, auch in Privathaushalten gibt es immer mehr Geräte wie Amazons Alexa oder Apples Siri, die mit der Außenwelt vernetzt sind.
Die riesigen Datenmengen, die zahlreiche smarte Geräte heutzutage erzeugen, sind daher nicht verwunderlich, ebenso wenig wie die Tatsache, dass Firmen an den Daten interessiert sind und dass Unternehmen mit den Daten viel Geld verdienen können (z.B. im Controlling). In der Öffentlichkeit wird derzeit unablässig darüber diskutiert, wie bestimmte Güter mit der Umwelt vernetzt werden (z.B. autonomes Fahren) und wie sich die digitale Revolution auf einzelne Abteilungen und deren Arbeitsweise in Zukunft auswirken wird. Die Begriffe Industrie 4.0 und Big Data, auf die später noch näher eingegangen wird, sind in diesem Zusammenhang bereits genannt worden und werden mit ziemlicher Sicherheit erhebliche Auswirkungen auf die Arbeitsprozesse in der Unternehmenswelt haben, wie weiter unten erläutert wird.
Inhaltsverzeichnis
1 Einleitung
1.1 Ausgangslage
1.2 Ziele und Fragestellungen
1.3 Methodik und Vorgehensweise
2 Theoretische Grundlagen
2.1 Definition
2.2 Merkmale Künstlicher Intelligenz
2.3 Machine Learning
3 Aufgaben, Prozesse und Organisation des Controllings
4 Künstliche Neuronale Netze
4.1 Grundlagen der KNN
4.2 Typische Aufgaben von KNN
4.3 Deep Learning
5 KI-Anwendungen und ihre Verwendungsmöglichkeiten für das Controlling
5.1 Maschine-zu-Maschine-Prozesse
5.2 Mensch-zu-Maschine-Prozesse
5.3 Big Data-Tools
5.4 Intelligente Automatisierung
5.5 Intelligente Entscheidungsunterstützung
5.5.1 Business Intelligence
5.5.2 Business Analytics
5.5.3 Planung / Forecasting
6 Künstliche Intelligenz im Controlling
6.1 Anwendung von KI auf die Prozesse des Controllings
6.1.1 Auswirkung auf Planung und Forecast
6.1.2 Ergebnisrechnung
6.1.3 Reporting
6.2 Auswirkungen auf die Controller
6.3 Chancen und Risiken von KI im Controlling
7 Schlussbetrachtung
7.1 Kritische Würdigung
7.2 Ausblick
Zielsetzung & Themen
Die vorliegende Arbeit untersucht den aktuellen wissenschaftlichen Stand zum Einsatz von Künstlicher Intelligenz im Controlling. Das primäre Ziel ist es, die Auswirkungen dieser Technologien auf Controlling-Prozesse sowie das Anforderungsprofil von Controllern zu analysieren und Forschungsfragen zur Mehrwertschöpfung durch KI-gestützte Instrumente zu beantworten.
- Grundlagen von Künstlicher Intelligenz, Machine Learning und Künstlichen Neuronalen Netzen
- KI-Anwendungsfelder wie Maschine-zu-Maschine-Prozesse und intelligente Entscheidungsunterstützung
- Transformation des Controllings durch Business Intelligence und Predictive Analytics
- Veränderte Rollenbilder des Controllers im digitalen Wandel (z. B. Business Partner)
- Kritische Analyse von Chancen und Risiken beim Einsatz von KI im Controlling
Auszug aus dem Buch
4.1 Grundlagen der KNN
Bei KNN handelt es sich um eine Nachbildung des menschlichen neuronalen Netzes. Hierbei werden Netze aus einfachen miteinander verbundenen Neuronen simuliert. KNN eignen sich für äußerst komplizierte Problemstellungen und setzen dabei eine große Datenmenge voraus (Big Data).
Diese Netzwerke besitzen einen großen Vorteil im Vergleich zu den Varianten des maschinellen Lernens. Durch Nutzung von vielschichtigen Netzwerken können sie Zusammenhänge erlernen, die den Algorithmen des normalen maschinellen Lernens verborgen bleiben. Dabei sind die Netzstrukturen der Arbeitsweise des menschlichen Gehirns nachempfunden. Dazu werden simulierte Neuronen eingesetzt. Vereinfacht gesagt ist ein Neuron eine Zelle, die mehrere Eingänge und einen Ausgang hat. Sobald die Eingangssignale eine gewissen Schwellwert erreichen, wird ein Ausgangssignal abgesendet, dass wiederum von mehreren Neuronen empfangen wird. Mehrere übereinanderliegende Neuronen bilden eine Schicht, welche auch als Layer bezeichnet werden. Es gibt jeweils eine Eingangsschicht (Input-Layer) und eine Ausgangsschicht (Output-Layer). Dazwischen können jedoch beliebig viele versteckte Schichten (sog. Hidden-Layer) liegen (s. Abbildung 1). Die Eingänge der Neuronen werden gewichtet. Die Gewichtungen der Eingangswerte beeinflussen den Ausgangswert. Ein Schwellwert bestimmt, ob das Neuron ausgelöst wird und somit eine Ausgabe erzeugt.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Relevanz Künstlicher Intelligenz für das Controlling ein und definiert die zentralen Forschungsfragen sowie die methodische Vorgehensweise.
2 Theoretische Grundlagen: Hier werden der Begriff der Künstlichen Intelligenz, ihre Merkmale sowie die verschiedenen Lernverfahren des Machine Learnings theoretisch fundiert erarbeitet.
3 Aufgaben, Prozesse und Organisation des Controllings: Dieses Kapitel erläutert die originären Funktionen und die Organisation des Controllings als Basis für die spätere Untersuchung von KI-Einflüssen.
4 Künstliche Neuronale Netze: Es wird die Funktionsweise und Struktur Künstlicher Neuronaler Netze inklusive der Konzepte von Deep Learning dargestellt.
5 KI-Anwendungen und ihre Verwendungsmöglichkeiten für das Controlling: Hier werden technische Anwendungsmöglichkeiten wie Chatbots, Big Data-Tools und Business Intelligence in den Kontext des Controllings übertragen.
6 Künstliche Intelligenz im Controlling: Dieses Kernkapitel analysiert den konkreten Transfer von KI-Methoden auf Controlling-Prozesse wie Planung, Ergebnisrechnung und Reporting sowie die Folgen für Controller.
7 Schlussbetrachtung: Das letzte Kapitel bietet eine kritische Würdigung der Ergebnisse sowie einen Ausblick auf zukünftigen Forschungsbedarf.
Schlüsselwörter
Künstliche Intelligenz, Controlling, Machine Learning, Künstliche Neuronale Netze, Deep Learning, Business Intelligence, Big Data, Predictive Analytics, Digitale Transformation, Controller-Profil, Prozessautomatisierung, Forecasting, Industrie 4.0, Datenqualität, Data Mining
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Bachelorarbeit behandelt die Nutzung und den Einfluss von Künstlicher Intelligenz auf das Controlling in Unternehmen, insbesondere vor dem Hintergrund der digitalen Transformation.
Welche zentralen Themenfelder werden abgedeckt?
Die Schwerpunkte liegen auf theoretischen Grundlagen der KI, spezifischen KI-Technologien wie KNN und Deep Learning sowie deren praktischer Anwendung in Controlling-Prozessen.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Beantwortung der Frage, inwiefern KI das Controlling verändern kann, welchen Mehrwert sie schafft und welche Instrumente für bestimmte Aufgaben sinnvoll sind.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer umfangreichen Literaturanalyse wissenschaftlicher Publikationen, Studien und Fachbücher aus den Jahren 2016 bis 2020.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretische Einführung in KI-Methoden, die Darstellung von KI-Anwendungen im Controlling und die Analyse von Auswirkungen auf Prozesse und Mitarbeiter.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind unter anderem Controlling, Künstliche Intelligenz, Business Intelligence, Big Data, Machine Learning und der Wandel des Anforderungsprofils von Controllern.
Welche Bedeutung haben Chatbots für das Controlling?
Chatbots dienen der automatisierten Kommunikation und können das Management bei schnellen Abfragen zu aktuellen Ergebnissen oder Abweichungsanalysen unterstützen.
Wie verändert KI das Anforderungsprofil eines Controllers?
Die Rolle verschiebt sich von der reinen Datenaufbereitung hin zu einer beratenden Funktion als Business Partner, wobei technisches Verständnis, IT-Knowhow und analytische Fähigkeiten an Bedeutung gewinnen.
Was sind die größten Risiken beim Einsatz von KI im Controlling?
Die Risiken umfassen unter anderem die Gefahr von Fehlinterpretationen durch Anwender, Abhängigkeiten von Drittanbietern bei der Datenspeicherung und Sicherheitsrisiken im Bereich der Wirtschaftskriminalität.
- Arbeit zitieren
- Ghostwriting Partner (Autor:in), 2021, Nutzung von Künstlicher Intelligenz im Controlling, München, GRIN Verlag, https://www.grin.com/document/1185540
