Anhand der vorliegenden Arbeit soll aufgezeigt werden, inwiefern sich das Controlling im Zuge der Digitalisierung verändert.
Mithilfe der Aufarbeitung des aktuellen Forschungsstandes werden sowohl die Veränderungen der Hauptprozesse im Controlling als auch die Veränderungen der Anforderungen an das Controlling analysiert. Die umfassenden Analyseergebnisse sollen im Anschluss auf Unternehmen aus der Telekommunikationsbranche abgeleitet werden. Ziel ist es, die zukünftigen Prozesse und die Anforderungen an das Controlling in einem Telekommunikationsunternehmen festzustellen.
Die daraus resultierende Forschungsfrage, welche Auswirkungen die Digitalisierung auf das Controlling in Telekommunikationsunternehmen hat, soll im Rahmen der vorliegenden Arbeit beantwortet werden. Die Arbeit ist folgendermaßen aufgebaut: Nach der Skizzierung der Problemstellung sowie der Definition der Forschungsfrage wird im zweiten Kapitel das theoretische Fundament gelegt. Hierbei werden die Begrifflichkeiten des Controllings und der Digitalisierung definiert und abgegrenzt. Außerdem erfolgt eine Einordnung des Telekommunikationsmarkts.
Im dritten Kapitel werden die Auswirkungen der Digitalisierung auf das Controlling mithilfe der aktuellen Forschung analysiert. Der Fokus liegt dabei auf den Veränderungen der Controlling-Hauptprozesse sowie den Anforderungen an das Controlling. Im vierten Kapitel erfolgt ein deduktiver Ansatz, indem die Forschungsergebnisse auf das Controlling in Telekommunikationsunternehmen abgeleitet werden. Anhand der spezifischen Eigenschaften der Industrie werden die Auswirkungen durch die Digitalisierung im Controlling eines Telekommunikationsunternehmens ausgearbeitet. Die vorliegende Arbeit schließt im fünften Kapitel mit einem Fazit hinsichtlich der Beantwortung der Forschungsfrage und einer Zusammenfassung der Forschungsergebnisse.
Inhaltsverzeichnis
Abbildungsverzeichnis
Abkürzungsverzeichnis
1 Einleitung
1.1 Problemstellung
1.2 Ziel und Gang der Arbeit
2 Theoretische Grundlagen
2.1 Controlling
2.2 Digitalisierung
2.2.1 Definition
2.2.2 Zentrale Technologien
2.3 Telekommunikationsmarkt
3 Auswirkungen der Digitalisierung auf das Controlling
3.1 Dynamisierung der Märkte und Anforderungen an das Controlling
3.2 Ansätze der Digitalisierung im Controlling
3.2.1 Zielsetzung
3.2.2 Wirkungsfelder
3.3 Controlling-Hauptprozesse
3.3.1 StrategischePlanung..
3.3.2 Planung, Budgetierung undForecast
3.3.3 Investitionscontrolling und Projektcontrolling
3.3.4 Kostenrechnung
3.3.5 Management Reporting
3.3.6 Business Partnering
3.3.7 Risikocontrolling
3.3.8 Datenmanagement
3.4 AnforderungenanController
4 Ableitung der Ergebnisse aufTelekommunikationsunternehmen
4.1 Spezifische Anforderungen
4.1.1 Allgemein
4.1.2 Controlling
4.2 Digitalisierung im Controlling
5 Fazit
5.1 Zusammenfassung der Ergebnisse
5.2 Kritische Würdigung und Ausblick
Literaturverzeichnis
Abbildungsverzeichnis
Abbildung 1: Einordnung unterschiedlicherAnalytics-Ausprägungen
Abbildung 2: Kategorien der Digitalisierung im Controlling
Abbildung 3: Das Controlling-Prozessmodell 2.0 der IGC
Abbildung 4: Typische Prozessschritte im Reporting-Prozess
Abbildung 5: Zukünftige Schwerpunkte von Controlling-Rollen
Abbildung 6: Szenarien der Zusammenarbeit von Manager, Controller und Data Scientists
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Hinweis:
Aus Gründen der besseren Lesbarkeit schließt in der folgenden Arbeit die männliche Form alle Geschlechter mit ein und beinhaltet keine Wertung.
1 Einleitung
1.1 Problemstellung
Die Digitalisierung ist ein Megatrend, welcher mit der Corona-Pandemie einen zusätzlichen Treiber gewonnen hat. Bei vielen Diskussionen in Wissenschaft, Unternehmen und Presse zeigt sich eindeutig, dass die digitale Transformation zahlreiche Auswirkungen auf die Arbeitswelt haben wird. Neben der Wertschöpfungskette eines Unternehmens sind auch administrative Funktionsbereiche der Verwaltung, wie zum Beispiel die Buchhaltung, Human Resources oder Controlling, direkt oder indirekt betroffen.1
Im Kontext des Controllings fallen im Zuge der Digitalisierung Schlagwörter wie Big Data, Predictive Analytics, Robotic Process Automation oder Künstliche Intelligenz, welche erste Anhaltspunkte zur Veränderung des Controllings liefern.2
Die digitale Transformation wirkt sich mannigfaltig auf das Controlling aus, sodass neben den Prozessen und den Kompetenzanforderungen auch die Organisation des Controllings betroffen ist. Dies spiegelt sich auch in Expertenaussagen wider. Schäffer und Weber sind beispielsweise überzeugt, dass die Digitalisierung das Controlling grundlegend verändern wird.3 Michel und Tobias spekulieren, ob dem Controlling ein radikaler Wandel bevorsteht.4
1.2 Ziel und Gang der Arbeit
Anhand der vorliegenden Arbeit soll aufgezeigt werden, inwiefern sich das Controlling im Zuge der Digitalisierung verändert.
Mithilfe der Aufarbeitung des aktuellen Forschungsstandes werden sowohl die Veränderungen der Hauptprozesse im Controlling als auch die Veränderungen der Anforderungen an das Controlling analysiert. Die umfassenden Analyseergebnisse sollen im Anschluss aufUntemehmen aus der Telekommunikationsbranche abgeleitet werden. Ziel ist es, die zukünftigen Prozesse und die Anforderungen an das Controlling in einem Telekommuni- kationsuntemehmen festzustellen.
Die daraus resultierende Forschungsfrage, welche Auswirkungen die Digitalisierung auf das Controlling in Telekommunikationsuntemehmen hat, soll im Rahmen der vorliegenden Arbeit beantwortet werden.
Die Arbeit ist folgendermaßen aufgebaut: Nach der Skizzierung der Problemstellung sowie der Definition der Forschungsfrage wird im zweiten Kapitel das theoretische Fundament gelegt. Hierbei werden die Begrifflichkeiten des Controllings und der Digitalisierung definiert und abgegrenzt. Außerdem erfolgt eine Einordnung des Telekommunikationsmarkts.
Im dritten Kapitel werden die Auswirkungen der Digitalisierung auf das Controlling mithilfe der aktuellen Forschung analysiert. Der Fokus liegt dabei auf den Veränderungen der Controlling-Hauptprozesse sowie den Anforderungen an das Controlling.
Im vierten Kapitel erfolgt ein deduktiver Ansatz, indem die Forschungsergebnisse auf das Controlling in Telekommunikationsunternehmen abgeleitet werden. Anhand der spezifischen Eigenschaften der Industrie werden die Auswirkungen durch die Digitalisierung im Controlling eines Telekommunikationsunternehmens ausgearbeitet.
Die vorliegende Arbeit schließt im fünften Kapitel mit einem Fazit hinsichtlich der Beantwortung der Forschungsfrage und einer Zusammenfassung der Forschungsergebnisse.
2 Theoretische Grundlagen
2.1 Controlling
„Controlling ist ein weites Feld“5, jedoch wird der Begriff trotz großer Akzeptanz und weitreichender Verbreitung nicht einheitlich aufgefasst.6 Horväth, einer der wissenschaftlichen Pioniere in diesem Bereich, definiert das Controlling als Aufgabenträger, welcher die Untemehmensführung mit ergebnisorientierten Informationen versorgt.7 Wesentliche Schwerpunkte sind dabei die Mitwirkung am Planungs- und Steuerungsprozess sowie die Koordinations- und Abstimmungsaufgaben. Das Controlling ist Teil der Untemehmensführung bzw. ist ihr unmittelbar zugeordnet.8
Aufgrund der sprachlichen Nähe entstehen Missverständnisse, wenn unter Controlling das Wort „Kontrolle“ verstanden wird. Controlling leitet sich allerdings vom englischen Verb ,,to control“ ab, welches mit „steuern“ übersetzt werden kann. Begriffliche Unklarheiten sind unter Fachkundigen weitgehend behoben.9
Historisch betrachtet lassen sich die Aufgaben des Controllings bis ins 15. Jahrhundert zurückverfolgen. Am englischen Königshof verzeichnete der „Countrollour“ die ein- und ausgehenden Gelder und Güter.10 Mit der industriellen Revolution wurde die Position des Controllers in den amerikanischen Eisenbahngesellschaften institutionalisiert, da die Arbeitsteilung und die Komplexität in der Wirtschaft zunahmen.11
In Deutschland finden sich erste Ansätze der Aufgaben des Controllings im frühen 16. Jahrhundert.12 Das Konzept des Controllings und den Begriff des Controllers lernten deutsche Manager und Wissenschaftler erst durch Reisen in die USA in den 1950er Jahren kennen.13
Nachdem das Controlling-Konzept bis Ende der 1960er Jahre noch weitgehende auf Ablehnung gestoßen war, stieg die Akzeptanz in Deutschland ab den 1970er Jahren. Die Stelle des Controllers verbreitete sich zunächst vor allem in Großunternehmen. Die institutionelle Entwicklung in der Wissenschaft begann 1973 mit der Berufung von Péter Horvath auf den neu eingerichteten Lehrstuhl für Controlling der Technischen Hochschule Darmstadt.14
Heutzutage ist das Controlling Stütze und Grundfunktionjeder Unternehmensführung.15 Dieses Verständnis der Führungsunterstützungsfunktion ist weltweit relativ einheitlich. Die Kemelemente des Controllings werden durch das Controller-Leitbild der International Group of Controlling (IGC) und des Internationalen Controller Vereins (ICV) definiert.16 In der Grundsatzposition beider Organisationen mündet das Controlling im Bild eines umfassenden Begleiters des Managers, dem Business Partner.17 Dort heißt es:
„Controller leisten als Partner des Managements einen wesentlichen Beitrag zum nachhaltigen Erfolg der Organisation.
Controller ...
1. gestalten und begleiten den Management-Prozess der Zielfindung, Planung und Steuerung, sodassjeder Entscheidungsträger zielorientiert handelt.
2. sorgen für die bewusste Beschäftigung mit der Zukunft und ermöglichen dadurch, Chancen wahrzunehmen und mit Risiken umzugehen.
3. integrieren die Ziele und Pläne aller Beteiligten zu einem abgestimmten Ganzen.
4. entwickeln und pflegen die Controlling-Systeme. Sie sichern die Datenqualität und sorgen für entscheidungsrelevante Informationen.
5. sind als betriebswirtschaftliches Gewissen dem Wohl der Organisation als Ganzes verpflichtet.“18
2.2 Digitalisierung
2.2.1 Definition
Der Begriff der Digitalisierung erscheint in der aktuellen Diskussion in Wissenschaft und Praxis allgegenwärtig.19 Rein technisch beschreibt die Digitalisierung einen Kodierungsvorgang, durch den eine analoge in eine digitale Darstellung transformiert wird.20
Die Definition der Digitalisierung beginnt zwar mit der technischen Betrachtung, entwickelt sich allerdings zunehmend in die Richtung der Berücksichtigung ökonomischer Aspekte.21 Becker et al. stellen einen expliziten Zusammenhang zwischen der Digitalisierung und der Transformation von Geschäftsmodellen her.22
Zum Verständnis dieser Entwicklung lohnt sich eine historische Einordnung. Zunächst ist der Begriff „Industrie 4.0“ von der Digitalisierung abzugrenzen. Industrie 4.0 beschreibt die vierte industrielle Revolution, die nach der Mechanisierung, der Automatisierung und dem Einsatz von Elektronik und IT nun die Nutzung der cyber-physikalischen Systeme darstellt. Die cyber-physikalischen Systeme beruhen auf einer Vernetzung der Produktion über das Internet und der damit verbundenen Vermischung der physischen mit der virtuellen Welt.23
Die Digitalisierung hat ihre Ursprünge bereits im 19. Jahrhundert und ist daher nicht mit der Industrie 4.0 gleichzusetzen. Vielmehr hat sich die Digitalisierung seitdem entwickelt und ist mit der dritten und vierten industriellen Revolution eng verbunden. Im Rahmen der dritten industriellen Revolution bedeutete Digitalisierung die Implementierung digitaler Infrastruktur. Heutzutage beschreibt die Digitalisierung die digitale Transformation von Geschäftsmodellen und ist mit der Industrie 4.0 verbunden.24
Diese Auffassung teilt das Bamberger Kompetenzzentrum für Geschäftsmodelle in der digitalen Welt und definiert die Digitalisierung folgendermaßen: „Digitalisierung ist die strategisch orientierte Transformation von Prozessen, Produkten, Dienstleistungen bis hin zur Transformation von kompletten Geschäftsmodellen unter Nutzung moderner Informations- und Kommunikationstechnologien (IuK) mit dem Ziel, nachhaltige Wertschöpfung effektiv und effizient zu gewährleisten.“25
Diese Definition ist bewusst weit gewählt, da es in der betriebswirtschaftlichen Diskussion kein einheitliches Begriffsverständnis hinsichtlich der Digitalisierung gibt. Zudem erscheint diese Begriffsbestimmung zweckdienlich, da sowohl die notwendigen technischen Ressourcen (IuK) als auch der prozessuale Akt der strategisch orientierten Transformation der Geschäftsmodelle berücksichtigt werden. Ökonomisch steht das Ziel der Wertschöpfung und Effizienzsteigerung im Fokus.26 Hinsichtlich der Technologien wird die Digitalisierung beispielsweise mit Künstlicher Intelligenz, Robotic Process Automation, Big Data, Social Media oder Mobility Cloud Computing in Verbindung gebracht.27
Insgesamt ist festzuhalten, dass die Digitalisierung viele Bereiche des sozialen, privaten und öffentlichen Lebens grundlegend verändern wird.28
2.2.2 Zentrale Technologien
Die Digitalisierung ist ein weiter Begriff, der in allen Anwendungsfeldern unterschiedliche Ausprägungen besitzt. Es ist festzustellen, dass die Grundlage der Digitalisierung stets bei technologischen Entwicklungen beginnt. Im Folgenden werden einige Ausprägungen und Begriffe der Digitalisierung, die im Controlling relevant sind, näher erläutert.
Big Data
Die weltweite Vernetzung, cyber-physikalische Systeme und die Möglichkeit mobiler Machine-to-Machine-Kommunikation treibt die Erzeugung von Daten in die Höhe. Täglich werden neue Bits und Bytes in Form von Zahlen, Videos, Fotos und Texten geschaffen. Zurzeit wird davon ausgegangen, dass sich die weltweite Datenmenge alle zwei Jahre verdoppelt.29
Trotz der inflationären Entwicklung der Datenmenge steigen der Wert und die Bedeutung der Daten. „Big Data“ beschreibt in diesem Zusammenhang jegliche Form von großen Datenmengen, die mit konventionellen Methoden nicht mehr in einem angemessenen Aufwand auszuwerten sind. Inhalte von Big Data sind die Erfassung, zielgerichtete Verarbeitung und Nutzung von Massendaten.30 Die Herausforderung ist, dass sich die Daten zunehmend von bisher bekannten Datenmengen im Volumen, in den Eigenschaften, der Häufigkeit und der Schnelllebigkeit unterscheiden. Die Daten liegen häufig in unstrukturierter Form vor, beispielsweise als Text.31 Mithilfe von Software können diese Datenmengen strukturiert, prozessiert, transportiert, verteilt, analysiert und gespeichert werden.32
Eine Voraussetzung ist neben den notwendigen Programmen auch die Rechenleistung, sodass komplexe Simulationen und Echtzeitdatenauswertungen möglich werden. Anwendungsfelder sind beispielsweise die Klimaforschung, die Hochenergiephysik oder die theoretische Chemie. Durch einen direkten und nicht zeitverzögerten Zugriff auf alle rele- vanten und zugänglichen Daten können hier kurzfristig Informationen für Entscheidungen gewonnen werden. Ein Mensch könnte diese Datenmengen in kurzer Zeit nicht überblicken und verarbeiten.33
Big Data ist ebenfalls in wirtschaftlichen Bereichen relevant und bietet große Potenziale. Primäres Ziel ist es, aus den großen Datenmengen gewinnbringende Erkenntnisse zu erhalten.34 Dies gelingt mit verschiedenen Methoden, welche im Zusammenhang mit Statistik und Künstlicher Intelligenz stehen. Die Verfahren werden auch als Data Mining beschrieben, da neue Muster erkannt, Cluster gebildet und Ausreißer identifiziert werden. Im Ergebnis erarbeiten Big Data und Data Mining neue Korrelationen, die zuvor nicht entdeckt wurden.35
Der Datenschutz für Verbraucher sowie die Governance von Daten sind nicht zu vernachlässigen. Govemance umfasst den rechtlichen und faktischen Ordnungsrahmen für die Leitung und Überwachung eines Unternehmens, um Spielräume und Motivationen der Akteure für opportunistisches Verhalten einzuschränken.36 Prominentes Beispiel im Rahmen von Datenschutz sind die Enthüllungen von Edward Snowden über die Erfassung von Daten durch die Geheimdienste der USA. Dennoch wird die systematische digitale Erfassung und Analyse der Daten sich in Zukunft weiter erhöhen und professionalisieren.37
Künstliche Intelligenz undMachine Learning
„Künstliche Intelligenz“ ist ein Überbegriff für Programme, bei denen Systeme oder Maschinen menschenähnliche Intelligenzleistungen wie Wahrnehmen, Entscheiden, Problemlosen oder Lernen erbringen. Künstliche Intelligenz existiert dabei in unterschiedlichen Intensitäten und Ausprägungen.38 Die Basis von Künstlicher Intelligenz bilden Algorithmen, die programmierte Handlungsanweisungen für jede Art von Computer darstellen und ebenfalls unterschiedliche Ausprägungen haben.39 In zunehmender Intensität können Algorithmen repetitive Aufgaben automatisieren, neue Korrelationen identifizieren und ein selbstlernendes System darstellen. Letzteres wird auch mit dem Begriff „Machine Learning“ beschrieben. Hierbei kann der Mensch in die Analyse stets eingreifen. Deep Learning ist eine weitere Ausprägung der Künstlichen Intelligenz, die keinen Eingriff des Menschen in den Lernprozess ermöglicht.40 Dies ist für die Weiterentwicklung der Künstlichen Intelligenz von Vorteil, da der Mensch dem System nichtjede Handlung erklären muss.41
In der vollen Ausprägung ist die Künstliche Intelligenz nicht nur ein selbstlernendes System, sondern kann auch situations- und kontextbezogen Entscheidungen treffen, die dann auch bei beweglichen Maschinen und Robotern eingesetzt und genutzt werden können. Ein Anwendungsbeispiel ist die Entwicklung von selbstfahrenden Autos. Künstliche Intelligenz steht außerdem in einer Symbiose mit Big Data. Künstliche Intelligenz ermöglicht die Erfassung, Analyse und Auswertung der Datenmengen. Parallel verbessern sich die Lernergebnisse der Künstlichen Intelligenzje größer die Datenbasis ist.42
Robotic Process Automation
„Robotic Process Automation“ definiert die Automatisierung von Prozessen, die zuvor durch Menschen ausgeübt wurden.43 Voraussetzung dafür ist die Einführung von Softwarerobotern, die im Prozess wie virtuelle Mitarbeiter agieren können und die gleichen Prozessschritte durchführen. Der neue Ansatz der Prozessautomatisierung ist hierbei, dass der Softwareroboter auf den bestehenden gemeinsamen Oberflächen funktioniert, sodass die Automatisierung keine Anpassung bestehender Architekturen und Prozesse erfordert.44
Hinsichtlich der Nutzung von Robotic Process Automation bestehen einige Anforderungen an die zu automatisierenden Prozesse. So sind notwendige Eigenschaften u. a. Konstanz, Standardisierung und Regelmäßigkeit.45 Zusätzlich beschränkt sich Robotic Process Automation auf Routineaufgaben, wie beispielsweise das Kopieren und Einfügen zwischen Systemen, da Robotic Process Automation per se keine Anwendung der Künstlichen Intelligenz darstellt. Die Kombination beider Technologien könnte das Einsatzspektrum vergrößern.46
Business Intelligence und Business Analytics
Business Intelligence hat in den letzten Jahren bei der IT-Unterstützung des Managements zunehmend an Bedeutung gewonnen.47 Der Begriff an sich ist älter, sodass er beispielsweise bereits 2004 als integrierter, unternehmensspezifischer und IT-basierter Gesamtansatz zur betrieblichen Entscheidungsfindung definiert wurde.48
Die Grundlage für Business Intelligence bilden Softwaresysteme, die zum einen alle notwendigen Daten bereitstellen und zum anderen eine grafische Auswertung ermöglichen.49 Der Begriff „Business Intelligence“ verfolgt einen unternehmensindividuellen Gesamtansatz, der Quellsysteme von Daten, die Datenbereitstellung und die Informationsgenerierung berücksichtigt.50 In der Datenbereitstellung werden die Daten aus den operativen Informations- und Kommunikationssystemen des Unternehmens und ggf. externe Daten vorgehalten. Hierbei werden teilweise auch Data Warehouses genutzt, die alle Daten des Unternehmens zu einem zentralen Datenpool vereinen. In der Informationsgenerierung wird eine visuelle Auswertung der Daten durch Analysesysteme ermöglicht. Hier sind die Konzepte Online Analytical Processing und Data Mining zu nennen. Laut Horvath basiert ein Großteil der im Einsatz befindlichen IT-gestützten Controllingsysteme auf einer oder mehreren Business-Intelligence-Technologien. Die aktuelle Herausforderung ist die Bereitstellung neuer und umfangreicherer Datenbestände.51
Um auch zukünftig wettbewerbsfähig zu bleiben, muss es Unternehmen gelingen, Daten in relevante Geschäftsinformationen umzuwandeln.52 Vor dem Hintergrund von Big Data und zunehmenden Datenmengen sind zur Analyse und Informationsgewinnung spezielle Analyseverfahren notwendig.53 Der Begriff „Business Analytics“ vereint den Prozess des Datenmanagements, der Anwendung verschiedener Analysemethoden und der Ergebnisdarstellung.54 Der Begriff „Business Analytics“ ist von dem der „Business Intelligence“ abzugrenzen, da bei der Zukunftsorientieren Informationsgenerierung weiterführende Analyseverfahren angewendet werden müssen. In der oftmals vergangenheitsorientierten Perspektive der Business Intelligence sind diese nicht vorhanden.55 Business Analytics steht zusätzlich nicht in Konkurrenz mit den Konzepten von Big Data und Künstlicher Intelligenz. Vielmehr greift Business Analytics bei der Analyse u. a. auf die Ansätze der Statistik, von Big Data und teilweise Künstlicher Intelligenz zurück.56
Business Analytics wird als Sammelbegriff für unterschiedliche Methoden und Technologien verstanden, die zur Informationsgewinnung als Basis für unternehmerische Entscheidungen dienen.57 Mittlerweile haben sich drei Varianten der Business Analytics etabliert: Descriptive Analytics, Predictive Analytics und Prescricptive Analytics.58
Descriptive Analytics steht für die herkömmlichen, rein beschreibenden Verfahren, die auch in der Business Intelligence zum Einsatz kommen. In diesen Bereich ist auch die Analyse von Web-Daten einzuordnen.59 Descriptive Analytics adressieren Explorationsprobleme von Vergangenheitswerten, sodass bisher unbekannte Korrelationen, Cluster und Trends identifiziert werden können.60
Die Varianten Predictive Analytics und Prescriptive Analytics werden von Gluchowski der Gruppe der Advanced Analytics zugeordnet, die konventionelle und innovative Analyseverfahren beinhaltet. Predictive Analytics nutzt proaktive Analysetechniken, um Prognosen über zukünftige Ereignisse und Entwicklungen anzustellen.61 Durch u. a. verbesserte Financial Forecasts und die Weiterentwicklung von Werttreiberbäumen, in Verbindung mit Algorithmen der Klassifikation, Regression und Zeitreihenanalysen, werden so Prognoseprobleme adressiert.62 Als nächste Entwicklungsstufe werden die Prescriptive Analytics verstanden, da neben Vorhersagen auch Handlungsvorschläge und zugehörige Konsequenzen erarbeitet werden.63 Mithilfe innovativer Analyseverfahren des Datenbestands, beispielsweise im Kontext von Big Data und der Berücksichtigung untemehmens- externer Daten, werden Optimierungsprobleme adressiert.64 Abbildung 1 ordnet die unterschiedlichen Varianten der Analytics ein.
Quelle: Gluchowski, P., Business Analytics, 2016, S. 277
In-Memory-Technologien und Cloud Computing
Ein Ziel der Digitalisierung ist die Beschleunigung bei der Datenverarbeitung. Dies wird u. a. durch die Erhöhung der technischen Leistungsfähigkeit erreicht. Zwei Digitaltechnologien dieser Entwicklung sind In-Memory-Technologien und Cloud Computing.65
In-Memory-Technologien zeichnen sich durch die technologische Neuerung der Speicherung und Verwaltung der Daten im Hauptspeicher aus.66 Traditionelle Datenverarbeitungsverfahren nehmen die Speicherung und die Verwaltung der Daten auf der Festplatte vor. Der Wechsel auf den Hauptspeicher ermöglicht, auch unter Berücksichtigung steigender Datenmengen, eine erhöhte Verarbeitungs- und Lesegeschwindigkeit. Diese kann bis zu 100.000-mal schneller sein als traditionelle Datenverarbeitung.67 Neben der Nutzung des Hauptspeichers ist auch die Anpassung der Datenorganisation und die technologische Entwicklung der Hardwarekomponenten verantwortlich für den Entwicklungssprung der Datenverarbeitung. Hinsichtlich der Datenorganisation findet aufgrund der zunehmenden Datenmenge ein Wechsel von einer Zeilenorientierung hin zu einer Spaltenorientierung der Datensätze statt.68 Im Ergebnis erlaubt die In-Memory-Techno- logie auch im Rahmen von Big Data eine beschleunigte Auswertung der gewünschten Daten in Echtzeit und neue Möglichkeiten in der Unternehmenssteuerung.69
Ein Wegbereiter der In-Memory-Technologie ist der Kostenrückgang für Arbeitsspeicher. Dennoch können Investitionen in Speichertechnologien auf individueller Unternehmensebene kostenintensiv sein. Eine Lösung, um dies zu umgehen, stellt das Cloud Computing dar.70 Dieses wird von der US-amerikanischen Standardisierungsstelle, dem National Institute of Standards and Technology, als ein Modell definiert, welches es erlaubt, bei Bedarfjederzeit bequem und überall über ein Netz auf einen geteilten Pool von konfigurierbaren Rechnerressourcen zuzugreifen. Die Rechnerressourcen können schnell und mit minimalem Managementaufwand oder geringer Serviceprovider-Interaktion zur Verfügung gestellt werden. Die konfigurierbaren Rechnerressourcen sind beispielsweise Netze, Server, Speichersysteme, Anwendungen und Dienste.71
Infolge von Cloud-Lösungen werden u. a. leistungsfähige Business-Intelligence-Systeme mit Business-Analytics-Funktionen auch für kleine und mittlere Unternehmen günstig und flexibel zugänglich. Des Weiteren ermöglicht Cloud Computing auch den Zugang zu Cloud-Systemen und in der Cloud gespeicherten Informationen über mobile Endgeräte wie Smartphones.72 Dies ermöglicht ein Mobile Reporting, welches das Abrufen der Berichterstattung über mobile Endgeräte beschreibt.73
2.3 Telekommunikationsmarkt
Die Telekommunikation, ein Teilgebiet der Nachrichtentechnik, beschreibt die elektronische Übertragung und den Austausch aller Arten von Informationen über große Entfernungen. Sie Kommunikation kann in Form von Sprach-, Text-, Bild-, Daten- sowie kombinierter Kommunikation erfolgen.74 Als Basis der Telekommunikation ermöglicht ein Telekommunikationsnetz den Nachrichtenaustausch zwischen den Netzzugangspunkten, den Orten, an denen die Teilnehmer mit ihm verbunden sind. Telekommunikationsnetze bestehen aus einer Vielzahl von Netzkomponenten.75 Wichtige Übertragungsmedien sind beispielsweise Kupfer- oder Glasfaserkabel sowie Mobil- oder Satellitenfunk.76
Aus Sicht der Teilnehmer stehen die Anwendungen und Dienste im Vordergrund, welche die Telekommunikation ermöglicht.77 Besonders relevante Dienste sind u. a. Sprachtelefonie, Kabelfernsehen, Mobilfunk, Datenfernübertragung und das Internet.78 Telekommunikationsdienstleistungen haben gemeinsam, dass zwar Inhalte übertragen, aber keine Inhalte hergestellt werden. Dies zeigt sich auch in der Abgrenzung des Telekommunikationsmarkts. Das statistische Bundesamt klassifiziert die Telekommunikation unter der Branche „Information und Kommunikation“ im Wirtschaftszweig 61 „Telekommunikation“.79
Die gesamte Branche umfasst die Herstellung und den Vertrieb von Informations- und kulturellen Angeboten, die Bereitstellung der Mittel zur Übertragung und Verteilung dieser Produkte, einschließlich Datenübertragung und zur Kommunikation. Außerdem sind Tätigkeiten im Bereich der Informationstechnologie, die Verarbeitung von Daten und andere Informationsdienstleistungen enthalten.80 Die Telekommunikation beschränkt sich auf die Übertragung von Inhalten und wird in vier Gruppen aufgeteilt: Der Wirtschaftszweig 61.1 „Leitungsgebundene Kommunikation“ enthält alle Telekommunikationsdienstleistungen und Produkte aus den Bereichen Festnetz und Internet. Unter dem Wirtschaftszweig 61.2 „Drahtlose Telekommunikation“ werden alle Leistungen und Produkte im Bereich Mobilfunk gefasst. Relativ klein ist derzeit der Wirtschaftszweig 61.3 „Satellitentelekommunikation“ und wird hauptsächlich durch Unternehmen belegt, die auch in anderen Telekommunikationssektoren aktiv sind. Der Wirtschaftszweig 61.9 „Sonstige Telekommunikation“ umfasst die Leistungen von Service Providern und alle Leistungen sowie Produkte, die nicht eindeutig der leitungsgebundenen oder der drahtlosen Kommunikation zugeordnet werden können.81
Die Telekommunikation ist eine Kerntechnologie der modernen Wirtschaft und Gesellschaft. Die Telekommunikation als eigenständiger Markt ist ebenfalls von Bedeutung für Deutschland.82 Im Jahr 2020 erwirtschaftete der Telekommunikationsmarkt in Deutschland einen Umsatz von 57 Milliarden Euro. Außerdem existieren nach dem statistischen Bundesamt mehr als 3.800 Unternehmen.83 Der Telekommunikationsmarkt ist schnelllebig und innovativ. Kennzeichnend sind schnelle Veränderungen in der angebotenen Technologie, die ständige Einführung neuer Produkte und ein Konkurrenzkampf zwischen den Unternehmen um Marktanteile. Dies mündet in einem intensiven Preis- und Produktwettbewerb.84 Zudem ist die Marktstruktur oligopolistisch und wird von der Deutschen Telekom, Vodafone Deutschland und Telefonica Deutschland dominiert. Die drei Unternehmen hatten 2020 einen kumulierten Marktanteil von über 76 Prozent. Die Deutsche Telekom AG besitzt einen Marktanteil von 43 Prozent.85 Aus Wettbewerbsgründen unterliegt die Telekommunikation in Teilmärkten einer Marktregulierung durch die Bundesnetzagentur für Elektrizität, Gas, Telekommunikation, Post und Eisenbahnen.86
Die derzeitige oligopolistische Marktstruktur ist stark mit der Historie des Telekommunikationsmarkts in Deutschland verbunden. Bis 1999 war das Telekommunikationsangebot in Deutschland weitgehend monopolisiert.87 Die Reform des Telekommunikationsmarkts in Deutschland basiert auf drei Aspekten. Der erste Grund war die Teilprivatisierung der Deutschen Telekom ab dem Jahr 1996. Die staatliche Deutsche Bundespost entwickelte sich nach mehreren sogenannten Postreformen u. a. zu der privatwirtschaftlichen Deutschen Telekom. Zweitens wurde mit dem Telekommunikationsgesetz von 1996 die Liberalisierung des Marktzutritts ermöglicht. Dies ermöglichte neuen Anbietern den Zugang zum Markt, da beispielsweise mit regulatorischen Reformen der Wettbewerb sichergestellt werden sollte. Drittens ist die Deregulierung zu nennen, die den Abbau staatlicher Vorschriften beschreibt.88 Die Liberalisierung des Marktes hat zu einer Steigerung der Kosteneffizienz, innovativen Produkten und einer Preisreduzierung für Endverbraucher geführt und wird daher als erfolgreich eingestuft.89
3 Auswirkungen der Digitalisierung auf das Controlling
3.1 Dynamisierung der Märkte und Anforderungen an das Controlling
Vor dem Hintergrund von Digitalisierung und Industrie 4.0 steht fest, dass sich die Geschäftsmodelle von Unternehmen grundlegend verändern. Das Bundesministerium für Wirtschaft und Energie berichtet, dass der digitale Wandel im vollen Gange ist.90
Das Fundament der Digitalisierung sind die digitalen Technologien, die neue Geschäftsmodelle ermöglichen und die Gesellschaft in der Kommunikation sowie dem Verhalten beeinflussen.91 Neben dem Internet sind Cloud Computing, Big Data, Social Media, Blockchain, das Internet der Dinge und Künstliche Intelligenz als relevante Technologien zu nennen.92
Parallel zum technologischen Verlauf sind auch gesellschaftliche Entwicklungen zu verzeichnen. Mithilfe von Smartphones und Social Media ist die Kommunikation zwischen Menschen schneller, direkter und räumlich unabhängig.93 Indem Empfänger einfacher und immer mehr zu Sendern von digitalen Inhalten werden, entwickeln sich passive Konsumenten zu aktiven Prosumenten, die einen zunehmenden Einfluss auf das Wirtschaftsgeschehen haben.94 Außerdem ist es heutzutage wichtiger, Zugang zu Dingen wie Musik.
[...]
1 Vgl. Langmann, C., Digitalisierung im Controlling, 2019, S. 1 ff.
2 Vgl. Langmann, C., Digitalisierung im Controlling, 2019, S. 1 ff.
3 Vgl. Schäffer, U., Weber, J., Digitalisierung im Controlling, 2016, S. 38.
4 Vgl. Michel, U., Tobias, S., Digitalisierung im Controlling, 2017, S. 9.
5 Vgl. Fischer, D., Controlling, 2009, S. V.
6 Vgl. Fischer, T. etal., Controlling, 2015, S. 22.
7 Vgl. Horväth, P. etal., Controlling, 2020, S. 13.
8 Vgl. Horväth, P. etal., Controlling, 2020, S. 13.
9 Vgl. Horvath, P. etal., Controlling, 2011, S. 18.
10 Vgl. Horvath, P. etal., Controlling, 2020, S. 17.
11 Vgl. Fischer, D., Controlling, 2009, S.8ff.
12 Vgl. Coenenberg,A. G. et al., Jahresabschluss, 2014, S. 10.
13 Vgl. Horvath, P. etal., Controlling, 2020, S. 23.
14 Vgl. Fischer, T. etal., Controlling, 2015, S. 32 f.
15 Vgl. Behringer, S., Controlling, 2021, S. VI.
16 Vgl. International Group ofControlling, Controller-Leitbild, 2013, S. 1.
17 Vgl. Horvath, P. etal., Controlling, 2011, S. 22 ff.
18 Vgl. International Group ofControlling, Controller-Leitbild, 2013, S. 1.
19 Vgl. Becker, W., Pflaum,A., Digitalisierung, 2019, S. 4.
20 Vgl. Levi, P., Rembold, U., Informatik, 2003, S. 55.
21 Vgl. Becker, W., Pflaum,A., Digitalisierung, 2019, S. 9.
22 Vgl. Becker, W. etal., Digitalisierung, 2013, o. S.
23 Vgl. Obermaier, R., Industrie 4.0, S. 3.
24 Vgl. Becker, W., Pflaum,A., Digitalisierung, 2019, S. 4 ff.
25 Vgl. Becker, W., Pflaum,A., Digitalisierung, 2019, S. 9.
26 Vgl. Becker, W., Digitalisierung, 2019, S. 24 ff.
27 Vgl. Schawel, C., Billing, F.,Management, 2018, S. 75 ff.
28 Vgl. Kieninger, M.etal., Controlling, 2016, S. 241.
29 Vgl. Faber, O., Digitalisierung, 2018, S. 7 ff.
30 Vgl. Faber, O., Digitalisierung, 2018, S. 21.
31 Vgl. Weichei, P., Herrmann, J., BigData, 2016, S. 9.
32 Vgl. Faber, O., Digitalisierung, 2018, S. 21.
33 Vgl. Faber, O., Digitalisierung, 2018, S. 22 f.
34 Vgl. Weichei, P., Herrmann, J., BigData, 2016, S. 9.
35 Vgl. Faber, O., Digitalisierung, 2018, S. 23 ff.
36 Vgl. Heimel, J., Müller, Μ., Controlling 4.0, 2018, S. 396.
37 Vgl. Faber, O., Digitalisierung, 2018, S. 21 ff.
38 Vgl. Lubos, G., Künstliche Intelligenz im Controlling, 2020, S. 45.
39 Vgl. Faber, O., Digitalisierung, 2018, S. 26.
40 Vgl. Lubos, G., Künstliche Intelligenz im Controlling, 2020, S. 45.
41 Vgl. Faber, O., Digitalisierung, 2018, S. 26 ff.
42 Vgl. Faber, O., Digitalisierung, 2018, S. 26 ff.
43 Vgl. Heimpel, J, Müller, Μ., RPA im Controlling, 2018, S. 423.
44 Vgl. Manutiu, S., RPA im Controlling, 2018, S. 5.
45 Vgl. Horvath, P. etal., Controlling, 2020, S. 477.
46 Vgl. Weißenberger, B. E., Künstliche Intelligenz im Controlling, 2021, S. 11.
47 Vgl. Horvath, P. etal., Controlling, 2020, S. 473.
48 Vgl. Kemper, H.-G., Mehanna, W., Unger, C., Business Intelligence, 2004, S. 7.
49 Vgl. Horvath, P. etal., Controlling, 2020, S. 473 ff.
50 Vgl. Baars, H, Kemper, H.-G., BigData, 2015, S. 226.
51 Vgl. Horvath, P., Controlling, 2020, S. 473 ff.
52 Vgl. Heimel, J., Müller, Μ., Controlling 4.0, 2018, S. 403.
53 Vgl. Heimel, J., Müller, Μ., Controlling 4.0, 2018, S. 403 f.
54 Vgl. Davenport, T. H. et al., Analytics, 2010, S. 6 ff.
55 Vgl. Chamoni, P., Gluchowski, P., Business Analytics, 2017, S. 9.
56 Vgl. Heimel, J., Müller, Μ., Controlling 4.0, 2018, S. 403 ff.
57 Vgl. Chamoni, P., Gluchowski, P., Business Analytics, 2017, S. 9.
58 Vgl. Horvath, P. etal., Controlling, 2020, S. 473 f.
59 Vgl. Gluchowski, P., Business Analytics, 2016, S. 276.
60 Vgl. Tan, P. N., Steinbach, Μ., Kumar, V., DataMining, 2014, S. 7.
61 Vgl. Gluchowski, P., Business Analytics, 2016, S. 276.
62 Vgl. Horvath, P. etal., Controlling, 2020, S. 475.
63 Vgl. Gluchowski, P., Business Analytics, 2016, S. 276.
64 Vgl. Horvath, P. etal., Controlling, 2020, S. 475.
65 Vgl. Gröber, Μ. etal., In-Memory-Technologien, 2018, S. 56 ff.
66 Vgl. Schmitz, U., In-Memory-Technologien, 2018, S. 30 ff.
67 Vgl. Horvath, P. etal., Controlling, 2020, S. 479.
68 Vgl. Schmitz, U., In-Memory-Technologien, 2018, S. 34 ff.
69 Vgl. Gröber, M.etal., In-Memory-Technologien, 2018, S. 47 ff.
70 Vgl. Kramer,A., In-Memory-Technologien, 2018, S. 105 f.
71 Vgl. Mell, P., Grance, T., Cloud Computing, 2011, S. 2.
72 Vgl. Langmann, C., Digitalisierung im Controlling, 2019, S. 16.
73 Vgl. Schön, D., Business Intelligence, 2018, S. 463.
74 Vgl. Laudien,A., Telekommunikation, 2006, S. 332.
75 Vgl. Werner, Μ., Telekommunikation, 2010, S. 310 ff.
76 Vgl. Laudien,A., Telekommunikation, 2006, S. 332.
77 Vgl. Werner, Μ., Telekommunikation, 2010, S. 310 ff.
78 Vgl. Laudien,A., Telekommunikation, 2006, S. 332.
79 Vgl. Statistisches Bundesamt, Erzeugerpreisindizes, 2018, S. 6 f.
80 Vgl. Statistisches Bundesamt, Wirtschaftszweige, 2008, S. 57.
81 Vgl. StatistischesBundesamt, Erzeugerpreisindizes, 2018, S. 6.
82 Vgl. STZ-Consulting Group, Telekommunikation, o. J., o. S.
83 Vgl. Statista, Telekommunikationsmarkt, 2020, S. 47 ff.
84 Vgl. Statistisches Bundesamt, Erzeugerpreisindizes, 2018, S. 6 f.
85 Vgl. Statista, Telekommunikationsmarkt, 2020, S. 47 ff.
86 Vgl. Statistisches Bundesamt, Erzeugerpreisindizes, 2018, S. 6 f.
87 Vgl. Deventer, R., Haucap, J., Telekommunikation, 2004, S. 45 ff.
88 Vgl. Deventer, R., Haucap, J., Telekommunikation, 2004, S. 45 ff.
89 Vgl. Haucap, J, Liberalisierung Postmarkt, 2018, S. 2.
90 Vgl. Bundesministeriumfür Wirtschaft und Energie, Digitalisierung, o. J., o. S.
91 Vgl. Schreckling, E., Steiger, C., Digitalization, 2017, S. 5.
92 Vgl. Kress, P., Digital technologies, 2018, S. 8 ff.
93 Vgl. Erner, Μ., Böhm, F.,Untemehmensfuhrung, 2018, S. 86.
94 Vgl. FOMHochschulefür Ökonomie undManagement, Digitalisierung, 2017, o. S.
- Citar trabajo
- Mathias Sebbel (Autor), 2021, Digitalisierung im Controlling von Telekommunikationsunternehmen, Múnich, GRIN Verlag, https://www.grin.com/document/1186662
-
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X. -
¡Carge sus propios textos! Gane dinero y un iPhone X.