Integrative Unternehmenssteuerung: Leitfaden zur Gestalt ... / 4.1.3 Verzahnung der Steuerung

Unterschiedliche Steuerungsprozesse und -module müssen, wenn es überhaupt sinnvolle Gründe für ihre parallele Existenz gibt, gut miteinander verzahnt sein. Das gilt auch für das Zusammenspiel zwischen automatisierter und nicht-automatisierter Steuerung.

Integrative Unternehmenssteuerung umfasst die Summe aller Steuerungsaktivitäten in den verschiedenen Ausrichtungen von Managementtätigkeit wie

• strategische und operative Steuerung (z. B. verzahnt durch eine BSC);
• unternehmensinterne und marktorientierte Steuerung (integrierend durch Einbindung auch der relevanten Stakeholder außerhalb des Unternehmens);
• Berücksichtigung des Zugangs zu allen relevanten Vermögensarten (Abstimmung von Potenzialen, Zielen und Vermögen);
• einheitliche bzw. abgestimmte Informationen (z. B. kein separates CSR-Reporting neben Jahresberichten, sondern integrierte Berichte);
• Dokumentation einer Überleitung, da steuerliche und handelsrechtliche Zielsetzungen und deren Berechnungsregeln z. T. gegensätzlich sind.

Wie können wir die Werkzeuge und Methoden der Unternehmenssteuerung verzahnen?

Die wichtigste Grundlage bieten integrierte Daten

Eine wesentliche Aufgabe der Controller in der Zukunft ist die Sicherstellung der Datenintegrität und der Datenqualität. Hier werden sie ggf. von Datenspezialisten unterstützt, jedoch ist die Qualität aller (automatisierten) Auswertungen und Entscheidungen zunehmend abhängig von durchgängigen Datenstrukturen. Individuelle Excel-Auswertungen werden abnehmen. Wobei für spezielle Anwendungen Excel als "Frontend mit Datenbankanbindung" durchaus seine Berechtigung behaupten wird.

Die Durchgängigkeit der Daten bedeutet dann auch gleichzeitig die Vernetztheit der Daten. Marktdaten in mächtigen Cloud-Speichern, Daten der Fertigung und der Auftragsbearbeitung und Produktdaten als "Digitaler Zwilling" hängen voneinander ab und müssen integriert auswertbar sein. Workflows liefern detaillierte Daten über jede einzelne Instanz der Geschäftsprozesse, auf die dann wieder Process-Mining-Systeme aufsetzen und hohe Transparenz in den Daten der Wertströme schaffen können. Controllingsysteme werden unmittelbar in dieses Netz von Daten und sie produzierenden IT-Systemen integriert. Predictive Analytics-Systeme werden operativ in Vertriebs- und Marketingaufgaben genutzt und gleichzeitig in Planung und Steuerung. Die Datenaufbereitung für Reports und Informationssysteme erfolgt dann automatisiert in entsprechenden Business Intelligence Systemen.

Ein Workflow, d. h. ein Programm, das den Benutzer aktiv durch die einzelnen Schritte des Geschäftsprozesses führt, könnte den Serviceprozess abbilden. Startpunkt ist eine Serviceanfrage des Kunden. Der Workflow speichert nun jede einzelne Aktivität (manuell und die automatischen Aktivitäten im Hintergrund) mit genauen Zeitangaben. Aus den so entstehenden Log-Daten können Process Mining-Systeme die regelmäßige Ist-Bearbeitungszeit sowie evtl. Prozessprobleme anonymisiert auswerten, analysieren und daraus lernen. Für das Controlling entstehen automatisch KPIs wie Prozessperformance, Pünktlichkeit, Output-Qualität etc. Durch die Erfahrung aus vielen transparenten Durchläufen des Prozesses können Liefertermine und Servicegrad von machine-learning-Algorithmen sehr genau vorhergesagt werden. Dies hilft u. a. beim Vertrieb von Serviceleistungen. Die durchgängig automatisiert ermittelten Daten können problemlos in Monitoring-Cockpits real-time dargestellt werden. So wird die Steuerung der Leistungsprozesse stark verbessert.

Die Aufgabe der Controller konzentriert sich zunehmend auf die Ableitung von unternehmerischen Schlussfolgerungen aus den Datenanalysen und der Kommunikation dieser an das relevante Management. Die einmal eingerichtete Logik der Datenvernetzung und -aufbereitung arbeitet automatisiert, bis sich veränderte Anforderungen ergeben, auf die dann bei der Datenaufbereitung und der sich daran anschließenden Steuerung reagiert werden muss. Bei gezieltem Einsatz künstlicher Intelligenz können auch die Lernprozesse zum Teil automatisiert werden.

Die Qualitätsmanager stehen hier vor der grundsätzlich gleichen Herausforderung wie die Controller, was den Umgang mit Daten angeht. Eine Differenzierung zwischen "Qualitätsdaten" und "Nicht-Qualitätsdaten" ist gar nicht sinnvoll möglich. Letztlich sind alle Daten qualitätsrelevant und müssen für Fehler- und Fehlerursachenanalysen und zur Qualitätssteuerung zur Verfügung stehen. Deshalb dürfen die Qualitätsmanager keine Teilmengen der Daten separieren, sondern müssen den gesamten Datenpool des Unternehmens nutzen. Gerade dort, wo die Qualitätssicherung CAQ-Systeme^[1] nutzt, müssen sie auf die Integration "ihrer" Daten in integrative Gesamtsysteme hinarbeiten. Controller sind für sie dabei natürliche Partner und Kompetenzträger, mit denen sie eine enge Zusammenarbeit pflegen sollten.

[1] CAQ ist die Abkürzung für Computer-Aided Quality Assurance (rechnerunterstützte Qualitätssicherung). CAQ-Systeme sind ein Element des Qualitätsmanagements zur Beglei...