Maschinelles Lernen: Chancen im Kostenmanagement

Zusammenfassung

Überblick

• Eine Kostenschätzung auf der Basis maschinellen Lernens kann die analytische Kostenplanung vereinfachen. Richtig angewendet bedeutet dies eine Aufwandsreduzierung bei gleichzeitiger Erhöhung der Planungsqualität.
• Es ergeben sich Lerneffekte über die Stärken möglicher Einflussgrößen auf die Kosten, die bei der Planung, insbesondere der Ausarbeitung von Maßnahmen, helfen können. Dies ermöglicht Simulationen und erhöht die Planungssicherheit.
• Der Beitrag stellt mögliche Anknüpfungspunkte für eine strukturierte Einführung maschinellen Lernens in der Kostenplanung dar.

1 Maschinelles Lernen und Kostenmanagement: Status Quo

Das Kostenmanagement und insbesondere die Kostenplanung sind etablierte Fachgebiete mit wenigen Veränderungen in den letzten Jahren. Obwohl verbreitete Probleme wie bspw. schlechte Plan- und Steuerbarkeit von Gemeinkosten in indirekten Bereichen nicht gelöst sind, scheint es, dass man sich mit dem Status Quo abgefunden hat. Gemeinkosten werden in Ermangelung der Erkenntnis oder der fehlenden Quantifizierbarkeit von Einflussgrößen häufig nur oberflächlich geplant. Dies geht zulasten der Steuerungsfähigkeit, Einsparpotenziale werden unzureichend genutzt.

Der Einsatz von maschinellem Lernen (ML) könnte hier für Veränderung sorgen. Doch lässt sich durch maschinelles Lernen eine höhere Prognosegenauigkeit und dadurch eine erhöhte Planungsqualität erreichen? Lassen sich durch maschinelles Lernen Abhängigkeiten identifizieren, die eine bessere Steuerung von Kosten ermöglichen?

Die statistische Kostenplanung genießt nicht den besten Ruf. Datenqualität und methodische Schwierigkeiten werden als Hindernisse für den Einsatz im Unternehmen genannt.^[1] Kilgers Statement stammt allerdings aus den achtziger Jahren, seitdem hat sich bezüglich der Möglichkeiten einiges getan: Algorithmen sind unvergleichlich leistungsfähig geworden und der aufwendige Prozess der statistischen Analyse kann mittlerweile zumindest teilweise automatisiert werden. Die Voraussetzung der Datenverfügbarkeit ist in vielen Unternehmen gut erfüllt. ERP-, CRM- und SCM-Anwendungen liefern umfangreiches internes Datenmaterial und auch externe Informationen, wie Marktdaten und Preisentwicklungen können einfach in eine Analyse integriert werden.

Erste Erfahrungen des Autors im Rahmen der ML-gestützten Vorhersage von Kosten zeigen, dass der Einsatz des maschinellen Lernens zu Verbesserungen führt, aber eher kleine Fortschritte zu erwarten sind. Eine ausreichende Datenqualität, die richtige Methodik und ein geeigneter Abstraktionsgrad der Schätzungsgrundlage sind Voraussetzungen für einen erfolgreichen Einsatz. Dies setzt Know-how voraus, das nicht in allen Unternehmen vorhanden ist. Solche Analysen sind allerdings nicht nur isoliert auf die Kostenrechnung zu sehen, sondern sind ein wichtiger Schritt in Richtung einer integrierten Prognose- und Simulationsumgebung.

In diesem Beitrag sollen die Möglichkeiten und Chancen, die sich durch maschinelles Lernen für das Kostenmanagement ergeben, genauso beleuchtet werden wie die Herausforderungen bei der Umsetzung und Anwendung. Hierbei geht es weniger um die methodischen Feinheiten der Analyse, als vielmehr um die Einordnung von maschinellem Lernen in das Kostenmanagement-Instrumentarium.

[1] Vgl. Kilger et al., 2013, S. 288.

2 Analytische Kostenplanung

Zunächst ist zu klären, inwieweit eine Kostenprognose überhaupt sinnvoll ist. Kilger lehnte die statistische Kostenplanung ab. Er bevorzugte die (konventionelle) analytische Kostenplanung, die Verbräuche in Beziehung zur Leistung betrachtet und diese bewertet. Das Vorgehen ist methodisch nicht angreifbar und führt bei bekannten Kausalzusammenhängen sicherlich zu den besten Ergebnissen.

Im System der Grenzplankostenrechnung ist die analytische Kostenplanung Grundlage für die notwendige Kostenspaltung in fixe und variable Kosten. Sie basiert auf technischen Zusammenhängen, die durch Messung, Funktionsanalysen, Schätzungen etc. fundiert werden können. So können Hilfs- und Betriebsstoffe in einen direkten Leistungsbezug gesetzt werden, etwa zur Laufzeit einer Maschine. Der Leistungsbegriff wird weit definiert, er muss nicht in Beziehung zur Leistungserstellung der Unternehmung stehen. Damit gelingt es teilweise auch, indirekte Bereiche analytisch zu planen.

2.1 Ablauf der Kostenplanung

Im Gesamtzusammenhang der Unternehmensplanung sollte die Kostenplanung wie folgt funktionieren: Startpunkt ist eine Absatzprognose, hieraus leitet sich über den Lagerabgleich ab, was zu produzieren ist, um die Nachfrage zu erfüllen. Über die retrograde Bezugsgrößenermittlung kann der Leistungsbedarf der Endkostenstellen bestimmt werden. Dabei können bekannte Produktionsfunktionen verwendet werden, die normalerweise in Datenstrukturen wie Stücklisten, Arbeitsplänen usw. zu finden sind, um den benötigten Leistungsbedarf zu bestimmen. Gelegentlich werden auch weitere Einflussgrößen wie Intensität und Überstunden bei Kapazitätsbegrenzungen einbezogen.

Über die innerbetriebliche Leistungsverrechnung können auch die indirekten Bedarfe retrograd bestimmt werden. Der Bezug zur Leistungsmenge ...