Datengetriebenes Risikocontrolling: Grundlagen, Beispiel ... / 6 Literaturverzeichnis

Aepli/Angst/Iten./Kaiser/Lüthi/Schweri, 2017, Die Entwicklung der Kompetenzanforderungen auf dem Arbeitsmarkt im Zuge der Digitalisierung, in SECO Publikation – Arbeitsmarktpolitik H. 47, Zollikofen, Zürich.

Araz/Choi/Olson/Salman, Role of Analytics for Operational Risk Management in the Era of Big Data, in Decision Sciences, 51/2020, H. 6, S. 1320–1346.

Autor, The "task approach" to labor markets: an overview, in Journal for Labour Market Research, 46/2013, H. 3, S. 185–199.

Buchheim/Krolage/Link, Sudden stop: When did firms anticipate the potential consequences of COVID-19?, in German Economic Review, 23/2022, H. 1, S. 79–119.

Choi/Chan/Yue, Recent Development in Big Data Analytics for Business Operations and Risk Management, in IEEE Transactions on Cybernetics, 47/2017, H. 1, S. 81–92.

Choi/Lambert, Advances in Risk Analysis with Big Data, in Risk Analysis, 37/2017, H. 8, S. 1435–1442.

George/Haas/Pentland, Big Data and Management, in Academy of Management Journal, 57/2014, H. 2, S. 321–326.

Gleißner, Grundlagen des Risikomanagements. Handbuch für ein Management unter Unsicherheit, 4. Aufl. 2022.

Hong/Ly/Lin, Robotic Process Automation Risk Management: Points to Consider, in Journal of Emerging Technologies in Accounting, 20/2023, H. 1, S. 1–21.

Humm/Buxmann/Schmidt, Grundlagen und Anwendungen von KI, in: Gethmann/Buxmann/Distelrath/Humm/Lingner/Nitsch/Schmidt/Spiecker genannt Döhmann (Hrsg.), Künstliche Intelligenz in der Forschung: neue Möglichkeiten und Herausforderungen für die Wissenschaft, 2022, S. 13–41.

Ideenwerkstatt im Internationalen Controllerverein, Big Data – Potenziale für den Controller, Controlling, 27/2915, 103-106.

Ideenwerkstatt im Internationalen Controllerverein, Business Analytics – Der Weg zur datengetriebenen Unternehmenssteuerung, 2016.

Kammerer/Bürger/Will, Datengetriebenes Risikomanagement in der Praxis, Controlling, 34/2022a, H. 5, S. 36–41.

Kammerer/Bürger/Will, Datengetriebenes Risikomanagement in der Praxis, Controlling, 34/2022b, H. 5, S. 36–41.

Kloock/Payanov/Peter, Mehrwert garantiert: Kreditrisiko-Frühwarnsysteme als Entwicklungslabor für innovative neue Technologien, in: Gesellschaft für Risikomanagement und Regulierung e.V (Hrsg.), Firm Jahrbuch, 2019, S. 19–21.

McKinney/Yoos/Snead, The need for "skeptical" accountants in the era of Big Data, Journal of Accounting Education, 38/2017 H. 1, S. 63–80.

Mehanna/Tatzel/Vogel, Business Analytics im Controlling – Fünf Anwendungsfelder, Controlling, 28/2016, H., 8-9, S. 502–508.

Meier/Schneider, Zum Einsatz künstlicher Intelligenz im Controlling, in REthinking Finance, 5/2023, H.1, S. 4–12.

Pramod, Robotic process automation for industry: adoption status, benefits, challenges and research agenda, in Benchmarking: An International Journal, ahead-of-print, ahead-of-print, 29/2021, H. 5, S. 1562-1586.

PwC, 2022 Global Risk Survey – Embracing risk in the face of disruption, 2022.

Rieg, Eine Prognose ist (noch) kein Plan, Controlling, 30/2018, H. 6, S. 22–28.

Rodewald/Kimmig, Der Einsatz von Künstlicher Intelligenz und -analyse nach dem Lieferkettensorgfaltspflichtengesetz (LkSG), in DER BETRIEB, 2022, H. 50, S. 2973–2979.

Romeike/Hager, Erfolgsfaktor Risiko-Management 4.0, 2022.

Seiter, Business Analytics. Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung, 2017.

Vanini/Krolak/Langguth, Controlling. Grundlage einer entscheidungsorientierten Unternehmensführung, 2. Aufl. 2019.

Vanini/Rieg, Risikomanagement: Grundlagen-Instrumente-Unternehmenspraxis, 2. Aufl. 2021.