Treiberbasierte Steuerung: Anwendungsszenarien für moder ... / 4 Fazit und Ausblick

Treibermodelle als Rückgrat der modernen Steuerung

Treibermodelle bilden das Rückgrat der geschäftsmodellorientierten Steuerung und führen zu einem "Paradigmenwechsel" in der Steuerung. Treibermodelle stellen geschäftsmodellspezifische Kennzahlensysteme dar, welche die wesentlichen finanziellen und operativen KPIs durch rechnerische oder logische Zusammenhänge miteinander verbinden. Der Einsatz dieser Modelle in Reporting, Planung und Forecasting erlaubt innovative Anwendungen, die sowohl die Effizienz als auch die Effektivität der Unternehmenssteuerung verbessern.

Digitalisierung als Katalysator für treiberbasierte Steuerung

Der Bedarf und die Möglichkeiten für eine treiberbasierte Steuerung werden durch die voranschreitende Digitalisierung und den Wunsch nach einfacheren, verständlichen und intuitiven Steuerungsinstrumenten derzeit besonders gefördert.

Mit der Digitalisierung der Unternehmenswelt stehen auf der einen Seite leistungsstarke Systeme und Algorithmen zur Verfügung, die große Datenmengen schnell und in Echtzeit verarbeiten können (technische Voraussetzung); auf der anderen Seite bedarf es geeigneter Instrumente, die eine schnelle und sinnvolle Navigation in den Datenmengen unterstützen und die Entscheider vor einer möglichen "Informationsüberfrachtung" schützen (organisatorische Anforderungen). Hier können Treibermodelle eine "Leitplanke" bieten, um aussagekräftige Analysen und Simulationen zu unterstützen bzw. zu gewährleisten.

Zunehmender Einsatz von Algorithmen

Während Treibermodelle heute zumeist noch deterministisch auf Basis von Experten- und Erfahrungswissen bestimmt werden, ist in Zukunft eine stärkere datengetriebene Erkennung von Treibern und Zusammenhängen mittels geeigneter Algorithmen zu erwarten. Dies kann bis hin zu Black-box-basierten Schätzungen und Prognosen führen, die für den Mensch so nicht mehr ohne weiteres nachvollziehbar sind. Erfahrungen zeigen jedoch, dass die Vorhersagequalität oftmals besser ist, und die Ergebnisse zu einer Validierung von möglicherweise weiterhin manuell durchgeführten Prognosen dienen können.

Controller und Data Scientists mit neuen Kompetenzen und Fähigkeiten

Für eine weitere Verbreitung der im Beitrag skizzierten Anwendungsfälle zeigt sich insbesondere ein Weiterentwicklungsbedarf für BI-Tools, was die Modellierung von treiberbasierten Berichten und Planungsmasken und die einfache Unterstützung von Analysen und Simulationen angeht. Doch auch wenn die Tools diese Anwendungen künftig stärker unterstützen, bedarf es geeigneter Controller oder Data Scientists, die diese Modelle pflegen, kontrollieren und interpretieren. D. h. es bedarf bspw. Data Scientists für die Modellierung von Treibermodellen und Algorithmen. Andererseits obliegt es dem Controller künftig die ermittelten Ergebnisse kritisch zu prüfen und Managementerwartungen bzw. nicht vom System vorhersehbare Ereignisse (z. B. disruptive Ereignisse wie Zu-/Verkäufe von Unternehmen, die Anpassung von Geschäftsmodellen oder wirtschaftliche und politische Krisen etc.) in die Prognosen und Modelle zu integrieren.