https://wiki.hslu.ch/controlling/api.php?action=feedcontributions&user=Salis.Matteo&feedformat=atomControlling-Wiki - Benutzerbeiträge [de-formal]2024-03-29T13:41:02ZBenutzerbeiträgeMediaWiki 1.38.7https://wiki.hslu.ch/controlling/index.php?title=Pr%C3%A4missenkontrolle_-_Quiz&diff=16359Prämissenkontrolle - Quiz2021-11-05T10:42:32Z<p>Salis.Matteo: </p>
<hr />
<div>Damit Sie Ihr Wissen zum Thema Prämissenkontrolle testen können, steht Ihnen eine [https://elearning.hslu.ch/ilias/goto.php?target=grp_4252238&client_id=hslu Lernkontrolle] zur Verfügung.<br />
<br />
Die Lernkontrolle basiert auf der Wiki-Seite zum Thema [[Prämissenkontrolle|Prämissenkontrolle]].<br />
<br />
[[Kategorie:Aufgaben]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Humankapitalbewertung_%E2%80%93_Quiz&diff=16358Humankapitalbewertung – Quiz2021-11-05T10:42:17Z<p>Salis.Matteo: </p>
<hr />
<div><br />
Um Ihr Wissen über die Humankapitalbewertung zu testen, steht folgendes Quiz zur Verfügung: [https://elearning.hslu.ch/ilias/goto.php?target=grp_4252238&client_id=hslu Humankapitalbewertung – Quiz].<br />
<br />
Das Quiz basiert auf der Wiki Seite [[Humankapitalbewertung|Humankapitalbewertung]]. Die korrekten Antworten sind am Ende des Quiz sichtbar. Für Verständnisfragen zu den <br />
[[Bewertungsansätze der Humankapitalbewertung|Bewertungsansätzen der Humankapitalbewertung]] und zur [[Saarbrücker Formel|Saarbrücker Formel]] nutzen Sie die entsprechenden Einträge im Wiki.<br />
<br />
[[Kategorie:Aufgaben]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Digital_Boardroom_%E2%80%93_Quiz&diff=16357Digital Boardroom – Quiz2021-11-05T10:42:00Z<p>Salis.Matteo: </p>
<hr />
<div>Um Ihr Wissen zum Thema Digital Boardroom zu testen, steht Ihnen ein [https://elearning.hslu.ch/ilias/goto.php?target=grp_4252238&client_id=hslu Quiz] zur Verfügung. Das Quiz basiert auf der Wiki-Seite [[Digital Boardroom|Digital Boardroom]]. Die korrekten Antworten sind am Ende des Quiz zu sehen.<br />
<br />
[[Kategorie:Aufgaben]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Machine_Learning&diff=16356Machine Learning2021-11-05T10:41:35Z<p>Salis.Matteo: /* Lern- und Praxismaterialien */</p>
<hr />
<div>Machine Learning, übersetzt maschinelles Lernen, ist eine Teildisziplin der künstlichen Intelligenz (KI) und verarbeitet sehr grosse Datenmengen, auch [[Big Data]] genannt (Pereira, 2020, S. 65). Dem Machine Learning liegen Methoden zugrunde, welche nicht von einer Programmiererin oder einem Programmierer vorgegeben sind, sondern algorithmisch mithilfe von bestehenden Daten erlernt werden (Baars, 2016, S. 175). <br />
<br />
==Definition und Begriffsabgrenzung==<br />
Grundsätzlich beschreibt Machine Learning das Verfahren zur maschinellen Wissensgenerierung (Mehler-Bicher & Mehler, 2019, S. 183). Darunter versteht man die Entwicklung von Algorithmen, welche das Ziel haben, Wissen aus Daten zu beschaffen und somit einen Lösungsansatz für ein Problem zu entwickeln (Pereira, 2020, S. 65). Machine Learning ist eng mit dem [[Data Mining]] verbunden und soll dazu dienen, das Wissen von Maschinen sowie Computerprogrammen zu erweitern (Sejdić, 2015, S. 519). Zudem müssen Anwendungen, welche auf Machine Learning basieren, vor dem Einsatz mithilfe von verfügbaren Ausgangsdaten getestet und trainiert werden. So soll sichergestellt werden, dass mit diesen Daten eine möglichst gute Prognose erstellt werden kann (Brühl, 2019, S. 37). Auf Basis dieser Erkenntnisse können anschliessend Entscheidungen getroffen, sowie Zusammenhänge und Vorhersagen abgeleitet werden (Heimel & Müller, 2019, S. 407; Langmann, 2019, S. 7). Wie bereits erwähnt, ist Machine Learning ein Bestandteil der künstlichen Intelligenz, auch KI genannt. Mithilfe des maschinellen Lernens werden der KI folgende Fähigkeiten verliehen (Mueller & Massaron, 2017, S. 35): <br />
*Anpassung an neue Umstände, welche so vom Entwickler einer KI nicht vorhersehbar waren <br />
*Erkennung von Mustern in Datenquellen <br />
*Auswahl von neuen Verhaltensweisen auf Basis der erkannten Muster <br />
*Entscheidungsfindungen, welche aus den Erfolgen und Misserfolgen dieser Verhaltensweisen resultieren<br />
<br />
[[Datei:Machine Learning im Begriffsnetzwerk.png|gerahmt|Abb. 1: Einordnung "Machine Learning" im Begriffsnetzwerk (Langmann, 2019, S.8)]]<br />
<br />
Viele Autorinnen und Autoren brauchen den Begriff künstliche Intelligenz (KI), Machine Learning (ML) oder Deep Learning (DL) oft gleichbedeutend. Dies darf aber nicht unbedingt gemacht werden. All diese Begriffe beruhen auf andersartigen Technologien und haben verschiedene Eigenschaften. KI ist lediglich der übergeordnete Begriff und bezieht sich auf die maschinelle Intelligenz, während es sich bei Machine Learning und Deep Learning um die Technologien handelt, welche die künstliche Intelligenz unterstützt und sie erst ermöglicht (Amann et al., 2020, S. 244). <br />
<br />
Abbildung 1 soll den Zusammenhang der verschiedenen Begriffe aufzeigen. Hier ist ersichtlich, dass das Machine Learning ein Teil der [[Business Analytics|Predictive (oder auch Business) Analytics]] ist.<br />
<br />
==Prinzipien des Machine Learnings==<br />
Über die letzten Jahre hinweggesehen sind verschiedene Verfahrensvarianten für das Machine Learning entstanden (Baars, 2016, S. 177). Folgend werden die drei Prinzipien erläutert (Pereira, 2020, S. 65):<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
| '''Überwachtes Lernen''' <br />
(Supervised Learning) <br />
|| Hierbei werden Trainingsdaten verwendet, welche jeweils mit bekannten Outputwerten gekennzeichnet sind. Ein Beispiel hierfür ist der Ausfall einer Produktionsmaschine. Die Trainingsdaten werden hierbei in Ausfall sowie Nicht-Ausfall klassifiziert. Mithilfe des Machine Learning kann der Algorithmus nun vorhersehen, welcher Klasse ein neues Ereignis zuzuordnen ist. Je mehr Trainingsdaten vorhanden sind, desto genauer fällt die Prognose aus (Brühl, 2019, S. 37). <br />
|-<br />
| '''Unüberwachtes Lernen''' <br />
(Unsupervised Learning) <br />
|| Beim unüberwachten Lernen geht es darum, dass unbekannte Daten verwendet werden. Ziel ist es, mithilfe dieser Inputdaten verschiedene Muster oder Strukturen zu erkennen und diese in einem Cluster zu segmentieren (Baars, 2016, S. 37).<br />
|-<br />
| '''Verstärkendes Lernen''' <br />
(Reinforcement Learning) <br />
|| Das verstärkende Lernen funktioniert mit einem Belohnungssystem, welches verschiedene Aktionen unterschiedlich belohnt. Es soll dazu führen, dass das System durch das Ausprobieren von verschiedenen Aktionen diese erkennt, welche zu der höchsten Belohnung führen. Ein Beispiel hierfür ist das Schachspiel. Es wird die beste Stellung der Figuren bewertet und dies kann schlussendlich zu einem Sieg führen.<br />
|}<br />
Welches Prinzip angewendet wird, wird jeweils automatisch anhand der gewünschten Ergebnisse von den [[Data Mining|Data-Mining-Tools]] vorgeschlagen. Trotzdem muss ein gewisses Verständnis für die verschiedenen Methoden vorhanden sein (Baars, 2016, S. 177).<br />
<br />
==Anwendungsbereiche von Machine Learning== <br />
Machine Learning wird in vielen Teilbereichen unseres Lebens eingesetzt. Nachfolgender Abschnitt soll die verschiedenen Einsatzmöglichkeiten von maschinellem Lernen aufzeigen. <br />
<br />
=== Anwendungsbereiche im Alltag === <br />
<br />
Selbstverständlich wird maschinelles Lernen bereits an vielen Orten im Alltag eingesetzt. Da die Technik bereits so gut funktioniert, sind wir uns dieser kaum bewusst (Mueller & Massaron, 2017, S. 33). Nachfolgend einige Beispiele aus dem Alltag (Alpaydin, 2019, S. 4-10): <br />
[[Datei:Machinelles Lernen im Überblick.jpg|mini|rechts|Abb. 2: Maschinelles Lernen im Überblick (Wuttke, online)]]<br />
*Beim Onlineshopping trifft man oftmals auf den Satz «Kunden, welche Produkt X gekauft haben, haben auch Produkt Y gekauft». Diese Cross-Selling-Versuche beziehungsweise die dazugehörige Warenkorbanalysen basieren meist auf Machine Learning. So ähnlich funktioniert dies auch bei Filmvorschlägen von Netflix oder Amazon Prime. <br />
*Auch bei der Gesichtserkennung im Smartphone kommt maschinelles Lernen zur Anwendung. Dabei versucht Machine Learning mittels Klassifikationen von Identitäten nur Personen den Zugriff auf das Smartphone zu gewähren, welche ihr Gesicht im Setup-Prozess mit einem Bild hinterlegt haben. <br />
*Ausserdem kommt auch bei der Spracherkennung maschinelles Lernen zum Einsatz. Man denke hierbei an die digitalen Assistenten von Apple (Siri) oder Amazon (Alexa). Bei der Spracherkennung werden akustische Laute (gesprochene Sätze) diversen Klassen von Wörtern zugeordnet. Dadurch, dass die individuelle Stimme von vielen Faktoren wie zum Beispiel Alter, Geschlecht oder Akzent abhängt, muss sich Machine Learning immer weiterentwickeln. <br />
<br />
Nebenstehende Grafik veranschaulicht, welche Anwendungsbereiche am besten mit welchen Prinzipen des Machine Learnings vermittelt werden.<br />
<br />
===Anwendungsbereiche in der Praxis einer Controllerin oder eines Controllers=== <br />
Mithilfe von Machine Learning ist der Controlling [[Business Partner]] in der Lage, innerhalb eines kurzen Zeitfensters, eine grosse Menge an Informationen bereitzustellen, egal ob die Daten strukturierter oder unstrukturierter Natur sind. Deshalb eignet sich Machine Learning hervorragend für einige spezifische Aufgaben im Berufsalltag einer Controllerin oder eines Controllers. Diese werden nachfolgend aufgezeigt. Aktuell ist Machine Learning im Controlling jedoch eine Alternative, welche eher wenig eingesetzt wird. Dies soll sich in der Zukunft ändern (Pereira, 2020, S. 65–66). Machine Learning ist nämlich die Form des [[Data Mining]], welche am häufigsten eingesetzt wird (Baars, 2016, S. 176). <br />
<br />
====Forecasting / Planung & Budgetierung mit Machine Learning==== <br />
Eine der Kernaufgaben eines Controlling [[Business Partner|Business Partners]] ist die Ermittlung von Prognosewerten für verschiedene zentrale Erfolgsgrössen eines Unternehmens. Dazu gehört zum Beispiel der Absatz, der Umsatz und der Gewinn (Friedel, 2019, S. 36). Dies wird unter den Begriffen Forecasting, [[Planung und Budgetierung]] zusammengefasst. Die Praxis zeigt, dass vor allem die [[operative Einjahresplanung]] und das damit oft einhergehende unterjährige Forecasting, siehe auch [[Rolling Forecast]], viel Kapazität beansprucht (Langmann, 2019, S. 20). Zusätzlich erhöht sich der Zeitaufwand mit dem Einbezug von unternehmensexternen Daten, wie zum Beispiel [[Big Data]]. Die Integration dieser Daten erhöht zwar die Planungsgenauigkeit und die Planungsaktualität deutlich, jedoch wird die Controllerin und der Controller von noch mehr Daten überschwemmt (Langmann, 2019, S. 22). All diese Punkte führen dazu, dass die Vorhersagen einen grossen Teil der Arbeitszeit einer Controllerin oder eines Controllers in Anspruch nimmt (Friedel, 2019, S. 36). Genau hier soll das Machine Learning unterstützen. <br />
<br />
Methoden des maschinellen Lernens finden bereits jetzt schon Anwendungen in gewissen Unternehmungen. Denn im Hinblick auf ihre Fähigkeit – gute Forecasts zu liefern - ist diese Technologie bereits sehr ausgereift. Studien haben gezeigt, dass für zahlreiche Anwendungsbereiche die Prognosen, welche auf Basis einer künstlichen Intelligenz getroffen wurden, den Prognosen von einem Menschen weit überlegen sind (Friedel, 2019, S. 36).<br />
<br />
Folgendes Beispiel verdeutlicht den Zusammenhang von [[Big Data]] und Machine Learning in Bezug zur [[Planung und Budgetierung]] anhand einer [[Absatzplan|Absatplanung]]. <br />
<br />
Der geplante Umsatz lässt sich direkt aus den beiden Werttreibern Absatz und Preis berechnen. Wobei der Absatz auf einer Mengenplanung basiert, welche wiederum meist nur ein Fortschreiben der Zahlen des letzten Jahres ist und mit Veränderungen bei den Werttreibern wie dem Produktprogramm, Absatzkanäle oder Kundenstruktur ergänzt wird. Technologien, welche auf [[Big Data]] basieren, sind in der Lage meist eher weichere Werttreiber zu qualifizieren und in eine verwendbare Form für die [[Planung und Budgetierung]] zu bringen. Beispiele für weiche Werttreiber sind: Veränderungen im Konsumverhalten, Veränderungen in der Demografie, Veränderungen in der gesellschaftlichen Sozialstruktur, Diskussionen in Fachmedien, aber auch Meinungen in Social-Media-Netzwerken. Nur mit der Kombination aus statistischen Analyseverfahren und Algorithmen aus den Bereichen [[Business Analytics|Predictive (oder auch Business) Analytics]] und Machine Learning ist die Controllerin oder der Controller in der Lage, diese oben genannten Werttreiber nicht nur in der sachlogischen Beziehung mit der zu planenden Grösse zu setzten, sondern auch in ein validierbares Modell. Ob die Erkenntnisse, welche aus [[Big Data]] gewonnen werden, nur für die Plausibilisierung der Werttreiber herangezogen werden oder als eigenständige Berechnungsgrundlage für diese Werttreiber dient, muss jedes Unternehmen individuell für sich entscheiden (Langmann, 2019, S. 22).<br />
<br />
Nicht nur die [[Absatzplan|Absatzplanung]] kann mithilfe von Machine Learning effizienter und effektiver gestaltet werden, auch das Zahlungsverhalten der Kundinnen und Kunden kann durch Machine Learning beziehungsweise [[Business Analytics|Predictive (oder auch Business) Analytics]] besser prognostiziert werden. Hierbei spielen verschiedene Einflussfaktoren, wie beispielsweise die Postleitzahl oder auch die Nutzung von Social-Media, eine Rolle. Der Algorithmus erlernt auf Basis solcher Einflussfaktoren, die Ausfallwahrscheinlichkeit vorhersagen zu können (Langmann, 2019, S. 7).<br />
<br />
Abschliessend lässt sich sagen, dass im Controlling die Modellierungen besonders weit gefasst sind. Solche Modelle sind sehr komplex und sollten dementsprechend mit Vorsicht eingesetzt werden. Die Treiberorientierung ist hierbei besonders zielführend. Mithilfe von maschinellem Lernen können mehrere Einflussfaktoren einen eindeutigen Output erzeugen. Beispielsweise können Kapazitätsbeschränkungen nicht nur auf die Herstellkosten und den Umsatz abgeleitet werden, sondern auch auf weitere Faktoren. Durch empirische Daten können auch Einflüsse auf die Wettbewerbsfähigkeit oder Konkurrenz gedeutet werden (Friedl, 2019, S. 36).<br />
<br />
==Zukunftsaussichten==<br />
Verschiedene Controlling-Prozesse werden durch das Aufkommen von neuen Technologien immer weiter automatisiert (Heimel & Müller, 2019, S. 415). Die Verarbeitung der Daten in Echtzeit, auch mithilfe des Machine Learning, ist ein sehr aktueller Trend im Bereich des Controllings. Durch die Anwendung von solchen zukunftsausgerichteten Analysemethoden aus dem Bereich [[Business Analytics|Predictive Analytics]] wird der Controller oder die Controllerin als [[Business Partner]] gestärkt (Sejdić, 2015, S. 519). Zudem wird die eigentliche Rolle des Controllers bzw. der Controllerin verändert. Diese Veränderung hat zwei mögliche Richtungen. Zum einen in die Richtung des [[Data Scientist]] oder zum anderen in die Rolle als «Exception-on-Handlers», welcher für die Interpretationen der gewonnen Daten zuständig ist (Baars, 2016, S. 179). Mit der zunehmenden Bedeutung der Digitalisierung nimmt auch die Bedeutung des Machine Learnings zu (Brühl, 2019, S. 40). Beispielsweise können Forecastings aufgrund der immer aktueller werdenden Technologien genauer erstellt werden. Zudem werden Reaktionszeiten verkürzt und somit können Entscheidungen schneller getroffen werden (Heimel & Müller, 2019, S. 415). <br />
<br />
==Chancen und Herausforderungen==<br />
Machine Learning bietet eine Reihe von Chancen und Möglichkeiten für ein Unternehmen. Die Chancen liegen auf der Hand: Wird Machine Learning richtig eingesetzt, lassen sich innert Sekunden komplexe Sachverhalte abbilden, welche eine ganze Gruppe von Menschen über Stunden beschäftigen würden. Gerade Zukunftsprognosen sind schwierig zu treffen und können mittels mathematischer und statistischer Modelle ausgegeben werden (Alpaydin, 2019, S. 4-10). Machine Learning bietet ebenfalls die Möglichkeit die Qualität der Datensammlung zu verbessern. Dabei können gängige Fehlerquellen weitgehend minimiert werden, indem das System lernt, Datenduplikate oder Daten aus falschen Zeitabschnitten zu erkennen und zu korrigieren (Oehler, 2020, S. 24-25). <br />
<br />
Nicht zu vernachlässigen sind jedoch auch die Herausforderungen. Häufig herrscht Unklarheit über gewisse Begriffe. Zudem sind IT-Kenntnisse, vor allem Programmier-Kenntnisse, essenziell. Auch die Implementierung von Machine Learning ist eine grosse Herausforderung. Sollten die Algorithmen oder Datensätze nicht korrekt sein, muss das Ganze nochmals von Beginn an überarbeitet werden (Kepler, 2021, S. 17-20). <br />
<br />
Fehlende Investitionen in die Informatik und deren Software können weitreichende Folgen haben. Sofern das Datenmanagement nicht optimal in die Unternehmungsführung integriert werden kann, sind die [[Business Intelligence|Business-Intelligence-Systeme]] weitgehend wirkungslos. Wenn der Datenpflege zu wenig Ressourcen zugesprochen und diese zusätzlich noch vernachlässigt werden, sind die erhaltenen Daten nicht aussagekräftig (Kepler, 2021, S. 20). Die Bereiche Digitalisierung und [[Big Data]] spielen bei vielen Unternehmen erst seit kurzer Zeit eine zentrale Rolle bei der Entscheidungsfindung. Daher wurde in der Vergangenheit der Fokus zu wenig auf die Beschaffung und Aufbewahrung der Daten gelegt. KI-Systeme sind dabei bereits in der Lage, teilweise fehlende oder falsche Daten zu extrahieren. Um Machine Learning effizient einsetzen zu können, sind jedoch Vergleichsdaten von grosser Bedeutung. Beispielsweise können aufgrund von vergangenen Krisen oder Ereignissen neue Probleme vorhergesehen werden. Die hohe Qualität der Basisdaten ist dabei zentral. Um die Qualität der Rohdaten sicherzustellen kann ein Data Steward beigezogen werden. Dessen Aufgabe besteht darin, die benötigten Informationen zu sammeln und sich anschliessend um die Datenpflege, Beobachtung und Verarbeitung zu kümmern. Die Zusammenarbeit zwischen Controlling und der IT-Abteilung muss dabei gut funktionieren (Kepler, 2021, S. 19).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Quiz !! Lernvideo<br />
|-<br />
|[https://elearning.hslu.ch/ilias/goto.php?target=grp_4252238&client_id=hslu Machine Learning - Quiz] <br />
|| [https://www.youtube.com/watch?v=ukzFI9rgwfU Machine Learning Basics (What Is Machine Learning?)]<br />
|}<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
<br />
*Alpaydin, E. (2019). [https://elearning.hslu.ch/ilias/goto.php?target=file_5006250_download&client_id=hslu Maschinelles Lernen] (2. Aufl.). De Gruyter <br />
*Amann, K., Petzold, J. & Westerkamp M. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-28795-5 Management und Controlling. Instrumente – Organisation – Digitalisierung – Ziele (3. Aufl.)] Wiesbaden: Springer Gabler. <br />
*Baars, H. (2016). [https://www.beck-elibrary.de/10.15358/0935-0381-2016-3-174/predictive-analytics-in-der-it-basierten-entscheidungsunterstuetzung-methodische-architektonische-und-organisatorische-konsequenzen-jahrgang-28-2016-heft-3?page=1 Predictive Analytics in der IT-basierten Entscheidungsunterstützung – methodische, architektonische und organisatorische Konsequenzen. Controlling, 28(3), 174-180.] Vahlen: München.<br />
*Baer, T., & Kamalnath, V. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_5006251_download&client_id=hslu Controlling machine-learning algorithms and their biases]. McKinsey&Company, 1-7. <br />
*Brühl, V. (2019). [https://elearning.hslu.ch/ilias/goto.php?target=file_5006247_download&client_id=hslu Künstliche Intelligenz, Maschinelles Lernen und Big Data – Grundlagen, Marktpotenziale und wirtschaftspolitische Relevanz]. WiSt - Wirtschaftswissenschaftliches Studium, 48(11), 34–41. <br />
*Friedel, G. (2019). [https://www.beck-elibrary.de/10.15358/0935-0381-2019-5/controlling-jahrgang-31-2019-heft-5 Künstliche Intelligenz im Controlling. Controlling, 31(5), 35-38.] Vahlen: München.<br />
*Heimel, J., & Müller, M. (2019). [https://link.springer.com/book/10.1007%2F978-3-662-57963-3 Controlling 4.0. In M. Erner (Hrsg.), Management 4.0 – Unternehmensführung im digitalen Zeitalter.] Berlin: Springer Gabler. <br />
*Kepler, J. (2021). [https://elearning.hslu.ch/ilias/goto.php?target=file_5006249_download&client_id=hslu Digitalisierung im Controlling - Auswirkungen auf das Anforderungsprofil und die Rolle der Controller]. Universität Linz <br />
*Langmann, C. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-25017-1 Digitalisierung im Controlling.] Wiesbaden: Springer Gabler. <br />
*Mehler-Bicher, A., & Mehler, F. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-26494-9 Wirtschaftsinformatik Klipp und Klar (1. Aufl.)] Wiesbaden: Springer Gabler.<br />
*Mueller, J. & Massaron, L. (2017). [https://elearning.hslu.ch/ilias/goto.php?target=file_5006248_download&client_id=hslu Maschinelles Lernen mit Python und R für dummies]. Wiley-VCH <br />
*Oehler, K. (2020). [https://link.springer.com/article/10.1007/s12176-020-0095-5 Ist maschinelles Lernen in der Planung einsetzbar? Controlling & Management Review.] Berlin: Springer Professional. <br />
*Pereira, D. (2020). [https://www.beck-elibrary.de/10.15358/0935-0381-2020-2-65/machine-learning-jahrgang-32-2020-heft-2 Machine Learning. Controlling, 32(2), 65-66.] Vahlen: München. <br />
*Sejdić, G. (2015). [https://www.beck-elibrary.de/10.15358/0935-0381-2015-8-9-518/echtzeitsteuerung-jahrgang-27-2015-heft-8-9 Echtzeitsteuerung. Controlling, 27(8-9), 518-519.] Vahlen: München. <br />
*SAP. (ohne Datum). Was ist maschinelles Lernen? Abgerufen am 15.04.2021 von https://www.sap.com/swiss/insights/what-is-machine-learning.html <br />
*Wuttke, L. (ohne Datum). Machine Learning: Definition, Algorithmen, Methoden und Beispiele. Abgerufen am 18.03.2021 von https://datasolut.com/was-ist-machine-learning/<br />
<br />
=== Weiterführende Literatur ===<br />
*Weiser, M., Feuerriegel, S., & Herrmann, T. (2020). [https://www.beck-elibrary.de/10.15358/0935-0381-2020-3-86/causal-machine-learning-jahrgang-32-2020-heft-3 Causal Machine Learning. Controlling, 32(3), 86–87.] Vahlen: München. <br />
*Schäffer, U. (2017). [https://link.springer.com/article/10.1007/s12176-017-0115-2 «Man muss die Maschinen einfach mal machen lassen». Controlling & Management Review, 61(9), 24–31.] Berlin: Springer. <br />
==Autoren==<br />
Amoros Constantin, Blatter Simon, Bucher Sebastian, Oertig Vanessa<br />
<br />
<br />
[[Kategorie:Daten und Technologien]]<br />
[[Kategorie:Digital Controlling]]<br />
'''</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Digital_Boardroom_%E2%80%93_Quiz&diff=16355Digital Boardroom – Quiz2021-11-05T10:40:35Z<p>Salis.Matteo: </p>
<hr />
<div>Um Ihr Wissen zum Thema Digital Boardroom zu testen, steht Ihnen ein [https://elearning.hslu.ch/ilias/ilias.php?ref_id=4991141&cmd=infoScreen&cmdClass=ilobjtestgui&cmdNode=10d:uj&baseClass=ilrepositorygui&ref_id=4991141 Quiz] zur Verfügung. Das Quiz basiert auf der Wiki-Seite [[Digital Boardroom|Digital Boardroom]]. Die korrekten Antworten sind am Ende des Quiz zu sehen.<br />
<br />
[[Kategorie:Aufgaben]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Humankapitalbewertung_%E2%80%93_Quiz&diff=16354Humankapitalbewertung – Quiz2021-11-05T10:37:04Z<p>Salis.Matteo: </p>
<hr />
<div><br />
Um Ihr Wissen über die Humankapitalbewertung zu testen, steht folgendes Quiz zur Verfügung: [https://elearning.hslu.ch/ilias/ilias.php?ref_id=4454705&cmd=infoScreen&cmdClass=ilobjtestgui&cmdNode=10d:uj&baseClass=ilrepositorygui&ref_id=4454705 Humankapitalbewertung – Quiz].<br />
<br />
Das Quiz basiert auf der Wiki Seite [[Humankapitalbewertung|Humankapitalbewertung]]. Die korrekten Antworten sind am Ende des Quiz sichtbar. Für Verständnisfragen zu den <br />
[[Bewertungsansätze der Humankapitalbewertung|Bewertungsansätzen der Humankapitalbewertung]] und zur [[Saarbrücker Formel|Saarbrücker Formel]] nutzen Sie die entsprechenden Einträge im Wiki.<br />
<br />
[[Kategorie:Aufgaben]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Pr%C3%A4missenkontrolle_-_Quiz&diff=16353Prämissenkontrolle - Quiz2021-11-05T10:36:02Z<p>Salis.Matteo: </p>
<hr />
<div>Damit Sie Ihr Wissen zum Thema Prämissenkontrolle testen können, steht Ihnen eine [https://elearning.hslu.ch/ilias/ilias.php?ref_id=4960135&cmd=infoScreen&cmdClass=ilobjtestgui&cmdNode=10d:uj&baseClass=ilrepositorygui&ref_id=4960135 Lernkontrolle] zur Verfügung.<br />
<br />
Die Lernkontrolle basiert auf der Wiki-Seite zum Thema [[Prämissenkontrolle|Prämissenkontrolle]].<br />
<br />
[[Kategorie:Aufgaben]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Lebenszyklus-Konzept&diff=16352Lebenszyklus-Konzept2021-10-13T09:15:24Z<p>Salis.Matteo: /* Kritische Analyse */</p>
<hr />
<div>Das Lebenszyklus-Konzept besagt, dass unter anderem Organisationen, Branchen, Technologien und Produkte einem Lebenszyklus unterliegen. Durch verschiedene vorgegebene Entwicklungen ist eine zukünftige Entfaltung der Organisationen gewissermassen vorgegeben und unausweichlich (Müller-Stewens & Lechner, 2011, S. 439). Dabei wird es analog zu den biologischen oder auch natürlichen Systemen als Konzept mit begrenzter Lebensdauer gesehen. Das System erlebt zum einen verschiedene Phasen vom Entstehen, zum Aufschwungs und schlussendlich zum Abstieg. Zum anderen gibt es eine ständige Veränderung der lebenswichtigen Zustandsgrössen des Systems über die Zeit (Hermann, 2010, S. 63; Fiedler & Graef, 2001, S. 40; Müller, 2016, S. 53). In der Betriebswirtschaftslehre wird dieses Konzept auf Produkte übertragen. Neben den Produkten wird das Lebenszyklus-Konzept auch für Branchen- und Technologielebenszyklen verwendet (Lombriser & Abplanalp, 2018, S. 208). Zusätzlich fungiert die Lebenszyklusanalyse als Grundlage für weiterführende Strategieinstrumente wie beispielsweise die [[BCG-Matrix|Boston Consulting Group-Matrix ]] (Asum & Kerth, 2015, S. 15).<br />
<br />
== Produktlebenszyklus == <br />
[[Datei:Produktlebenszyklus.PNG|miniatur|550px|Abb. 1: Umsatz und Gewinn eines Produkts von der Idee bis zur Elimination (Vogl, 2012)]] <br />
Das Produktelebenszyklus-Konzept wird als ein Instrument im Marketing benötigt, um die Stellung eines Produktes am Markt darzustellen (Bruhn, 2004, S. 424). Auf diesem Konzept basiert auch die [[Lebenszykluskostenrechnung]]. Das klassische Produktlebenszyklus-Konzept kann zum einem auf unternehmensindividueller Ebene für eine spezifische Produktart (z. B. Universal-Rundschleifmaschinen), für eine Produktgruppe (z. B. Schleifmaschinen, Drehmaschinen) oder ein Produktprogramm (z. B. Universal-Schleifmaschinen) und zum anderen auf den Absatzprozess einer Industrie oder Branche angewandt werden (Hermann, 2010, S. 70). Als abhängige Variablen werden die Grössen Umsatz und Gewinn berücksichtigt. Die unabhängige Variable ist die Zeit. Die Entwicklung wird mit einem glockenförmigen Verlauf dargestellt und es bestehen die Phasen Einführung, Wachstum, Sättigung und Degeneration (Bruhn, 2004, S. 424– 425). <br />
Der Produktlebenszyklus ist in Abbildung 1 ersichtlich. Die Abbildung zeigt den Absatz und Gewinn in den verschiedenen Phasen.<br />
Die verschiedenen Lebensphasen haben differenzierte Ausprägungen und Charakterisierungen, welche wie folgt definiert sind (Fiedler & Graef, 2001, S. 44–45; Schürmann, 2018, S. 48–49; Hermann, 2010, S. 70; Asum & Kerth, 2015, S. 16–18):<br />
<br />
<br />
=== Phase 1: Einführung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Innovatoren mit meist hohem Einkommen / müssen überzeugt werden<br />
| rowspan="10" |<br />
• Kundenakquisition ist schwierig<br />
<br />
• Hohe Stückkosten aufgrund tiefer Produktionsmenge<br />
<br />
• Hohe Entwicklungskosten erfordern eine Subventionierung des Produktes<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 15% - 20%<br />
|-<br />
! scope="row"| Umsatz<br />
| Niedrig und langsam steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Hohe Stückkosten, hohe Vorlaufkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Gering<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Negativ<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige Unternehmen<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Hoch<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil ausdehnen<br />
|-<br />
|}<br />
<br />
=== Phase 2: Wachstum ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="10" |<br />
• Hohe Nachfrage bei gleichzeitig sinkenden Preisen<br />
<br />
• Durch Mengenausweitung tiefere Stückkosten<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 20% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Stark steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Sinkende Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv wachsend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Mässig, wird zunehmend besser<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Hoch<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Tragbar<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktpenetration erhöhen / Marketing als Schlüsselfunktion<br />
|-<br />
|}<br />
<br />
=== Phase 3: Reife ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Massenmarkt, Wiederholungskäufer<br />
| rowspan="10" |<br />
• Nachfrage weiterhin hoch<br />
<br />
• Zusätzliche Konkurrenz führt zu sinkenden Preisen<br />
<br />
• Erste Sättigungsphänomene, weshalb spätestens jetzt ein Nachfolgeprodukt entwickelt werden muss<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 40% - 45%<br />
|-<br />
! scope="row"| Umsatz<br />
| Maximum wird erreicht, anschliessend rückläufig<br />
|-<br />
! scope="row"| Kosten<br />
| Minimale Senkung der Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv, aber fallend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Maximum wird erreicht<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Sinkend<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Schlecht<br />
|-<br />
! scope="row"| Risiko<br />
| Beginnende Konjunkturanfälligkeit<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil verteidigen / Kosten und Marketingeffektivität wichtig<br />
|-<br />
|}<br />
<br />
=== Phase 4: Sättigung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="9" |<br />
• Kundschaft wandern zu innovativeren Produkten<br />
<br />
• Nachfrage am Markt sinkt<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 10% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Sinkend<br />
|-<br />
! scope="row"| Kosten<br />
|Konstant<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Eher positiv<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Sinkend<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Sehr schlecht<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Produktivität sichern / Kostenkontrolle entscheidend<br />
|-<br />
|}<br />
<br />
Weiter wird beim klassischen Produktlebenszyklus die Phase 5 «Rückgang» dazu genommen. Hierbei sinkt die Absatzkurve und stabilisiert sich auf sehr geringen Wert, bzw. stagniert bei 0 (Hermann, 2010, S. 70). Anschliessend können bei der Elimination noch Erträge und Kosten anfallen, indem Halb- und Fertigfabrikaten verkauft werden oder gegen eine Gebühr entsorgt werden müssen (Waser & Peter, 2016, S. 175-182). Schlussendlich gibt es öfters, besonders bei Betrachtung des Marketingmix, die Phase 6 «Wiederbelebung». Dabei handelt es sich um einen Relaunch. Dies geschieht beispielsweise durch Produktmodifikationen oder neue Promotionsanstrengungen. Diese Massnahmen können zu einer neuen Wachstumsphase führen oder es können zusätzliche Verluste entstehen (Schürmann, 2018, S. 49).<br />
Das Konzept bietet grundsätzlich einen Ansatz für die strategische Produkt- und Programmpolitik eines Unternehmens. Es können Analysen für eine passende Sortimentszusammensetzung durchgeführt werden und daraus lassen sich passende Marketingstrategien ableiten. Falls sich Produkte in der Degenerationsphase befinden, ist es wichtig neue Produkte einzuführen. Am besten ist es, wenn sich Produkte eines Unternehmens in den verschiedenen Phasen verteilt befinden. Das Produktelebenszyklus-Konzept ist ebenfalls gut geeignet, um die Anforderungen der verschiedenen Funktionen zu analysieren. Produkte haben in den verschiedenen Phasen unterschiedliche Anforderungen der Funktionen eines Unternehmens. In der Einführungsphase ist es wichtig, dass genügend finanzielle Reserven vorhanden sind und die Marketingaktivitäten, zur Steigerung der Nachfrage, ausreichend vorhanden sind. Die Wachstumsphase beansprucht ein gut funktionierendes Distributionssystem, damit die steigende Nachfrage bewältigt wird. In der Sättigungsphase liegt der Fokus bei der Weiterentwicklung. Das Produkt soll nun [[Wettbewerbsstrategien|differenziert]] werden, damit ein weiteres Wachstum noch erfolgen kann (Welge & Al-Laham, 2012, S. 357).<br />
=== Entwicklungen im Produktlebenszyklus ===<br />
Die Globalisierung hat zur Folge, dass Produkte immer kürzere Lebenszeiten aufweisen. Durch die Öffnung der Märkte hat der Wettbewerb stark zugenommen. Deshalb müssen alle Unternehmen ihre Produkte permanent entwickeln und erneuern, um langfristig erfolgreich zu sein. Die Innovation ist für die Wettbewerbsfähigkeit der Unternehmen noch wichtiger geworden. Jedoch führen diese Innovationen durch den technischen Fortschritt zu immer kürzeren Produktlebenszyklen (Franken & Franken, 2020, S. 35). Deshalb ist es für die Unternehmen immer wichtiger, dass die verkaufsreifen Produkte während ihrer Lebenszeit profitabel sind. Sie müssen nämlich während der verkürzten Zeit mindestens die Kosten decken, welche vor dem Markteintritt durch die Forschung entstehen. Durch die erhöhte Innovationsforderung der Märkte, erhöhen sich dementsprechend auch die Kosten in der Forschung vor dem Markteintritt. Auch nach dem Marktaustritt können Kosten für das Produkt anfallen, welche gedeckt werden müssen (Joos, 2014, S. 58-64).<br />
<br />
== Branchenlebenszyklus ==<br />
Mithilfe des Branchenlebenszyklus-Konzept lassen sich die Branchenentwicklungen aufzeigen. Porter hat ein bekanntes Branchenlebenszyklus-konzept entwickelt. Bei diesem baut er auf das Produktelebezyklus auf (Pfingsten, 1998, S. 67) und dieses besteht aus einer Aggregation von mehreren Produktelebenszyklen (Bruhn, 2004, S. 425). <br />
[[Datei:Branchenlebenszyklus.jpg|450px|miniatur|Abb. 2: Branchenlebenszyklus-Konzept (Lombriser & Abplanalp, 2018, S. 122)]]<br />
Das Konzept weist die gleichen Charakterisierungen wie das Produktelebenszyklus-Konzept auf (Pfingsten, 1998, S. 68). Im Gegensatz zum Produktelebenszyklus dauern die Phasen einer Branche jedoch länger als bei einem Produkt (Pfingsten, 1998, S. 70). Das Branchenlebenszyklus-Konzept wird in der Abbildung 2 dargestellt. Es werden dabei Merkmale der verschiedenen Phasen aufgezeigt. <br />
Das Branchenlebenszyklus wird verwendet, um die Wettbewerbsintensität einer Branche darzustellen und es können bestimmte Entwicklungen innerhalb einer Branche ausfindig gemacht werden (Pfingsten, 1998, S. 68-69). Die Struktur einer Branche kann sich im Laufe der Zeit stark verändern. Dies muss bei der Umsetzung einer Strategie mitberücksichtigt werden. Daher muss schon bei der Strategieformulierung die mögliche Verschiebung der Wettbewerbskräfte berücksichtigt werden. Einem Unternehmen ermöglicht dies, Chancen früher zu erkennen und Wettbewerbsvorteile zu erschaffen, die für spätere Konkurrenten Eintrittsbarrieren darstellen (Lombriser & Abplanalp, 2018, S. 122-123). Bei manchen Branchen dauert die Einführungsphase länger als bei anderen und einige sind sehr schnell in der Sättigungsphase. Es kann auch vorkommen, dass einige Phasen übersprungen werden. Der Zyklus kann durch Produktinnovationen oder durch eine strategische Umorientierung beeinflusst werden (Lombriser & Abplanalp, 2018, S. 123).<br />
<br />
== Technologielebenszyklus ==<br />
Der technologische Lebenszyklus hat eine besondere strategische Bedeutung. In einer Zeit des raschen Wandels ist es wichtig zum richtigen Zeitpunkt in die richtige Technologie zu investieren. Ziel dabei ist es, daraus Entwicklungsprognosen und Handlungsempfehlungen abzuleiten (Müller, 2014, S. 47). Die Technologielebenszyklen sind in unterschiedlichen Darstellungsformen verfügbar und werden standardmässig zur Analyse der technologischen Umwelt im Rahmen des strategischen Controllings eingesetzt (Müller, 2016, S. 53). Zur Differenzierung werden untenstehend zwei verschiedene Modelle des Technologielebenszyklus aufgezeigt.<br />
=== Technologielebenszyklus gemäss McKinsey ===<br />
[[Datei:Technologielebenszyklus_McKinsey.PNG|miniatur|550px| Abb. 3: S-Kurven-Konzept (Müller, 2016, S. 54)]]<br />
In Abbildung 3 wird das Konzept von McKinsey dargestellt. Es vergleicht die Leistungsfähigkeit gegenüber den kumulierten Technologieaufwand einer alten und neuer Technologie.<br />
<br />
<br />
Beim Beginn einer technologischen Neuentwicklung wird bei der F&E-Abteilung zunächst eine Wissensbasis aufgebaut, Tests durchgeführt und unerwartete technische Probleme gelöst. Zu Beginn der Entwicklung ist ein geringer, unterproportionaler Leistungszuwachs typisch, an welchen sich überproportional hohe Entwicklungsfortschritte anschliessen. Dies führt zu einer Beschleunigung der Weiterentwicklung der Technologie bis schlussendlich die physikalisch-technische Leistungsgrenze erreicht wird und die F&E-Aufwendungen für eine weitere Leistungssteigerung überproportional wären. Dies ist sichtbar durch eine quasi-proportionale Entwicklung von F&E-Aufwand und Ergebnissen (Lombriser & Abplanalp, 2018, S. 211; Müller, 2016, S. 54). Aus Sicht des strategischen Controllings ist in diesem Zeitpunkt der Vergleich zweier konkurrierender Technologien interessant. Eines dieser Technologien ist bewährt und am Markt eingeführt und die andere Technologie befindet sich noch im Entwicklungsstadium. Es muss hier genau geklärt werden, wann der Übergang von einer zur anderen Technologie zu erwarten bzw. wirtschaftlich gesehen attraktiv ist (Amelingmeyer et al., 2002, S. 71).<br />
=== Technologielebenszyklus gemäss Arthur D. Little ===<br />
[[Datei:Technologielebenszyklus_Arthur D. Little.PNG|miniatur|550px| Abb. 4: Technologielebenszyklus-Konzept (Schuh et al., 2010, S. 46)]]<br />
Die Unternehmensberatung Arthur D. Little entwickelte im Jahr 1985 ein Technologielebenszyklus-Konzept mit identischen Phasen, wie jenes des Produktlebenszyklus (Tiefel, 2007, S. 43). In der Abbildung 3 ist ein solches Konzept zu sehen. <br />
<br />
Im Gegensatz zu McKinsey, baut dieses stärker auf das Lebenszyklus-Konzept. Dabei werden die Technologien in den verschiedenen Phasen anders benannt. Bei der Schrittmachertechnologie ist die Leistungsstärke der Technologie schwach und die finanziellen Aufwendungen sehr hoch. Diese Technologien befinden sich noch in der Einführung und es bestehen noch denkbare Erfolgspotenziale. Die Schlüsseltechnologien werden benötigt, damit überhaupt ein Einstieg in der Wachstumsphase möglich ist. Diese geben die Möglichkeit sich von der Konkurrenz zu [[Wettbewerbsstrategien|differenzieren]]. Die Schlüsseltechnologien werden später zu Basistechnologien. Diese bedingen keinen hohen Entwicklungsaufwand mehr und werden daher nicht mehr als eine Differenzierung angesehen. Wenn es zur Basistechnologie wird, besteht mehr Wettbewerb, denn die Technologie ist für jeden zugänglich (Ergenzinger et al., 2020, S.129). In der letzten Phase sind die verdrängten Technologien, welche von neuen Schlüsseltechnologien ersetzt werden (Schuh et al, 2010, S. 46).<br />
<br />
== Kritische Analyse ==<br />
Das Lebenszyklus-Konzept wird durch eine S-Form dargestellt, was nicht auf alle Entwicklungen zutrifft. Es spielen verschiedene Faktoren eine Rolle, wie die Digitalisierung und veränderte Bedürfnisse und der Zyklus kann von Branche zu Branche variieren. Grundsätzlich kann das Modell als Unterstützung dienen, um in den verschiedenen Phasen passende Entscheide zu treffen (Kreikebaum et al., 2011, S. 221–222). Ein weiterer Kritikpunkt ist, dass die Zeit als einzige Variable für den Umsatz genommen wird. Doch der Umsatz hat noch andere Einflussgrössen wie die Marketingaktivität der Unternehmen, das Kundenverhalten und die konjunkturellen Schwankungen. Somit ist das Modell eine starke Vereinfachung der Realität und oft entspricht der Absatzverlauf nicht dem Konzept und kann daher nicht als Prognosemodell gebraucht werden (Homburg, 2020, S. 486-490). Eine weitere herausfordernde Aufgabe des Lebenszyklus besteht in der Erstellung von Handlungsempfehlungen. Die Handlungsempfehlungen haben die Aufgabe die Prognose der zukünftigen Entwicklung sowie, auf Basis dieser Prognose, die Erstellung künftiger Massnahmen. Die Massnahmen sind dabei aber wiederum selbst der Grund für die zukünftige Entwicklung, weshalb es zu einem Zirkelschluss kommt (Müller, 2016, S. 58).<br />
Beim Produktlebenszyklus-Konzept ist nicht klar, wie sich ein Produkt abgrenzt. Es kann sich um eine Produktegruppe, Produkteform oder Marke handeln. Zu entscheiden ist ebenfalls, ob durch eine kleine Änderung eines Produktes (neue Verpackungsfarbe, neue Zutatenkombination, neue Verpackungsmenge etc.) der Zyklus endet oder weitergeht. Weiter ist es schwierig festzustellen, in welcher Phase sich das Produkt befindet. Dabei wird der Umsatz oder die Kosten als Messgrösse festgelegt. Beide weisen jedoch Probleme auf. Beim Umsatz sind Preisentwicklungen zu berücksichtigen und bei den Kosten kann die Verteilung auf die verschiedenen Produkte problematisch sein. Eine bessere Messgrösse wäre der [[Deckungsbeitragsrechnung|Deckungsbeitrag]] (Kreikebaum et al., 2011, S. 221–222).<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben !! Fallstudien<br />
|-<br />
|<br />
* [[Lebenszyklus-Konzept - CAFFÈ FREDDO]]<br />
||<br />
* [[S-Kurven Konzept - Fallstudie Nokia]] <br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Amelingmeyer, J., Beckmann, C., & Specht, G. (2002). F&E-Management: Kompetenz im Innovationsmanagement (2., überarb. und erw. Aufl.). Schäffer-Poeschel.<br />
* Asum, H., Kerth, K., & Stich, V. (2015). Die besten Strategietools in der Praxis (6. Aufl.). Hanser.<br />
* Bruhn, M. (2004). [https://link.springer.com/content/pdf/10.1007%2F978-3-663-01557-4_18.pdf Konzept des Markentypenlebenszyklus]. Gabler.<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A. & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling (1. Aufl.). Versus.<br />
* Fiedler, R. & Graef, J. (2001). Einführung in das Controlling. Methoden, Instrumente und DV-Unterstützung. Wissenschaftsverlag.<br />
* Franken, R. & Franken, S. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-30178-1 Wissen, Lernen und Innovation im digitalen Unternehmen.] Springer Gabler.<br />
* Hermann, C. (2010). [https://link.springer.com/book/10.1007%2F978-3-642-01421-5 Ganzheitliches Life Cycle Management – Nachhaltigkeit und Lebenszyklusorientierung in Unternehmen.] Springer.<br />
* Homburg, C. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-13656-7 Marketingmanagement: Strategie - Instrumente - Umsetzung – Unternehmensführung] (7., überarb. u. erw. Aufl. 2020 Aufl.). Springer Gabler.<br />
* Joos, T. (2014). [https://link.springer.com/book/10.1007%2F978-3-658-01344-8 Controlling, Kostenrechnung und Kostenmanagement.] Springer Gabler.<br />
* Kreikebaum, H., Gilbert, D. U. & Behnam, M. (2011). Strategisches Management (7., vollständig überarbeitete Aufl.). W. Kohlhammer.<br />
* Lombriser, R. & Abplanalp, P. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, D. (2014). [https://link.springer.com/book/10.1007%2F978-3-642-41990-4 Investitionscontrolling.] Springer. <br />
* Müller, D. (2016). Analyse von Graphen-basierten Technologien im Rahmen des strategischen Controllings. Controlling, 28 (1), 52–59. https://doi.org/10.15358/0935-0381-2016-1-52<br />
* Müller-Stewens, G. & Lechner, C. (2011). Strategisches Management: Wie strategische Initiativen zum Wandel führen. Schäffer-Poeschel.<br />
* Pfingsten, F. (1998). [https://link.springer.com/content/pdf/10.1007%2F978-3-322-95253-0_3.pdf Shareholder-Value im Lebenszyklus.] Deutscher Universitätsverlag.<br />
* Schuh G., Klappert S., Schubert J. & Nollau S. (2010). [https://link.springer.com/chapter/10.1007/978-3-642-12530-0_4 Grundlagen zum Technologiemanagement.] In G. Schuh & S. Klappert (Hrsg.), Technologiemanagement (S. 33-54). Springer.<br />
* Schürmann, M. (2018). Marketing – in vier Schritten zum eigenen Marketingkonzept. Hochschulverlag AG an der ETH Zürich.<br />
* Vogl, W. (2012). Wichtige Kennzahlen bei der Finanzierung von Softwareentwicklungen. Symentum. Abgerufen am 24. Mai 2021, von https://www.symentum.de/wichtige-kennzahlen-bei-der-finanzierung-von-softwareentwicklungen/<br />
* Welge, M. K. & Al-Laham, A. (2012). Strategisches Management: Grundlagen - Prozess - Implementierung (6., akt. Aufl. 2012 Aufl.). Gabler.<br />
* Waser, B. & Peter, D. (2016). Prozess- und Operations-Management. Versus.<br />
<br />
=== Weiterführende Literatur ===<br />
* Liessmann, K. (2001). [https://link.springer.com/chapter/10.1007/978-3-322-92159-8_1 Strategisches Controlling – Konzept, Werkzeuge, Umsetzung.] In C.-C. Freidank & E. Mayer. (Hrsg.), Controlling-Konzepte. Neue Strategien und Werkzeuge für die Unternehmenspraxis (S. 3–103). Betriebswirtschaftlicher Verlag Dr. Th. Gabler.<br />
* Tiefel, T. (2007). [https://link.springer.com/chapter/10.1007/978-3-8350-5496-7_2 Technologielebenszyklus-Modelle - Eine kritische Analyse.] In T. Tiefel (Hrsg.), Gewerbliche Schutzrechte im Innovationsprozess (S. 25-49). Gabler.<br />
== Autoren ==<br />
Robin Buri, Lucas Casillo, Mathias Duss, Belmina Dzaferi</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Lebenszyklus-Konzept&diff=16351Lebenszyklus-Konzept2021-10-13T09:11:31Z<p>Salis.Matteo: /* Technologielebenszyklus gemäss Arthur D. Little */</p>
<hr />
<div>Das Lebenszyklus-Konzept besagt, dass unter anderem Organisationen, Branchen, Technologien und Produkte einem Lebenszyklus unterliegen. Durch verschiedene vorgegebene Entwicklungen ist eine zukünftige Entfaltung der Organisationen gewissermassen vorgegeben und unausweichlich (Müller-Stewens & Lechner, 2011, S. 439). Dabei wird es analog zu den biologischen oder auch natürlichen Systemen als Konzept mit begrenzter Lebensdauer gesehen. Das System erlebt zum einen verschiedene Phasen vom Entstehen, zum Aufschwungs und schlussendlich zum Abstieg. Zum anderen gibt es eine ständige Veränderung der lebenswichtigen Zustandsgrössen des Systems über die Zeit (Hermann, 2010, S. 63; Fiedler & Graef, 2001, S. 40; Müller, 2016, S. 53). In der Betriebswirtschaftslehre wird dieses Konzept auf Produkte übertragen. Neben den Produkten wird das Lebenszyklus-Konzept auch für Branchen- und Technologielebenszyklen verwendet (Lombriser & Abplanalp, 2018, S. 208). Zusätzlich fungiert die Lebenszyklusanalyse als Grundlage für weiterführende Strategieinstrumente wie beispielsweise die [[BCG-Matrix|Boston Consulting Group-Matrix ]] (Asum & Kerth, 2015, S. 15).<br />
<br />
== Produktlebenszyklus == <br />
[[Datei:Produktlebenszyklus.PNG|miniatur|550px|Abb. 1: Umsatz und Gewinn eines Produkts von der Idee bis zur Elimination (Vogl, 2012)]] <br />
Das Produktelebenszyklus-Konzept wird als ein Instrument im Marketing benötigt, um die Stellung eines Produktes am Markt darzustellen (Bruhn, 2004, S. 424). Auf diesem Konzept basiert auch die [[Lebenszykluskostenrechnung]]. Das klassische Produktlebenszyklus-Konzept kann zum einem auf unternehmensindividueller Ebene für eine spezifische Produktart (z. B. Universal-Rundschleifmaschinen), für eine Produktgruppe (z. B. Schleifmaschinen, Drehmaschinen) oder ein Produktprogramm (z. B. Universal-Schleifmaschinen) und zum anderen auf den Absatzprozess einer Industrie oder Branche angewandt werden (Hermann, 2010, S. 70). Als abhängige Variablen werden die Grössen Umsatz und Gewinn berücksichtigt. Die unabhängige Variable ist die Zeit. Die Entwicklung wird mit einem glockenförmigen Verlauf dargestellt und es bestehen die Phasen Einführung, Wachstum, Sättigung und Degeneration (Bruhn, 2004, S. 424– 425). <br />
Der Produktlebenszyklus ist in Abbildung 1 ersichtlich. Die Abbildung zeigt den Absatz und Gewinn in den verschiedenen Phasen.<br />
Die verschiedenen Lebensphasen haben differenzierte Ausprägungen und Charakterisierungen, welche wie folgt definiert sind (Fiedler & Graef, 2001, S. 44–45; Schürmann, 2018, S. 48–49; Hermann, 2010, S. 70; Asum & Kerth, 2015, S. 16–18):<br />
<br />
<br />
=== Phase 1: Einführung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Innovatoren mit meist hohem Einkommen / müssen überzeugt werden<br />
| rowspan="10" |<br />
• Kundenakquisition ist schwierig<br />
<br />
• Hohe Stückkosten aufgrund tiefer Produktionsmenge<br />
<br />
• Hohe Entwicklungskosten erfordern eine Subventionierung des Produktes<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 15% - 20%<br />
|-<br />
! scope="row"| Umsatz<br />
| Niedrig und langsam steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Hohe Stückkosten, hohe Vorlaufkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Gering<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Negativ<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige Unternehmen<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Hoch<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil ausdehnen<br />
|-<br />
|}<br />
<br />
=== Phase 2: Wachstum ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="10" |<br />
• Hohe Nachfrage bei gleichzeitig sinkenden Preisen<br />
<br />
• Durch Mengenausweitung tiefere Stückkosten<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 20% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Stark steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Sinkende Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv wachsend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Mässig, wird zunehmend besser<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Hoch<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Tragbar<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktpenetration erhöhen / Marketing als Schlüsselfunktion<br />
|-<br />
|}<br />
<br />
=== Phase 3: Reife ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Massenmarkt, Wiederholungskäufer<br />
| rowspan="10" |<br />
• Nachfrage weiterhin hoch<br />
<br />
• Zusätzliche Konkurrenz führt zu sinkenden Preisen<br />
<br />
• Erste Sättigungsphänomene, weshalb spätestens jetzt ein Nachfolgeprodukt entwickelt werden muss<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 40% - 45%<br />
|-<br />
! scope="row"| Umsatz<br />
| Maximum wird erreicht, anschliessend rückläufig<br />
|-<br />
! scope="row"| Kosten<br />
| Minimale Senkung der Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv, aber fallend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Maximum wird erreicht<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Sinkend<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Schlecht<br />
|-<br />
! scope="row"| Risiko<br />
| Beginnende Konjunkturanfälligkeit<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil verteidigen / Kosten und Marketingeffektivität wichtig<br />
|-<br />
|}<br />
<br />
=== Phase 4: Sättigung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="9" |<br />
• Kundschaft wandern zu innovativeren Produkten<br />
<br />
• Nachfrage am Markt sinkt<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 10% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Sinkend<br />
|-<br />
! scope="row"| Kosten<br />
|Konstant<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Eher positiv<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Sinkend<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Sehr schlecht<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Produktivität sichern / Kostenkontrolle entscheidend<br />
|-<br />
|}<br />
<br />
Weiter wird beim klassischen Produktlebenszyklus die Phase 5 «Rückgang» dazu genommen. Hierbei sinkt die Absatzkurve und stabilisiert sich auf sehr geringen Wert, bzw. stagniert bei 0 (Hermann, 2010, S. 70). Anschliessend können bei der Elimination noch Erträge und Kosten anfallen, indem Halb- und Fertigfabrikaten verkauft werden oder gegen eine Gebühr entsorgt werden müssen (Waser & Peter, 2016, S. 175-182). Schlussendlich gibt es öfters, besonders bei Betrachtung des Marketingmix, die Phase 6 «Wiederbelebung». Dabei handelt es sich um einen Relaunch. Dies geschieht beispielsweise durch Produktmodifikationen oder neue Promotionsanstrengungen. Diese Massnahmen können zu einer neuen Wachstumsphase führen oder es können zusätzliche Verluste entstehen (Schürmann, 2018, S. 49).<br />
Das Konzept bietet grundsätzlich einen Ansatz für die strategische Produkt- und Programmpolitik eines Unternehmens. Es können Analysen für eine passende Sortimentszusammensetzung durchgeführt werden und daraus lassen sich passende Marketingstrategien ableiten. Falls sich Produkte in der Degenerationsphase befinden, ist es wichtig neue Produkte einzuführen. Am besten ist es, wenn sich Produkte eines Unternehmens in den verschiedenen Phasen verteilt befinden. Das Produktelebenszyklus-Konzept ist ebenfalls gut geeignet, um die Anforderungen der verschiedenen Funktionen zu analysieren. Produkte haben in den verschiedenen Phasen unterschiedliche Anforderungen der Funktionen eines Unternehmens. In der Einführungsphase ist es wichtig, dass genügend finanzielle Reserven vorhanden sind und die Marketingaktivitäten, zur Steigerung der Nachfrage, ausreichend vorhanden sind. Die Wachstumsphase beansprucht ein gut funktionierendes Distributionssystem, damit die steigende Nachfrage bewältigt wird. In der Sättigungsphase liegt der Fokus bei der Weiterentwicklung. Das Produkt soll nun [[Wettbewerbsstrategien|differenziert]] werden, damit ein weiteres Wachstum noch erfolgen kann (Welge & Al-Laham, 2012, S. 357).<br />
=== Entwicklungen im Produktlebenszyklus ===<br />
Die Globalisierung hat zur Folge, dass Produkte immer kürzere Lebenszeiten aufweisen. Durch die Öffnung der Märkte hat der Wettbewerb stark zugenommen. Deshalb müssen alle Unternehmen ihre Produkte permanent entwickeln und erneuern, um langfristig erfolgreich zu sein. Die Innovation ist für die Wettbewerbsfähigkeit der Unternehmen noch wichtiger geworden. Jedoch führen diese Innovationen durch den technischen Fortschritt zu immer kürzeren Produktlebenszyklen (Franken & Franken, 2020, S. 35). Deshalb ist es für die Unternehmen immer wichtiger, dass die verkaufsreifen Produkte während ihrer Lebenszeit profitabel sind. Sie müssen nämlich während der verkürzten Zeit mindestens die Kosten decken, welche vor dem Markteintritt durch die Forschung entstehen. Durch die erhöhte Innovationsforderung der Märkte, erhöhen sich dementsprechend auch die Kosten in der Forschung vor dem Markteintritt. Auch nach dem Marktaustritt können Kosten für das Produkt anfallen, welche gedeckt werden müssen (Joos, 2014, S. 58-64).<br />
<br />
== Branchenlebenszyklus ==<br />
Mithilfe des Branchenlebenszyklus-Konzept lassen sich die Branchenentwicklungen aufzeigen. Porter hat ein bekanntes Branchenlebenszyklus-konzept entwickelt. Bei diesem baut er auf das Produktelebezyklus auf (Pfingsten, 1998, S. 67) und dieses besteht aus einer Aggregation von mehreren Produktelebenszyklen (Bruhn, 2004, S. 425). <br />
[[Datei:Branchenlebenszyklus.jpg|450px|miniatur|Abb. 2: Branchenlebenszyklus-Konzept (Lombriser & Abplanalp, 2018, S. 122)]]<br />
Das Konzept weist die gleichen Charakterisierungen wie das Produktelebenszyklus-Konzept auf (Pfingsten, 1998, S. 68). Im Gegensatz zum Produktelebenszyklus dauern die Phasen einer Branche jedoch länger als bei einem Produkt (Pfingsten, 1998, S. 70). Das Branchenlebenszyklus-Konzept wird in der Abbildung 2 dargestellt. Es werden dabei Merkmale der verschiedenen Phasen aufgezeigt. <br />
Das Branchenlebenszyklus wird verwendet, um die Wettbewerbsintensität einer Branche darzustellen und es können bestimmte Entwicklungen innerhalb einer Branche ausfindig gemacht werden (Pfingsten, 1998, S. 68-69). Die Struktur einer Branche kann sich im Laufe der Zeit stark verändern. Dies muss bei der Umsetzung einer Strategie mitberücksichtigt werden. Daher muss schon bei der Strategieformulierung die mögliche Verschiebung der Wettbewerbskräfte berücksichtigt werden. Einem Unternehmen ermöglicht dies, Chancen früher zu erkennen und Wettbewerbsvorteile zu erschaffen, die für spätere Konkurrenten Eintrittsbarrieren darstellen (Lombriser & Abplanalp, 2018, S. 122-123). Bei manchen Branchen dauert die Einführungsphase länger als bei anderen und einige sind sehr schnell in der Sättigungsphase. Es kann auch vorkommen, dass einige Phasen übersprungen werden. Der Zyklus kann durch Produktinnovationen oder durch eine strategische Umorientierung beeinflusst werden (Lombriser & Abplanalp, 2018, S. 123).<br />
<br />
== Technologielebenszyklus ==<br />
Der technologische Lebenszyklus hat eine besondere strategische Bedeutung. In einer Zeit des raschen Wandels ist es wichtig zum richtigen Zeitpunkt in die richtige Technologie zu investieren. Ziel dabei ist es, daraus Entwicklungsprognosen und Handlungsempfehlungen abzuleiten (Müller, 2014, S. 47). Die Technologielebenszyklen sind in unterschiedlichen Darstellungsformen verfügbar und werden standardmässig zur Analyse der technologischen Umwelt im Rahmen des strategischen Controllings eingesetzt (Müller, 2016, S. 53). Zur Differenzierung werden untenstehend zwei verschiedene Modelle des Technologielebenszyklus aufgezeigt.<br />
=== Technologielebenszyklus gemäss McKinsey ===<br />
[[Datei:Technologielebenszyklus_McKinsey.PNG|miniatur|550px| Abb. 3: S-Kurven-Konzept (Müller, 2016, S. 54)]]<br />
In Abbildung 3 wird das Konzept von McKinsey dargestellt. Es vergleicht die Leistungsfähigkeit gegenüber den kumulierten Technologieaufwand einer alten und neuer Technologie.<br />
<br />
<br />
Beim Beginn einer technologischen Neuentwicklung wird bei der F&E-Abteilung zunächst eine Wissensbasis aufgebaut, Tests durchgeführt und unerwartete technische Probleme gelöst. Zu Beginn der Entwicklung ist ein geringer, unterproportionaler Leistungszuwachs typisch, an welchen sich überproportional hohe Entwicklungsfortschritte anschliessen. Dies führt zu einer Beschleunigung der Weiterentwicklung der Technologie bis schlussendlich die physikalisch-technische Leistungsgrenze erreicht wird und die F&E-Aufwendungen für eine weitere Leistungssteigerung überproportional wären. Dies ist sichtbar durch eine quasi-proportionale Entwicklung von F&E-Aufwand und Ergebnissen (Lombriser & Abplanalp, 2018, S. 211; Müller, 2016, S. 54). Aus Sicht des strategischen Controllings ist in diesem Zeitpunkt der Vergleich zweier konkurrierender Technologien interessant. Eines dieser Technologien ist bewährt und am Markt eingeführt und die andere Technologie befindet sich noch im Entwicklungsstadium. Es muss hier genau geklärt werden, wann der Übergang von einer zur anderen Technologie zu erwarten bzw. wirtschaftlich gesehen attraktiv ist (Amelingmeyer et al., 2002, S. 71).<br />
=== Technologielebenszyklus gemäss Arthur D. Little ===<br />
[[Datei:Technologielebenszyklus_Arthur D. Little.PNG|miniatur|550px| Abb. 4: Technologielebenszyklus-Konzept (Schuh et al., 2010, S. 46)]]<br />
Die Unternehmensberatung Arthur D. Little entwickelte im Jahr 1985 ein Technologielebenszyklus-Konzept mit identischen Phasen, wie jenes des Produktlebenszyklus (Tiefel, 2007, S. 43). In der Abbildung 3 ist ein solches Konzept zu sehen. <br />
<br />
Im Gegensatz zu McKinsey, baut dieses stärker auf das Lebenszyklus-Konzept. Dabei werden die Technologien in den verschiedenen Phasen anders benannt. Bei der Schrittmachertechnologie ist die Leistungsstärke der Technologie schwach und die finanziellen Aufwendungen sehr hoch. Diese Technologien befinden sich noch in der Einführung und es bestehen noch denkbare Erfolgspotenziale. Die Schlüsseltechnologien werden benötigt, damit überhaupt ein Einstieg in der Wachstumsphase möglich ist. Diese geben die Möglichkeit sich von der Konkurrenz zu [[Wettbewerbsstrategien|differenzieren]]. Die Schlüsseltechnologien werden später zu Basistechnologien. Diese bedingen keinen hohen Entwicklungsaufwand mehr und werden daher nicht mehr als eine Differenzierung angesehen. Wenn es zur Basistechnologie wird, besteht mehr Wettbewerb, denn die Technologie ist für jeden zugänglich (Ergenzinger et al., 2020, S.129). In der letzten Phase sind die verdrängten Technologien, welche von neuen Schlüsseltechnologien ersetzt werden (Schuh et al, 2010, S. 46).<br />
<br />
== Kritische Analyse ==<br />
Das Lebenszyklus-Konzept wird durch eine S-Form dargestellt, was nicht auf alle Entwicklungen zutrifft. Es spielen verschiedene Faktoren, wie die Digitalisierung und veränderte Bedürfnisse mit und der Zyklus kann von Branche zu Branche variieren. Grundsätzlich kann das Modell als Unterstützung dienen, um in den verschiedenen Phasen passende Entscheide zu treffen (Kreikebaum et al., 2011, S. 221–222). Ein weiterer Kritikpunkt ist, dass die Zeit als einzige Variable für den Umsatz genommen wird. Doch der Umsatz hat noch andere Einflussgrössen wie die Marketingaktivität der Anbietenden, das Kundenverhalten und die konjunkturellen Schwankungen. Somit ist das Modell eine grosse Vereinfachung der Realität und oft entspricht der Absatzverlauf nicht dem Ideale und kann nicht als Prognosemodell gebraucht werden (Homburg, 2020, S. 486-490). Eine weitere herausfordernde Aufgabe des Lebenszyklus besteht in der Erstellung von Handlungsempfehlungen. Die Handlungsempfehlungen haben die Aufgabe die Prognose der zukünftigen Entwicklung sowie, auf Basis dieser Prognose, die Erstellung künftiger Massnahmen. Die Massnahmen sind dabei aber wiederum selbst der Grund für die zukünftige Entwicklung, weshalb es zu einem Zirkelschluss kommt (Müller, 2016, S. 58).<br />
Beim Produktlebenszyklus-Konzept ist nicht klar, wie sich ein Produkt abgrenzt. Es kann sich um eine Produktegruppe, Produkteform oder Marke handeln. Zu entscheiden ist ebenfalls, ob durch eine kleine Änderung eines Produktes (neue Verpackungsfarbe, neue Zutatenkombination, neue Verpackungsmenge etc.) der Zyklus endet oder weitergeht. Weiter ist es schwierig festzustellen, in welcher Phase sich das Produkt befindet. Dabei wird der Umsatz oder die Kosten als Messgrösse festgelegt. Beide weisen jedoch Probleme auf. Beim Umsatz sind Preisentwicklungen zu berücksichtigen und bei den Kosten kann die Verteilung auf die verschiedenen Produkte problematisch sein. Eine ideale Messgrösse wäre der [[Deckungsbeitragsrechnung|Deckungsbeitrag]] (Kreikebaum et al., 2011, S. 221–222). <br />
== Lern- und Praxismaterial ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben !! Fallstudien<br />
|-<br />
|<br />
* [[Lebenszyklus-Konzept - CAFFÈ FREDDO]]<br />
||<br />
* [[S-Kurven Konzept - Fallstudie Nokia]] <br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Amelingmeyer, J., Beckmann, C., & Specht, G. (2002). F&E-Management: Kompetenz im Innovationsmanagement (2., überarb. und erw. Aufl.). Schäffer-Poeschel.<br />
* Asum, H., Kerth, K., & Stich, V. (2015). Die besten Strategietools in der Praxis (6. Aufl.). Hanser.<br />
* Bruhn, M. (2004). [https://link.springer.com/content/pdf/10.1007%2F978-3-663-01557-4_18.pdf Konzept des Markentypenlebenszyklus]. Gabler.<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A. & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling (1. Aufl.). Versus.<br />
* Fiedler, R. & Graef, J. (2001). Einführung in das Controlling. Methoden, Instrumente und DV-Unterstützung. Wissenschaftsverlag.<br />
* Franken, R. & Franken, S. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-30178-1 Wissen, Lernen und Innovation im digitalen Unternehmen.] Springer Gabler.<br />
* Hermann, C. (2010). [https://link.springer.com/book/10.1007%2F978-3-642-01421-5 Ganzheitliches Life Cycle Management – Nachhaltigkeit und Lebenszyklusorientierung in Unternehmen.] Springer.<br />
* Homburg, C. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-13656-7 Marketingmanagement: Strategie - Instrumente - Umsetzung – Unternehmensführung] (7., überarb. u. erw. Aufl. 2020 Aufl.). Springer Gabler.<br />
* Joos, T. (2014). [https://link.springer.com/book/10.1007%2F978-3-658-01344-8 Controlling, Kostenrechnung und Kostenmanagement.] Springer Gabler.<br />
* Kreikebaum, H., Gilbert, D. U. & Behnam, M. (2011). Strategisches Management (7., vollständig überarbeitete Aufl.). W. Kohlhammer.<br />
* Lombriser, R. & Abplanalp, P. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, D. (2014). [https://link.springer.com/book/10.1007%2F978-3-642-41990-4 Investitionscontrolling.] Springer. <br />
* Müller, D. (2016). Analyse von Graphen-basierten Technologien im Rahmen des strategischen Controllings. Controlling, 28 (1), 52–59. https://doi.org/10.15358/0935-0381-2016-1-52<br />
* Müller-Stewens, G. & Lechner, C. (2011). Strategisches Management: Wie strategische Initiativen zum Wandel führen. Schäffer-Poeschel.<br />
* Pfingsten, F. (1998). [https://link.springer.com/content/pdf/10.1007%2F978-3-322-95253-0_3.pdf Shareholder-Value im Lebenszyklus.] Deutscher Universitätsverlag.<br />
* Schuh G., Klappert S., Schubert J. & Nollau S. (2010). [https://link.springer.com/chapter/10.1007/978-3-642-12530-0_4 Grundlagen zum Technologiemanagement.] In G. Schuh & S. Klappert (Hrsg.), Technologiemanagement (S. 33-54). Springer.<br />
* Schürmann, M. (2018). Marketing – in vier Schritten zum eigenen Marketingkonzept. Hochschulverlag AG an der ETH Zürich.<br />
* Vogl, W. (2012). Wichtige Kennzahlen bei der Finanzierung von Softwareentwicklungen. Symentum. Abgerufen am 24. Mai 2021, von https://www.symentum.de/wichtige-kennzahlen-bei-der-finanzierung-von-softwareentwicklungen/<br />
* Welge, M. K. & Al-Laham, A. (2012). Strategisches Management: Grundlagen - Prozess - Implementierung (6., akt. Aufl. 2012 Aufl.). Gabler.<br />
* Waser, B. & Peter, D. (2016). Prozess- und Operations-Management. Versus.<br />
<br />
=== Weiterführende Literatur ===<br />
* Liessmann, K. (2001). [https://link.springer.com/chapter/10.1007/978-3-322-92159-8_1 Strategisches Controlling – Konzept, Werkzeuge, Umsetzung.] In C.-C. Freidank & E. Mayer. (Hrsg.), Controlling-Konzepte. Neue Strategien und Werkzeuge für die Unternehmenspraxis (S. 3–103). Betriebswirtschaftlicher Verlag Dr. Th. Gabler.<br />
* Tiefel, T. (2007). [https://link.springer.com/chapter/10.1007/978-3-8350-5496-7_2 Technologielebenszyklus-Modelle - Eine kritische Analyse.] In T. Tiefel (Hrsg.), Gewerbliche Schutzrechte im Innovationsprozess (S. 25-49). Gabler.<br />
== Autoren ==<br />
Robin Buri, Lucas Casillo, Mathias Duss, Belmina Dzaferi</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Lebenszyklus-Konzept&diff=16350Lebenszyklus-Konzept2021-10-13T09:11:06Z<p>Salis.Matteo: /* Technologielebenszyklus */</p>
<hr />
<div>Das Lebenszyklus-Konzept besagt, dass unter anderem Organisationen, Branchen, Technologien und Produkte einem Lebenszyklus unterliegen. Durch verschiedene vorgegebene Entwicklungen ist eine zukünftige Entfaltung der Organisationen gewissermassen vorgegeben und unausweichlich (Müller-Stewens & Lechner, 2011, S. 439). Dabei wird es analog zu den biologischen oder auch natürlichen Systemen als Konzept mit begrenzter Lebensdauer gesehen. Das System erlebt zum einen verschiedene Phasen vom Entstehen, zum Aufschwungs und schlussendlich zum Abstieg. Zum anderen gibt es eine ständige Veränderung der lebenswichtigen Zustandsgrössen des Systems über die Zeit (Hermann, 2010, S. 63; Fiedler & Graef, 2001, S. 40; Müller, 2016, S. 53). In der Betriebswirtschaftslehre wird dieses Konzept auf Produkte übertragen. Neben den Produkten wird das Lebenszyklus-Konzept auch für Branchen- und Technologielebenszyklen verwendet (Lombriser & Abplanalp, 2018, S. 208). Zusätzlich fungiert die Lebenszyklusanalyse als Grundlage für weiterführende Strategieinstrumente wie beispielsweise die [[BCG-Matrix|Boston Consulting Group-Matrix ]] (Asum & Kerth, 2015, S. 15).<br />
<br />
== Produktlebenszyklus == <br />
[[Datei:Produktlebenszyklus.PNG|miniatur|550px|Abb. 1: Umsatz und Gewinn eines Produkts von der Idee bis zur Elimination (Vogl, 2012)]] <br />
Das Produktelebenszyklus-Konzept wird als ein Instrument im Marketing benötigt, um die Stellung eines Produktes am Markt darzustellen (Bruhn, 2004, S. 424). Auf diesem Konzept basiert auch die [[Lebenszykluskostenrechnung]]. Das klassische Produktlebenszyklus-Konzept kann zum einem auf unternehmensindividueller Ebene für eine spezifische Produktart (z. B. Universal-Rundschleifmaschinen), für eine Produktgruppe (z. B. Schleifmaschinen, Drehmaschinen) oder ein Produktprogramm (z. B. Universal-Schleifmaschinen) und zum anderen auf den Absatzprozess einer Industrie oder Branche angewandt werden (Hermann, 2010, S. 70). Als abhängige Variablen werden die Grössen Umsatz und Gewinn berücksichtigt. Die unabhängige Variable ist die Zeit. Die Entwicklung wird mit einem glockenförmigen Verlauf dargestellt und es bestehen die Phasen Einführung, Wachstum, Sättigung und Degeneration (Bruhn, 2004, S. 424– 425). <br />
Der Produktlebenszyklus ist in Abbildung 1 ersichtlich. Die Abbildung zeigt den Absatz und Gewinn in den verschiedenen Phasen.<br />
Die verschiedenen Lebensphasen haben differenzierte Ausprägungen und Charakterisierungen, welche wie folgt definiert sind (Fiedler & Graef, 2001, S. 44–45; Schürmann, 2018, S. 48–49; Hermann, 2010, S. 70; Asum & Kerth, 2015, S. 16–18):<br />
<br />
<br />
=== Phase 1: Einführung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Innovatoren mit meist hohem Einkommen / müssen überzeugt werden<br />
| rowspan="10" |<br />
• Kundenakquisition ist schwierig<br />
<br />
• Hohe Stückkosten aufgrund tiefer Produktionsmenge<br />
<br />
• Hohe Entwicklungskosten erfordern eine Subventionierung des Produktes<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 15% - 20%<br />
|-<br />
! scope="row"| Umsatz<br />
| Niedrig und langsam steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Hohe Stückkosten, hohe Vorlaufkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Gering<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Negativ<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige Unternehmen<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Hoch<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil ausdehnen<br />
|-<br />
|}<br />
<br />
=== Phase 2: Wachstum ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="10" |<br />
• Hohe Nachfrage bei gleichzeitig sinkenden Preisen<br />
<br />
• Durch Mengenausweitung tiefere Stückkosten<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 20% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Stark steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Sinkende Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv wachsend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Mässig, wird zunehmend besser<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Hoch<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Tragbar<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktpenetration erhöhen / Marketing als Schlüsselfunktion<br />
|-<br />
|}<br />
<br />
=== Phase 3: Reife ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Massenmarkt, Wiederholungskäufer<br />
| rowspan="10" |<br />
• Nachfrage weiterhin hoch<br />
<br />
• Zusätzliche Konkurrenz führt zu sinkenden Preisen<br />
<br />
• Erste Sättigungsphänomene, weshalb spätestens jetzt ein Nachfolgeprodukt entwickelt werden muss<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 40% - 45%<br />
|-<br />
! scope="row"| Umsatz<br />
| Maximum wird erreicht, anschliessend rückläufig<br />
|-<br />
! scope="row"| Kosten<br />
| Minimale Senkung der Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv, aber fallend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Maximum wird erreicht<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Sinkend<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Schlecht<br />
|-<br />
! scope="row"| Risiko<br />
| Beginnende Konjunkturanfälligkeit<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil verteidigen / Kosten und Marketingeffektivität wichtig<br />
|-<br />
|}<br />
<br />
=== Phase 4: Sättigung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="9" |<br />
• Kundschaft wandern zu innovativeren Produkten<br />
<br />
• Nachfrage am Markt sinkt<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 10% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Sinkend<br />
|-<br />
! scope="row"| Kosten<br />
|Konstant<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Eher positiv<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Sinkend<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Sehr schlecht<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Produktivität sichern / Kostenkontrolle entscheidend<br />
|-<br />
|}<br />
<br />
Weiter wird beim klassischen Produktlebenszyklus die Phase 5 «Rückgang» dazu genommen. Hierbei sinkt die Absatzkurve und stabilisiert sich auf sehr geringen Wert, bzw. stagniert bei 0 (Hermann, 2010, S. 70). Anschliessend können bei der Elimination noch Erträge und Kosten anfallen, indem Halb- und Fertigfabrikaten verkauft werden oder gegen eine Gebühr entsorgt werden müssen (Waser & Peter, 2016, S. 175-182). Schlussendlich gibt es öfters, besonders bei Betrachtung des Marketingmix, die Phase 6 «Wiederbelebung». Dabei handelt es sich um einen Relaunch. Dies geschieht beispielsweise durch Produktmodifikationen oder neue Promotionsanstrengungen. Diese Massnahmen können zu einer neuen Wachstumsphase führen oder es können zusätzliche Verluste entstehen (Schürmann, 2018, S. 49).<br />
Das Konzept bietet grundsätzlich einen Ansatz für die strategische Produkt- und Programmpolitik eines Unternehmens. Es können Analysen für eine passende Sortimentszusammensetzung durchgeführt werden und daraus lassen sich passende Marketingstrategien ableiten. Falls sich Produkte in der Degenerationsphase befinden, ist es wichtig neue Produkte einzuführen. Am besten ist es, wenn sich Produkte eines Unternehmens in den verschiedenen Phasen verteilt befinden. Das Produktelebenszyklus-Konzept ist ebenfalls gut geeignet, um die Anforderungen der verschiedenen Funktionen zu analysieren. Produkte haben in den verschiedenen Phasen unterschiedliche Anforderungen der Funktionen eines Unternehmens. In der Einführungsphase ist es wichtig, dass genügend finanzielle Reserven vorhanden sind und die Marketingaktivitäten, zur Steigerung der Nachfrage, ausreichend vorhanden sind. Die Wachstumsphase beansprucht ein gut funktionierendes Distributionssystem, damit die steigende Nachfrage bewältigt wird. In der Sättigungsphase liegt der Fokus bei der Weiterentwicklung. Das Produkt soll nun [[Wettbewerbsstrategien|differenziert]] werden, damit ein weiteres Wachstum noch erfolgen kann (Welge & Al-Laham, 2012, S. 357).<br />
=== Entwicklungen im Produktlebenszyklus ===<br />
Die Globalisierung hat zur Folge, dass Produkte immer kürzere Lebenszeiten aufweisen. Durch die Öffnung der Märkte hat der Wettbewerb stark zugenommen. Deshalb müssen alle Unternehmen ihre Produkte permanent entwickeln und erneuern, um langfristig erfolgreich zu sein. Die Innovation ist für die Wettbewerbsfähigkeit der Unternehmen noch wichtiger geworden. Jedoch führen diese Innovationen durch den technischen Fortschritt zu immer kürzeren Produktlebenszyklen (Franken & Franken, 2020, S. 35). Deshalb ist es für die Unternehmen immer wichtiger, dass die verkaufsreifen Produkte während ihrer Lebenszeit profitabel sind. Sie müssen nämlich während der verkürzten Zeit mindestens die Kosten decken, welche vor dem Markteintritt durch die Forschung entstehen. Durch die erhöhte Innovationsforderung der Märkte, erhöhen sich dementsprechend auch die Kosten in der Forschung vor dem Markteintritt. Auch nach dem Marktaustritt können Kosten für das Produkt anfallen, welche gedeckt werden müssen (Joos, 2014, S. 58-64).<br />
<br />
== Branchenlebenszyklus ==<br />
Mithilfe des Branchenlebenszyklus-Konzept lassen sich die Branchenentwicklungen aufzeigen. Porter hat ein bekanntes Branchenlebenszyklus-konzept entwickelt. Bei diesem baut er auf das Produktelebezyklus auf (Pfingsten, 1998, S. 67) und dieses besteht aus einer Aggregation von mehreren Produktelebenszyklen (Bruhn, 2004, S. 425). <br />
[[Datei:Branchenlebenszyklus.jpg|450px|miniatur|Abb. 2: Branchenlebenszyklus-Konzept (Lombriser & Abplanalp, 2018, S. 122)]]<br />
Das Konzept weist die gleichen Charakterisierungen wie das Produktelebenszyklus-Konzept auf (Pfingsten, 1998, S. 68). Im Gegensatz zum Produktelebenszyklus dauern die Phasen einer Branche jedoch länger als bei einem Produkt (Pfingsten, 1998, S. 70). Das Branchenlebenszyklus-Konzept wird in der Abbildung 2 dargestellt. Es werden dabei Merkmale der verschiedenen Phasen aufgezeigt. <br />
Das Branchenlebenszyklus wird verwendet, um die Wettbewerbsintensität einer Branche darzustellen und es können bestimmte Entwicklungen innerhalb einer Branche ausfindig gemacht werden (Pfingsten, 1998, S. 68-69). Die Struktur einer Branche kann sich im Laufe der Zeit stark verändern. Dies muss bei der Umsetzung einer Strategie mitberücksichtigt werden. Daher muss schon bei der Strategieformulierung die mögliche Verschiebung der Wettbewerbskräfte berücksichtigt werden. Einem Unternehmen ermöglicht dies, Chancen früher zu erkennen und Wettbewerbsvorteile zu erschaffen, die für spätere Konkurrenten Eintrittsbarrieren darstellen (Lombriser & Abplanalp, 2018, S. 122-123). Bei manchen Branchen dauert die Einführungsphase länger als bei anderen und einige sind sehr schnell in der Sättigungsphase. Es kann auch vorkommen, dass einige Phasen übersprungen werden. Der Zyklus kann durch Produktinnovationen oder durch eine strategische Umorientierung beeinflusst werden (Lombriser & Abplanalp, 2018, S. 123).<br />
<br />
== Technologielebenszyklus ==<br />
Der technologische Lebenszyklus hat eine besondere strategische Bedeutung. In einer Zeit des raschen Wandels ist es wichtig zum richtigen Zeitpunkt in die richtige Technologie zu investieren. Ziel dabei ist es, daraus Entwicklungsprognosen und Handlungsempfehlungen abzuleiten (Müller, 2014, S. 47). Die Technologielebenszyklen sind in unterschiedlichen Darstellungsformen verfügbar und werden standardmässig zur Analyse der technologischen Umwelt im Rahmen des strategischen Controllings eingesetzt (Müller, 2016, S. 53). Zur Differenzierung werden untenstehend zwei verschiedene Modelle des Technologielebenszyklus aufgezeigt.<br />
=== Technologielebenszyklus gemäss McKinsey ===<br />
[[Datei:Technologielebenszyklus_McKinsey.PNG|miniatur|550px| Abb. 3: S-Kurven-Konzept (Müller, 2016, S. 54)]]<br />
In Abbildung 3 wird das Konzept von McKinsey dargestellt. Es vergleicht die Leistungsfähigkeit gegenüber den kumulierten Technologieaufwand einer alten und neuer Technologie.<br />
<br />
<br />
Beim Beginn einer technologischen Neuentwicklung wird bei der F&E-Abteilung zunächst eine Wissensbasis aufgebaut, Tests durchgeführt und unerwartete technische Probleme gelöst. Zu Beginn der Entwicklung ist ein geringer, unterproportionaler Leistungszuwachs typisch, an welchen sich überproportional hohe Entwicklungsfortschritte anschliessen. Dies führt zu einer Beschleunigung der Weiterentwicklung der Technologie bis schlussendlich die physikalisch-technische Leistungsgrenze erreicht wird und die F&E-Aufwendungen für eine weitere Leistungssteigerung überproportional wären. Dies ist sichtbar durch eine quasi-proportionale Entwicklung von F&E-Aufwand und Ergebnissen (Lombriser & Abplanalp, 2018, S. 211; Müller, 2016, S. 54). Aus Sicht des strategischen Controllings ist in diesem Zeitpunkt der Vergleich zweier konkurrierender Technologien interessant. Eines dieser Technologien ist bewährt und am Markt eingeführt und die andere Technologie befindet sich noch im Entwicklungsstadium. Es muss hier genau geklärt werden, wann der Übergang von einer zur anderen Technologie zu erwarten bzw. wirtschaftlich gesehen attraktiv ist (Amelingmeyer et al., 2002, S. 71).<br />
=== Technologielebenszyklus gemäss Arthur D. Little ===<br />
[[Datei:Technologielebenszyklus_Arthur D. Little.PNG|miniatur|550px| Abb. 4: Technologielebenszyklus-Konzept (Schuh et al., 2010, S. 46)]]<br />
Die Unternehmensberatung Arthur D. Little entwickelte im Jahr 1985 ein Technologielebenszyklus-Konzept mit identischen Phasen, wie jenes des Produktlebenszyklus (Tiefel, 2007, S. 43). In der Abbildung 3 ist ein solches Konzept zu sehen. <br />
<br />
Gegensätzlich zu McKinsey baut dieses stärker auf das Lebenszyklus-Konzept. Dabei werden die Technologien in den verschiedenen Phasen anders benannt. Bei der Schrittmachertechnologie ist die Leistungsstärke der Technologie schwach und die finanziellen Aufwendungen sehr hoch. Diese Technologien befinden sich noch in der Einführung und es bestehen noch denkbare Erfolgspotenziale. Die Schlüsseltechnologien werden benötigt, damit überhaupt ein Einstieg in der Wachstumsphase möglich ist. Diese geben die Möglichkeit sich von der Konkurrenz zu [[Wettbewerbsstrategien|differenzieren]]. Die Schlüsseltechnologien werden später zu Basistechnologien. Diese bedingen keinen hohen Entwicklungsaufwand mehr und werden daher nicht mehr als eine Differenzierung angesehen. Wenn es zur Basistechnologie wird, besteht mehr Wettbewerb, denn die Technologie ist für jeden zugänglich (Ergenzinger et al., 2020, S.129). In der letzten Phase sind die verdrängten Technologien, welche von neuen Schlüsseltechnologien ersetzt werden (Schuh et al, 2010, S. 46).<br />
<br />
== Kritische Analyse ==<br />
Das Lebenszyklus-Konzept wird durch eine S-Form dargestellt, was nicht auf alle Entwicklungen zutrifft. Es spielen verschiedene Faktoren, wie die Digitalisierung und veränderte Bedürfnisse mit und der Zyklus kann von Branche zu Branche variieren. Grundsätzlich kann das Modell als Unterstützung dienen, um in den verschiedenen Phasen passende Entscheide zu treffen (Kreikebaum et al., 2011, S. 221–222). Ein weiterer Kritikpunkt ist, dass die Zeit als einzige Variable für den Umsatz genommen wird. Doch der Umsatz hat noch andere Einflussgrössen wie die Marketingaktivität der Anbietenden, das Kundenverhalten und die konjunkturellen Schwankungen. Somit ist das Modell eine grosse Vereinfachung der Realität und oft entspricht der Absatzverlauf nicht dem Ideale und kann nicht als Prognosemodell gebraucht werden (Homburg, 2020, S. 486-490). Eine weitere herausfordernde Aufgabe des Lebenszyklus besteht in der Erstellung von Handlungsempfehlungen. Die Handlungsempfehlungen haben die Aufgabe die Prognose der zukünftigen Entwicklung sowie, auf Basis dieser Prognose, die Erstellung künftiger Massnahmen. Die Massnahmen sind dabei aber wiederum selbst der Grund für die zukünftige Entwicklung, weshalb es zu einem Zirkelschluss kommt (Müller, 2016, S. 58).<br />
Beim Produktlebenszyklus-Konzept ist nicht klar, wie sich ein Produkt abgrenzt. Es kann sich um eine Produktegruppe, Produkteform oder Marke handeln. Zu entscheiden ist ebenfalls, ob durch eine kleine Änderung eines Produktes (neue Verpackungsfarbe, neue Zutatenkombination, neue Verpackungsmenge etc.) der Zyklus endet oder weitergeht. Weiter ist es schwierig festzustellen, in welcher Phase sich das Produkt befindet. Dabei wird der Umsatz oder die Kosten als Messgrösse festgelegt. Beide weisen jedoch Probleme auf. Beim Umsatz sind Preisentwicklungen zu berücksichtigen und bei den Kosten kann die Verteilung auf die verschiedenen Produkte problematisch sein. Eine ideale Messgrösse wäre der [[Deckungsbeitragsrechnung|Deckungsbeitrag]] (Kreikebaum et al., 2011, S. 221–222). <br />
== Lern- und Praxismaterial ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben !! Fallstudien<br />
|-<br />
|<br />
* [[Lebenszyklus-Konzept - CAFFÈ FREDDO]]<br />
||<br />
* [[S-Kurven Konzept - Fallstudie Nokia]] <br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Amelingmeyer, J., Beckmann, C., & Specht, G. (2002). F&E-Management: Kompetenz im Innovationsmanagement (2., überarb. und erw. Aufl.). Schäffer-Poeschel.<br />
* Asum, H., Kerth, K., & Stich, V. (2015). Die besten Strategietools in der Praxis (6. Aufl.). Hanser.<br />
* Bruhn, M. (2004). [https://link.springer.com/content/pdf/10.1007%2F978-3-663-01557-4_18.pdf Konzept des Markentypenlebenszyklus]. Gabler.<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A. & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling (1. Aufl.). Versus.<br />
* Fiedler, R. & Graef, J. (2001). Einführung in das Controlling. Methoden, Instrumente und DV-Unterstützung. Wissenschaftsverlag.<br />
* Franken, R. & Franken, S. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-30178-1 Wissen, Lernen und Innovation im digitalen Unternehmen.] Springer Gabler.<br />
* Hermann, C. (2010). [https://link.springer.com/book/10.1007%2F978-3-642-01421-5 Ganzheitliches Life Cycle Management – Nachhaltigkeit und Lebenszyklusorientierung in Unternehmen.] Springer.<br />
* Homburg, C. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-13656-7 Marketingmanagement: Strategie - Instrumente - Umsetzung – Unternehmensführung] (7., überarb. u. erw. Aufl. 2020 Aufl.). Springer Gabler.<br />
* Joos, T. (2014). [https://link.springer.com/book/10.1007%2F978-3-658-01344-8 Controlling, Kostenrechnung und Kostenmanagement.] Springer Gabler.<br />
* Kreikebaum, H., Gilbert, D. U. & Behnam, M. (2011). Strategisches Management (7., vollständig überarbeitete Aufl.). W. Kohlhammer.<br />
* Lombriser, R. & Abplanalp, P. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, D. (2014). [https://link.springer.com/book/10.1007%2F978-3-642-41990-4 Investitionscontrolling.] Springer. <br />
* Müller, D. (2016). Analyse von Graphen-basierten Technologien im Rahmen des strategischen Controllings. Controlling, 28 (1), 52–59. https://doi.org/10.15358/0935-0381-2016-1-52<br />
* Müller-Stewens, G. & Lechner, C. (2011). Strategisches Management: Wie strategische Initiativen zum Wandel führen. Schäffer-Poeschel.<br />
* Pfingsten, F. (1998). [https://link.springer.com/content/pdf/10.1007%2F978-3-322-95253-0_3.pdf Shareholder-Value im Lebenszyklus.] Deutscher Universitätsverlag.<br />
* Schuh G., Klappert S., Schubert J. & Nollau S. (2010). [https://link.springer.com/chapter/10.1007/978-3-642-12530-0_4 Grundlagen zum Technologiemanagement.] In G. Schuh & S. Klappert (Hrsg.), Technologiemanagement (S. 33-54). Springer.<br />
* Schürmann, M. (2018). Marketing – in vier Schritten zum eigenen Marketingkonzept. Hochschulverlag AG an der ETH Zürich.<br />
* Vogl, W. (2012). Wichtige Kennzahlen bei der Finanzierung von Softwareentwicklungen. Symentum. Abgerufen am 24. Mai 2021, von https://www.symentum.de/wichtige-kennzahlen-bei-der-finanzierung-von-softwareentwicklungen/<br />
* Welge, M. K. & Al-Laham, A. (2012). Strategisches Management: Grundlagen - Prozess - Implementierung (6., akt. Aufl. 2012 Aufl.). Gabler.<br />
* Waser, B. & Peter, D. (2016). Prozess- und Operations-Management. Versus.<br />
<br />
=== Weiterführende Literatur ===<br />
* Liessmann, K. (2001). [https://link.springer.com/chapter/10.1007/978-3-322-92159-8_1 Strategisches Controlling – Konzept, Werkzeuge, Umsetzung.] In C.-C. Freidank & E. Mayer. (Hrsg.), Controlling-Konzepte. Neue Strategien und Werkzeuge für die Unternehmenspraxis (S. 3–103). Betriebswirtschaftlicher Verlag Dr. Th. Gabler.<br />
* Tiefel, T. (2007). [https://link.springer.com/chapter/10.1007/978-3-8350-5496-7_2 Technologielebenszyklus-Modelle - Eine kritische Analyse.] In T. Tiefel (Hrsg.), Gewerbliche Schutzrechte im Innovationsprozess (S. 25-49). Gabler.<br />
== Autoren ==<br />
Robin Buri, Lucas Casillo, Mathias Duss, Belmina Dzaferi</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Lebenszyklus-Konzept&diff=16349Lebenszyklus-Konzept2021-10-13T09:04:31Z<p>Salis.Matteo: /* Produktlebenszyklus */</p>
<hr />
<div>Das Lebenszyklus-Konzept besagt, dass unter anderem Organisationen, Branchen, Technologien und Produkte einem Lebenszyklus unterliegen. Durch verschiedene vorgegebene Entwicklungen ist eine zukünftige Entfaltung der Organisationen gewissermassen vorgegeben und unausweichlich (Müller-Stewens & Lechner, 2011, S. 439). Dabei wird es analog zu den biologischen oder auch natürlichen Systemen als Konzept mit begrenzter Lebensdauer gesehen. Das System erlebt zum einen verschiedene Phasen vom Entstehen, zum Aufschwungs und schlussendlich zum Abstieg. Zum anderen gibt es eine ständige Veränderung der lebenswichtigen Zustandsgrössen des Systems über die Zeit (Hermann, 2010, S. 63; Fiedler & Graef, 2001, S. 40; Müller, 2016, S. 53). In der Betriebswirtschaftslehre wird dieses Konzept auf Produkte übertragen. Neben den Produkten wird das Lebenszyklus-Konzept auch für Branchen- und Technologielebenszyklen verwendet (Lombriser & Abplanalp, 2018, S. 208). Zusätzlich fungiert die Lebenszyklusanalyse als Grundlage für weiterführende Strategieinstrumente wie beispielsweise die [[BCG-Matrix|Boston Consulting Group-Matrix ]] (Asum & Kerth, 2015, S. 15).<br />
<br />
== Produktlebenszyklus == <br />
[[Datei:Produktlebenszyklus.PNG|miniatur|550px|Abb. 1: Umsatz und Gewinn eines Produkts von der Idee bis zur Elimination (Vogl, 2012)]] <br />
Das Produktelebenszyklus-Konzept wird als ein Instrument im Marketing benötigt, um die Stellung eines Produktes am Markt darzustellen (Bruhn, 2004, S. 424). Auf diesem Konzept basiert auch die [[Lebenszykluskostenrechnung]]. Das klassische Produktlebenszyklus-Konzept kann zum einem auf unternehmensindividueller Ebene für eine spezifische Produktart (z. B. Universal-Rundschleifmaschinen), für eine Produktgruppe (z. B. Schleifmaschinen, Drehmaschinen) oder ein Produktprogramm (z. B. Universal-Schleifmaschinen) und zum anderen auf den Absatzprozess einer Industrie oder Branche angewandt werden (Hermann, 2010, S. 70). Als abhängige Variablen werden die Grössen Umsatz und Gewinn berücksichtigt. Die unabhängige Variable ist die Zeit. Die Entwicklung wird mit einem glockenförmigen Verlauf dargestellt und es bestehen die Phasen Einführung, Wachstum, Sättigung und Degeneration (Bruhn, 2004, S. 424– 425). <br />
Der Produktlebenszyklus ist in Abbildung 1 ersichtlich. Die Abbildung zeigt den Absatz und Gewinn in den verschiedenen Phasen.<br />
Die verschiedenen Lebensphasen haben differenzierte Ausprägungen und Charakterisierungen, welche wie folgt definiert sind (Fiedler & Graef, 2001, S. 44–45; Schürmann, 2018, S. 48–49; Hermann, 2010, S. 70; Asum & Kerth, 2015, S. 16–18):<br />
<br />
<br />
=== Phase 1: Einführung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Innovatoren mit meist hohem Einkommen / müssen überzeugt werden<br />
| rowspan="10" |<br />
• Kundenakquisition ist schwierig<br />
<br />
• Hohe Stückkosten aufgrund tiefer Produktionsmenge<br />
<br />
• Hohe Entwicklungskosten erfordern eine Subventionierung des Produktes<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 15% - 20%<br />
|-<br />
! scope="row"| Umsatz<br />
| Niedrig und langsam steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Hohe Stückkosten, hohe Vorlaufkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Gering<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Negativ<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige Unternehmen<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Hoch<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil ausdehnen<br />
|-<br />
|}<br />
<br />
=== Phase 2: Wachstum ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="10" |<br />
• Hohe Nachfrage bei gleichzeitig sinkenden Preisen<br />
<br />
• Durch Mengenausweitung tiefere Stückkosten<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 20% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Stark steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Sinkende Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv wachsend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Mässig, wird zunehmend besser<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Hoch<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Tragbar<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktpenetration erhöhen / Marketing als Schlüsselfunktion<br />
|-<br />
|}<br />
<br />
=== Phase 3: Reife ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Massenmarkt, Wiederholungskäufer<br />
| rowspan="10" |<br />
• Nachfrage weiterhin hoch<br />
<br />
• Zusätzliche Konkurrenz führt zu sinkenden Preisen<br />
<br />
• Erste Sättigungsphänomene, weshalb spätestens jetzt ein Nachfolgeprodukt entwickelt werden muss<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 40% - 45%<br />
|-<br />
! scope="row"| Umsatz<br />
| Maximum wird erreicht, anschliessend rückläufig<br />
|-<br />
! scope="row"| Kosten<br />
| Minimale Senkung der Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv, aber fallend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Maximum wird erreicht<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Sinkend<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Schlecht<br />
|-<br />
! scope="row"| Risiko<br />
| Beginnende Konjunkturanfälligkeit<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil verteidigen / Kosten und Marketingeffektivität wichtig<br />
|-<br />
|}<br />
<br />
=== Phase 4: Sättigung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="9" |<br />
• Kundschaft wandern zu innovativeren Produkten<br />
<br />
• Nachfrage am Markt sinkt<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 10% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Sinkend<br />
|-<br />
! scope="row"| Kosten<br />
|Konstant<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Eher positiv<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Sinkend<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Sehr schlecht<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Produktivität sichern / Kostenkontrolle entscheidend<br />
|-<br />
|}<br />
<br />
Weiter wird beim klassischen Produktlebenszyklus die Phase 5 «Rückgang» dazu genommen. Hierbei sinkt die Absatzkurve und stabilisiert sich auf sehr geringen Wert, bzw. stagniert bei 0 (Hermann, 2010, S. 70). Anschliessend können bei der Elimination noch Erträge und Kosten anfallen, indem Halb- und Fertigfabrikaten verkauft werden oder gegen eine Gebühr entsorgt werden müssen (Waser & Peter, 2016, S. 175-182). Schlussendlich gibt es öfters, besonders bei Betrachtung des Marketingmix, die Phase 6 «Wiederbelebung». Dabei handelt es sich um einen Relaunch. Dies geschieht beispielsweise durch Produktmodifikationen oder neue Promotionsanstrengungen. Diese Massnahmen können zu einer neuen Wachstumsphase führen oder es können zusätzliche Verluste entstehen (Schürmann, 2018, S. 49).<br />
Das Konzept bietet grundsätzlich einen Ansatz für die strategische Produkt- und Programmpolitik eines Unternehmens. Es können Analysen für eine passende Sortimentszusammensetzung durchgeführt werden und daraus lassen sich passende Marketingstrategien ableiten. Falls sich Produkte in der Degenerationsphase befinden, ist es wichtig neue Produkte einzuführen. Am besten ist es, wenn sich Produkte eines Unternehmens in den verschiedenen Phasen verteilt befinden. Das Produktelebenszyklus-Konzept ist ebenfalls gut geeignet, um die Anforderungen der verschiedenen Funktionen zu analysieren. Produkte haben in den verschiedenen Phasen unterschiedliche Anforderungen der Funktionen eines Unternehmens. In der Einführungsphase ist es wichtig, dass genügend finanzielle Reserven vorhanden sind und die Marketingaktivitäten, zur Steigerung der Nachfrage, ausreichend vorhanden sind. Die Wachstumsphase beansprucht ein gut funktionierendes Distributionssystem, damit die steigende Nachfrage bewältigt wird. In der Sättigungsphase liegt der Fokus bei der Weiterentwicklung. Das Produkt soll nun [[Wettbewerbsstrategien|differenziert]] werden, damit ein weiteres Wachstum noch erfolgen kann (Welge & Al-Laham, 2012, S. 357).<br />
=== Entwicklungen im Produktlebenszyklus ===<br />
Die Globalisierung hat zur Folge, dass Produkte immer kürzere Lebenszeiten aufweisen. Durch die Öffnung der Märkte hat der Wettbewerb stark zugenommen. Deshalb müssen alle Unternehmen ihre Produkte permanent entwickeln und erneuern, um langfristig erfolgreich zu sein. Die Innovation ist für die Wettbewerbsfähigkeit der Unternehmen noch wichtiger geworden. Jedoch führen diese Innovationen durch den technischen Fortschritt zu immer kürzeren Produktlebenszyklen (Franken & Franken, 2020, S. 35). Deshalb ist es für die Unternehmen immer wichtiger, dass die verkaufsreifen Produkte während ihrer Lebenszeit profitabel sind. Sie müssen nämlich während der verkürzten Zeit mindestens die Kosten decken, welche vor dem Markteintritt durch die Forschung entstehen. Durch die erhöhte Innovationsforderung der Märkte, erhöhen sich dementsprechend auch die Kosten in der Forschung vor dem Markteintritt. Auch nach dem Marktaustritt können Kosten für das Produkt anfallen, welche gedeckt werden müssen (Joos, 2014, S. 58-64).<br />
<br />
== Branchenlebenszyklus ==<br />
Mithilfe des Branchenlebenszyklus-Konzept lassen sich die Branchenentwicklungen aufzeigen. Porter hat ein bekanntes Branchenlebenszyklus-konzept entwickelt. Bei diesem baut er auf das Produktelebezyklus auf (Pfingsten, 1998, S. 67) und dieses besteht aus einer Aggregation von mehreren Produktelebenszyklen (Bruhn, 2004, S. 425). <br />
[[Datei:Branchenlebenszyklus.jpg|450px|miniatur|Abb. 2: Branchenlebenszyklus-Konzept (Lombriser & Abplanalp, 2018, S. 122)]]<br />
Das Konzept weist die gleichen Charakterisierungen wie das Produktelebenszyklus-Konzept auf (Pfingsten, 1998, S. 68). Im Gegensatz zum Produktelebenszyklus dauern die Phasen einer Branche jedoch länger als bei einem Produkt (Pfingsten, 1998, S. 70). Das Branchenlebenszyklus-Konzept wird in der Abbildung 2 dargestellt. Es werden dabei Merkmale der verschiedenen Phasen aufgezeigt. <br />
Das Branchenlebenszyklus wird verwendet, um die Wettbewerbsintensität einer Branche darzustellen und es können bestimmte Entwicklungen innerhalb einer Branche ausfindig gemacht werden (Pfingsten, 1998, S. 68-69). Die Struktur einer Branche kann sich im Laufe der Zeit stark verändern. Dies muss bei der Umsetzung einer Strategie mitberücksichtigt werden. Daher muss schon bei der Strategieformulierung die mögliche Verschiebung der Wettbewerbskräfte berücksichtigt werden. Einem Unternehmen ermöglicht dies, Chancen früher zu erkennen und Wettbewerbsvorteile zu erschaffen, die für spätere Konkurrenten Eintrittsbarrieren darstellen (Lombriser & Abplanalp, 2018, S. 122-123). Bei manchen Branchen dauert die Einführungsphase länger als bei anderen und einige sind sehr schnell in der Sättigungsphase. Es kann auch vorkommen, dass einige Phasen übersprungen werden. Der Zyklus kann durch Produktinnovationen oder durch eine strategische Umorientierung beeinflusst werden (Lombriser & Abplanalp, 2018, S. 123).<br />
<br />
== Technologielebenszyklus ==<br />
Der technologische Lebenszyklus hat eine besondere strategische Bedeutung. In einer Zeit des raschen Wandels ist es wichtig zum richtigen Zeitpunkt in die richtige Technologie zu investieren. Ziel dabei ist es, daraus Entwicklungsprognosen und Handlungsempfehlungen abzuleiten (Müller, 2014, S. 47). Die Technologielebenszyklen sind in unterschiedlichen Darstellungsformen verfügbar und werden standardmässig zur Analyse der technologischen Umwelt im Rahmen des strategischen Controllings eingesetzt (Müller, 2016, S. 53). Zur Differenzierung werden untenstehend zwei verschiedene Modelle des Technologielebenszyklus aufgezeigt.<br />
=== Technologielebenszyklus gemäss McKinsey ===<br />
[[Datei:Technologielebenszyklus_McKinsey.PNG|miniatur|550px| Abb. 3: S-Kurven-Konzept (Müller, 2016, S. 54)]]<br />
In Abbildung 3 wird das Konzept von McKinsey dargestellt. Es vergleicht die Leistungsfähigkeit gegenüber den kumulierten Technologieaufwand einer alten und neuer Technologie.<br />
<br />
<br />
Beim Beginn einer technologischen Neuentwicklung wird bei der F&E-Abteilung zunächst eine Wissensbasis aufgebaut, Tests durchgeführt und unerwartete technische Probleme bewältigt. Zu Beginn der Entwicklung ist ein geringer, unterproportionaler Leistungszuwachs typisch, an welchen sich überproportional hohe Entwicklungsfortschritte anschliessen. Dies führt zu einer Beschleunigung der Weiterentwicklung der Technologie bis schlussendlich die physikalisch-technische Leistungsgrenze erreicht wird und die F&E-Aufwendungen für eine weitere Leistungssteigerung überproportional wäre. Dies ist sichtbar durch eine quasi-proportionale Entwicklung von F&E-Aufwand und Ergebnissen (Lombriser & Abplanalp, 2018, S. 211; Müller, 2016, S. 54). Aus Sicht des strategischen Controllings ist in diesem Zeitpunkt der Vergleich zweier konkurrierender Technologien interessant. Eines dieser Technologien ist bewährt und am Markt eingeführt und die andere Technologie ist noch im Entwicklungsstadium. Es muss hier genau geklärt werden, wann der Übergang von einer zur anderen Technologie zu erwarten bzw. wirtschaftlich erforderlich ist. Also wann wird der Schritt mit dem neuen innovativen Produkt gewagt (Amelingmeyer et al., 2002, S. 71).<br />
=== Technologielebenszyklus gemäss Arthur D. Little ===<br />
[[Datei:Technologielebenszyklus_Arthur D. Little.PNG|miniatur|550px| Abb. 4: Technologielebenszyklus-Konzept (Schuh et al., 2010, S. 46)]]<br />
Die Unternehmensberatung Arthur D. Little entwickelte im Jahr 1985 ein Technologielebenszyklus-Konzept mit identischen Phasen, wie jenes des Produktlebenszyklus (Tiefel, 2007, S. 43). In der Abbildung 3 ist ein solches Konzept zu sehen. <br />
<br />
Gegensätzlich zu McKinsey baut dieses stärker auf das Lebenszyklus-Konzept aus. Dabei werden die Technologien in den verschiedenen Phasen anders benannt. Bei der Schrittmachertechnologie ist die Leistungsstärke der Technologie schwach und die finanziellen Aufwendungen sehr hoch. Diese Technologien befinden sich noch in der Einführung und es bestehen noch denkbare Erfolgspotenzialen. Die Schlüsseltechnologien werden benötigt, damit überhaupt ein Einstieg in der Wachstumsphase möglich ist. Diese geben die Möglichkeit sich von der Konkurrenz zu [[Wettbewerbsstrategien|differenzieren]]. Die Schlüsseltechnologien werden später zu Basistechnologien. Diese sind wie gegeben und werden nicht mehr als eine Differenzierung angesehen. Wenn es zur Basistechnologie wird, besteht mehr Wettbewerb, denn die Technologie ist für jeden zugänglich (Ergenzinger et al., 2020, S.129). In der letzten Phase sind die verdrängten Technologien, diese werden von neuen Schlüsseltechnologien ersetzt (Schuh et al, 2010, S. 46).<br />
== Kritische Analyse ==<br />
Das Lebenszyklus-Konzept wird durch eine S-Form dargestellt, was nicht auf alle Entwicklungen zutrifft. Es spielen verschiedene Faktoren, wie die Digitalisierung und veränderte Bedürfnisse mit und der Zyklus kann von Branche zu Branche variieren. Grundsätzlich kann das Modell als Unterstützung dienen, um in den verschiedenen Phasen passende Entscheide zu treffen (Kreikebaum et al., 2011, S. 221–222). Ein weiterer Kritikpunkt ist, dass die Zeit als einzige Variable für den Umsatz genommen wird. Doch der Umsatz hat noch andere Einflussgrössen wie die Marketingaktivität der Anbietenden, das Kundenverhalten und die konjunkturellen Schwankungen. Somit ist das Modell eine grosse Vereinfachung der Realität und oft entspricht der Absatzverlauf nicht dem Ideale und kann nicht als Prognosemodell gebraucht werden (Homburg, 2020, S. 486-490). Eine weitere herausfordernde Aufgabe des Lebenszyklus besteht in der Erstellung von Handlungsempfehlungen. Die Handlungsempfehlungen haben die Aufgabe die Prognose der zukünftigen Entwicklung sowie, auf Basis dieser Prognose, die Erstellung künftiger Massnahmen. Die Massnahmen sind dabei aber wiederum selbst der Grund für die zukünftige Entwicklung, weshalb es zu einem Zirkelschluss kommt (Müller, 2016, S. 58).<br />
Beim Produktlebenszyklus-Konzept ist nicht klar, wie sich ein Produkt abgrenzt. Es kann sich um eine Produktegruppe, Produkteform oder Marke handeln. Zu entscheiden ist ebenfalls, ob durch eine kleine Änderung eines Produktes (neue Verpackungsfarbe, neue Zutatenkombination, neue Verpackungsmenge etc.) der Zyklus endet oder weitergeht. Weiter ist es schwierig festzustellen, in welcher Phase sich das Produkt befindet. Dabei wird der Umsatz oder die Kosten als Messgrösse festgelegt. Beide weisen jedoch Probleme auf. Beim Umsatz sind Preisentwicklungen zu berücksichtigen und bei den Kosten kann die Verteilung auf die verschiedenen Produkte problematisch sein. Eine ideale Messgrösse wäre der [[Deckungsbeitragsrechnung|Deckungsbeitrag]] (Kreikebaum et al., 2011, S. 221–222). <br />
== Lern- und Praxismaterial ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben !! Fallstudien<br />
|-<br />
|<br />
* [[Lebenszyklus-Konzept - CAFFÈ FREDDO]]<br />
||<br />
* [[S-Kurven Konzept - Fallstudie Nokia]] <br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Amelingmeyer, J., Beckmann, C., & Specht, G. (2002). F&E-Management: Kompetenz im Innovationsmanagement (2., überarb. und erw. Aufl.). Schäffer-Poeschel.<br />
* Asum, H., Kerth, K., & Stich, V. (2015). Die besten Strategietools in der Praxis (6. Aufl.). Hanser.<br />
* Bruhn, M. (2004). [https://link.springer.com/content/pdf/10.1007%2F978-3-663-01557-4_18.pdf Konzept des Markentypenlebenszyklus]. Gabler.<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A. & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling (1. Aufl.). Versus.<br />
* Fiedler, R. & Graef, J. (2001). Einführung in das Controlling. Methoden, Instrumente und DV-Unterstützung. Wissenschaftsverlag.<br />
* Franken, R. & Franken, S. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-30178-1 Wissen, Lernen und Innovation im digitalen Unternehmen.] Springer Gabler.<br />
* Hermann, C. (2010). [https://link.springer.com/book/10.1007%2F978-3-642-01421-5 Ganzheitliches Life Cycle Management – Nachhaltigkeit und Lebenszyklusorientierung in Unternehmen.] Springer.<br />
* Homburg, C. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-13656-7 Marketingmanagement: Strategie - Instrumente - Umsetzung – Unternehmensführung] (7., überarb. u. erw. Aufl. 2020 Aufl.). Springer Gabler.<br />
* Joos, T. (2014). [https://link.springer.com/book/10.1007%2F978-3-658-01344-8 Controlling, Kostenrechnung und Kostenmanagement.] Springer Gabler.<br />
* Kreikebaum, H., Gilbert, D. U. & Behnam, M. (2011). Strategisches Management (7., vollständig überarbeitete Aufl.). W. Kohlhammer.<br />
* Lombriser, R. & Abplanalp, P. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, D. (2014). [https://link.springer.com/book/10.1007%2F978-3-642-41990-4 Investitionscontrolling.] Springer. <br />
* Müller, D. (2016). Analyse von Graphen-basierten Technologien im Rahmen des strategischen Controllings. Controlling, 28 (1), 52–59. https://doi.org/10.15358/0935-0381-2016-1-52<br />
* Müller-Stewens, G. & Lechner, C. (2011). Strategisches Management: Wie strategische Initiativen zum Wandel führen. Schäffer-Poeschel.<br />
* Pfingsten, F. (1998). [https://link.springer.com/content/pdf/10.1007%2F978-3-322-95253-0_3.pdf Shareholder-Value im Lebenszyklus.] Deutscher Universitätsverlag.<br />
* Schuh G., Klappert S., Schubert J. & Nollau S. (2010). [https://link.springer.com/chapter/10.1007/978-3-642-12530-0_4 Grundlagen zum Technologiemanagement.] In G. Schuh & S. Klappert (Hrsg.), Technologiemanagement (S. 33-54). Springer.<br />
* Schürmann, M. (2018). Marketing – in vier Schritten zum eigenen Marketingkonzept. Hochschulverlag AG an der ETH Zürich.<br />
* Vogl, W. (2012). Wichtige Kennzahlen bei der Finanzierung von Softwareentwicklungen. Symentum. Abgerufen am 24. Mai 2021, von https://www.symentum.de/wichtige-kennzahlen-bei-der-finanzierung-von-softwareentwicklungen/<br />
* Welge, M. K. & Al-Laham, A. (2012). Strategisches Management: Grundlagen - Prozess - Implementierung (6., akt. Aufl. 2012 Aufl.). Gabler.<br />
* Waser, B. & Peter, D. (2016). Prozess- und Operations-Management. Versus.<br />
<br />
=== Weiterführende Literatur ===<br />
* Liessmann, K. (2001). [https://link.springer.com/chapter/10.1007/978-3-322-92159-8_1 Strategisches Controlling – Konzept, Werkzeuge, Umsetzung.] In C.-C. Freidank & E. Mayer. (Hrsg.), Controlling-Konzepte. Neue Strategien und Werkzeuge für die Unternehmenspraxis (S. 3–103). Betriebswirtschaftlicher Verlag Dr. Th. Gabler.<br />
* Tiefel, T. (2007). [https://link.springer.com/chapter/10.1007/978-3-8350-5496-7_2 Technologielebenszyklus-Modelle - Eine kritische Analyse.] In T. Tiefel (Hrsg.), Gewerbliche Schutzrechte im Innovationsprozess (S. 25-49). Gabler.<br />
== Autoren ==<br />
Robin Buri, Lucas Casillo, Mathias Duss, Belmina Dzaferi</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Lebenszyklus-Konzept&diff=16348Lebenszyklus-Konzept2021-10-13T08:58:56Z<p>Salis.Matteo: /* Produktlebenszyklus */</p>
<hr />
<div>Das Lebenszyklus-Konzept besagt, dass unter anderem Organisationen, Branchen, Technologien und Produkte einem Lebenszyklus unterliegen. Durch verschiedene vorgegebene Entwicklungen ist eine zukünftige Entfaltung der Organisationen gewissermassen vorgegeben und unausweichlich (Müller-Stewens & Lechner, 2011, S. 439). Dabei wird es analog zu den biologischen oder auch natürlichen Systemen als Konzept mit begrenzter Lebensdauer gesehen. Das System erlebt zum einen verschiedene Phasen vom Entstehen, zum Aufschwungs und schlussendlich zum Abstieg. Zum anderen gibt es eine ständige Veränderung der lebenswichtigen Zustandsgrössen des Systems über die Zeit (Hermann, 2010, S. 63; Fiedler & Graef, 2001, S. 40; Müller, 2016, S. 53). In der Betriebswirtschaftslehre wird dieses Konzept auf Produkte übertragen. Neben den Produkten wird das Lebenszyklus-Konzept auch für Branchen- und Technologielebenszyklen verwendet (Lombriser & Abplanalp, 2018, S. 208). Zusätzlich fungiert die Lebenszyklusanalyse als Grundlage für weiterführende Strategieinstrumente wie beispielsweise die [[BCG-Matrix|Boston Consulting Group-Matrix ]] (Asum & Kerth, 2015, S. 15).<br />
<br />
== Produktlebenszyklus == <br />
[[Datei:Produktlebenszyklus.PNG|miniatur|550px|Abb. 1: Umsatz und Gewinn eines Produkts von der Idee bis zur Elimination (Vogl, 2012)]] <br />
Das Produktelebenszyklus-Konzept wird als ein Instrument im Marketing benötigt, um die Stellung eines Produktes am Markt darzustellen (Bruhn, 2004, S. 424). Auf diesem Konzept basiert auch die [[Lebenszykluskostenrechnung]]. Das klassische Produktlebenszyklus-Konzept kann zum einem auf unternehmensindividueller Ebene für eine spezifische Produktart (z. B. Universal-Rundschleifmaschinen), für eine Produktgruppe (z. B. Schleifmaschinen, Drehmaschinen) oder ein Produktprogramm (z. B. Universal-Schleifmaschinen) und zum anderen auf den Absatzprozess einer Industrie oder Branche angewandt werden (Hermann, 2010, S. 70). Als abhängige Variablen werden die Grössen Umsatz und Gewinn berücksichtigt. Die unabhängige Variable ist die Zeit. Die Entwicklung wird mit einem glockenförmigen Verlauf dargestellt und es bestehen die Phasen Einführung, Wachstum, Sättigung und Degeneration (Bruhn, 2004, S. 424– 425). <br />
Der Produktlebenszyklus ist in Abbildung 1 ersichtlich. Die Abbildung zeigt den Absatz und Gewinn in den verschiedenen Phasen.<br />
Die verschiedenen Lebensphasen haben differenzierte Ausprägungen und Charakterisierungen, welche wie folgt definiert sind (Fiedler & Graef, 2001, S. 44–45; Schürmann, 2018, S. 48–49; Hermann, 2010, S. 70; Asum & Kerth, 2015, S. 16–18):<br />
<br />
<br />
=== Phase 1: Einführung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Innovatoren mit meist hohem Einkommen / müssen überzeugt werden<br />
| rowspan="10" |<br />
• Kundenakquisition ist schwierig<br />
<br />
• Hohe Stückkosten aufgrund tiefer Produktionsmenge<br />
<br />
• Hohe Entwicklungskosten erfordern eine Subventionierung des Produktes<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 15% - 20%<br />
|-<br />
! scope="row"| Umsatz<br />
| Niedrig und langsam steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Hohe Stückkosten, hohe Vorlaufkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Gering<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Negativ<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige Unternehmen<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Hoch<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil ausdehnen<br />
|-<br />
|}<br />
<br />
=== Phase 2: Wachstum ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="10" |<br />
• Hohe Nachfrage bei gleichzeitig sinkenden Preisen<br />
<br />
• Durch Mengenausweitung tiefere Stückkosten<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 20% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Stark steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Sinkende Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv wachsend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Mässig, wird zunehmend besser<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Hoch<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Tragbar<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktpenetration erhöhen / Marketing als Schlüsselfunktion<br />
|-<br />
|}<br />
<br />
=== Phase 3: Reife ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Massenmarkt, Wiederholungskäufer<br />
| rowspan="10" |<br />
• Nachfrage weiterhin hoch<br />
<br />
• Zusätzliche Konkurrenz führt zu sinkenden Preisen<br />
<br />
• Erste Sättigungsphänomene, weshalb spätestens jetzt ein Nachfolgeprodukt entwickelt werden muss<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 40% - 45%<br />
|-<br />
! scope="row"| Umsatz<br />
| Maximum wird erreicht, anschliessend rückläufig<br />
|-<br />
! scope="row"| Kosten<br />
| Minimale Senkung der Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv, aber fallend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Maximum wird erreicht<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Sinkend<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Schlecht<br />
|-<br />
! scope="row"| Risiko<br />
| Beginnende Konjunkturanfälligkeit<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil verteidigen / Kosten und Marketingeffektivität wichtig<br />
|-<br />
|}<br />
<br />
=== Phase 4: Sättigung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="9" |<br />
• Kundschaft wandern zu innovativeren Produkten<br />
<br />
• Nachfrage am Markt sinkt<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 10% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Sinkend<br />
|-<br />
! scope="row"| Kosten<br />
|Konstant<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Eher positiv<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Sinkend<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Sehr schlecht<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Produktivität sichern / Kostenkontrolle entscheidend<br />
|-<br />
|}<br />
<br />
Weiter wird beim klassischen Produktlebenszyklus die Phase 5 «Rückgang» dazu genommen. Hierbei sinkt die Absatzkurve und stabilisiert sich auf sehr geringen Wert, bzw. stagniert bei 0 (Hermann, 2010, S. 70). Anschliessend können bei der Elimination noch Erträge und Kosten anfallen, indem Halb- und Fertigfabrikaten verkauft werden oder gegen eine Gebühr entsorgt werden müssen (Waser & Peter, 2016, S. 175-182). Schlussendlich gibt es öfters, besonders bei Betrachtung des Marketingmix, die letzte Phase, Phase 6 «Wiederbelebung». Dabei handelt es sich um ein Relaunch. Dies geschieht beispielsweise durch Produktmodifikationen oder neue Promotionsanstrengungen. Dies kann zur neuen Wachstumsphase führen, jedoch können auch zusätzliche Verluste entstehen (Schürmann, 2018, S. 49).<br />
Das Konzept bietet grundsätzlich einen Ansatz für die strategische Produkt- und Programmpolitik eines Unternehmens. Es können Analysen für eine passende Sortimentszusammensetzung durchgeführt werden und daraus lassen sich passende Marketingstrategien ableiten. Falls sich Produkte in der Degenerationsphase befinden, ist es wichtig neue Produkte einzuführen. Am besten ist es, wenn sich Produkte eines Unternehmens in den verschiedenen Phasen verteilt aufhalten. Das Produktelebenszyklus-Konzept ist weiter gut geeignet, um die Anforderungen der verschiedenen Funktionen zu analysieren. Produkte haben in den verschiedenen Phasen unterschiedliche Anforderungen der Funktionen eines Unternehmens. In der Einführungsphase ist es wichtig, dass genügend finanzielle Reserven vorhanden sind und die Marketingaktivitäten, zur Steigerung der Nachfrage, ausreichend vorhanden sind. Die Wachstumsphase beansprucht ein gut funktionierendes Distributionssystem, damit die steigende Nachfrage bewältigt wird. In der Sättigungsphase liegt der Fokus bei der Entwicklung. Das Produkt soll nun [[Wettbewerbsstrategien|differenziert]] werden, damit ein weiteres Wachstum noch erfolgen kann (Welge & Al-Laham, 2012, S. 357).<br />
=== Entwicklungen im Produktlebenszyklus ===<br />
Die Globalisierung hat zur Folge, dass Produkte immer kürzere Lebenszeiten aufweisen. Durch die Öffnung der Märkte ist der Wettbewerb stark gewachsen. Deshalb müssen alle Unternehmen ihre Produkte permanent entwickeln und erneuern, um langfristig erfolgreich zu sein. Die Innovation ist für die Wettbewerbsfähigkeit der Unternehmen noch wichtiger geworden. Jedoch führen diese Innovationen durch den technischen Fortschritt zu immer kürzeren Produktlebenszyklen (Franken & Franken, 2020, S. 35). Deshalb ist es für die Unternehmen immer wichtiger, dass die verkaufsreifen Produkte während ihrer Lebenszeit profitabel sind. Sie müssen nämlich während der verkürzten Zeit mindestens die Kosten decken, welche vor dem Markteintritt durch Forschung entstehen. Durch die erhöhte Innovationsforderung der Märkte erhöhen sich dementsprechend auch die Kosten in der Forschung vor dem Markteintritt. Auch nach dem Marktaustritt können Kosten für das Produkt anfallen, welche gedeckt werden müssen (Joos, 2014, S. 58-64).<br />
<br />
== Branchenlebenszyklus ==<br />
Mithilfe des Branchenlebenszyklus-Konzept lassen sich die Branchenentwicklungen aufzeigen. Porter hat ein bekanntes Branchenlebenszyklus-konzept entwickelt. Bei diesem baut er auf das Produktelebezyklus auf (Pfingsten, 1998, S. 67) und dieses besteht aus einer Aggregation von mehreren Produktelebenszyklen (Bruhn, 2004, S. 425). <br />
[[Datei:Branchenlebenszyklus.jpg|450px|miniatur|Abb. 2: Branchenlebenszyklus-Konzept (Lombriser & Abplanalp, 2018, S. 122)]]<br />
Das Konzept weist die gleichen Charakterisierungen wie das Produktelebenszyklus-Konzept auf (Pfingsten, 1998, S. 68). Im Gegensatz zum Produktelebenszyklus dauern die Phasen einer Branche jedoch länger als bei einem Produkt (Pfingsten, 1998, S. 70). Das Branchenlebenszyklus-Konzept wird in der Abbildung 2 dargestellt. Es werden dabei Merkmale der verschiedenen Phasen aufgezeigt. <br />
Das Branchenlebenszyklus wird verwendet, um die Wettbewerbsintensität einer Branche darzustellen und es können bestimmte Entwicklungen innerhalb einer Branche ausfindig gemacht werden (Pfingsten, 1998, S. 68-69). Die Struktur einer Branche kann sich im Laufe der Zeit stark verändern. Dies muss bei der Umsetzung einer Strategie mitberücksichtigt werden. Daher muss schon bei der Strategieformulierung die mögliche Verschiebung der Wettbewerbskräfte berücksichtigt werden. Einem Unternehmen ermöglicht dies, Chancen früher zu erkennen und Wettbewerbsvorteile zu erschaffen, die für spätere Konkurrenten Eintrittsbarrieren darstellen (Lombriser & Abplanalp, 2018, S. 122-123). Bei manchen Branchen dauert die Einführungsphase länger als bei anderen und einige sind sehr schnell in der Sättigungsphase. Es kann auch vorkommen, dass einige Phasen übersprungen werden. Der Zyklus kann durch Produktinnovationen oder durch eine strategische Umorientierung beeinflusst werden (Lombriser & Abplanalp, 2018, S. 123).<br />
<br />
== Technologielebenszyklus ==<br />
Der technologische Lebenszyklus hat eine besondere strategische Bedeutung. In einer Zeit des raschen Wandels ist es wichtig zum richtigen Zeitpunkt in die richtige Technologie zu investieren. Ziel dabei ist es, daraus Entwicklungsprognosen und Handlungsempfehlungen abzuleiten (Müller, 2014, S. 47). Die Technologielebenszyklen sind in unterschiedlichen Darstellungsformen verfügbar und werden standardmässig zur Analyse der technologischen Umwelt im Rahmen des strategischen Controllings eingesetzt (Müller, 2016, S. 53). Zur Differenzierung werden untenstehend zwei verschiedene Modelle des Technologielebenszyklus aufgezeigt.<br />
=== Technologielebenszyklus gemäss McKinsey ===<br />
[[Datei:Technologielebenszyklus_McKinsey.PNG|miniatur|550px| Abb. 3: S-Kurven-Konzept (Müller, 2016, S. 54)]]<br />
In Abbildung 3 wird das Konzept von McKinsey dargestellt. Es vergleicht die Leistungsfähigkeit gegenüber den kumulierten Technologieaufwand einer alten und neuer Technologie.<br />
<br />
<br />
Beim Beginn einer technologischen Neuentwicklung wird bei der F&E-Abteilung zunächst eine Wissensbasis aufgebaut, Tests durchgeführt und unerwartete technische Probleme bewältigt. Zu Beginn der Entwicklung ist ein geringer, unterproportionaler Leistungszuwachs typisch, an welchen sich überproportional hohe Entwicklungsfortschritte anschliessen. Dies führt zu einer Beschleunigung der Weiterentwicklung der Technologie bis schlussendlich die physikalisch-technische Leistungsgrenze erreicht wird und die F&E-Aufwendungen für eine weitere Leistungssteigerung überproportional wäre. Dies ist sichtbar durch eine quasi-proportionale Entwicklung von F&E-Aufwand und Ergebnissen (Lombriser & Abplanalp, 2018, S. 211; Müller, 2016, S. 54). Aus Sicht des strategischen Controllings ist in diesem Zeitpunkt der Vergleich zweier konkurrierender Technologien interessant. Eines dieser Technologien ist bewährt und am Markt eingeführt und die andere Technologie ist noch im Entwicklungsstadium. Es muss hier genau geklärt werden, wann der Übergang von einer zur anderen Technologie zu erwarten bzw. wirtschaftlich erforderlich ist. Also wann wird der Schritt mit dem neuen innovativen Produkt gewagt (Amelingmeyer et al., 2002, S. 71).<br />
=== Technologielebenszyklus gemäss Arthur D. Little ===<br />
[[Datei:Technologielebenszyklus_Arthur D. Little.PNG|miniatur|550px| Abb. 4: Technologielebenszyklus-Konzept (Schuh et al., 2010, S. 46)]]<br />
Die Unternehmensberatung Arthur D. Little entwickelte im Jahr 1985 ein Technologielebenszyklus-Konzept mit identischen Phasen, wie jenes des Produktlebenszyklus (Tiefel, 2007, S. 43). In der Abbildung 3 ist ein solches Konzept zu sehen. <br />
<br />
Gegensätzlich zu McKinsey baut dieses stärker auf das Lebenszyklus-Konzept aus. Dabei werden die Technologien in den verschiedenen Phasen anders benannt. Bei der Schrittmachertechnologie ist die Leistungsstärke der Technologie schwach und die finanziellen Aufwendungen sehr hoch. Diese Technologien befinden sich noch in der Einführung und es bestehen noch denkbare Erfolgspotenzialen. Die Schlüsseltechnologien werden benötigt, damit überhaupt ein Einstieg in der Wachstumsphase möglich ist. Diese geben die Möglichkeit sich von der Konkurrenz zu [[Wettbewerbsstrategien|differenzieren]]. Die Schlüsseltechnologien werden später zu Basistechnologien. Diese sind wie gegeben und werden nicht mehr als eine Differenzierung angesehen. Wenn es zur Basistechnologie wird, besteht mehr Wettbewerb, denn die Technologie ist für jeden zugänglich (Ergenzinger et al., 2020, S.129). In der letzten Phase sind die verdrängten Technologien, diese werden von neuen Schlüsseltechnologien ersetzt (Schuh et al, 2010, S. 46).<br />
== Kritische Analyse ==<br />
Das Lebenszyklus-Konzept wird durch eine S-Form dargestellt, was nicht auf alle Entwicklungen zutrifft. Es spielen verschiedene Faktoren, wie die Digitalisierung und veränderte Bedürfnisse mit und der Zyklus kann von Branche zu Branche variieren. Grundsätzlich kann das Modell als Unterstützung dienen, um in den verschiedenen Phasen passende Entscheide zu treffen (Kreikebaum et al., 2011, S. 221–222). Ein weiterer Kritikpunkt ist, dass die Zeit als einzige Variable für den Umsatz genommen wird. Doch der Umsatz hat noch andere Einflussgrössen wie die Marketingaktivität der Anbietenden, das Kundenverhalten und die konjunkturellen Schwankungen. Somit ist das Modell eine grosse Vereinfachung der Realität und oft entspricht der Absatzverlauf nicht dem Ideale und kann nicht als Prognosemodell gebraucht werden (Homburg, 2020, S. 486-490). Eine weitere herausfordernde Aufgabe des Lebenszyklus besteht in der Erstellung von Handlungsempfehlungen. Die Handlungsempfehlungen haben die Aufgabe die Prognose der zukünftigen Entwicklung sowie, auf Basis dieser Prognose, die Erstellung künftiger Massnahmen. Die Massnahmen sind dabei aber wiederum selbst der Grund für die zukünftige Entwicklung, weshalb es zu einem Zirkelschluss kommt (Müller, 2016, S. 58).<br />
Beim Produktlebenszyklus-Konzept ist nicht klar, wie sich ein Produkt abgrenzt. Es kann sich um eine Produktegruppe, Produkteform oder Marke handeln. Zu entscheiden ist ebenfalls, ob durch eine kleine Änderung eines Produktes (neue Verpackungsfarbe, neue Zutatenkombination, neue Verpackungsmenge etc.) der Zyklus endet oder weitergeht. Weiter ist es schwierig festzustellen, in welcher Phase sich das Produkt befindet. Dabei wird der Umsatz oder die Kosten als Messgrösse festgelegt. Beide weisen jedoch Probleme auf. Beim Umsatz sind Preisentwicklungen zu berücksichtigen und bei den Kosten kann die Verteilung auf die verschiedenen Produkte problematisch sein. Eine ideale Messgrösse wäre der [[Deckungsbeitragsrechnung|Deckungsbeitrag]] (Kreikebaum et al., 2011, S. 221–222). <br />
== Lern- und Praxismaterial ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben !! Fallstudien<br />
|-<br />
|<br />
* [[Lebenszyklus-Konzept - CAFFÈ FREDDO]]<br />
||<br />
* [[S-Kurven Konzept - Fallstudie Nokia]] <br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Amelingmeyer, J., Beckmann, C., & Specht, G. (2002). F&E-Management: Kompetenz im Innovationsmanagement (2., überarb. und erw. Aufl.). Schäffer-Poeschel.<br />
* Asum, H., Kerth, K., & Stich, V. (2015). Die besten Strategietools in der Praxis (6. Aufl.). Hanser.<br />
* Bruhn, M. (2004). [https://link.springer.com/content/pdf/10.1007%2F978-3-663-01557-4_18.pdf Konzept des Markentypenlebenszyklus]. Gabler.<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A. & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling (1. Aufl.). Versus.<br />
* Fiedler, R. & Graef, J. (2001). Einführung in das Controlling. Methoden, Instrumente und DV-Unterstützung. Wissenschaftsverlag.<br />
* Franken, R. & Franken, S. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-30178-1 Wissen, Lernen und Innovation im digitalen Unternehmen.] Springer Gabler.<br />
* Hermann, C. (2010). [https://link.springer.com/book/10.1007%2F978-3-642-01421-5 Ganzheitliches Life Cycle Management – Nachhaltigkeit und Lebenszyklusorientierung in Unternehmen.] Springer.<br />
* Homburg, C. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-13656-7 Marketingmanagement: Strategie - Instrumente - Umsetzung – Unternehmensführung] (7., überarb. u. erw. Aufl. 2020 Aufl.). Springer Gabler.<br />
* Joos, T. (2014). [https://link.springer.com/book/10.1007%2F978-3-658-01344-8 Controlling, Kostenrechnung und Kostenmanagement.] Springer Gabler.<br />
* Kreikebaum, H., Gilbert, D. U. & Behnam, M. (2011). Strategisches Management (7., vollständig überarbeitete Aufl.). W. Kohlhammer.<br />
* Lombriser, R. & Abplanalp, P. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, D. (2014). [https://link.springer.com/book/10.1007%2F978-3-642-41990-4 Investitionscontrolling.] Springer. <br />
* Müller, D. (2016). Analyse von Graphen-basierten Technologien im Rahmen des strategischen Controllings. Controlling, 28 (1), 52–59. https://doi.org/10.15358/0935-0381-2016-1-52<br />
* Müller-Stewens, G. & Lechner, C. (2011). Strategisches Management: Wie strategische Initiativen zum Wandel führen. Schäffer-Poeschel.<br />
* Pfingsten, F. (1998). [https://link.springer.com/content/pdf/10.1007%2F978-3-322-95253-0_3.pdf Shareholder-Value im Lebenszyklus.] Deutscher Universitätsverlag.<br />
* Schuh G., Klappert S., Schubert J. & Nollau S. (2010). [https://link.springer.com/chapter/10.1007/978-3-642-12530-0_4 Grundlagen zum Technologiemanagement.] In G. Schuh & S. Klappert (Hrsg.), Technologiemanagement (S. 33-54). Springer.<br />
* Schürmann, M. (2018). Marketing – in vier Schritten zum eigenen Marketingkonzept. Hochschulverlag AG an der ETH Zürich.<br />
* Vogl, W. (2012). Wichtige Kennzahlen bei der Finanzierung von Softwareentwicklungen. Symentum. Abgerufen am 24. Mai 2021, von https://www.symentum.de/wichtige-kennzahlen-bei-der-finanzierung-von-softwareentwicklungen/<br />
* Welge, M. K. & Al-Laham, A. (2012). Strategisches Management: Grundlagen - Prozess - Implementierung (6., akt. Aufl. 2012 Aufl.). Gabler.<br />
* Waser, B. & Peter, D. (2016). Prozess- und Operations-Management. Versus.<br />
<br />
=== Weiterführende Literatur ===<br />
* Liessmann, K. (2001). [https://link.springer.com/chapter/10.1007/978-3-322-92159-8_1 Strategisches Controlling – Konzept, Werkzeuge, Umsetzung.] In C.-C. Freidank & E. Mayer. (Hrsg.), Controlling-Konzepte. Neue Strategien und Werkzeuge für die Unternehmenspraxis (S. 3–103). Betriebswirtschaftlicher Verlag Dr. Th. Gabler.<br />
* Tiefel, T. (2007). [https://link.springer.com/chapter/10.1007/978-3-8350-5496-7_2 Technologielebenszyklus-Modelle - Eine kritische Analyse.] In T. Tiefel (Hrsg.), Gewerbliche Schutzrechte im Innovationsprozess (S. 25-49). Gabler.<br />
== Autoren ==<br />
Robin Buri, Lucas Casillo, Mathias Duss, Belmina Dzaferi</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Lebenszyklus-Konzept&diff=16347Lebenszyklus-Konzept2021-10-13T08:57:33Z<p>Salis.Matteo: </p>
<hr />
<div>Das Lebenszyklus-Konzept besagt, dass unter anderem Organisationen, Branchen, Technologien und Produkte einem Lebenszyklus unterliegen. Durch verschiedene vorgegebene Entwicklungen ist eine zukünftige Entfaltung der Organisationen gewissermassen vorgegeben und unausweichlich (Müller-Stewens & Lechner, 2011, S. 439). Dabei wird es analog zu den biologischen oder auch natürlichen Systemen als Konzept mit begrenzter Lebensdauer gesehen. Das System erlebt zum einen verschiedene Phasen vom Entstehen, zum Aufschwungs und schlussendlich zum Abstieg. Zum anderen gibt es eine ständige Veränderung der lebenswichtigen Zustandsgrössen des Systems über die Zeit (Hermann, 2010, S. 63; Fiedler & Graef, 2001, S. 40; Müller, 2016, S. 53). In der Betriebswirtschaftslehre wird dieses Konzept auf Produkte übertragen. Neben den Produkten wird das Lebenszyklus-Konzept auch für Branchen- und Technologielebenszyklen verwendet (Lombriser & Abplanalp, 2018, S. 208). Zusätzlich fungiert die Lebenszyklusanalyse als Grundlage für weiterführende Strategieinstrumente wie beispielsweise die [[BCG-Matrix|Boston Consulting Group-Matrix ]] (Asum & Kerth, 2015, S. 15).<br />
<br />
== Produktlebenszyklus == <br />
[[Datei:Produktlebenszyklus.PNG|miniatur|550px|Abb. 1: Umsatz und Gewinn eines Produkts von der Idee bis zur Elimination (Vogl, 2012)]] <br />
Das Produktelebenszyklus-Konzept wird als ein Instrument im Marketing benötigt, um die Stellung eines Produktes am Markt darzustellen (Bruhn, 2004, S. 424). Auf diesem Konzept basiert auch die [[Lebenszykluskostenrechnung]]. Das klassische Produktlebenszyklus-Konzept kann zum einem auf unternehmensindividueller Ebene für eine spezifische Produktart (z. B. Universal-Rundschleifmaschinen), für eine Produktgruppe (z. B. Schleifmaschinen, Drehmaschinen) oder ein Produktprogramm (z. B. Universal-Schleifmaschinen) und zum anderen auf den Absatzprozess einer Industrie oder Branche angewandt werden (Hermann, 2010, S. 70). Als abhängige Variablen werden die Grössen Umsatz und Gewinn berücksichtigt. Die unabhängige Variable ist die Zeit. Die Entwicklung wird in einem glockenförmigen Verlauf dargestellt und es bestehen die Phasen Einführung, Wachstum, Sättigung und Degeneration (Bruhn, 2004, S. 424– 425). <br />
Der Produktlebenszyklus ist in Abbildung 1 ersichtlich. Die Abbildung zeigt den Absatz und Gewinn in den verschiedenen Phasen.<br />
Die verschiedenen Lebensphasen haben differenzierte Ausprägungen und Charakterisierungen, welche wie folgt definiert sind (Fiedler & Graef, 2001, S. 44–45; Schürmann, 2018, S. 48–49; Hermann, 2010, S. 70; Asum & Kerth, 2015, S. 16–18):<br />
<br />
<br />
=== Phase 1: Einführung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Innovatoren mit meist hohem Einkommen / müssen überzeugt werden<br />
| rowspan="10" |<br />
• Kundenakquisition ist schwierig<br />
<br />
• Hohe Stückkosten aufgrund tiefer Produktionsmenge<br />
<br />
• Hohe Entwicklungskosten erfordern eine Subventionierung des Produktes<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 15% - 20%<br />
|-<br />
! scope="row"| Umsatz<br />
| Niedrig und langsam steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Hohe Stückkosten, hohe Vorlaufkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Gering<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Negativ<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige Unternehmen<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Hoch<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil ausdehnen<br />
|-<br />
|}<br />
<br />
=== Phase 2: Wachstum ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="10" |<br />
• Hohe Nachfrage bei gleichzeitig sinkenden Preisen<br />
<br />
• Durch Mengenausweitung tiefere Stückkosten<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 20% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Stark steigend<br />
|-<br />
! scope="row"| Kosten<br />
| Sinkende Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv wachsend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Mässig, wird zunehmend besser<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Hoch<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Hoch<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Hoch<br />
|-<br />
! scope="row"| Risiko<br />
| Tragbar<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktpenetration erhöhen / Marketing als Schlüsselfunktion<br />
|-<br />
|}<br />
<br />
=== Phase 3: Reife ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Massenmarkt, Wiederholungskäufer<br />
| rowspan="10" |<br />
• Nachfrage weiterhin hoch<br />
<br />
• Zusätzliche Konkurrenz führt zu sinkenden Preisen<br />
<br />
• Erste Sättigungsphänomene, weshalb spätestens jetzt ein Nachfolgeprodukt entwickelt werden muss<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 40% - 45%<br />
|-<br />
! scope="row"| Umsatz<br />
| Maximum wird erreicht, anschliessend rückläufig<br />
|-<br />
! scope="row"| Kosten<br />
| Minimale Senkung der Stückkosten<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Positiv, aber fallend<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Maximum wird erreicht<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Sinkend<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Schlecht<br />
|-<br />
! scope="row"| Risiko<br />
| Beginnende Konjunkturanfälligkeit<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Marktanteil verteidigen / Kosten und Marketingeffektivität wichtig<br />
|-<br />
|}<br />
<br />
=== Phase 4: Sättigung ===<br />
{| class="wikitable"<br />
|-<br />
! scope="col" style="width:20%" | Kriterium<br />
! scope="col" style="width:40%" | Ausprägung<br />
! scope="col" style="width:40%" | Charakterisierung<br />
|-<br />
! scope="row"| Käufer / Kaufverhalten<br />
| Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus<br />
| rowspan="9" |<br />
• Kundschaft wandern zu innovativeren Produkten<br />
<br />
• Nachfrage am Markt sinkt<br />
<br />
• Umsatzanteil eines Produktes vom Gesamtumsatz ca. 10% - 25%<br />
|-<br />
! scope="row"| Umsatz<br />
| Sinkend<br />
|-<br />
! scope="row"| Kosten<br />
|Konstant<br />
|-<br />
! scope="row"| [[Deckungsbeitragsrechnung|Deckungsbeitrag]]<br />
| Eher positiv<br />
|-<br />
! scope="row"| Cash-Flow<br />
| Sinkend<br />
|-<br />
! scope="row"| Kapitalbedarf<br />
| Gering<br />
|-<br />
! scope="row"| Zahl der Wettbewerber<br />
| Wenige<br />
|-<br />
! scope="row"| Erfolgsaussichten bei Eintritt in dieser Phase<br />
| Sehr schlecht<br />
|-<br />
! scope="row"| Hauptstrategie<br />
| Produktivität sichern / Kostenkontrolle entscheidend<br />
|-<br />
|}<br />
<br />
Weiter wird beim klassischen Produktlebenszyklus die Phase 5 «Rückgang» dazu genommen. Hierbei sinkt die Absatzkurve und stabilisiert sich auf sehr geringen Wert, bzw. stagniert bei 0 (Hermann, 2010, S. 70). Anschliessend können bei der Elimination noch Erträge und Kosten anfallen, indem Halb- und Fertigfabrikaten verkauft werden oder gegen eine Gebühr entsorgt werden müssen (Waser & Peter, 2016, S. 175-182). Schlussendlich gibt es öfters, besonders bei Betrachtung des Marketingmix, die letzte Phase, Phase 6 «Wiederbelebung». Dabei handelt es sich um ein Relaunch. Dies geschieht beispielsweise durch Produktmodifikationen oder neue Promotionsanstrengungen. Dies kann zur neuen Wachstumsphase führen, jedoch können auch zusätzliche Verluste entstehen (Schürmann, 2018, S. 49).<br />
Das Konzept bietet grundsätzlich einen Ansatz für die strategische Produkt- und Programmpolitik eines Unternehmens. Es können Analysen für eine passende Sortimentszusammensetzung durchgeführt werden und daraus lassen sich passende Marketingstrategien ableiten. Falls sich Produkte in der Degenerationsphase befinden, ist es wichtig neue Produkte einzuführen. Am besten ist es, wenn sich Produkte eines Unternehmens in den verschiedenen Phasen verteilt aufhalten. Das Produktelebenszyklus-Konzept ist weiter gut geeignet, um die Anforderungen der verschiedenen Funktionen zu analysieren. Produkte haben in den verschiedenen Phasen unterschiedliche Anforderungen der Funktionen eines Unternehmens. In der Einführungsphase ist es wichtig, dass genügend finanzielle Reserven vorhanden sind und die Marketingaktivitäten, zur Steigerung der Nachfrage, ausreichend vorhanden sind. Die Wachstumsphase beansprucht ein gut funktionierendes Distributionssystem, damit die steigende Nachfrage bewältigt wird. In der Sättigungsphase liegt der Fokus bei der Entwicklung. Das Produkt soll nun [[Wettbewerbsstrategien|differenziert]] werden, damit ein weiteres Wachstum noch erfolgen kann (Welge & Al-Laham, 2012, S. 357).<br />
=== Entwicklungen im Produktlebenszyklus ===<br />
Die Globalisierung hat zur Folge, dass Produkte immer kürzere Lebenszeiten aufweisen. Durch die Öffnung der Märkte ist der Wettbewerb stark gewachsen. Deshalb müssen alle Unternehmen ihre Produkte permanent entwickeln und erneuern, um langfristig erfolgreich zu sein. Die Innovation ist für die Wettbewerbsfähigkeit der Unternehmen noch wichtiger geworden. Jedoch führen diese Innovationen durch den technischen Fortschritt zu immer kürzeren Produktlebenszyklen (Franken & Franken, 2020, S. 35). Deshalb ist es für die Unternehmen immer wichtiger, dass die verkaufsreifen Produkte während ihrer Lebenszeit profitabel sind. Sie müssen nämlich während der verkürzten Zeit mindestens die Kosten decken, welche vor dem Markteintritt durch Forschung entstehen. Durch die erhöhte Innovationsforderung der Märkte erhöhen sich dementsprechend auch die Kosten in der Forschung vor dem Markteintritt. Auch nach dem Marktaustritt können Kosten für das Produkt anfallen, welche gedeckt werden müssen (Joos, 2014, S. 58-64).<br />
== Branchenlebenszyklus ==<br />
Mithilfe des Branchenlebenszyklus-Konzept lassen sich die Branchenentwicklungen aufzeigen. Porter hat ein bekanntes Branchenlebenszyklus-konzept entwickelt. Bei diesem baut er auf das Produktelebezyklus auf (Pfingsten, 1998, S. 67) und dieses besteht aus einer Aggregation von mehreren Produktelebenszyklen (Bruhn, 2004, S. 425). <br />
[[Datei:Branchenlebenszyklus.jpg|450px|miniatur|Abb. 2: Branchenlebenszyklus-Konzept (Lombriser & Abplanalp, 2018, S. 122)]]<br />
Das Konzept weist die gleichen Charakterisierungen wie das Produktelebenszyklus-Konzept auf (Pfingsten, 1998, S. 68). Im Gegensatz zum Produktelebenszyklus dauern die Phasen einer Branche jedoch länger als bei einem Produkt (Pfingsten, 1998, S. 70). Das Branchenlebenszyklus-Konzept wird in der Abbildung 2 dargestellt. Es werden dabei Merkmale der verschiedenen Phasen aufgezeigt. <br />
Das Branchenlebenszyklus wird verwendet, um die Wettbewerbsintensität einer Branche darzustellen und es können bestimmte Entwicklungen innerhalb einer Branche ausfindig gemacht werden (Pfingsten, 1998, S. 68-69). Die Struktur einer Branche kann sich im Laufe der Zeit stark verändern. Dies muss bei der Umsetzung einer Strategie mitberücksichtigt werden. Daher muss schon bei der Strategieformulierung die mögliche Verschiebung der Wettbewerbskräfte berücksichtigt werden. Einem Unternehmen ermöglicht dies, Chancen früher zu erkennen und Wettbewerbsvorteile zu erschaffen, die für spätere Konkurrenten Eintrittsbarrieren darstellen (Lombriser & Abplanalp, 2018, S. 122-123). Bei manchen Branchen dauert die Einführungsphase länger als bei anderen und einige sind sehr schnell in der Sättigungsphase. Es kann auch vorkommen, dass einige Phasen übersprungen werden. Der Zyklus kann durch Produktinnovationen oder durch eine strategische Umorientierung beeinflusst werden (Lombriser & Abplanalp, 2018, S. 123).<br />
<br />
== Technologielebenszyklus ==<br />
Der technologische Lebenszyklus hat eine besondere strategische Bedeutung. In einer Zeit des raschen Wandels ist es wichtig zum richtigen Zeitpunkt in die richtige Technologie zu investieren. Ziel dabei ist es, daraus Entwicklungsprognosen und Handlungsempfehlungen abzuleiten (Müller, 2014, S. 47). Die Technologielebenszyklen sind in unterschiedlichen Darstellungsformen verfügbar und werden standardmässig zur Analyse der technologischen Umwelt im Rahmen des strategischen Controllings eingesetzt (Müller, 2016, S. 53). Zur Differenzierung werden untenstehend zwei verschiedene Modelle des Technologielebenszyklus aufgezeigt.<br />
=== Technologielebenszyklus gemäss McKinsey ===<br />
[[Datei:Technologielebenszyklus_McKinsey.PNG|miniatur|550px| Abb. 3: S-Kurven-Konzept (Müller, 2016, S. 54)]]<br />
In Abbildung 3 wird das Konzept von McKinsey dargestellt. Es vergleicht die Leistungsfähigkeit gegenüber den kumulierten Technologieaufwand einer alten und neuer Technologie.<br />
<br />
<br />
Beim Beginn einer technologischen Neuentwicklung wird bei der F&E-Abteilung zunächst eine Wissensbasis aufgebaut, Tests durchgeführt und unerwartete technische Probleme bewältigt. Zu Beginn der Entwicklung ist ein geringer, unterproportionaler Leistungszuwachs typisch, an welchen sich überproportional hohe Entwicklungsfortschritte anschliessen. Dies führt zu einer Beschleunigung der Weiterentwicklung der Technologie bis schlussendlich die physikalisch-technische Leistungsgrenze erreicht wird und die F&E-Aufwendungen für eine weitere Leistungssteigerung überproportional wäre. Dies ist sichtbar durch eine quasi-proportionale Entwicklung von F&E-Aufwand und Ergebnissen (Lombriser & Abplanalp, 2018, S. 211; Müller, 2016, S. 54). Aus Sicht des strategischen Controllings ist in diesem Zeitpunkt der Vergleich zweier konkurrierender Technologien interessant. Eines dieser Technologien ist bewährt und am Markt eingeführt und die andere Technologie ist noch im Entwicklungsstadium. Es muss hier genau geklärt werden, wann der Übergang von einer zur anderen Technologie zu erwarten bzw. wirtschaftlich erforderlich ist. Also wann wird der Schritt mit dem neuen innovativen Produkt gewagt (Amelingmeyer et al., 2002, S. 71).<br />
=== Technologielebenszyklus gemäss Arthur D. Little ===<br />
[[Datei:Technologielebenszyklus_Arthur D. Little.PNG|miniatur|550px| Abb. 4: Technologielebenszyklus-Konzept (Schuh et al., 2010, S. 46)]]<br />
Die Unternehmensberatung Arthur D. Little entwickelte im Jahr 1985 ein Technologielebenszyklus-Konzept mit identischen Phasen, wie jenes des Produktlebenszyklus (Tiefel, 2007, S. 43). In der Abbildung 3 ist ein solches Konzept zu sehen. <br />
<br />
Gegensätzlich zu McKinsey baut dieses stärker auf das Lebenszyklus-Konzept aus. Dabei werden die Technologien in den verschiedenen Phasen anders benannt. Bei der Schrittmachertechnologie ist die Leistungsstärke der Technologie schwach und die finanziellen Aufwendungen sehr hoch. Diese Technologien befinden sich noch in der Einführung und es bestehen noch denkbare Erfolgspotenzialen. Die Schlüsseltechnologien werden benötigt, damit überhaupt ein Einstieg in der Wachstumsphase möglich ist. Diese geben die Möglichkeit sich von der Konkurrenz zu [[Wettbewerbsstrategien|differenzieren]]. Die Schlüsseltechnologien werden später zu Basistechnologien. Diese sind wie gegeben und werden nicht mehr als eine Differenzierung angesehen. Wenn es zur Basistechnologie wird, besteht mehr Wettbewerb, denn die Technologie ist für jeden zugänglich (Ergenzinger et al., 2020, S.129). In der letzten Phase sind die verdrängten Technologien, diese werden von neuen Schlüsseltechnologien ersetzt (Schuh et al, 2010, S. 46).<br />
== Kritische Analyse ==<br />
Das Lebenszyklus-Konzept wird durch eine S-Form dargestellt, was nicht auf alle Entwicklungen zutrifft. Es spielen verschiedene Faktoren, wie die Digitalisierung und veränderte Bedürfnisse mit und der Zyklus kann von Branche zu Branche variieren. Grundsätzlich kann das Modell als Unterstützung dienen, um in den verschiedenen Phasen passende Entscheide zu treffen (Kreikebaum et al., 2011, S. 221–222). Ein weiterer Kritikpunkt ist, dass die Zeit als einzige Variable für den Umsatz genommen wird. Doch der Umsatz hat noch andere Einflussgrössen wie die Marketingaktivität der Anbietenden, das Kundenverhalten und die konjunkturellen Schwankungen. Somit ist das Modell eine grosse Vereinfachung der Realität und oft entspricht der Absatzverlauf nicht dem Ideale und kann nicht als Prognosemodell gebraucht werden (Homburg, 2020, S. 486-490). Eine weitere herausfordernde Aufgabe des Lebenszyklus besteht in der Erstellung von Handlungsempfehlungen. Die Handlungsempfehlungen haben die Aufgabe die Prognose der zukünftigen Entwicklung sowie, auf Basis dieser Prognose, die Erstellung künftiger Massnahmen. Die Massnahmen sind dabei aber wiederum selbst der Grund für die zukünftige Entwicklung, weshalb es zu einem Zirkelschluss kommt (Müller, 2016, S. 58).<br />
Beim Produktlebenszyklus-Konzept ist nicht klar, wie sich ein Produkt abgrenzt. Es kann sich um eine Produktegruppe, Produkteform oder Marke handeln. Zu entscheiden ist ebenfalls, ob durch eine kleine Änderung eines Produktes (neue Verpackungsfarbe, neue Zutatenkombination, neue Verpackungsmenge etc.) der Zyklus endet oder weitergeht. Weiter ist es schwierig festzustellen, in welcher Phase sich das Produkt befindet. Dabei wird der Umsatz oder die Kosten als Messgrösse festgelegt. Beide weisen jedoch Probleme auf. Beim Umsatz sind Preisentwicklungen zu berücksichtigen und bei den Kosten kann die Verteilung auf die verschiedenen Produkte problematisch sein. Eine ideale Messgrösse wäre der [[Deckungsbeitragsrechnung|Deckungsbeitrag]] (Kreikebaum et al., 2011, S. 221–222). <br />
== Lern- und Praxismaterial ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben !! Fallstudien<br />
|-<br />
|<br />
* [[Lebenszyklus-Konzept - CAFFÈ FREDDO]]<br />
||<br />
* [[S-Kurven Konzept - Fallstudie Nokia]] <br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Amelingmeyer, J., Beckmann, C., & Specht, G. (2002). F&E-Management: Kompetenz im Innovationsmanagement (2., überarb. und erw. Aufl.). Schäffer-Poeschel.<br />
* Asum, H., Kerth, K., & Stich, V. (2015). Die besten Strategietools in der Praxis (6. Aufl.). Hanser.<br />
* Bruhn, M. (2004). [https://link.springer.com/content/pdf/10.1007%2F978-3-663-01557-4_18.pdf Konzept des Markentypenlebenszyklus]. Gabler.<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A. & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling (1. Aufl.). Versus.<br />
* Fiedler, R. & Graef, J. (2001). Einführung in das Controlling. Methoden, Instrumente und DV-Unterstützung. Wissenschaftsverlag.<br />
* Franken, R. & Franken, S. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-30178-1 Wissen, Lernen und Innovation im digitalen Unternehmen.] Springer Gabler.<br />
* Hermann, C. (2010). [https://link.springer.com/book/10.1007%2F978-3-642-01421-5 Ganzheitliches Life Cycle Management – Nachhaltigkeit und Lebenszyklusorientierung in Unternehmen.] Springer.<br />
* Homburg, C. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-13656-7 Marketingmanagement: Strategie - Instrumente - Umsetzung – Unternehmensführung] (7., überarb. u. erw. Aufl. 2020 Aufl.). Springer Gabler.<br />
* Joos, T. (2014). [https://link.springer.com/book/10.1007%2F978-3-658-01344-8 Controlling, Kostenrechnung und Kostenmanagement.] Springer Gabler.<br />
* Kreikebaum, H., Gilbert, D. U. & Behnam, M. (2011). Strategisches Management (7., vollständig überarbeitete Aufl.). W. Kohlhammer.<br />
* Lombriser, R. & Abplanalp, P. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, D. (2014). [https://link.springer.com/book/10.1007%2F978-3-642-41990-4 Investitionscontrolling.] Springer. <br />
* Müller, D. (2016). Analyse von Graphen-basierten Technologien im Rahmen des strategischen Controllings. Controlling, 28 (1), 52–59. https://doi.org/10.15358/0935-0381-2016-1-52<br />
* Müller-Stewens, G. & Lechner, C. (2011). Strategisches Management: Wie strategische Initiativen zum Wandel führen. Schäffer-Poeschel.<br />
* Pfingsten, F. (1998). [https://link.springer.com/content/pdf/10.1007%2F978-3-322-95253-0_3.pdf Shareholder-Value im Lebenszyklus.] Deutscher Universitätsverlag.<br />
* Schuh G., Klappert S., Schubert J. & Nollau S. (2010). [https://link.springer.com/chapter/10.1007/978-3-642-12530-0_4 Grundlagen zum Technologiemanagement.] In G. Schuh & S. Klappert (Hrsg.), Technologiemanagement (S. 33-54). Springer.<br />
* Schürmann, M. (2018). Marketing – in vier Schritten zum eigenen Marketingkonzept. Hochschulverlag AG an der ETH Zürich.<br />
* Vogl, W. (2012). Wichtige Kennzahlen bei der Finanzierung von Softwareentwicklungen. Symentum. Abgerufen am 24. Mai 2021, von https://www.symentum.de/wichtige-kennzahlen-bei-der-finanzierung-von-softwareentwicklungen/<br />
* Welge, M. K. & Al-Laham, A. (2012). Strategisches Management: Grundlagen - Prozess - Implementierung (6., akt. Aufl. 2012 Aufl.). Gabler.<br />
* Waser, B. & Peter, D. (2016). Prozess- und Operations-Management. Versus.<br />
<br />
=== Weiterführende Literatur ===<br />
* Liessmann, K. (2001). [https://link.springer.com/chapter/10.1007/978-3-322-92159-8_1 Strategisches Controlling – Konzept, Werkzeuge, Umsetzung.] In C.-C. Freidank & E. Mayer. (Hrsg.), Controlling-Konzepte. Neue Strategien und Werkzeuge für die Unternehmenspraxis (S. 3–103). Betriebswirtschaftlicher Verlag Dr. Th. Gabler.<br />
* Tiefel, T. (2007). [https://link.springer.com/chapter/10.1007/978-3-8350-5496-7_2 Technologielebenszyklus-Modelle - Eine kritische Analyse.] In T. Tiefel (Hrsg.), Gewerbliche Schutzrechte im Innovationsprozess (S. 25-49). Gabler.<br />
== Autoren ==<br />
Robin Buri, Lucas Casillo, Mathias Duss, Belmina Dzaferi</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16346Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:42:55Z<p>Salis.Matteo: /* 5. Realisierung von Effizienzpotenzialen und des Output-Layers */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern bei der Zielsetzung die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und die Zusammenarbeit der Einheiten festzulegen, beispielsweise wie die [[Reporting Factory]] in die Finanzorganisation eingebettet ist.<br />
<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Einführung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]). In der folgenden Tabelle werden mögliche Nutzen und Kosten der Reporting Factory aufgeführt. <br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Bei Vorbereitung sowie bei der Umsetzung, ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt gemäss den im TOM festgelegten Zielen.<br />
<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, damit allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16345Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:42:07Z<p>Salis.Matteo: /* 4. Vorbereitung und Durchführung der Reporting Factory */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern bei der Zielsetzung die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und die Zusammenarbeit der Einheiten festzulegen, beispielsweise wie die [[Reporting Factory]] in die Finanzorganisation eingebettet ist.<br />
<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Einführung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]). In der folgenden Tabelle werden mögliche Nutzen und Kosten der Reporting Factory aufgeführt. <br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Bei Vorbereitung sowie bei der Umsetzung, ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt gemäss den im TOM festgelegten Zielen.<br />
<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16344Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:41:38Z<p>Salis.Matteo: /* 4. Vorbereitung und Durchführung der Reporting Factory */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern bei der Zielsetzung die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und die Zusammenarbeit der Einheiten festzulegen, beispielsweise wie die [[Reporting Factory]] in die Finanzorganisation eingebettet ist.<br />
<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Einführung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]). In der folgenden Tabelle werden mögliche Nutzen und Kosten der Reporting Factory aufgeführt. <br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Bei Vorbereitung sowie bei der Umsetzung, ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16343Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:40:38Z<p>Salis.Matteo: /* 3. Ein belastbarer Business Case */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern bei der Zielsetzung die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und die Zusammenarbeit der Einheiten festzulegen, beispielsweise wie die [[Reporting Factory]] in die Finanzorganisation eingebettet ist.<br />
<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Einführung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]). In der folgenden Tabelle werden mögliche Nutzen und Kosten der Reporting Factory aufgeführt. <br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16342Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:39:41Z<p>Salis.Matteo: /* 3. Ein belastbarer Business Case */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern bei der Zielsetzung die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und die Zusammenarbeit der Einheiten festzulegen, beispielsweise wie die [[Reporting Factory]] in die Finanzorganisation eingebettet ist.<br />
<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Einführung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16341Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:38:57Z<p>Salis.Matteo: /* 2. Definition des Target Operating Models */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern bei der Zielsetzung die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und die Zusammenarbeit der Einheiten festzulegen, beispielsweise wie die [[Reporting Factory]] in die Finanzorganisation eingebettet ist.<br />
<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Gründung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16340Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:36:43Z<p>Salis.Matteo: /* Ansätze zur Einführung von Reporting Factory */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern bei der Zielsetzung die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und Zusammenarbeit der Einheiten festzulegen, wie beispielsweise die [[Reporting Factory]] in die Finanzorganisation eingebettet ist und wie damit zusammengearbeitet wird und welche Einheit an welche Einheit liefert, beziehungsweise von dieser bedient wird.<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Gründung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16339Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:35:07Z<p>Salis.Matteo: /* Organisation */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|center|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und Zusammenarbeit der Einheiten festzulegen, wie beispielsweise die [[Reporting Factory]] in die Finanzorganisation eingebettet ist und wie damit zusammengearbeitet wird und welche Einheit an welche Einheit liefert, beziehungsweise von dieser bedient wird.<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Gründung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16338Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:33:57Z<p>Salis.Matteo: /* Kunden */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|right|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und Zusammenarbeit der Einheiten festzulegen, wie beispielsweise die [[Reporting Factory]] in die Finanzorganisation eingebettet ist und wie damit zusammengearbeitet wird und welche Einheit an welche Einheit liefert, beziehungsweise von dieser bedient wird.<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Gründung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16337Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:33:22Z<p>Salis.Matteo: Änderung 16335 von Salis.Matteo (Diskussion) rückgängig gemacht.</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Der Kundenkreis der Managementreports reichen vom Vorstand bis zu leitenden Funktionen (Schmitz et al., 2016, S. 434).<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Der Kundenkreis der Massenreport ist wesentlich grösser. Detaillierte Berichte gehen zuhanden von operativen Manager und Werksleiter, die einen ausgewählten Standardberichten wünschen. Weiter werden auch darunterliegende Ebenen mit Berichten versorgt. Diese weisen jedoch einen deutlich höheren Detailgrad auf (Schmitz et al., 2016, S. 434).<br />
|-<br />
|}<br />
Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|right|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und Zusammenarbeit der Einheiten festzulegen, wie beispielsweise die [[Reporting Factory]] in die Finanzorganisation eingebettet ist und wie damit zusammengearbeitet wird und welche Einheit an welche Einheit liefert, beziehungsweise von dieser bedient wird.<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Gründung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16336Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:30:28Z<p>Salis.Matteo: /* Produkte und Services / Dienstleistungen */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche in der folgenden Tabelle erläutert werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|right|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und Zusammenarbeit der Einheiten festzulegen, wie beispielsweise die [[Reporting Factory]] in die Finanzorganisation eingebettet ist und wie damit zusammengearbeitet wird und welche Einheit an welche Einheit liefert, beziehungsweise von dieser bedient wird.<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Gründung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Ausgestaltung_und_Einf%C3%BChrung_einer_Reporting_Factory&diff=16335Ausgestaltung und Einführung einer Reporting Factory2021-10-13T08:29:50Z<p>Salis.Matteo: /* Kunden */</p>
<hr />
<div>Die Ziele der [[Reporting Factory]] können lediglich mit einer durchdachten Ausgestaltung und einer effizienten sowie reibungslosen Einführung erreicht werden. Aus diesem Grund sind die Arbeiten zur Ausgestaltung der Bausteine sowie der Ansätze zur Einführung der [[Reporting Factory]] ein zentraler und wichtiger Schritt. Die abschliessende Einführungsphase, mit fünf aufeinanderfolgenden Schritten, sollte auch gebührend Aufmerksamkeit erhalten. <br />
<br />
==Bausteine einer Reporting Factory==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 1: Grundlegender Aufbau einer [[Reporting Factory]] (Schmitz et al., 2016, S. 433)]]<br />
Um die [[Reporting Factory]] exakt den Bedürfnissen einer Unternehmung entsprechend aufzubauen, werden Informationen über den Umfang und den Tätigkeitsbereich benötigt (Krüger & Danner, 2004, S. 218). Untenstehend wird der grundlegende Aufbau einer [[Reporting Factory]] mit den Entscheidungskriterien aufgelistet und erläutert. Als grafische Veranschaulichung finden Sie die unterschiedlichen Bausteine ebenfalls in der Abbildung 1.<br />
<br />
===Produkte und Services / Dienstleistungen===<br />
Im folgenden Baustein stellt sich die zentrale Frage, welche Reports erstellt werden sollten. Dazu gibt es zwei unterschiedliche Herangehensweisen, welche untenstehend gegenübergestellt werden.<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="2"| Managementreports<br />
|-<br />
| A1 | Liegt der Fokus auf der Erstellung von Managementreports, beschäftigt sich die [[Reporting Factory]] mehrheitlich mit dem Verdichten von Informationen oder der Erstellung von Output-Formaten wie Präsentationen oder Berichte.<br />
Anfangs validiert, analysiert und kommentiert die Factory die generierten Daten inhaltlich. Durch die Lernfähigkeit der [[Reporting Factory]] wird Know-how im Geschäftsbereich angeeignet, welche in anderen Aufgaben aufgegriffen werden kann (Schmitz et al., 2016, S. 433). Langfristig kann die [[Reporting Factory]] auch im Bereich Planung und Prognosen eine unterstützende Funktion wahrnehmen.<br />
|-<br />
!rowspan="2"| Massenreports<br />
|-<br />
| A2 | Besteht die Hauptaufgabe in der Generierung von Massenreports, definieren sich die Tätigkeiten der [[Reporting Factory]] tendenziell eher im operativen Bereich. Die Informationsbereitstellung soll weitestgehend automatisiert von Systemen generiert werden. Die aufzusetzenden Systemaktivitäten sind beispielsweise ein automatisiertes [[Datenmanagement]], die Datenverknüpfung zwischen den verfügbaren Daten und die weitestgehend Standardisierung und Automatisierung von Datawarehouse und ERP Systemumgebungen (Schmitz et al., 2016, S. 434). Langfristig kann die [[Reporting Factory]] auch in ein [[Self-Service Business Intelligence]] gewandelt werden (metric-x, 2016, online).<br />
|-<br />
|}<br />
<br />
<br />
===Kunden===<br />
In direktem Zusammenhang mit den Produkten und Services / Dienstleistungen steht die Frage nach dem Kundenkreis. Die Produkte definieren nicht abschliessend welchen Kundenkreis die [[Reporting Factory]] bedient. Vielmehr ist die zu bedienende Hierarchieebene von Relevanz (Schmitz et al., 2016, S. 434).Entfernt von der Frage nach der zu bedienenden Hierarchieebene bedarf auch die Anfangsphase gebührend an Aufmerksamkeit (Schmitz et al., 2016, S. 434). Speziell in der Aufbauphase einer neuen Organisationseinheit ist die Produktivität der Mitarbeitenden noch nicht auf der vollen Leistungskapazität. Aus diesem Grund kann es Sinn machen, nur einen Teil der Unternehmung mit den Dienstleistungen und den Produkten der [[Reporting Factory]] zu bedienen.<br />
<br />
===Organisation===<br />
Das Generieren einer neuen Organisationseinheit bedingt auch zwingend das Erstellen eines Organigramms. Zuerst muss ein Leiter der [[Reporting Factory]] erkoren werden, welcher die Führungsaufgaben der neuen Organisationseinheit übernimmt. Anschliessend muss geklärt werden, nach welchen Kriterien sich die Organisationseinheit ausrichten soll. Im Konkreten gibt es vier unterschiedliche Ausrichtungskriterien: Kunden, Produkte und Services, interne Prozesse, regionale Aufstellung (Mellewigt & Decker, 2006, S. 72 ff.). Nachstehend sind zwei Ausrichtungskriterien exemplarisch dargestellt. In Abbildung 2 wird die [[Reporting Factory]] nach Kunden gegliedert, während in Abbildung 3 eine Struktur nach internen Prozessen durchgesetzt wird.<br />
[[Datei:OrganisationKunden.png|thumb|left|Abb. 2: Organisationsstruktur nach Kunden (Schmitz et al., 2016, S. 437)]]<br />
[[Datei:OrganisationProzesse.png|thumb|right|Abb. 3: Organisationsstruktur nach internen Prozessen (Schmitz et al., 2016, S. 437)]]<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
===Datenmanagement, Datenmodel & Systemarchitektur===<br />
Nach Rahtjen (2008, S. 37) ist eine [[Reporting Factory]] primär für die Bereitstellung von Reports zuständig. Weiter ist diese Einheit aber auch im Bereich der Optimierung der Reports und der Aufwandreduktion bei deren Erstellung federführend. Dazu hat die [[Reporting Factory]] die Befugnis bestehende Reportingprozesse zu standardisieren und automatisieren.<br />
Eine Analyse der bestehenden Reporting-Inhalte ist speziell beim Aufbau einer [[Reporting Factory]] wichtig. Zentral ist die Überlegung, ob eine Überarbeitung des Reporting in Bezug auf die künftige Entscheidungsfindung zielführend ist oder nicht. Falls sich die Unternehmung entscheidet die Reports wie bis anhin zu belassen, werden die bestehenden Prozesse und Datengrundlagen mit einem [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] übernommen (Schmitz et al., 2016, S. 439).<br />
Neben der Analyse der Reporting-Inhalte ist auch die richtige Darstellung wichtig. Eine klare Struktur, gemäss Schäffer et al. (2012, S. 52), dient dazu den Kunden auf die zentralen Inhalte aufmerksam zu machen. Deshalb ist es relevant ein standardisiertes und einfaches Layout aufzuerlegen und die Inhalte nicht nur verbal, sondern auch in geeigneten Tabellen oder Graphiken zu visualisieren. <br />
Abschliessend sind auch die Datenmodelle und Systeme durch die [[Reporting Factory]] zu optimieren. Sämtliche Datenquellen werden zusammengezogen und ein neues [[Datenmanagement]] etabliert. Gemäss Kirchberg & Palenta (2012, S. 52–57) senkt eine Reduktion von unterschiedlichen Tools und Quellen nicht nur die Komplexität der Dateninformationen, sondern auch die Kosten. Letzten Endes steht das Ziel von effizienten Prozessen an oberster Stelle. Um dieses Ziel zu erreichen ist es wichtig klare Richtlinien und Vorgaben zu errichten, Verantwortlichkeiten zu zuteilen und Redundanzen zu verringern (Schmitz et al., 2016, S. 441).<br />
<br />
==Ansätze zur Einführung von Reporting Factory==<br />
Es gibt zwei mögliche Ansätze, wie die [[Reporting Factory]] eingeführt werden kann. Diese sind zum einen der «Lift and Shift» Ansatz und zum anderen der «Design and Build» Ansatz. Um zu wissen, welcher Ansatz gewählt werden soll, muss die Zielsetzung sowie der individuelle Reifegrad der Reportingsysteme der Unternehmung bekannt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den Design and Build Ansatz zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
===Lift and Shift===<br />
[[Datei:VorteileLiftShift.png|thumb|right|Abb. 4: Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatzes]] (Schmitz et al., 2016, S. 440)]]<br />
Als erstes stellt sich die Frage, ob eine Überarbeitung des Reporting notwendig ist. Falls nicht, wird der bewährte Ist-Zustand in die [[Reporting Factory]] transferiert und nach dem sogenannten [[Ausgestaltung und Einführung einer Reporting Factory#«Lift and Shift|Lift and Shift Ansatz»]] zentral zur Verfügung gestellt. Das bedeutet, dass die Reporting Inhalte grösstenteils unangetastet bleiben (Schmitz et al., 2016, S. 439). Danach erfolgt die ständige Optimierung im laufenden Betrieb nach den Leitlinien. Diese besagen gemäss Schmitz et al. (2016), dass ungenutzte und überflüssige Daten eliminiert werden sollen, Fokus muss auf steuerungsrelevanten Inhalten bestehen und mittels dem KVP weitestgehend optimiert werden (S. 430–440).<br />
In der Abbildung 4 sind die Vorteile des [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|Lift and Shift Ansatz]] zu entnehmen. Die Hauptvorteile liegen im schnellen Aufbau einer [[Reporting Factory]] sowie der Hoheit über das Reporting. Ein Nachteil ergibt sich während dem laufenden Betrieb. Das Alltagsgeschäft in der [[Reporting Factory]] mindert die Effizienz bei der Optimierung, wodurch das Endergebnis der verbesserten Reporting hinausgezögert wird (Schmitz et al., 2016, S. 440–441).<br />
===Design and Build===<br />
Bei dem Design and Build Ansatz werden die Inhalte und Systeme erst optimiert und standardisiert und danach in die Factory überführt. Somit kann die [[Reporting Factory]] die volle Effizienz ausschöpfen, bevor das Alltagsgeschäft aufgenommen wird. Dieser optimale Reporting-Ansatz kann etabliert werden, ohne die Berücksichtigung auf den Transfer oder Aufbau der Factory (Schmitz et al., 2016, S. 443). Da nicht auf bereits vorhandene Lösungen zurückgegriffen werden kann, benötigt der Prozess Zeit, bis die ersten Erfolge sichtbar werden.<br />
<br />
==Aufbau der Reporting Factory==<br />
Der Aufbau einer [[Reporting Factory]] basiert auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt. Zur Realisierung der [[Reporting Factory]] sollten eineinhalb bis zwei Jahre geplant werden, wobei Schmitz et al. (2016) empfehlen die folgenden Schritte in der entsprechenden Reihenfolge zu beachten (S. 443–452):<br />
<br />
===1. Ist-Analyse als Fundament===<br />
Die Ist-Analyse gilt als Basis zur Bestimmung des Tätigkeitsschwerpunktes der [[Reporting Factory]]. Um die Ist-Analyse effizient zu gestalten, lohnt es sich in einem ersten Schritt, Fragebögen von den einzelnen Einheiten, bzw. Ansprechpartner der Einheit (bspw. Leiter Konzerncontrolling) ausfüllen zu lassen. In einem zweiten Schritt sollten diese ausgewertet werden und mittels Interviews Unklarheiten klären. Dies dient zur Ermittlung des Arbeitsaufwands und Verbesserungspotenzialen. Schlussendlich sollte sich ein klares Bild ergeben, welche Themen die [[Reporting Factory]] angehen muss (Schmitz et al., 2016, S. 444–445).<br />
===2. Definition des Target Operating Models===<br />
[[Datei:ElementeTOM.png|thumb|right|Abb. 5: Elemente des Target Operating Models (Schmitz et al., 2016, S. 446)]]<br />
Das Target Operating Model (TOM) bildet die Basis für einen strukturierten Aufbau der [[Reporting Factory]]. Sie beinhaltet die Elemente gemäss der Abbildung 5. Die Bestimmung der Produkte und Services ergeben sich aus dem Tätigkeitsschwerpunkt. Als Kunden der [[Reporting Factory]] können Controller agieren oder das Top-Management des Unternehmens oder diverse andere Leiter von Organisationseinheiten. Die Entscheidung der Systeme sollte einheitlich und für alle Betroffenen zugänglich sein. Die Organisationsstruktur sowie die Governancestrukturen gilt es festzulegen. Dabei müssen Entscheidungsinstanzen bestimmt werden, welche bei kritischen Situationen und wichtigen Entscheidungen anzufragen sind (Rahtjen, 2008, S. 37). Die Kriterien für solche Anfragen sollten ebenfalls festgehalten werden. Zuletzt gilt es die Abgrenzungen und Zusammenarbeit der Einheiten festzulegen, wie beispielsweise die [[Reporting Factory]] in die Finanzorganisation eingebettet ist und wie damit zusammengearbeitet wird und welche Einheit an welche Einheit liefert, beziehungsweise von dieser bedient wird.<br />
===3. Ein belastbarer Business Case===<br />
Ein Business Case sollte zur Wirtschaftlichkeit der Gründung einer [[Reporting Factory]] erstellt werden. Bei einer [[Wirtschaftlichkeitsrechnung]] wird der Nutzen der Implementierung der [[Reporting Factory]] den Kosten gegenübergestellt (vgl. [[Wirtschaftlichkeitsrechnung]]):<br />
<br />
{| class="wikitable"<br />
! Nutzen !! Kosten<br />
|-<br />
| Optimierung innerhalb der [[Reporting Factory]] || Aufbaukosten<br />
|-<br />
| Reduzierung der Controller ausserhalb der Factory || Kosten zur Harmonisierung und Optimierung des Reporting<br />
|-<br />
| Senkung von Systemkosten || Systemstandardisierungs- und Optimierungskosten<br />
|-<br />
| Reduktion von Projektkosten || Kommunikations- und Stabilisierungskosten<br />
|-<br />
| Hebung von Arbeitsarbitrage ||<br />
|}<br />
<br />
===4. Vorbereitung und Durchführung der Reporting Factory===<br />
Bei der Umsetzung empfiehlt es sich einen Wellenansatz zu verfolgen, wobei eine Einheit nach der anderen in die [[Reporting Factory]] transferiert wird. Als Vorbereitung, wie auch bei der Umsetzung ist eine umfängliche Kommunikationsstrategie essenziell um einen reibungslosen Ablauf bei der Überführung der Systeme, Prozesse und Einarbeitung des Personals zu gewährleisten. Die Umsetzung erfolgt nach denen im TOM festgelegten Zielen.<br />
===5. Realisierung von Effizienzpotenzialen und des Output-Layers===<br />
Die prognostizierten Effizienzpotenziale (siehe Business Case) sollten stets überprüft und mittels dem kontinuierlichen Verbesserungsprozess (KVP) realisiert werden. Die Reporting-Anfragen werden nun direkt an die [[Reporting Factory]] gestellt. Dabei sollte ein benutzerfreundliches und effizientes Self-Service Reporting angeboten werden, wobei allfällige Analysen direkt vom Nutzer abgefragt werden können.<br />
<br />
==Literaturverzeichnis==<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Krüger, W. & Danner, M. (2004). [https://doi.org/10.1365/s12176-004-0439-6 Bündelung von Controllingfunktionen in Shared Service Centern.] Controlling & Management, 48(8), S. 110–18.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51–82).] Wiesbaden: Springer Gabler.<br />
* Metric-x analytics. (2016). [https://metricx.com/blog/what-is-self-service-business-intelligence/ Report Factory vs Self-Service Business Intelligence.]<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16334Reporting Factory2021-10-13T08:24:33Z<p>Salis.Matteo: /* Ausgestaltung und Einführung */</p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] verschiedener Geschäftseinheiten mit unterschiedlichen Methoden berechnet, entstehen Informationen die nur schwer miteinander vergleichbar sind. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Zusätzlich erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert, womit auch der Wissensaustausch verstärkt wird. Ebenfalls kann durch eine Reporting Factory das Risiko von Ressourcenengpässen vermindert werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger entsteht durch allfällige Innovationsideen, wie beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung der Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion der Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung der Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung der Prozesskosten durch Implementierung einer Reporting Factory, falls sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren.<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]] wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen zuerst die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt werden. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16333Reporting Factory2021-10-13T08:23:56Z<p>Salis.Matteo: /* Ausgestaltung und Einführung */</p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] verschiedener Geschäftseinheiten mit unterschiedlichen Methoden berechnet, entstehen Informationen die nur schwer miteinander vergleichbar sind. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Zusätzlich erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert, womit auch der Wissensaustausch verstärkt wird. Ebenfalls kann durch eine Reporting Factory das Risiko von Ressourcenengpässen vermindert werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger entsteht durch allfällige Innovationsideen, wie beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung der Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion der Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung der Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung der Prozesskosten durch Implementierung einer Reporting Factory, falls sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren.<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]] wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16332Reporting Factory2021-10-13T08:21:57Z<p>Salis.Matteo: /* Ausgestaltung und Einführung */</p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] verschiedener Geschäftseinheiten mit unterschiedlichen Methoden berechnet, entstehen Informationen die nur schwer miteinander vergleichbar sind. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Zusätzlich erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert, womit auch der Wissensaustausch verstärkt wird. Ebenfalls kann durch eine Reporting Factory das Risiko von Ressourcenengpässen vermindert werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger entsteht durch allfällige Innovationsideen, wie beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung der Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion der Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung der Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung der Prozesskosten durch Implementierung einer Reporting Factory, falls sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren:<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]], wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16331Reporting Factory2021-10-13T08:21:35Z<p>Salis.Matteo: /* Chancen und Risiken */</p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] verschiedener Geschäftseinheiten mit unterschiedlichen Methoden berechnet, entstehen Informationen die nur schwer miteinander vergleichbar sind. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Zusätzlich erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert, womit auch der Wissensaustausch verstärkt wird. Ebenfalls kann durch eine Reporting Factory das Risiko von Ressourcenengpässen vermindert werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger entsteht durch allfällige Innovationsideen, wie beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung der Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion der Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung der Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung der Prozesskosten durch Implementierung einer Reporting Factory, falls sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Die Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren:<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]], wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16330Reporting Factory2021-10-13T08:19:41Z<p>Salis.Matteo: /* Ziel einer Reporting Factory */</p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] verschiedener Geschäftseinheiten mit unterschiedlichen Methoden berechnet, entstehen Informationen die nur schwer miteinander vergleichbar sind. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Zusätzlich erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert, womit auch der Wissensaustausch verstärkt wird. Ebenfalls kann durch eine Reporting Factory das Risiko von Ressourcenengpässen vermindert werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger entsteht durch allfällige Innovationsideen, wie beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung Prozesskosten durch Implementierung einer Reporting Factory, wenn sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Die Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren:<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]], wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16329Reporting Factory2021-10-13T08:16:43Z<p>Salis.Matteo: /* Ziel einer Reporting Factory */</p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] verschiedener Geschäftseinheiten mit unterschiedlichen Methoden berechnet, entstehen Informationen die nur schwer miteinander vergleichbar sind. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Zusätzlich erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert, womit auch der Wissensaustausch verstärkt wird. Ebenfalls kann durch eine Reporting Factory das Risiko von Ressourcenengpässen vermindert werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger bringen die entstehenden Innovationsideen, wie Beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» mit (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung Prozesskosten durch Implementierung einer Reporting Factory, wenn sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Die Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren:<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]], wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16328Reporting Factory2021-10-13T08:12:40Z<p>Salis.Matteo: /* Ziel einer Reporting Factory */</p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] verschiedener Geschäftseinheiten mit unterschiedlichen Methoden berechnet, entstehen Informationen die nur schwer miteinander vergleichbar sind. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Weiter erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert damit den Wissensaustausch. Weiter kann dadurch das Risiko von Ressourcenengpässen gesenkt werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger bringen die entstehenden Innovationsideen, wie Beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» mit (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung Prozesskosten durch Implementierung einer Reporting Factory, wenn sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Die Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren:<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]], wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Reporting_Factory&diff=16327Reporting Factory2021-10-13T08:01:21Z<p>Salis.Matteo: </p>
<hr />
<div>Das Konzept der Reporting Factory sieht vor, dass das Controlling zukünftig weniger Aufwand für die Reporterstellung benötigt und mehr Zeit zur Entscheidungsunterstützung bei strategischen Fragen des Managements aufbringt. Um dies zu erreichen, wird eine klare Einheit bestimmt, welche für die Erstellung und Bereitstellung von Berichten zentral zuständig ist (Schmitz, Lawrenz, & Drerup, 2016, S. 429). Die Kernaufgaben der Reporting Factory bestehen aus der Standardisierung der Systeme, Automatisierung der Reporterstellung und der Verbesserung der Systemunterstützung (Schäffer et al., 2012, S. 53). Als Teil des [[Digital Controlling|digitalen Controllings]] bezweckt die Reporting Factory die optimale Beratung des Managements als [[Business Partner]]. Im [[Digital Controlling|digitalen Controlling]] ist die Reporting Factory damit im Bereich der [[Collaboration]] anzusiedeln.<br />
<br />
<br />
== Definition Reporting Factory ==<br />
Der Begriff Reporting Factory bezeichnet eine Einheit innerhalb eines Unternehmens, welche für die Aufbereitung sowie das Bereitstellen der Berichte zuständig ist (Schmitz et al., 2016, S. 429). Häufig und standardisiert ablaufende Tätigkeiten aus dem Reporting-Prozess werden dabei in einer Organisationseinheit gebündelt, welche anschliessend die anderen Unternehmensbereiche mit hoch automatisierten Reportingleistungen unterstützt (Taschner, 2014, S. 14). Durch diese Konzentration der Aufgaben können Bündelungs- und Skaleneffekte genutzt werden, um die Effizienz zu steigern (Eymers et al., 2018, S. 123). Die Reporting Factory wird oft auch als Reporting Center of Excellence oder Compentence Center Reporting bezeichnet (Gleich et al., 2016, S. 134).<br />
[[Datei:EntwicklungReportingFactory.png|thumb|right|Abb. 1: Mögliche Entwicklung der Reporting Factory zu einer netzwerkorientierten Organisation (Schmitz et al., 2016, S. 457)]]<br />
<br />
Die Hauptaufgabe einer Reporting Factory besteht in der Folge aus der zentralen Bereitstellung von effizient aufbereiteten Auswertungen aus unterschiedlichen Datenquellen. Unterschiedliche Systeme werden mithilfe automatischer Schnittstellen verknüpft und die Daten in einem [[Data Warehouse]] gesammelt. Dies gewährleistet bei immer komplexer werdenden und steigenden Datenmengen die Verfügbarkeit einer qualitativ hochwertigen und zeitnahen Entscheidungsgrundlage für das Management (Schmitz et al., 2016, S. 428–431).<br />
<br />
Die Reporting Factory gewinnt aufgrund der zunehmenden Fokussierung der Unternehmen auf ihre wertschöpfende Kerntätigkeit sowie der steigenden Komplexität und Ausmass des Berichtswesens an Bedeutung. Ausblickend kann von einer Entwicklung vom beschreibenden zu einem beurteilenden Reporting sowie der Erweiterung des Aufgabenbereiches auf [[Planung und Budgetierung]] ausgegangen werden (Schmitz et al., 2016, S. 456; Küpper et al., 1990, S. 288f, zit. in Schmitz et al., 2016, S. 428). In Abbildung 1 ist diese mögliche Entwicklung veranschaulicht.<br />
<br />
== Ziel einer Reporting Factory ==<br />
Eine Reporting Factory ermöglicht wesentliche Effektivitäts- und Effizienzsteigerungen durch [[Zentralisierung]] von einem Aufgabengebiet: Bei globalen Unternehmungen agieren die jeweiligen Geschäftseinheiten separat, wobei weder die anfälligen Kosten noch mögliche Lerneffekte geteilt werden können. Daraus resultieren wesentliche Kosten- wie auch Qualitätseinbussen. In einer Reporting Factory werden diese Reportingprozesse vereint und durch Standardisierungen und Automatisierungen der Prozesse als Center-of-Excellence den dezentralen Geschäftseinheiten angeboten (Brühl et al., 2016, S. 9–17).<br />
<br />
Bei der Einführung von einer Reporting Factory steht insbesondere der Kostenaspekt im Zentrum (Rahtjen, 2008, S. 27). Ohne eine Bündelung der Aufgaben werden viele Ressourcen und Kosten verbraucht und verletzt damit den Ansatz, dass auch Unterstützungsfunktionen einen Beitrag zum Profit der Unternehmung leisten müssen.<br />
<br />
Daraus ergeben sich folgende drei Ziele, welche mit einer Gründung einer Reporting Factory verfolgt werden:<br />
# '''Kostenreduktion / Effizienzsteigerung:''' Durch die Prozessautomatisierung wird ein Beitrag zur Kostensenkung geleistet. Erhöhte Skalenerträge führen zu weiteren Aufwandsenkungen von Personalressourcen und IT-Kosten (Mellewigt & Decker, 2006, S. 55).<br />
# '''Reduktion der Komplexität / Effektivitätssteigerung:''' Die Reporting Factory ist zuständig für die Aufbereitung und Bereitstellung von Informationen und soll zusätzlich die Komplexität der Datenmengen minimieren. Werden [[Kennzahlensysteme|Kennzahlen]] von unterschiedlichen Geschäftseinheiten gerechnet und nicht die gleiche Basis herangezogen, entstehen Informationen mit unterschiedlichen Inhalten und Aussagekraft. An dieser Stelle ist die Reporting Factory verantwortlich für das Standardisieren und Harmonisieren der Methoden, Prozesse und Inhalte im Reporting-Bereich. Weiter erstreckt sich der Zuständigkeitsbereich auf die Weiterentwicklung von Technologien im Reporting-Bereich. Es ist essentiell eine einheitliche Datenbasis und Datenbewirtschaftung für ein aussagekräftiges Reporting zu haben (Schwarz, 2008, S. 5).<br />
# '''Bündelung von Know-how (engl. für Fachwissen):''' Durch eine Reporting Factory wird das Know-how gebündelt und verbessert damit den Wissensaustausch. Weiter kann dadurch das Risiko von Ressourcenengpässen gesenkt werden. Mit einer Einführung von einer Reporting Factory wird auch die Datenverwaltung und Datensicherheit neu definiert. Auch diese Bereiche werden neu zentral von einer Stelle koordiniert und überwacht. Ein weiterer Vorteil des Zusammenbringens der Know-how-Träger bringen die entstehenden Innovationsideen, wie Beispielsweise Self-Service-Reporting auch genannt «Analytic via [[Business Intelligence]]» mit (Schmitz et al., 2016, S. 432). Es werden also Methoden, Prozesse und auch verwendete Technologien standardisiert. Dieser Vorgang wird als [[Datenmanagement#Single Version of Truth|Single Source of Truth]] bezeichnet und ermöglicht eine verbesserte Analyse (Schmitz et al., 2016, S. 430).<br />
<br />
== Chancen und Risiken ==<br />
Die Implementierung einer Reporting Factory ist mit grossem Optimierungspotential verbunden, birgt jedoch auch einige Herausforderungen. Im Wesentlichen können mit einer Reporting Factory die Reportingleistungen schneller, verlässlicher sowie qualitativ hochwertiger gestaltet werden und damit eine optimale Entscheidungsgrundlage für das Management geschaffen werden (Chaudhry & Bantscheff, 2020, S. 62–63). <br />
<br />
Eine wichtige Herausforderung beim Aufbau einer Reporting Factory stellt der Veränderungsprozess an sich dar, da es sich um eine tiefgreifende Veränderung in der Organisationsstruktur handelt. Entsprechend ist ein erfolgreiches und transparentes Change-Management von zentraler Bedeutung (Schmitz et al., 2016, S. 452). Zudem sind die Harmonisierung und Standardisierung der unterschiedlichen Systeme eine weitere grosse Herausforderung bei der Implementierung des Factory-Ansatzes (Chaudhry & Bantscheff, 2020, S. 63–64). Folgende Chancen und Risiken gibt es zu beachten (Chaudhry & Bantscheff, 2020, S. 62–63; Schmitz et al., 2016, S. 452–455):<br />
<br />
{| class="wikitable"<br />
|-<br />
!rowspan="6"| Chancen<br />
|-<br />
| A1 | • Kosteneinsparungen<br />
|-<br />
| A2 | • Steigerung Effizienz sowie Effektivität der Reportingleistungen<br />
|-<br />
| A3 | • Reduktion Komplexität<br />
|-<br />
| A4 | • Einheitliche Datenbasis und Steigerung Datenqualität<br />
|-<br />
| A5 | • Erhöhung der Transparenz im Reporting<br />
|-<br />
!rowspan="6"| Risiken<br />
|-<br />
| A6 | • Erhöhung Prozesskosten durch Implementierung einer Reporting Factory, wenn sie zu wenig in die Prozesse integriert ist<br />
|-<br />
| A7 | • Durch Akzeptanzprobleme entsteht Schattenreporting: Mitarbeitende nutzen die Leistungen der Reporting Factory nicht und führen eigenes Reporting weiter<br />
|-<br />
| A8 | • Qualitätsverlust durch fehlende Auswahl der passenden Mitarbeitenden<br />
|-<br />
| A9 | • Verlust des Bewusstseins für die Entstehung der Zahlen<br />
|-<br />
| A10 | • Fehlende Flexibilität durch hohe Standardisierung<br />
|-<br />
|}<br />
<br />
==Ausgestaltung und Einführung==<br />
[[Datei:AufbauReportingFactory.png|thumb|right|Abb. 2: Grundlegender Aufbau einer Reporting Factory (Schmitz et al., 2016, S. 433)]]<br />
Für den erfolgreichen Aufbau ist in einem ersten Schritt die [[Ausgestaltung und Einführung einer Reporting Factory|Ausgestaltung der Reporting Factory]] zu klären. Die Abbildung 2 zeigt die grundlegenden [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteine]] einer Reporting Factory und die zu beachtenden Faktoren:<br />
<br />
Es stellt sich dabei die grundsätzliche Frage nach dem '''Umfang und Tätigkeitsbereich''' der Factory. Hierzu sind die Dienstleistungen und Produkte sowie die Kunden der geplanten Reporting Factory zu definieren (Schmitz et al., 2016, S. 432). Neben den eigentlichen Berichterzeugnissen ist ebenfalls der angestrebte '''Automatisierungs- und Standardisierungsgrad''' des Reporting auszuarbeiten. In der Folge spielt zudem die zugrunde liegende '''Systemarchitektur''' eine zentrale Rolle. In einem weiteren Schritt ist eine passende '''Organisationsform''' zu wählen und ein '''Implementierungsplan''' als Basis für eine erfolgreiche Umsetzung zu erstellen (Schmitz et al., 2016, S. 455–456).<br />
<br />
Es gibt zwei mögliche [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansätze]], wie die Reporting Factory implementiert werden kann. Diese sind zum einen der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] und zum anderen der [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]]. Um zu wissen, welcher [[Ausgestaltung und Einführung einer Reporting Factory#Ansätze zur Einführung von Reporting Factory|Ansatz]] gewählt werden soll, müssen die obenstehenden Grundsatzfragen zu den [[Ausgestaltung und Einführung einer Reporting Factory#Bausteine einer Reporting Factory|Bausteinen]] geklärt sein. Sofern die Kostensenkung priorisiert wird, sollte der [[Ausgestaltung und Einführung einer Reporting Factory#Lift and Shift|«Lift and Shift» Ansatz]] gewählt werden. Bei einer Priorisierung der inhaltlichen Optimierung wird empfohlen den [[Ausgestaltung und Einführung einer Reporting Factory#Design and Build|«Design and Build» Ansatz]] zu verfolgen (Schmitz et al., 2016, S. 443–444).<br />
<br />
Abschliessend gilt es den [[Ausgestaltung und Einführung einer Reporting Factory#Aufbau der Reporting Factory|Aufbauprozess einer Reporting Factory]] basierend auf dem Projektplan, welcher die Meilensteine und den zeitlichen Rahmen festlegt, zu initiieren. Zur Realisierung der Reporting Factory sollten eineinhalb bis zwei Jahre geplant werden, wobei die Beachtung der folgenden fünf Schritte in der entsprechenden Reihenfolge empfohlen wird (Schmitz et al., 2016, S. 443–452):<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#1. Ist-Analyse als Fundament|Ist-Analyse als Fundament]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#2. Definition des Target Operating Models|Definition des Target Operating Models]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#3. Ein belastbarer Business Case|Ein belastbarer Business Case]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#4. Vorbereitung und Durchführung der Reporting Factory|Vorbereitung und Durchführung der Reporting Factory]]<br />
# [[Ausgestaltung und Einführung einer Reporting Factory#5. Realisierung von Effizienzpotenzialen und des Output-Layers|Realisierung von Effizienzpotenzialen und des Output-Layers]]<br />
<br />
==Kritische Würdigung==<br />
===Herausforderung im Controlling-Bereich===<br />
Die aktuelle Schwierigkeit im Bereich Controlling liegt in der Sicherstellung einer schnellen Verfügbarkeit standardisierter, finanzieller und nicht finanzieller Steuerungsinformationen. Die Kombination aus zeitaufwändigen transaktionalen Tätigkeiten und einer nicht vernetzten Datenbasis macht eine effiziente Arbeitsbewältigung im Reporting Bereich nahe zu unmöglich. Es werden Prozessverbesserungen, Effizienz und Reduktion von Kosten im Bereich der Informationsbereitstellung gefordert (Kirchberg & Palenta, 2012, S. 52–57).<br />
<br />
===Einfluss auf die Rolle des Controllers===<br />
Durch die Einführung einer Reporting Factory verschiebt sich der Fokus der Tätigkeiten eines Controllers. Dank automatisierter Datenaufbereitung steht mehr Zeit für analytische Tätigkeiten zur Verfügung. Controller konzentrieren sich auf Ursachenforschung, Szenarionplanung, leiten Handlungsmassnahmen aus ihren Analysen ab und unterstützen damit das Management als Business Partner (Chaudhry & Bantscheff, 2020, S. 61–62).<br />
===Zukunftsaussicht===<br />
In der Zukunft werden allen voran moderne, internationale Organisationen auf eine Reporting Factory setzen um ihre Strukturen und Daten effektiv und effizient zu verwalten. Auch wird die Reporting Factory weitere Prozesse im Finanzbereich beeinflussen, aufgrund der zunehmenden Digitalisierung (Fischer & Hirsch, 2016, S. 96) Es ist anzunehmen, dass neben eher repetitiven Basisaufgaben, wie Analysen auch Forecasts, in Zukunft über die Reporting Factory laufen werden. Die zunehmende Spezialisierung im Bereich Controlling verstärkt den Trend von Organisation hin zum Fokus auf Netzwerkorganisation. Somit wird die Reporting Factory für Controller in Zukunft kaum wegzudenken sein.<br />
<br />
== Lern- und Praxismaterial ==<br />
<br />
=== Fallstudie ===<br />
Unter [[Fallstudie - Reporting Factory|diesem Link]] finden Sie eine '''Fallstudie''' zum Thema Reporting Factory, viel Spass!<br />
<br />
=== Kreuzworträtsel ===<br />
Unter [https://www.kreuzwort-raetsel.com/raetsel/kreuzwortratsel-4332 diesem Link] finden Sie ein '''Online-Kreuzworträtsel''' zum Thema Reporting Factory, viel positiver Erfolg!<br />
<br />
'''Zusatzinfo:''' Falls dies Ihnen Schwierigkeiten bereitet, können Sie sich mit dem Passwort '''«HSLU»''' die Lösungen anzeigen lassen.<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Brühl, R., Kajüter, P., Fischer, T. M., Hirsch, S., Dornbusch, D., Hoffmann, F. & Vollmer, M. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-13486-0_1 Shared Services – Relevanz, Ziele und Entwicklungsstand.] In: T. M. Fischer & M. Vollmer (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-13486-0 Erfolgreiche Führung von Shared Services (S. 3–24).] Wiesbaden: Springer Gabler.<br />
* Chaudhry, B. & Bantscheff, S. (2020). Reporting Factory. Eine qualitativ-empirische Untersuchung der Relevanz, Herausforderungen, Chancen und Risiken in Industrieunternehmen. CONTROLLER Magazin, 2020(1), 58–64. Freiburg: Haufe Lexware<br />
* Eymers, N., Clausen, K. & Ficher, P. (2018). Veränderung von Prozessen und Rollenbildern im Controlling am Beispiel der MAN Truck & Bus AG. In R. Gleich & M. Tschandl (Hrsg.), Digitalisierung & Controlling: Technologien, Instrumente, Praxisbeispiele (S. 119–128). Freiburg: Haufe Lexware<br />
* Fischer, T. M. & Hirsch, S. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939398_download&client_id=hslu Bündelung und Industrialisierung von Finanzprozessen – Shared Services als Finance Factory.] Controlling, 28 (2), S. 92–97.<br />
* Gleich, R. Grönke, K. & Schmidt, H. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_12 Prozessmanagement im Controllerbereich.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
* Kirchberg, A. & Palenta, F. (2012). [https://doi.org/10.1365/s12176-012-0643-8 Industrialisierung im Controlling.] Controlling & Management, 56(3), S. 52–57.<br />
* Mellewigt, T. & Decker, C. (2006). [https://link.springer.com/chapter/10.1007/978-3-8349-9265-9_3 Messung des Organisationserfolgs.] In: A. Werder, H. Stöber & J. Grundei (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9265-9 Organisations-Controlling: Konzepte und Praxisbeispiele (S. 51-82).] Wiesbaden: Springer Gabler.<br />
* Rahtjen, P. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_2 Transformation durch Shared Services: Im Spannungsfeld zwischen zentraler und de-zentraler Unternehmenssteuerung.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 26–44).] Wiesbaden: Springer Gabler.<br />
* Schäffer, U., Weber, J. & Mahlendorf, M. (2012). Controlling in Zahlen. Vallendar: Institut für Management und Controlling.<br />
* Schmitz, M., Lawrenz, A. & Drerup, B. (2016). [https://link.springer.com/chapter/10.1007/978-3-658-04741-2_40 Reporting Factory in Controllerbereichen.] In W. Becker & P. Ulrich (Hrsg.). [https://link.springer.com/book/10.1007/978-3-658-04741-2 Handbuch Controlling (S. 427–458).] Wiesbaden: Springer Gabler.<br />
*Schwarz, S. (2008). [https://link.springer.com/chapter/10.1007/978-3-8349-9597-1_1 Change Management im Rahmen einer Finance Transformation.] In: F. Keuper & F. Neumann (Hrsg.), [https://link.springer.com/book/10.1007/978-3-8349-9597-1 Finance Transformation: Strategien, Konzepte und Instrumente (S. 3-23).] Wiesbaden: Springer Gabler.<br />
* Taschner, A. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_3939399_download&client_id=hslu Wie Management Reporting 2020 aussehen könnte.] Controlling & Management Review, 58 (3), S. 7–15.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.). [https://link.springer.com/book/10.1007/978-3-662-57963-3 Management 4.0 – Unternehmensführung im digitalen Zeitalter (S. 389–430).] Berlin, Heidelberg: Springer.<br />
<br />
==Autoren==<br />
Fischer Karin, Föhn Kimena, Franz Laura und Schelbert Silvan<br />
<br />
[[Kategorie: Collaboration]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Monte-Carlo-Simulation&diff=16326Monte-Carlo-Simulation2021-10-13T07:57:01Z<p>Salis.Matteo: /* Literaturverzeichnis */</p>
<hr />
<div>Die Monte-Carlo-Simulation ist ein Begriff aus der Stochastik und stellt ein Verfahren dar, welches zur Analyse und Beurteilung von Risiken im [[Risikocontrolling]] verwendet wird (Sartor & Bourauel, 2013, S. 77). Mithilfe dieser computerbasierten Simulationsmethode können Wahrscheinlichkeiten berechnet werden. Die Idee darin besteht, ein Experiment viele Male zu simulieren und mithilfe des Gesetzes der grossen Zahl eine Wahrscheinlichkeit zu ermitteln (Kroese et al., 2014, S. 386). Daraus entsteht eine repräsentative Anzahl möglicher Zukunftsszenarien (Gleißner & Wolfrum, 2019, S. 51). Die heute verfügbare Rechenleistung ermöglicht es, nahezu beliebig komplexe Planungsmodelle zu simulieren (Gleißner & Wolfrum, 2019, S. 25). Ihr Einsatzgebiet ist hauptsächlich im Bereich Risikomanagement, sie findet jedoch auch ihre Anwendung in anderen Gebieten wie der allgemeinen Unternehmensplanung (Grisar & Meyer, 2015, S. 262).<br />
<br />
== Begriffsdefinition ==<br />
Im Fürstentum Monaco gibt es einen Stadtteil Monte-Carlo, in welchem sich die weltbekannte Spielbank Monte-Carlo befindet (Hager, 2004, S. 145). Wie beim Roulette hängt auch bei der Monte-Carlo-Simulation alles von der Simulation von Zufallszahlen ab. Der Unterschied liegt jedoch darin, dass beim Roulette lediglich ein mechanischer Zufallsgenerator der Simulation zu Grunde liegt. Bei der Monte-Carlo-Simulation hingegen werden die Simulationen anhand mathematischer Algorithmen generiert. Die Zahlen wirken auch bei der Monte-Carlo-Simulation zufällig, sind aber in Wirklichkeit nur scheinzufällig, da sie von einem Algorithmus abhängig sind (Romeike & Hager, 2020, S. 380). Es wird deshalb angenommen, dass der Name Monte-Carlo von der weltbekannten Spielbank abstammt.<br />
<br />
== Ziele der Monte-Carlo-Simulation ==<br />
Die Monte-Carlo-Simulation, welche ihren Ursprung in den stochastischen und statistischen Methoden hat, verfolgt das primäre Ziel der experimentellen Ermittlung von Wahrscheinlichkeitsverteilungen bei Zufallsgrössen. Dabei können, basierend auf den Risikofaktoren und deren Wahrscheinlichkeitsverteilungen, unbekannte Strukturen und Verhalten simuliert werden (Sartor & Bourauel, 2013, S. 76). Damit eine plausible und praxisnahe Einschätzung des Gesamtrisikoumfangs vorgenommen werden kann, werden bei der Monte-Carlo-Simulation mehrere zukünftig mögliche Risikoszenarien kalkuliert sowie analysiert (Gleißner, 2017, S. 254). <br />
<br />
<br />
{|<br />
|- valign="bottom"<br />
|style="width:100%"|<br />
<br />
== Monte-Carlo-Simulation am Beispiel der Unternehmensplanung (Anwendungsgebiete) ==<br />
|align="right"|[[Datei:Flag_für_Strategie.png|link=Strategie|Strategie]]<br />
|}<br />
In der Unternehmensplanung müssen immer wieder Entscheidungen gefällt werden, welche grossen Einfluss auf die Zukunft des Unternehmens haben. Dabei müssen in der operativen Planung die Investitions-, Kosten- oder Absatzplanungen gemacht werden (Wolf, 2009, S. 545). Hierbei hängen viele verschiedene Komponenten zusammen, welche die Planung schwierig gestalten lassen. An dieser Stelle kommt die Monte-Carlo-Simulation ins Spiel. Mithilfe dieser lassen sich verschiedene Szenarien durchrechnen.<br />
<br />
[[Datei: Ergebnis einer Simulation in der Unternehmensplanung.png|miniatur|450px|Abb. 1: Ergebnis einer Simulation in der Unternehmensplanung (Flath et al., 2015, S. 86)]]<br />
Sie ermöglicht es, für umstrittene Variablen, wie beispielsweise den Umsatz oder einzelne Kostenpositionen, unterschiedliche Planannahmen zu treffen. Schliesslich können Ergebnisse berechnet und danach in einer konsolidierten Planung zusammengeführt werden (Wolf, 2009, S. 545). Unter Berücksichtigung von Einflussfaktoren und Korrelationen wird die Entwicklung von Planpositionen ([[Predictive Forecasting]]) berechnet (Flath et al., 2015, S. 85). Die daraus entstehenden Auswertungsmöglichkeiten sind in Abbildung 1 aufgezeigt und können die Basis für Unternehmensentscheidungen bilden. Denn dadurch erhält eine Unternehmung, unter Berücksichtigung von Chancen, Gefahren und Risiken, eine konkrete Vorstellung über die Zukunft des Unternehmens (Gleißner & Wolfrum, 2019, S. 26). <br />
<br />
Ein weiteres Beispiel ist die Auswirkung eines Wechselkursrisikos, welches nicht ein Einmaliges, sondern ein dauerhaftes Risiko ist (Gleißner, 2015). Bei der Berechnung der [[Value at Risk]] Kennzahl erfreut sich die Monte-Carlo-Simulation ebenfalls grosser Beliebtheit (Bleuel, 2006, S. 372).<br />
<br />
== Vorgehensweise ==<br />
[[Datei:Vorgehensweise der Monte-Carlo-Simulation nach Wolf.png|miniatur|450px|Abb. 2: Vorgehensweise der Monte-Carlo-Simulation nach Wolf (2009, S. 547)]]<br />
<br />
Die Durchführung einer Monte-Carlo-Simulation erfolgt in vier Schritten, welche in Abbildung 2 ersichtlich sind (Wolf, 2009, S. 547). <br />
<br />
=== 1. Problemformulierung und Definition eines Berechnungsmodels ===<br />
Als erster Schritt soll das Problem formuliert und mittels eines mathematischen Modells abgebildet werden. Beispielsweise kann das Problem eine Illiquidität sein, welche während den nächsten 12 Monaten verhindert werden soll. Es ist dabei eine grundlegende Voraussetzung, dass die folgenden drei Bestandteile vorhanden sind respektive die Informationen dazu gesammelt werden können. Ansonsten ist eine Monte-Carlo-Simulation nicht möglich (Wolf, 2009, S. 547): <br />
# Beeinflussbare und nicht-beeinflussbare Zufallszahlen (Beispiel: variable und fixe Kostenpositionen) <br />
# Wirkungszusammenhänge und Abhängigkeiten dieser Zufallszahlen (Beispiel: Preis-Absatz-Funktion) <br />
# Grundlegende Annahmen und Bedingungen (Beispiel: [[Weighted Average Cost of Capital]] (WACC))<br />
<br />
Wesentlich ist, dass dieses Modell die Maximen «Reduzieren» und «Abstrahieren» einhält (Steinhausen, 1994, S. 21). Es sollen diejenigen Zufallszahlen ausgewählt werden, welche in der Realität tatsächlich einen wesentlichen Einfluss auf die Problemstellung haben. Mit Abstrahieren ist gemeint, dass die bestehenden Beziehungen zwischen den Zufallszahlen durch geeignete Regeln wiedergegeben werden.<br />
<br />
=== 2. Informationsbeschaffung ===<br />
Die Quelle für den zweiten Schritt der Informationsbeschaffung bilden finanzinterne Daten wie Budgets, Jahresrechnungen und Cash-Flow-Rechnungen (Romeike, 2018, S. 178) wie auch Studien, Herstellerangaben, Expertenbefragungen und unternehmensinterne Daten (Wolf, 2009, S. 546). Einen entscheidenden Einfluss auf die realitätsgetreue Abbildung der Monte-Carlo-Simulation hat die Beurteilung der Eintrittswahrscheinlichkeit dieser Zahlen. Bei der Beschaffung der Daten wird ersichtlich, dass die Monte-Carlo-Simulation nur eine Annäherung darlegen kann. Um die Modellkomplexität gewissermassen zu reduzieren, müssen gewisse Annahmen getroffen werden.<br />
<br />
Durch diese Annahmen wird die Komplexität des Modells verringert, gleichzeitig aber auch die vollständige und realitätsgetreue Abbildung aller Möglichkeiten eingeschränkt (Wolf, 2009, S. 547). <br />
<br />
=== 3. Erzeugung und Transformation von Zufallsvariablen ===<br />
Als dritter Schritt werden die gesammelten Daten in eine Wahrscheinlichkeitsverteilung transformiert (Wolf, 2009, S. 547). Dazu muss für jede Zufallszahl ein Intervall abgrenzt werden, in welchem der Zufallswert liegen kann. Schliesslich muss die geeignete Verteilungsfunktion gewählt werden (Bleuel, 2006, S. 373). Abbildung 3 zeigt die häufigsten Verteilungsformen und deren Anwendung auf.<br />
<br />
[[Datei:Häufige Verteilungsformen in Monte-Carlo-Simulationen.png|miniatur|450px|Abb. 3: Häufige Verteilungsformen in Monte-Carlo-Simulationen (Bleuel, 2006, S. 373)]]<br />
<br />
Diese sind wie folgt definiert (Bleuel, 2006, S. 373):<br />
<br />
'''Normalverteilung''': Die Normalverteilung kommt zum Einsatz bei Zufallsvariablen die gleichmässig um den Mittelwert gestreut sind, sowie zur Approximierung anderer Verteilungen. Der Bezug liegt dabei bei natürlichen Merkmalen wie beispielsweise der Verteilung von Schuhgrössen. <br />
<br />
'''Dreiecksverteilung''': Handelt es sich um asymmetrische Verteilungen, welche ein Minimum-, Maximum- und Basisfall darstellen, wird die Dreiecksverteilung eingesetzt. Als Beispiel dient die Tagesabsatzprognose einer Tankstelle. <br />
<br />
'''Gleichverteilung''': Ist die Verteilungsform nicht bekannt oder können alle Werte mit der gleichen Wahrscheinlichkeit auftreten, so wird die Gleichverteilung gewählt. Diese Form der Verteilung kommt oft bei der Preisprognose von sensitiven Rohstoffen zum Einsatz. <br />
<br />
=== 4. Validierung, Beschreibung, Auswertung & Interpretation ===<br />
Als vierter Schritt wird die Simulation gemäss dem Gesetz der Grossen Zahl solange durchgeführt und wiederholt, bis aus den Simulationen stabile Verteilungen und Statistiken abgeleitet werden können (Möbius & Pallenberg, 2016, S. 18–20). Eine mögliche Entwicklung der Simulationsergebnisse zeigt die Abbildung 4. [[Datei:Szenarienanalyse mittels Monte-Carlo-Simulation.png|miniatur|350px|Abb. 4: Szenarienanalyse mittels Monte-Carlo-Simulation (Diederichs, 2017, S. 167) ]] Anschliessend erfolgt eine essenzielle Validierung. Ohne sie kann keine finale Auswertung und Interpretation der Ergebnisse aus den zuvor durchgeführten Berechnungen gewonnen werden. Ebenfalls soll Transparenz bezüglich der getroffenen Annahmen und des Berechnungsweges geschaffen werden. Ansonsten droht eine Ablehnung der Ergebnisse durch die Entscheidungsträger wegen fehlender Plausibilität und Transparenz (Wolf, 2009, S. 546). <br />
<br />
Die Auswertung und Interpretation der Simulation erfolgen in mathematischen Kennzahlen und grafischen Darstellungen. Beispiele für mathematische Kennzahlen sind Mittelwerte, Standardabweichungen oder Minimum und Maximum. Besonders geeignet für die grafische Darstellung sind Histogramme, welche die Ausprägung und Häufigkeit gruppieren und so proportional aufzeigen (Wolf, 2009, S. 547). <br />
<br />
Die getätigten Auswertungen und Interpretationen führen anschliessend im Idealfall zur Ergreifung von Massnahmen zur Risikosteuerung (Bleuel, 2006, S. 372). Computerbasierte Tools können die Rechenarbeit von Menschen übernehmen, trotzdem liegt die Validierung und Interpretation der Daten in der Verantwortung der Menschen. Dazu wird mathematisches und finanztechnisches Fachwissen benötigt (S. 376–377). <br />
<br />
== Kritische Würdigung ==<br />
In diesem Abschnitt werden die Vor- und Nachteile aufgezählt und zum Schluss noch ein zusammenfassendes Fazit abgegeben. <br />
<br />
=== Vorteile ===<br />
* Das Vorgehen scheint nachvollziehbar und verständlich (Wolke, 2016, S. 283). <br />
* Die Anzahl der Faktoren und unterschiedlichen Verteilungen, welche verwendet werden können, sind unbeschränkt (Wolke, 2016, S. 283). <br />
* Es ist möglich, mehrere Einflussgrössen mit etlichen Ausprägungsmöglichkeiten zu verwenden (Wolke, 2016, S. 283). <br />
* Die Verteilungen der Monte-Carlo-Simulation bilden die Realität besser und genauer ab als die in der Praxis gängigen Planszenarien (Wolf, 2009, S. 552). <br />
<br />
=== Nachteile ===<br />
* Damit die Simulation exakt ist, benötigt es eine ausreichende Anzahl an Szenarien, welche den Rechenaufwand erhöhen (Wolke, 2016, S. 284). <br />
* Die Beziehung zwischen den generierten Zufallszahlen ist zufällig (Wolke, 2016, S. 284). <br />
* Durch den Einsatz von unterschiedlichen Zufallsgeneratoren werden bei den verschiedenen Simulationen unterschiedliche Verteilungen der Ergebnisse und somit auch verschiedene [[Value at Risk]] erzeugt. Dadurch ist das Vergleichen der Ergebnisse nicht mehr gewährleistet. Denn der [[Value at Risk]] hängt von der verwendeten Software ab und die Genauigkeit und Transparenz sind somit nur eingeschränkt gegeben (Wolke, 2016, S. 284). <br />
* Da oftmals keine stichfesten Daten vorliegen, müssen diese geschätzt werden. Gröbere Fehler in diesen Schätzungen führen zu Verzerrungen oder sogar falschen Ergebnissen, woraus anschliessend nicht die optimalen Rückschlüsse und Entscheidungen getroffen werden können (Romeike, 2018, S. 183).<br />
* Die zugrundeliegenden Annahmen müssen nicht nur der Realität entsprechen, sie müssen auch nachvollziehbar sein und mit den Ansichten des Managements übereinstimmen. Ansonsten fehlt die Akzeptanz der Ergebnisse und die Simulation muss von neuem durchgeführt werden (Wolf, 2009, S. 552). <br />
<br />
=== Zusammenfassung Vor- und Nachteile ===<br />
Der grosse Vorteil von Monte-Carlo-Simulationen ist, dass sie als einfach anwendbare Berechnungsmethode (Romeike, 2018, S. 183), verschiedene Einzelpositionen mit unterschiedlichen Eigenschaften zu einem Gesamtbild kombiniert (Wolf, 2009, S. 552).<br />
<br />
Trotzdem sollte sie nur dann eingesetzt werden, wenn es nicht möglich ist, eine analytische Berechnung zu machen. Denn normalerweise sind analytische Methoden in Bezug auf Vergleichbarkeit, Transparenz und insbesondere Genauigkeit deutlich besser (Wolke, 2016, S. 284, Wolf, 2009, S. 552). Monte-Carlo-Simulationen haben deshalb eher in der Forschung ihren Platz, obwohl sie auch in der Praxis einen deutlichen Zusatznutzen bringen könnten (Wolf, 2009, S. 552).<br />
<br />
== Lern- und Praxismaterialien ==<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben <br />
|-<br />
|<br />
* [[ABC AG - Monte-Carlo-Simulation]]<br />
* [[Zukunmo AG - Verständnisfragen]]<br />
|}<br />
<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Bleuel, H.-H. (2006). [https://www.beck-elibrary.de/10.15358/0935-0381-2006-7-371/monte-carlo-analysen-im-risikomanagement-jahrgang-18-2006-heft-7 Monte-Carlo-Analysen im Risikomanagement mittels Software-Erweiterungen zu MS-Excel]. Controlling, 18(7), 371–378.<br />
* Diederichs, M. (2017). [https://www.beck-elibrary.de/10.15358/9783800652495-91/3-prozessschritte-des-risikomanagements?page=1 3. Prozessschritte des Risikomanagements]. In Risikomanagement und Risikocontrolling (4. Aufl., S. 91–181). Verlag Franz Vahlen GmbH. <br />
* Flath, T., Biederstedt, L. & Herlitz, A. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993815_download&client_id=hslu Mit Simulationen Mehrwerte schaffen]. Controlling & Management Review, 59(S1), 82–89. <br />
* Gleißner, W. (2017). [https://www.beck-elibrary.de/10.15358/9783800649532-243/4-risikoaggregation-gesamtrisikoumfang-und-stochastische-planung 4. Risikoaggregation, Gesamtrisikoumfang und stochastische Planung]. In Grundlagen des Risikomanagements: Mit fundierten Informationen zu besseren Entscheidungen (3. Aufl., S. 243–280). Verlag Franz Vahlen GmbH<br />
* Gleißner, W. & Wolfrum, M. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-24274-9 Risikoaggregation und Monte-Carlo-Simulation: Schlüsseltechnologie für Risikomanagement und Controlling.] Springer Fachmedien Wiesbaden.<br />
* Grisar, C. & Meyer, M. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993818_download&client_id=hslu Use of Monte Carlo simulation: An empirical study of German, Austrian and Swiss controlling departments]. Journal of Management Control, 26(2–3), 249–273. <br />
* Hager, P. (2004). Corporate Risk Management: Cash Flow at Risk und Value at Risk. Bankakademie-Verl.<br />
* Kroese, D. P. Brereton, T., Taimre, T. & Botev, Z. I. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993821_download&client_id=hslu Why the Monte Carlo method is so important today]. Wiley Interdisciplinary Reviews: Computational Statistics, 6(6), 386–392. <br />
* Möbius, C. & Pallenberg, C. (2016). [https://link.springer.com/book/10.1007%2F978-3-662-47917-9 Risikomanagement in Versicherungsunternehmen] (3. Auflage). Springer Berlin Heidelberg. <br />
* Romeike, F. (2018). [https://link.springer.com/book/10.1007%2F978-3-658-13952-0 Risikomanagement]. Springer Fachmedien Wiesbaden. <br />
* Romeike, F. & Hager, P. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-29446-5 Erfolgsfaktor Risiko-Management 4.0]. Springer Gabler. <br />
* Sartor, F.-J. & Bourauel, C. (2013). Risikomanagement kompakt: In 7 Schritten zum aggregierten Nettorisiko des Unternehmens. Oldenbourg Verlag München.<br />
* Steinhausen, D. (1994). Simulationstechniken. R. Oldenbourg. <br />
* Wolf, K. (2009). [https://www.beck-elibrary.de/10.15358/0935-0381-2009-10-545/monte-carlo-simulation-einsatz-im-rahmen-der-unternehmensplanung-jahrgang-21-2009-heft-10 Monte-Carlo-Simulation – Einsatz im Rahmen der Unternehmensplanung]. Controlling, 21(10), 545–552. <br />
* Wolke, T. (2016). Risikomanagement (3., vollständig überarbeitete, erweiterte und aktualisierte Auflage). De Gruyter Oldenbourg.<br />
<br />
=== Weiterführende Literatur ===<br />
* Buchhart, A. & Burger, A. (2002). Risiko-Controlling. München: Oldenbourg Wirtschaftsverlag.<br />
* Cottin, C. & Döhler, S. (2013). Risikoanalyse: Modellierung, Beurteilung und Management von Risiken mit Praxisbeispielen. Springer Spektrum. <br />
* Gleißner, W. & Berger, T. (2004). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993817_download&client_id=hslu Auf nach Monte Carlo: Simulationsverfahren zur Risiko‐Aggregation]. RISKNEWS, (1), 30–37.<br />
* Klatt, T. Möller, K. & Pötig, S. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993820_download&client_id=hslu Monte-Carlo-basierte Risikoaggregation und Risikoberichterstattung]. KoR: internationale und kapitalmarktorientierte Rechnungslegung, 10 (12), 644–651. <br />
* Metzger, D. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_3 Die Aggregation von Risiken bei der SAP AG]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 51–76). Springer Berlin Heidelberg. <br />
* Meyer-Aurich, A. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993822_download&client_id=hslu Monte-Carlo-Simulation in Ökobilanzen - Chancen und Grenzen.] In A. Ruckelshausen, A. Meyer-Aurich, T. Rath, G. Recke & B. Theuvsen (Hrsg.), Informatik in der Land-, Forst- und Ernährungswirtschaft 2016 (S. 125–128). Gesellschaft für Informatik. <br />
* Papp, T. & Szoboszlai, B. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_6 Einführung einer Methodik zur Risikoaggregation bei der MOL Group]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 111–129). Springer Berlin Heidelberg. <br />
* Romeike, F. (2007). Risikomanagement in Versicherungen – Ein Überblick. Wirtschaft und Management, 4(6), 7–22. <br />
* Winslow, M. (06.11.2018). Introduction to Monte-Carlo-Simulation in Excel 2016 [Video]. YouTube. https://www.youtube.com/watch?v=HwVBi--mE4M<br />
* Wolf, K. (2003). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993823_download&client_id=hslu Risikoaggregation anhand der Monte-Carlo-Simulation]. CONTROLLING – ZEITSCHRIFT FÜR ERFOLGSORIENTIERTE UNTERNEHMENSSTEUERUNG, 15(10), 565–572. <br />
* Wolf, K. & Runzheimer, B. (2003). Risikomanagement und KonTraG. Gabler Verlag.<br />
<br />
== Autoren ==<br />
Dario Rosamina, Jonathan Schmid, Anja Strebel und Pirmin Ulrich<br />
<br />
[[Kategorie:Investitionscontrolling]]<br />
[[Kategorie:Projektcontrolling]]<br />
[[Kategorie:Risikocontrolling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Monte-Carlo-Simulation&diff=16325Monte-Carlo-Simulation2021-10-13T07:56:50Z<p>Salis.Matteo: /* Monte-Carlo-Simulation am Beispiel der Unternehmensplanung (Anwendungsgebiete) */</p>
<hr />
<div>Die Monte-Carlo-Simulation ist ein Begriff aus der Stochastik und stellt ein Verfahren dar, welches zur Analyse und Beurteilung von Risiken im [[Risikocontrolling]] verwendet wird (Sartor & Bourauel, 2013, S. 77). Mithilfe dieser computerbasierten Simulationsmethode können Wahrscheinlichkeiten berechnet werden. Die Idee darin besteht, ein Experiment viele Male zu simulieren und mithilfe des Gesetzes der grossen Zahl eine Wahrscheinlichkeit zu ermitteln (Kroese et al., 2014, S. 386). Daraus entsteht eine repräsentative Anzahl möglicher Zukunftsszenarien (Gleißner & Wolfrum, 2019, S. 51). Die heute verfügbare Rechenleistung ermöglicht es, nahezu beliebig komplexe Planungsmodelle zu simulieren (Gleißner & Wolfrum, 2019, S. 25). Ihr Einsatzgebiet ist hauptsächlich im Bereich Risikomanagement, sie findet jedoch auch ihre Anwendung in anderen Gebieten wie der allgemeinen Unternehmensplanung (Grisar & Meyer, 2015, S. 262).<br />
<br />
== Begriffsdefinition ==<br />
Im Fürstentum Monaco gibt es einen Stadtteil Monte-Carlo, in welchem sich die weltbekannte Spielbank Monte-Carlo befindet (Hager, 2004, S. 145). Wie beim Roulette hängt auch bei der Monte-Carlo-Simulation alles von der Simulation von Zufallszahlen ab. Der Unterschied liegt jedoch darin, dass beim Roulette lediglich ein mechanischer Zufallsgenerator der Simulation zu Grunde liegt. Bei der Monte-Carlo-Simulation hingegen werden die Simulationen anhand mathematischer Algorithmen generiert. Die Zahlen wirken auch bei der Monte-Carlo-Simulation zufällig, sind aber in Wirklichkeit nur scheinzufällig, da sie von einem Algorithmus abhängig sind (Romeike & Hager, 2020, S. 380). Es wird deshalb angenommen, dass der Name Monte-Carlo von der weltbekannten Spielbank abstammt.<br />
<br />
== Ziele der Monte-Carlo-Simulation ==<br />
Die Monte-Carlo-Simulation, welche ihren Ursprung in den stochastischen und statistischen Methoden hat, verfolgt das primäre Ziel der experimentellen Ermittlung von Wahrscheinlichkeitsverteilungen bei Zufallsgrössen. Dabei können, basierend auf den Risikofaktoren und deren Wahrscheinlichkeitsverteilungen, unbekannte Strukturen und Verhalten simuliert werden (Sartor & Bourauel, 2013, S. 76). Damit eine plausible und praxisnahe Einschätzung des Gesamtrisikoumfangs vorgenommen werden kann, werden bei der Monte-Carlo-Simulation mehrere zukünftig mögliche Risikoszenarien kalkuliert sowie analysiert (Gleißner, 2017, S. 254). <br />
<br />
<br />
{|<br />
|- valign="bottom"<br />
|style="width:100%"|<br />
<br />
== Monte-Carlo-Simulation am Beispiel der Unternehmensplanung (Anwendungsgebiete) ==<br />
|align="right"|[[Datei:Flag_für_Strategie.png|link=Strategie|Strategie]]<br />
|}<br />
In der Unternehmensplanung müssen immer wieder Entscheidungen gefällt werden, welche grossen Einfluss auf die Zukunft des Unternehmens haben. Dabei müssen in der operativen Planung die Investitions-, Kosten- oder Absatzplanungen gemacht werden (Wolf, 2009, S. 545). Hierbei hängen viele verschiedene Komponenten zusammen, welche die Planung schwierig gestalten lassen. An dieser Stelle kommt die Monte-Carlo-Simulation ins Spiel. Mithilfe dieser lassen sich verschiedene Szenarien durchrechnen.<br />
<br />
[[Datei: Ergebnis einer Simulation in der Unternehmensplanung.png|miniatur|450px|Abb. 1: Ergebnis einer Simulation in der Unternehmensplanung (Flath et al., 2015, S. 86)]]<br />
Sie ermöglicht es, für umstrittene Variablen, wie beispielsweise den Umsatz oder einzelne Kostenpositionen, unterschiedliche Planannahmen zu treffen. Schliesslich können Ergebnisse berechnet und danach in einer konsolidierten Planung zusammengeführt werden (Wolf, 2009, S. 545). Unter Berücksichtigung von Einflussfaktoren und Korrelationen wird die Entwicklung von Planpositionen ([[Predictive Forecasting]]) berechnet (Flath et al., 2015, S. 85). Die daraus entstehenden Auswertungsmöglichkeiten sind in Abbildung 1 aufgezeigt und können die Basis für Unternehmensentscheidungen bilden. Denn dadurch erhält eine Unternehmung, unter Berücksichtigung von Chancen, Gefahren und Risiken, eine konkrete Vorstellung über die Zukunft des Unternehmens (Gleißner & Wolfrum, 2019, S. 26). <br />
<br />
Ein weiteres Beispiel ist die Auswirkung eines Wechselkursrisikos, welches nicht ein Einmaliges, sondern ein dauerhaftes Risiko ist (Gleißner, 2015). Bei der Berechnung der [[Value at Risk]] Kennzahl erfreut sich die Monte-Carlo-Simulation ebenfalls grosser Beliebtheit (Bleuel, 2006, S. 372).<br />
<br />
== Vorgehensweise ==<br />
[[Datei:Vorgehensweise der Monte-Carlo-Simulation nach Wolf.png|miniatur|450px|Abb. 2: Vorgehensweise der Monte-Carlo-Simulation nach Wolf (2009, S. 547)]]<br />
<br />
Die Durchführung einer Monte-Carlo-Simulation erfolgt in vier Schritten, welche in Abbildung 2 ersichtlich sind (Wolf, 2009, S. 547). <br />
<br />
=== 1. Problemformulierung und Definition eines Berechnungsmodels ===<br />
Als erster Schritt soll das Problem formuliert und mittels eines mathematischen Modells abgebildet werden. Beispielsweise kann das Problem eine Illiquidität sein, welche während den nächsten 12 Monaten verhindert werden soll. Es ist dabei eine grundlegende Voraussetzung, dass die folgenden drei Bestandteile vorhanden sind respektive die Informationen dazu gesammelt werden können. Ansonsten ist eine Monte-Carlo-Simulation nicht möglich (Wolf, 2009, S. 547): <br />
# Beeinflussbare und nicht-beeinflussbare Zufallszahlen (Beispiel: variable und fixe Kostenpositionen) <br />
# Wirkungszusammenhänge und Abhängigkeiten dieser Zufallszahlen (Beispiel: Preis-Absatz-Funktion) <br />
# Grundlegende Annahmen und Bedingungen (Beispiel: [[Weighted Average Cost of Capital]] (WACC))<br />
<br />
Wesentlich ist, dass dieses Modell die Maximen «Reduzieren» und «Abstrahieren» einhält (Steinhausen, 1994, S. 21). Es sollen diejenigen Zufallszahlen ausgewählt werden, welche in der Realität tatsächlich einen wesentlichen Einfluss auf die Problemstellung haben. Mit Abstrahieren ist gemeint, dass die bestehenden Beziehungen zwischen den Zufallszahlen durch geeignete Regeln wiedergegeben werden.<br />
<br />
=== 2. Informationsbeschaffung ===<br />
Die Quelle für den zweiten Schritt der Informationsbeschaffung bilden finanzinterne Daten wie Budgets, Jahresrechnungen und Cash-Flow-Rechnungen (Romeike, 2018, S. 178) wie auch Studien, Herstellerangaben, Expertenbefragungen und unternehmensinterne Daten (Wolf, 2009, S. 546). Einen entscheidenden Einfluss auf die realitätsgetreue Abbildung der Monte-Carlo-Simulation hat die Beurteilung der Eintrittswahrscheinlichkeit dieser Zahlen. Bei der Beschaffung der Daten wird ersichtlich, dass die Monte-Carlo-Simulation nur eine Annäherung darlegen kann. Um die Modellkomplexität gewissermassen zu reduzieren, müssen gewisse Annahmen getroffen werden.<br />
<br />
Durch diese Annahmen wird die Komplexität des Modells verringert, gleichzeitig aber auch die vollständige und realitätsgetreue Abbildung aller Möglichkeiten eingeschränkt (Wolf, 2009, S. 547). <br />
<br />
=== 3. Erzeugung und Transformation von Zufallsvariablen ===<br />
Als dritter Schritt werden die gesammelten Daten in eine Wahrscheinlichkeitsverteilung transformiert (Wolf, 2009, S. 547). Dazu muss für jede Zufallszahl ein Intervall abgrenzt werden, in welchem der Zufallswert liegen kann. Schliesslich muss die geeignete Verteilungsfunktion gewählt werden (Bleuel, 2006, S. 373). Abbildung 3 zeigt die häufigsten Verteilungsformen und deren Anwendung auf.<br />
<br />
[[Datei:Häufige Verteilungsformen in Monte-Carlo-Simulationen.png|miniatur|450px|Abb. 3: Häufige Verteilungsformen in Monte-Carlo-Simulationen (Bleuel, 2006, S. 373)]]<br />
<br />
Diese sind wie folgt definiert (Bleuel, 2006, S. 373):<br />
<br />
'''Normalverteilung''': Die Normalverteilung kommt zum Einsatz bei Zufallsvariablen die gleichmässig um den Mittelwert gestreut sind, sowie zur Approximierung anderer Verteilungen. Der Bezug liegt dabei bei natürlichen Merkmalen wie beispielsweise der Verteilung von Schuhgrössen. <br />
<br />
'''Dreiecksverteilung''': Handelt es sich um asymmetrische Verteilungen, welche ein Minimum-, Maximum- und Basisfall darstellen, wird die Dreiecksverteilung eingesetzt. Als Beispiel dient die Tagesabsatzprognose einer Tankstelle. <br />
<br />
'''Gleichverteilung''': Ist die Verteilungsform nicht bekannt oder können alle Werte mit der gleichen Wahrscheinlichkeit auftreten, so wird die Gleichverteilung gewählt. Diese Form der Verteilung kommt oft bei der Preisprognose von sensitiven Rohstoffen zum Einsatz. <br />
<br />
=== 4. Validierung, Beschreibung, Auswertung & Interpretation ===<br />
Als vierter Schritt wird die Simulation gemäss dem Gesetz der Grossen Zahl solange durchgeführt und wiederholt, bis aus den Simulationen stabile Verteilungen und Statistiken abgeleitet werden können (Möbius & Pallenberg, 2016, S. 18–20). Eine mögliche Entwicklung der Simulationsergebnisse zeigt die Abbildung 4. [[Datei:Szenarienanalyse mittels Monte-Carlo-Simulation.png|miniatur|350px|Abb. 4: Szenarienanalyse mittels Monte-Carlo-Simulation (Diederichs, 2017, S. 167) ]] Anschliessend erfolgt eine essenzielle Validierung. Ohne sie kann keine finale Auswertung und Interpretation der Ergebnisse aus den zuvor durchgeführten Berechnungen gewonnen werden. Ebenfalls soll Transparenz bezüglich der getroffenen Annahmen und des Berechnungsweges geschaffen werden. Ansonsten droht eine Ablehnung der Ergebnisse durch die Entscheidungsträger wegen fehlender Plausibilität und Transparenz (Wolf, 2009, S. 546). <br />
<br />
Die Auswertung und Interpretation der Simulation erfolgen in mathematischen Kennzahlen und grafischen Darstellungen. Beispiele für mathematische Kennzahlen sind Mittelwerte, Standardabweichungen oder Minimum und Maximum. Besonders geeignet für die grafische Darstellung sind Histogramme, welche die Ausprägung und Häufigkeit gruppieren und so proportional aufzeigen (Wolf, 2009, S. 547). <br />
<br />
Die getätigten Auswertungen und Interpretationen führen anschliessend im Idealfall zur Ergreifung von Massnahmen zur Risikosteuerung (Bleuel, 2006, S. 372). Computerbasierte Tools können die Rechenarbeit von Menschen übernehmen, trotzdem liegt die Validierung und Interpretation der Daten in der Verantwortung der Menschen. Dazu wird mathematisches und finanztechnisches Fachwissen benötigt (S. 376–377). <br />
<br />
== Kritische Würdigung ==<br />
In diesem Abschnitt werden die Vor- und Nachteile aufgezählt und zum Schluss noch ein zusammenfassendes Fazit abgegeben. <br />
<br />
=== Vorteile ===<br />
* Das Vorgehen scheint nachvollziehbar und verständlich (Wolke, 2016, S. 283). <br />
* Die Anzahl der Faktoren und unterschiedlichen Verteilungen, welche verwendet werden können, sind unbeschränkt (Wolke, 2016, S. 283). <br />
* Es ist möglich, mehrere Einflussgrössen mit etlichen Ausprägungsmöglichkeiten zu verwenden (Wolke, 2016, S. 283). <br />
* Die Verteilungen der Monte-Carlo-Simulation bilden die Realität besser und genauer ab als die in der Praxis gängigen Planszenarien (Wolf, 2009, S. 552). <br />
<br />
=== Nachteile ===<br />
* Damit die Simulation exakt ist, benötigt es eine ausreichende Anzahl an Szenarien, welche den Rechenaufwand erhöhen (Wolke, 2016, S. 284). <br />
* Die Beziehung zwischen den generierten Zufallszahlen ist zufällig (Wolke, 2016, S. 284). <br />
* Durch den Einsatz von unterschiedlichen Zufallsgeneratoren werden bei den verschiedenen Simulationen unterschiedliche Verteilungen der Ergebnisse und somit auch verschiedene [[Value at Risk]] erzeugt. Dadurch ist das Vergleichen der Ergebnisse nicht mehr gewährleistet. Denn der [[Value at Risk]] hängt von der verwendeten Software ab und die Genauigkeit und Transparenz sind somit nur eingeschränkt gegeben (Wolke, 2016, S. 284). <br />
* Da oftmals keine stichfesten Daten vorliegen, müssen diese geschätzt werden. Gröbere Fehler in diesen Schätzungen führen zu Verzerrungen oder sogar falschen Ergebnissen, woraus anschliessend nicht die optimalen Rückschlüsse und Entscheidungen getroffen werden können (Romeike, 2018, S. 183).<br />
* Die zugrundeliegenden Annahmen müssen nicht nur der Realität entsprechen, sie müssen auch nachvollziehbar sein und mit den Ansichten des Managements übereinstimmen. Ansonsten fehlt die Akzeptanz der Ergebnisse und die Simulation muss von neuem durchgeführt werden (Wolf, 2009, S. 552). <br />
<br />
=== Zusammenfassung Vor- und Nachteile ===<br />
Der grosse Vorteil von Monte-Carlo-Simulationen ist, dass sie als einfach anwendbare Berechnungsmethode (Romeike, 2018, S. 183), verschiedene Einzelpositionen mit unterschiedlichen Eigenschaften zu einem Gesamtbild kombiniert (Wolf, 2009, S. 552).<br />
<br />
Trotzdem sollte sie nur dann eingesetzt werden, wenn es nicht möglich ist, eine analytische Berechnung zu machen. Denn normalerweise sind analytische Methoden in Bezug auf Vergleichbarkeit, Transparenz und insbesondere Genauigkeit deutlich besser (Wolke, 2016, S. 284, Wolf, 2009, S. 552). Monte-Carlo-Simulationen haben deshalb eher in der Forschung ihren Platz, obwohl sie auch in der Praxis einen deutlichen Zusatznutzen bringen könnten (Wolf, 2009, S. 552).<br />
<br />
== Lern- und Praxismaterialien ==<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben <br />
|-<br />
|<br />
* [[ABC AG - Monte-Carlo-Simulation]]<br />
* [[Zukunmo AG - Verständnisfragen]]<br />
|}<br />
<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Bleuel, H.-H. (2006). [https://www.beck-elibrary.de/10.15358/0935-0381-2006-7-371/monte-carlo-analysen-im-risikomanagement-jahrgang-18-2006-heft-7 Monte-Carlo-Analysen im Risikomanagement mittels Software-Erweiterungen zu MS-Excel]. Controlling, 18(7), 371–378.<br />
* Diederichs, M. (2017). [https://www.beck-elibrary.de/10.15358/9783800652495-91/3-prozessschritte-des-risikomanagements?page=1 3. Prozessschritte des Risikomanagements]. In Risikomanagement und Risikocontrolling (4. Aufl., S. 91–181). Verlag Franz Vahlen GmbH. <br />
* Flath, T., Biederstedt, L. & Herlitz, A. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993815_download&client_id=hslu Mit Simulationen Mehrwerte schaffen]. Controlling & Management Review, 59(S1), 82–89. <br />
* Gleißner, W. (2017). [https://www.beck-elibrary.de/10.15358/9783800649532-243/4-risikoaggregation-gesamtrisikoumfang-und-stochastische-planung 4. Risikoaggregation, Gesamtrisikoumfang und stochastische Planung]. In Grundlagen des Risikomanagements: Mit fundierten Informationen zu besseren Entscheidungen (3. Aufl., S. 243–280). Verlag Franz Vahlen GmbH<br />
* Gleißner, W. & Wolfrum, M. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-24274-9 Risikoaggregation und Monte-Carlo-Simulation: Schlüsseltechnologie für Risikomanagement und Controlling.] Springer Fachmedien Wiesbaden.<br />
* Grisar, C. & Meyer, M. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993818_download&client_id=hslu Use of Monte Carlo simulation: An empirical study of German, Austrian and Swiss controlling departments]. Journal of Management Control, 26(2–3), 249–273. <br />
* Hager, P. (2004). Corporate Risk Management: Cash Flow at Risk und Value at Risk. Bankakademie-Verl.<br />
* Kroese, D. P. Brereton, T., Taimre, T. & Botev, Z. I. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993821_download&client_id=hslu Why the Monte Carlo method is so important today]. Wiley Interdisciplinary Reviews: Computational Statistics, 6(6), 386–392. <br />
* Möbius, C. & Pallenberg, C. (2016). [https://link.springer.com/book/10.1007%2F978-3-662-47917-9 Risikomanagement in Versicherungsunternehmen] (3. Auflage). Springer Berlin Heidelberg. <br />
* RiskNet GmbH. (ohne Datum). Monte-Carlo-Simulation. Abgerufen 6. Mai 2021, von https://www.risknet.de/wissen/rm-methoden/monte-carlo-simulation/<br />
* Romeike, F. (2018). [https://link.springer.com/book/10.1007%2F978-3-658-13952-0 Risikomanagement]. Springer Fachmedien Wiesbaden. <br />
* Romeike, F. & Hager, P. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-29446-5 Erfolgsfaktor Risiko-Management 4.0]. Springer Gabler. <br />
* Sartor, F.-J. & Bourauel, C. (2013). Risikomanagement kompakt: In 7 Schritten zum aggregierten Nettorisiko des Unternehmens. Oldenbourg Verlag München.<br />
* Steinhausen, D. (1994). Simulationstechniken. R. Oldenbourg. <br />
* Wolf, K. (2009). [https://www.beck-elibrary.de/10.15358/0935-0381-2009-10-545/monte-carlo-simulation-einsatz-im-rahmen-der-unternehmensplanung-jahrgang-21-2009-heft-10 Monte-Carlo-Simulation – Einsatz im Rahmen der Unternehmensplanung]. Controlling, 21(10), 545–552. <br />
* Wolke, T. (2016). Risikomanagement (3., vollständig überarbeitete, erweiterte und aktualisierte Auflage). De Gruyter Oldenbourg.<br />
<br />
=== Weiterführende Literatur ===<br />
* Buchhart, A. & Burger, A. (2002). Risiko-Controlling. München: Oldenbourg Wirtschaftsverlag.<br />
* Cottin, C. & Döhler, S. (2013). Risikoanalyse: Modellierung, Beurteilung und Management von Risiken mit Praxisbeispielen. Springer Spektrum. <br />
* Gleißner, W. & Berger, T. (2004). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993817_download&client_id=hslu Auf nach Monte Carlo: Simulationsverfahren zur Risiko‐Aggregation]. RISKNEWS, (1), 30–37.<br />
* Klatt, T. Möller, K. & Pötig, S. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993820_download&client_id=hslu Monte-Carlo-basierte Risikoaggregation und Risikoberichterstattung]. KoR: internationale und kapitalmarktorientierte Rechnungslegung, 10 (12), 644–651. <br />
* Metzger, D. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_3 Die Aggregation von Risiken bei der SAP AG]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 51–76). Springer Berlin Heidelberg. <br />
* Meyer-Aurich, A. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993822_download&client_id=hslu Monte-Carlo-Simulation in Ökobilanzen - Chancen und Grenzen.] In A. Ruckelshausen, A. Meyer-Aurich, T. Rath, G. Recke & B. Theuvsen (Hrsg.), Informatik in der Land-, Forst- und Ernährungswirtschaft 2016 (S. 125–128). Gesellschaft für Informatik. <br />
* Papp, T. & Szoboszlai, B. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_6 Einführung einer Methodik zur Risikoaggregation bei der MOL Group]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 111–129). Springer Berlin Heidelberg. <br />
* Romeike, F. (2007). Risikomanagement in Versicherungen – Ein Überblick. Wirtschaft und Management, 4(6), 7–22. <br />
* Winslow, M. (06.11.2018). Introduction to Monte-Carlo-Simulation in Excel 2016 [Video]. YouTube. https://www.youtube.com/watch?v=HwVBi--mE4M<br />
* Wolf, K. (2003). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993823_download&client_id=hslu Risikoaggregation anhand der Monte-Carlo-Simulation]. CONTROLLING – ZEITSCHRIFT FÜR ERFOLGSORIENTIERTE UNTERNEHMENSSTEUERUNG, 15(10), 565–572. <br />
* Wolf, K. & Runzheimer, B. (2003). Risikomanagement und KonTraG. Gabler Verlag.<br />
<br />
== Autoren ==<br />
Dario Rosamina, Jonathan Schmid, Anja Strebel und Pirmin Ulrich<br />
<br />
[[Kategorie:Investitionscontrolling]]<br />
[[Kategorie:Projektcontrolling]]<br />
[[Kategorie:Risikocontrolling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Monte-Carlo-Simulation&diff=16324Monte-Carlo-Simulation2021-10-13T07:55:34Z<p>Salis.Matteo: /* Literaturverzeichnis */</p>
<hr />
<div>Die Monte-Carlo-Simulation ist ein Begriff aus der Stochastik und stellt ein Verfahren dar, welches zur Analyse und Beurteilung von Risiken im [[Risikocontrolling]] verwendet wird (Sartor & Bourauel, 2013, S. 77). Mithilfe dieser computerbasierten Simulationsmethode können Wahrscheinlichkeiten berechnet werden. Die Idee darin besteht, ein Experiment viele Male zu simulieren und mithilfe des Gesetzes der grossen Zahl eine Wahrscheinlichkeit zu ermitteln (Kroese et al., 2014, S. 386). Daraus entsteht eine repräsentative Anzahl möglicher Zukunftsszenarien (Gleißner & Wolfrum, 2019, S. 51). Die heute verfügbare Rechenleistung ermöglicht es, nahezu beliebig komplexe Planungsmodelle zu simulieren (Gleißner & Wolfrum, 2019, S. 25). Ihr Einsatzgebiet ist hauptsächlich im Bereich Risikomanagement, sie findet jedoch auch ihre Anwendung in anderen Gebieten wie der allgemeinen Unternehmensplanung (Grisar & Meyer, 2015, S. 262).<br />
<br />
== Begriffsdefinition ==<br />
Im Fürstentum Monaco gibt es einen Stadtteil Monte-Carlo, in welchem sich die weltbekannte Spielbank Monte-Carlo befindet (Hager, 2004, S. 145). Wie beim Roulette hängt auch bei der Monte-Carlo-Simulation alles von der Simulation von Zufallszahlen ab. Der Unterschied liegt jedoch darin, dass beim Roulette lediglich ein mechanischer Zufallsgenerator der Simulation zu Grunde liegt. Bei der Monte-Carlo-Simulation hingegen werden die Simulationen anhand mathematischer Algorithmen generiert. Die Zahlen wirken auch bei der Monte-Carlo-Simulation zufällig, sind aber in Wirklichkeit nur scheinzufällig, da sie von einem Algorithmus abhängig sind (Romeike & Hager, 2020, S. 380). Es wird deshalb angenommen, dass der Name Monte-Carlo von der weltbekannten Spielbank abstammt.<br />
<br />
== Ziele der Monte-Carlo-Simulation ==<br />
Die Monte-Carlo-Simulation, welche ihren Ursprung in den stochastischen und statistischen Methoden hat, verfolgt das primäre Ziel der experimentellen Ermittlung von Wahrscheinlichkeitsverteilungen bei Zufallsgrössen. Dabei können, basierend auf den Risikofaktoren und deren Wahrscheinlichkeitsverteilungen, unbekannte Strukturen und Verhalten simuliert werden (Sartor & Bourauel, 2013, S. 76). Damit eine plausible und praxisnahe Einschätzung des Gesamtrisikoumfangs vorgenommen werden kann, werden bei der Monte-Carlo-Simulation mehrere zukünftig mögliche Risikoszenarien kalkuliert sowie analysiert (Gleißner, 2017, S. 254). <br />
<br />
<br />
{|<br />
|- valign="bottom"<br />
|style="width:100%"|<br />
<br />
== Monte-Carlo-Simulation am Beispiel der Unternehmensplanung (Anwendungsgebiete) ==<br />
|align="right"|[[Datei:Flag_für_Strategie.png|link=Strategie|Strategie]]<br />
|}<br />
In der Unternehmensplanung müssen immer wieder Entscheidungen gefällt werden, welche grossen Einfluss auf die Zukunft des Unternehmens haben. Dabei müssen in der operativen Planung die Investitions-, Kosten- oder Absatzplanungen gemacht werden (Wolf, 2009, S. 545). Hierbei hängen viele verschiedene Komponenten zusammen, welche die Planung schwierig gestalten lassen. An dieser Stelle kommt die Monte-Carlo-Simulation ins Spiel. Mithilfe dieser lassen sich verschiedene Szenarien durchrechnen.<br />
<br />
[[Datei: Ergebnis einer Simulation in der Unternehmensplanung.png|miniatur|450px|Abb. 1: Ergebnis einer Simulation in der Unternehmensplanung (Flath et al., 2015, S. 86)]]<br />
Sie ermöglicht es, für umstrittene Variablen, wie beispielsweise den Umsatz oder einzelne Kostenpositionen, unterschiedliche Planannahmen zu treffen. Schliesslich können Ergebnisse berechnet und danach in einer konsolidierten Planung zusammengeführt werden (Wolf, 2009, S. 545). Unter Berücksichtigung von Einflussfaktoren und Korrelationen wird die Entwicklung von Planpositionen ([[Predictive Forecasting]]) berechnet (Flath et al., 2015, S. 85). Die daraus entstehenden Auswertungsmöglichkeiten sind in Abbildung 1 aufgezeigt und können die Basis für Unternehmensentscheidungen bilden. Denn dadurch erhält eine Unternehmung, unter Berücksichtigung von Chancen, Gefahren und Risiken, eine konkrete Vorstellung über die Zukunft des Unternehmens (Gleißner & Wolfrum, 2019, S. 26). <br />
<br />
Zusätzliche Einsatzmöglichkeiten sind die Berechnungen von Auswirkungen bei Veränderungen von Komponenten der Produkt- und/oder Produktionskosten oder vergleichbaren Punkten des Controllings (RiskNet GmbH, online). Ein weiteres Beispiel ist die Auswirkung eines Wechselkursrisikos, welches nicht ein Einmaliges, sondern ein dauerhaftes Risiko ist (Gleißner, 2015). Bei der Berechnung der [[Value at Risk]] Kennzahl erfreut sich die Monte-Carlo-Simulation ebenfalls grosser Beliebtheit (Bleuel, 2006, S. 372).<br />
<br />
== Vorgehensweise ==<br />
[[Datei:Vorgehensweise der Monte-Carlo-Simulation nach Wolf.png|miniatur|450px|Abb. 2: Vorgehensweise der Monte-Carlo-Simulation nach Wolf (2009, S. 547)]]<br />
<br />
Die Durchführung einer Monte-Carlo-Simulation erfolgt in vier Schritten, welche in Abbildung 2 ersichtlich sind (Wolf, 2009, S. 547). <br />
<br />
=== 1. Problemformulierung und Definition eines Berechnungsmodels ===<br />
Als erster Schritt soll das Problem formuliert und mittels eines mathematischen Modells abgebildet werden. Beispielsweise kann das Problem eine Illiquidität sein, welche während den nächsten 12 Monaten verhindert werden soll. Es ist dabei eine grundlegende Voraussetzung, dass die folgenden drei Bestandteile vorhanden sind respektive die Informationen dazu gesammelt werden können. Ansonsten ist eine Monte-Carlo-Simulation nicht möglich (Wolf, 2009, S. 547): <br />
# Beeinflussbare und nicht-beeinflussbare Zufallszahlen (Beispiel: variable und fixe Kostenpositionen) <br />
# Wirkungszusammenhänge und Abhängigkeiten dieser Zufallszahlen (Beispiel: Preis-Absatz-Funktion) <br />
# Grundlegende Annahmen und Bedingungen (Beispiel: [[Weighted Average Cost of Capital]] (WACC))<br />
<br />
Wesentlich ist, dass dieses Modell die Maximen «Reduzieren» und «Abstrahieren» einhält (Steinhausen, 1994, S. 21). Es sollen diejenigen Zufallszahlen ausgewählt werden, welche in der Realität tatsächlich einen wesentlichen Einfluss auf die Problemstellung haben. Mit Abstrahieren ist gemeint, dass die bestehenden Beziehungen zwischen den Zufallszahlen durch geeignete Regeln wiedergegeben werden.<br />
<br />
=== 2. Informationsbeschaffung ===<br />
Die Quelle für den zweiten Schritt der Informationsbeschaffung bilden finanzinterne Daten wie Budgets, Jahresrechnungen und Cash-Flow-Rechnungen (Romeike, 2018, S. 178) wie auch Studien, Herstellerangaben, Expertenbefragungen und unternehmensinterne Daten (Wolf, 2009, S. 546). Einen entscheidenden Einfluss auf die realitätsgetreue Abbildung der Monte-Carlo-Simulation hat die Beurteilung der Eintrittswahrscheinlichkeit dieser Zahlen. Bei der Beschaffung der Daten wird ersichtlich, dass die Monte-Carlo-Simulation nur eine Annäherung darlegen kann. Um die Modellkomplexität gewissermassen zu reduzieren, müssen gewisse Annahmen getroffen werden.<br />
<br />
Durch diese Annahmen wird die Komplexität des Modells verringert, gleichzeitig aber auch die vollständige und realitätsgetreue Abbildung aller Möglichkeiten eingeschränkt (Wolf, 2009, S. 547). <br />
<br />
=== 3. Erzeugung und Transformation von Zufallsvariablen ===<br />
Als dritter Schritt werden die gesammelten Daten in eine Wahrscheinlichkeitsverteilung transformiert (Wolf, 2009, S. 547). Dazu muss für jede Zufallszahl ein Intervall abgrenzt werden, in welchem der Zufallswert liegen kann. Schliesslich muss die geeignete Verteilungsfunktion gewählt werden (Bleuel, 2006, S. 373). Abbildung 3 zeigt die häufigsten Verteilungsformen und deren Anwendung auf.<br />
<br />
[[Datei:Häufige Verteilungsformen in Monte-Carlo-Simulationen.png|miniatur|450px|Abb. 3: Häufige Verteilungsformen in Monte-Carlo-Simulationen (Bleuel, 2006, S. 373)]]<br />
<br />
Diese sind wie folgt definiert (Bleuel, 2006, S. 373):<br />
<br />
'''Normalverteilung''': Die Normalverteilung kommt zum Einsatz bei Zufallsvariablen die gleichmässig um den Mittelwert gestreut sind, sowie zur Approximierung anderer Verteilungen. Der Bezug liegt dabei bei natürlichen Merkmalen wie beispielsweise der Verteilung von Schuhgrössen. <br />
<br />
'''Dreiecksverteilung''': Handelt es sich um asymmetrische Verteilungen, welche ein Minimum-, Maximum- und Basisfall darstellen, wird die Dreiecksverteilung eingesetzt. Als Beispiel dient die Tagesabsatzprognose einer Tankstelle. <br />
<br />
'''Gleichverteilung''': Ist die Verteilungsform nicht bekannt oder können alle Werte mit der gleichen Wahrscheinlichkeit auftreten, so wird die Gleichverteilung gewählt. Diese Form der Verteilung kommt oft bei der Preisprognose von sensitiven Rohstoffen zum Einsatz. <br />
<br />
=== 4. Validierung, Beschreibung, Auswertung & Interpretation ===<br />
Als vierter Schritt wird die Simulation gemäss dem Gesetz der Grossen Zahl solange durchgeführt und wiederholt, bis aus den Simulationen stabile Verteilungen und Statistiken abgeleitet werden können (Möbius & Pallenberg, 2016, S. 18–20). Eine mögliche Entwicklung der Simulationsergebnisse zeigt die Abbildung 4. [[Datei:Szenarienanalyse mittels Monte-Carlo-Simulation.png|miniatur|350px|Abb. 4: Szenarienanalyse mittels Monte-Carlo-Simulation (Diederichs, 2017, S. 167) ]] Anschliessend erfolgt eine essenzielle Validierung. Ohne sie kann keine finale Auswertung und Interpretation der Ergebnisse aus den zuvor durchgeführten Berechnungen gewonnen werden. Ebenfalls soll Transparenz bezüglich der getroffenen Annahmen und des Berechnungsweges geschaffen werden. Ansonsten droht eine Ablehnung der Ergebnisse durch die Entscheidungsträger wegen fehlender Plausibilität und Transparenz (Wolf, 2009, S. 546). <br />
<br />
Die Auswertung und Interpretation der Simulation erfolgen in mathematischen Kennzahlen und grafischen Darstellungen. Beispiele für mathematische Kennzahlen sind Mittelwerte, Standardabweichungen oder Minimum und Maximum. Besonders geeignet für die grafische Darstellung sind Histogramme, welche die Ausprägung und Häufigkeit gruppieren und so proportional aufzeigen (Wolf, 2009, S. 547). <br />
<br />
Die getätigten Auswertungen und Interpretationen führen anschliessend im Idealfall zur Ergreifung von Massnahmen zur Risikosteuerung (Bleuel, 2006, S. 372). Computerbasierte Tools können die Rechenarbeit von Menschen übernehmen, trotzdem liegt die Validierung und Interpretation der Daten in der Verantwortung der Menschen. Dazu wird mathematisches und finanztechnisches Fachwissen benötigt (S. 376–377). <br />
<br />
== Kritische Würdigung ==<br />
In diesem Abschnitt werden die Vor- und Nachteile aufgezählt und zum Schluss noch ein zusammenfassendes Fazit abgegeben. <br />
<br />
=== Vorteile ===<br />
* Das Vorgehen scheint nachvollziehbar und verständlich (Wolke, 2016, S. 283). <br />
* Die Anzahl der Faktoren und unterschiedlichen Verteilungen, welche verwendet werden können, sind unbeschränkt (Wolke, 2016, S. 283). <br />
* Es ist möglich, mehrere Einflussgrössen mit etlichen Ausprägungsmöglichkeiten zu verwenden (Wolke, 2016, S. 283). <br />
* Die Verteilungen der Monte-Carlo-Simulation bilden die Realität besser und genauer ab als die in der Praxis gängigen Planszenarien (Wolf, 2009, S. 552). <br />
<br />
=== Nachteile ===<br />
* Damit die Simulation exakt ist, benötigt es eine ausreichende Anzahl an Szenarien, welche den Rechenaufwand erhöhen (Wolke, 2016, S. 284). <br />
* Die Beziehung zwischen den generierten Zufallszahlen ist zufällig (Wolke, 2016, S. 284). <br />
* Durch den Einsatz von unterschiedlichen Zufallsgeneratoren werden bei den verschiedenen Simulationen unterschiedliche Verteilungen der Ergebnisse und somit auch verschiedene [[Value at Risk]] erzeugt. Dadurch ist das Vergleichen der Ergebnisse nicht mehr gewährleistet. Denn der [[Value at Risk]] hängt von der verwendeten Software ab und die Genauigkeit und Transparenz sind somit nur eingeschränkt gegeben (Wolke, 2016, S. 284). <br />
* Da oftmals keine stichfesten Daten vorliegen, müssen diese geschätzt werden. Gröbere Fehler in diesen Schätzungen führen zu Verzerrungen oder sogar falschen Ergebnissen, woraus anschliessend nicht die optimalen Rückschlüsse und Entscheidungen getroffen werden können (Romeike, 2018, S. 183).<br />
* Die zugrundeliegenden Annahmen müssen nicht nur der Realität entsprechen, sie müssen auch nachvollziehbar sein und mit den Ansichten des Managements übereinstimmen. Ansonsten fehlt die Akzeptanz der Ergebnisse und die Simulation muss von neuem durchgeführt werden (Wolf, 2009, S. 552). <br />
<br />
=== Zusammenfassung Vor- und Nachteile ===<br />
Der grosse Vorteil von Monte-Carlo-Simulationen ist, dass sie als einfach anwendbare Berechnungsmethode (Romeike, 2018, S. 183), verschiedene Einzelpositionen mit unterschiedlichen Eigenschaften zu einem Gesamtbild kombiniert (Wolf, 2009, S. 552).<br />
<br />
Trotzdem sollte sie nur dann eingesetzt werden, wenn es nicht möglich ist, eine analytische Berechnung zu machen. Denn normalerweise sind analytische Methoden in Bezug auf Vergleichbarkeit, Transparenz und insbesondere Genauigkeit deutlich besser (Wolke, 2016, S. 284, Wolf, 2009, S. 552). Monte-Carlo-Simulationen haben deshalb eher in der Forschung ihren Platz, obwohl sie auch in der Praxis einen deutlichen Zusatznutzen bringen könnten (Wolf, 2009, S. 552).<br />
<br />
== Lern- und Praxismaterialien ==<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben <br />
|-<br />
|<br />
* [[ABC AG - Monte-Carlo-Simulation]]<br />
* [[Zukunmo AG - Verständnisfragen]]<br />
|}<br />
<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Bleuel, H.-H. (2006). [https://www.beck-elibrary.de/10.15358/0935-0381-2006-7-371/monte-carlo-analysen-im-risikomanagement-jahrgang-18-2006-heft-7 Monte-Carlo-Analysen im Risikomanagement mittels Software-Erweiterungen zu MS-Excel]. Controlling, 18(7), 371–378.<br />
* Diederichs, M. (2017). [https://www.beck-elibrary.de/10.15358/9783800652495-91/3-prozessschritte-des-risikomanagements?page=1 3. Prozessschritte des Risikomanagements]. In Risikomanagement und Risikocontrolling (4. Aufl., S. 91–181). Verlag Franz Vahlen GmbH. <br />
* Flath, T., Biederstedt, L. & Herlitz, A. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993815_download&client_id=hslu Mit Simulationen Mehrwerte schaffen]. Controlling & Management Review, 59(S1), 82–89. <br />
* Gleißner, W. (2017). [https://www.beck-elibrary.de/10.15358/9783800649532-243/4-risikoaggregation-gesamtrisikoumfang-und-stochastische-planung 4. Risikoaggregation, Gesamtrisikoumfang und stochastische Planung]. In Grundlagen des Risikomanagements: Mit fundierten Informationen zu besseren Entscheidungen (3. Aufl., S. 243–280). Verlag Franz Vahlen GmbH<br />
* Gleißner, W. & Wolfrum, M. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-24274-9 Risikoaggregation und Monte-Carlo-Simulation: Schlüsseltechnologie für Risikomanagement und Controlling.] Springer Fachmedien Wiesbaden.<br />
* Grisar, C. & Meyer, M. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993818_download&client_id=hslu Use of Monte Carlo simulation: An empirical study of German, Austrian and Swiss controlling departments]. Journal of Management Control, 26(2–3), 249–273. <br />
* Hager, P. (2004). Corporate Risk Management: Cash Flow at Risk und Value at Risk. Bankakademie-Verl.<br />
* Kroese, D. P. Brereton, T., Taimre, T. & Botev, Z. I. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993821_download&client_id=hslu Why the Monte Carlo method is so important today]. Wiley Interdisciplinary Reviews: Computational Statistics, 6(6), 386–392. <br />
* Möbius, C. & Pallenberg, C. (2016). [https://link.springer.com/book/10.1007%2F978-3-662-47917-9 Risikomanagement in Versicherungsunternehmen] (3. Auflage). Springer Berlin Heidelberg. <br />
* RiskNet GmbH. (ohne Datum). Monte-Carlo-Simulation. Abgerufen 6. Mai 2021, von https://www.risknet.de/wissen/rm-methoden/monte-carlo-simulation/<br />
* Romeike, F. (2018). [https://link.springer.com/book/10.1007%2F978-3-658-13952-0 Risikomanagement]. Springer Fachmedien Wiesbaden. <br />
* Romeike, F. & Hager, P. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-29446-5 Erfolgsfaktor Risiko-Management 4.0]. Springer Gabler. <br />
* Sartor, F.-J. & Bourauel, C. (2013). Risikomanagement kompakt: In 7 Schritten zum aggregierten Nettorisiko des Unternehmens. Oldenbourg Verlag München.<br />
* Steinhausen, D. (1994). Simulationstechniken. R. Oldenbourg. <br />
* Wolf, K. (2009). [https://www.beck-elibrary.de/10.15358/0935-0381-2009-10-545/monte-carlo-simulation-einsatz-im-rahmen-der-unternehmensplanung-jahrgang-21-2009-heft-10 Monte-Carlo-Simulation – Einsatz im Rahmen der Unternehmensplanung]. Controlling, 21(10), 545–552. <br />
* Wolke, T. (2016). Risikomanagement (3., vollständig überarbeitete, erweiterte und aktualisierte Auflage). De Gruyter Oldenbourg.<br />
<br />
=== Weiterführende Literatur ===<br />
* Buchhart, A. & Burger, A. (2002). Risiko-Controlling. München: Oldenbourg Wirtschaftsverlag.<br />
* Cottin, C. & Döhler, S. (2013). Risikoanalyse: Modellierung, Beurteilung und Management von Risiken mit Praxisbeispielen. Springer Spektrum. <br />
* Gleißner, W. & Berger, T. (2004). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993817_download&client_id=hslu Auf nach Monte Carlo: Simulationsverfahren zur Risiko‐Aggregation]. RISKNEWS, (1), 30–37.<br />
* Klatt, T. Möller, K. & Pötig, S. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993820_download&client_id=hslu Monte-Carlo-basierte Risikoaggregation und Risikoberichterstattung]. KoR: internationale und kapitalmarktorientierte Rechnungslegung, 10 (12), 644–651. <br />
* Metzger, D. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_3 Die Aggregation von Risiken bei der SAP AG]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 51–76). Springer Berlin Heidelberg. <br />
* Meyer-Aurich, A. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993822_download&client_id=hslu Monte-Carlo-Simulation in Ökobilanzen - Chancen und Grenzen.] In A. Ruckelshausen, A. Meyer-Aurich, T. Rath, G. Recke & B. Theuvsen (Hrsg.), Informatik in der Land-, Forst- und Ernährungswirtschaft 2016 (S. 125–128). Gesellschaft für Informatik. <br />
* Papp, T. & Szoboszlai, B. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_6 Einführung einer Methodik zur Risikoaggregation bei der MOL Group]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 111–129). Springer Berlin Heidelberg. <br />
* Romeike, F. (2007). Risikomanagement in Versicherungen – Ein Überblick. Wirtschaft und Management, 4(6), 7–22. <br />
* Winslow, M. (06.11.2018). Introduction to Monte-Carlo-Simulation in Excel 2016 [Video]. YouTube. https://www.youtube.com/watch?v=HwVBi--mE4M<br />
* Wolf, K. (2003). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993823_download&client_id=hslu Risikoaggregation anhand der Monte-Carlo-Simulation]. CONTROLLING – ZEITSCHRIFT FÜR ERFOLGSORIENTIERTE UNTERNEHMENSSTEUERUNG, 15(10), 565–572. <br />
* Wolf, K. & Runzheimer, B. (2003). Risikomanagement und KonTraG. Gabler Verlag.<br />
<br />
== Autoren ==<br />
Dario Rosamina, Jonathan Schmid, Anja Strebel und Pirmin Ulrich<br />
<br />
[[Kategorie:Investitionscontrolling]]<br />
[[Kategorie:Projektcontrolling]]<br />
[[Kategorie:Risikocontrolling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Monte-Carlo-Simulation&diff=16323Monte-Carlo-Simulation2021-10-13T07:54:53Z<p>Salis.Matteo: /* Ziele der Monte-Carlo-Simulation */</p>
<hr />
<div>Die Monte-Carlo-Simulation ist ein Begriff aus der Stochastik und stellt ein Verfahren dar, welches zur Analyse und Beurteilung von Risiken im [[Risikocontrolling]] verwendet wird (Sartor & Bourauel, 2013, S. 77). Mithilfe dieser computerbasierten Simulationsmethode können Wahrscheinlichkeiten berechnet werden. Die Idee darin besteht, ein Experiment viele Male zu simulieren und mithilfe des Gesetzes der grossen Zahl eine Wahrscheinlichkeit zu ermitteln (Kroese et al., 2014, S. 386). Daraus entsteht eine repräsentative Anzahl möglicher Zukunftsszenarien (Gleißner & Wolfrum, 2019, S. 51). Die heute verfügbare Rechenleistung ermöglicht es, nahezu beliebig komplexe Planungsmodelle zu simulieren (Gleißner & Wolfrum, 2019, S. 25). Ihr Einsatzgebiet ist hauptsächlich im Bereich Risikomanagement, sie findet jedoch auch ihre Anwendung in anderen Gebieten wie der allgemeinen Unternehmensplanung (Grisar & Meyer, 2015, S. 262).<br />
<br />
== Begriffsdefinition ==<br />
Im Fürstentum Monaco gibt es einen Stadtteil Monte-Carlo, in welchem sich die weltbekannte Spielbank Monte-Carlo befindet (Hager, 2004, S. 145). Wie beim Roulette hängt auch bei der Monte-Carlo-Simulation alles von der Simulation von Zufallszahlen ab. Der Unterschied liegt jedoch darin, dass beim Roulette lediglich ein mechanischer Zufallsgenerator der Simulation zu Grunde liegt. Bei der Monte-Carlo-Simulation hingegen werden die Simulationen anhand mathematischer Algorithmen generiert. Die Zahlen wirken auch bei der Monte-Carlo-Simulation zufällig, sind aber in Wirklichkeit nur scheinzufällig, da sie von einem Algorithmus abhängig sind (Romeike & Hager, 2020, S. 380). Es wird deshalb angenommen, dass der Name Monte-Carlo von der weltbekannten Spielbank abstammt.<br />
<br />
== Ziele der Monte-Carlo-Simulation ==<br />
Die Monte-Carlo-Simulation, welche ihren Ursprung in den stochastischen und statistischen Methoden hat, verfolgt das primäre Ziel der experimentellen Ermittlung von Wahrscheinlichkeitsverteilungen bei Zufallsgrössen. Dabei können, basierend auf den Risikofaktoren und deren Wahrscheinlichkeitsverteilungen, unbekannte Strukturen und Verhalten simuliert werden (Sartor & Bourauel, 2013, S. 76). Damit eine plausible und praxisnahe Einschätzung des Gesamtrisikoumfangs vorgenommen werden kann, werden bei der Monte-Carlo-Simulation mehrere zukünftig mögliche Risikoszenarien kalkuliert sowie analysiert (Gleißner, 2017, S. 254). <br />
<br />
<br />
{|<br />
|- valign="bottom"<br />
|style="width:100%"|<br />
<br />
== Monte-Carlo-Simulation am Beispiel der Unternehmensplanung (Anwendungsgebiete) ==<br />
|align="right"|[[Datei:Flag_für_Strategie.png|link=Strategie|Strategie]]<br />
|}<br />
In der Unternehmensplanung müssen immer wieder Entscheidungen gefällt werden, welche grossen Einfluss auf die Zukunft des Unternehmens haben. Dabei müssen in der operativen Planung die Investitions-, Kosten- oder Absatzplanungen gemacht werden (Wolf, 2009, S. 545). Hierbei hängen viele verschiedene Komponenten zusammen, welche die Planung schwierig gestalten lassen. An dieser Stelle kommt die Monte-Carlo-Simulation ins Spiel. Mithilfe dieser lassen sich verschiedene Szenarien durchrechnen.<br />
<br />
[[Datei: Ergebnis einer Simulation in der Unternehmensplanung.png|miniatur|450px|Abb. 1: Ergebnis einer Simulation in der Unternehmensplanung (Flath et al., 2015, S. 86)]]<br />
Sie ermöglicht es, für umstrittene Variablen, wie beispielsweise den Umsatz oder einzelne Kostenpositionen, unterschiedliche Planannahmen zu treffen. Schliesslich können Ergebnisse berechnet und danach in einer konsolidierten Planung zusammengeführt werden (Wolf, 2009, S. 545). Unter Berücksichtigung von Einflussfaktoren und Korrelationen wird die Entwicklung von Planpositionen ([[Predictive Forecasting]]) berechnet (Flath et al., 2015, S. 85). Die daraus entstehenden Auswertungsmöglichkeiten sind in Abbildung 1 aufgezeigt und können die Basis für Unternehmensentscheidungen bilden. Denn dadurch erhält eine Unternehmung, unter Berücksichtigung von Chancen, Gefahren und Risiken, eine konkrete Vorstellung über die Zukunft des Unternehmens (Gleißner & Wolfrum, 2019, S. 26). <br />
<br />
Zusätzliche Einsatzmöglichkeiten sind die Berechnungen von Auswirkungen bei Veränderungen von Komponenten der Produkt- und/oder Produktionskosten oder vergleichbaren Punkten des Controllings (RiskNet GmbH, online). Ein weiteres Beispiel ist die Auswirkung eines Wechselkursrisikos, welches nicht ein Einmaliges, sondern ein dauerhaftes Risiko ist (Gleißner, 2015). Bei der Berechnung der [[Value at Risk]] Kennzahl erfreut sich die Monte-Carlo-Simulation ebenfalls grosser Beliebtheit (Bleuel, 2006, S. 372).<br />
<br />
== Vorgehensweise ==<br />
[[Datei:Vorgehensweise der Monte-Carlo-Simulation nach Wolf.png|miniatur|450px|Abb. 2: Vorgehensweise der Monte-Carlo-Simulation nach Wolf (2009, S. 547)]]<br />
<br />
Die Durchführung einer Monte-Carlo-Simulation erfolgt in vier Schritten, welche in Abbildung 2 ersichtlich sind (Wolf, 2009, S. 547). <br />
<br />
=== 1. Problemformulierung und Definition eines Berechnungsmodels ===<br />
Als erster Schritt soll das Problem formuliert und mittels eines mathematischen Modells abgebildet werden. Beispielsweise kann das Problem eine Illiquidität sein, welche während den nächsten 12 Monaten verhindert werden soll. Es ist dabei eine grundlegende Voraussetzung, dass die folgenden drei Bestandteile vorhanden sind respektive die Informationen dazu gesammelt werden können. Ansonsten ist eine Monte-Carlo-Simulation nicht möglich (Wolf, 2009, S. 547): <br />
# Beeinflussbare und nicht-beeinflussbare Zufallszahlen (Beispiel: variable und fixe Kostenpositionen) <br />
# Wirkungszusammenhänge und Abhängigkeiten dieser Zufallszahlen (Beispiel: Preis-Absatz-Funktion) <br />
# Grundlegende Annahmen und Bedingungen (Beispiel: [[Weighted Average Cost of Capital]] (WACC))<br />
<br />
Wesentlich ist, dass dieses Modell die Maximen «Reduzieren» und «Abstrahieren» einhält (Steinhausen, 1994, S. 21). Es sollen diejenigen Zufallszahlen ausgewählt werden, welche in der Realität tatsächlich einen wesentlichen Einfluss auf die Problemstellung haben. Mit Abstrahieren ist gemeint, dass die bestehenden Beziehungen zwischen den Zufallszahlen durch geeignete Regeln wiedergegeben werden.<br />
<br />
=== 2. Informationsbeschaffung ===<br />
Die Quelle für den zweiten Schritt der Informationsbeschaffung bilden finanzinterne Daten wie Budgets, Jahresrechnungen und Cash-Flow-Rechnungen (Romeike, 2018, S. 178) wie auch Studien, Herstellerangaben, Expertenbefragungen und unternehmensinterne Daten (Wolf, 2009, S. 546). Einen entscheidenden Einfluss auf die realitätsgetreue Abbildung der Monte-Carlo-Simulation hat die Beurteilung der Eintrittswahrscheinlichkeit dieser Zahlen. Bei der Beschaffung der Daten wird ersichtlich, dass die Monte-Carlo-Simulation nur eine Annäherung darlegen kann. Um die Modellkomplexität gewissermassen zu reduzieren, müssen gewisse Annahmen getroffen werden.<br />
<br />
Durch diese Annahmen wird die Komplexität des Modells verringert, gleichzeitig aber auch die vollständige und realitätsgetreue Abbildung aller Möglichkeiten eingeschränkt (Wolf, 2009, S. 547). <br />
<br />
=== 3. Erzeugung und Transformation von Zufallsvariablen ===<br />
Als dritter Schritt werden die gesammelten Daten in eine Wahrscheinlichkeitsverteilung transformiert (Wolf, 2009, S. 547). Dazu muss für jede Zufallszahl ein Intervall abgrenzt werden, in welchem der Zufallswert liegen kann. Schliesslich muss die geeignete Verteilungsfunktion gewählt werden (Bleuel, 2006, S. 373). Abbildung 3 zeigt die häufigsten Verteilungsformen und deren Anwendung auf.<br />
<br />
[[Datei:Häufige Verteilungsformen in Monte-Carlo-Simulationen.png|miniatur|450px|Abb. 3: Häufige Verteilungsformen in Monte-Carlo-Simulationen (Bleuel, 2006, S. 373)]]<br />
<br />
Diese sind wie folgt definiert (Bleuel, 2006, S. 373):<br />
<br />
'''Normalverteilung''': Die Normalverteilung kommt zum Einsatz bei Zufallsvariablen die gleichmässig um den Mittelwert gestreut sind, sowie zur Approximierung anderer Verteilungen. Der Bezug liegt dabei bei natürlichen Merkmalen wie beispielsweise der Verteilung von Schuhgrössen. <br />
<br />
'''Dreiecksverteilung''': Handelt es sich um asymmetrische Verteilungen, welche ein Minimum-, Maximum- und Basisfall darstellen, wird die Dreiecksverteilung eingesetzt. Als Beispiel dient die Tagesabsatzprognose einer Tankstelle. <br />
<br />
'''Gleichverteilung''': Ist die Verteilungsform nicht bekannt oder können alle Werte mit der gleichen Wahrscheinlichkeit auftreten, so wird die Gleichverteilung gewählt. Diese Form der Verteilung kommt oft bei der Preisprognose von sensitiven Rohstoffen zum Einsatz. <br />
<br />
=== 4. Validierung, Beschreibung, Auswertung & Interpretation ===<br />
Als vierter Schritt wird die Simulation gemäss dem Gesetz der Grossen Zahl solange durchgeführt und wiederholt, bis aus den Simulationen stabile Verteilungen und Statistiken abgeleitet werden können (Möbius & Pallenberg, 2016, S. 18–20). Eine mögliche Entwicklung der Simulationsergebnisse zeigt die Abbildung 4. [[Datei:Szenarienanalyse mittels Monte-Carlo-Simulation.png|miniatur|350px|Abb. 4: Szenarienanalyse mittels Monte-Carlo-Simulation (Diederichs, 2017, S. 167) ]] Anschliessend erfolgt eine essenzielle Validierung. Ohne sie kann keine finale Auswertung und Interpretation der Ergebnisse aus den zuvor durchgeführten Berechnungen gewonnen werden. Ebenfalls soll Transparenz bezüglich der getroffenen Annahmen und des Berechnungsweges geschaffen werden. Ansonsten droht eine Ablehnung der Ergebnisse durch die Entscheidungsträger wegen fehlender Plausibilität und Transparenz (Wolf, 2009, S. 546). <br />
<br />
Die Auswertung und Interpretation der Simulation erfolgen in mathematischen Kennzahlen und grafischen Darstellungen. Beispiele für mathematische Kennzahlen sind Mittelwerte, Standardabweichungen oder Minimum und Maximum. Besonders geeignet für die grafische Darstellung sind Histogramme, welche die Ausprägung und Häufigkeit gruppieren und so proportional aufzeigen (Wolf, 2009, S. 547). <br />
<br />
Die getätigten Auswertungen und Interpretationen führen anschliessend im Idealfall zur Ergreifung von Massnahmen zur Risikosteuerung (Bleuel, 2006, S. 372). Computerbasierte Tools können die Rechenarbeit von Menschen übernehmen, trotzdem liegt die Validierung und Interpretation der Daten in der Verantwortung der Menschen. Dazu wird mathematisches und finanztechnisches Fachwissen benötigt (S. 376–377). <br />
<br />
== Kritische Würdigung ==<br />
In diesem Abschnitt werden die Vor- und Nachteile aufgezählt und zum Schluss noch ein zusammenfassendes Fazit abgegeben. <br />
<br />
=== Vorteile ===<br />
* Das Vorgehen scheint nachvollziehbar und verständlich (Wolke, 2016, S. 283). <br />
* Die Anzahl der Faktoren und unterschiedlichen Verteilungen, welche verwendet werden können, sind unbeschränkt (Wolke, 2016, S. 283). <br />
* Es ist möglich, mehrere Einflussgrössen mit etlichen Ausprägungsmöglichkeiten zu verwenden (Wolke, 2016, S. 283). <br />
* Die Verteilungen der Monte-Carlo-Simulation bilden die Realität besser und genauer ab als die in der Praxis gängigen Planszenarien (Wolf, 2009, S. 552). <br />
<br />
=== Nachteile ===<br />
* Damit die Simulation exakt ist, benötigt es eine ausreichende Anzahl an Szenarien, welche den Rechenaufwand erhöhen (Wolke, 2016, S. 284). <br />
* Die Beziehung zwischen den generierten Zufallszahlen ist zufällig (Wolke, 2016, S. 284). <br />
* Durch den Einsatz von unterschiedlichen Zufallsgeneratoren werden bei den verschiedenen Simulationen unterschiedliche Verteilungen der Ergebnisse und somit auch verschiedene [[Value at Risk]] erzeugt. Dadurch ist das Vergleichen der Ergebnisse nicht mehr gewährleistet. Denn der [[Value at Risk]] hängt von der verwendeten Software ab und die Genauigkeit und Transparenz sind somit nur eingeschränkt gegeben (Wolke, 2016, S. 284). <br />
* Da oftmals keine stichfesten Daten vorliegen, müssen diese geschätzt werden. Gröbere Fehler in diesen Schätzungen führen zu Verzerrungen oder sogar falschen Ergebnissen, woraus anschliessend nicht die optimalen Rückschlüsse und Entscheidungen getroffen werden können (Romeike, 2018, S. 183).<br />
* Die zugrundeliegenden Annahmen müssen nicht nur der Realität entsprechen, sie müssen auch nachvollziehbar sein und mit den Ansichten des Managements übereinstimmen. Ansonsten fehlt die Akzeptanz der Ergebnisse und die Simulation muss von neuem durchgeführt werden (Wolf, 2009, S. 552). <br />
<br />
=== Zusammenfassung Vor- und Nachteile ===<br />
Der grosse Vorteil von Monte-Carlo-Simulationen ist, dass sie als einfach anwendbare Berechnungsmethode (Romeike, 2018, S. 183), verschiedene Einzelpositionen mit unterschiedlichen Eigenschaften zu einem Gesamtbild kombiniert (Wolf, 2009, S. 552).<br />
<br />
Trotzdem sollte sie nur dann eingesetzt werden, wenn es nicht möglich ist, eine analytische Berechnung zu machen. Denn normalerweise sind analytische Methoden in Bezug auf Vergleichbarkeit, Transparenz und insbesondere Genauigkeit deutlich besser (Wolke, 2016, S. 284, Wolf, 2009, S. 552). Monte-Carlo-Simulationen haben deshalb eher in der Forschung ihren Platz, obwohl sie auch in der Praxis einen deutlichen Zusatznutzen bringen könnten (Wolf, 2009, S. 552).<br />
<br />
== Lern- und Praxismaterialien ==<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben <br />
|-<br />
|<br />
* [[ABC AG - Monte-Carlo-Simulation]]<br />
* [[Zukunmo AG - Verständnisfragen]]<br />
|}<br />
<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Bleuel, H.-H. (2006). [https://www.beck-elibrary.de/10.15358/0935-0381-2006-7-371/monte-carlo-analysen-im-risikomanagement-jahrgang-18-2006-heft-7 Monte-Carlo-Analysen im Risikomanagement mittels Software-Erweiterungen zu MS-Excel]. Controlling, 18(7), 371–378.<br />
* Diederichs, M. (2017). [https://www.beck-elibrary.de/10.15358/9783800652495-91/3-prozessschritte-des-risikomanagements?page=1 3. Prozessschritte des Risikomanagements]. In Risikomanagement und Risikocontrolling (4. Aufl., S. 91–181). Verlag Franz Vahlen GmbH. <br />
* Flath, T., Biederstedt, L. & Herlitz, A. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993815_download&client_id=hslu Mit Simulationen Mehrwerte schaffen]. Controlling & Management Review, 59(S1), 82–89. <br />
* Gleißner, W. (2017). [https://www.beck-elibrary.de/10.15358/9783800649532-243/4-risikoaggregation-gesamtrisikoumfang-und-stochastische-planung 4. Risikoaggregation, Gesamtrisikoumfang und stochastische Planung]. In Grundlagen des Risikomanagements: Mit fundierten Informationen zu besseren Entscheidungen (3. Aufl., S. 243–280). Verlag Franz Vahlen GmbH<br />
* Gleißner, W. & Wolfrum, M. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-24274-9 Risikoaggregation und Monte-Carlo-Simulation: Schlüsseltechnologie für Risikomanagement und Controlling.] Springer Fachmedien Wiesbaden.<br />
* Grisar, C. & Meyer, M. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993818_download&client_id=hslu Use of Monte Carlo simulation: An empirical study of German, Austrian and Swiss controlling departments]. Journal of Management Control, 26(2–3), 249–273. <br />
* Hager, P. (2004). Corporate Risk Management: Cash Flow at Risk und Value at Risk. Bankakademie-Verl.<br />
* Kroese, D. P. Brereton, T., Taimre, T. & Botev, Z. I. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993821_download&client_id=hslu Why the Monte Carlo method is so important today]. Wiley Interdisciplinary Reviews: Computational Statistics, 6(6), 386–392. <br />
* Möbius, C. & Pallenberg, C. (2016). [https://link.springer.com/book/10.1007%2F978-3-662-47917-9 Risikomanagement in Versicherungsunternehmen] (3. Auflage). Springer Berlin Heidelberg. <br />
* Palisade. (ohne Datum). Was ist Monte Carlo-Simulation? - Palisade Corporation. Abgerufen am 15.03.2021 von https://www.palisade.com/risk/de/monte_carlo_simulation.asp<br />
* RiskNet GmbH. (ohne Datum). Monte-Carlo-Simulation. Abgerufen 6. Mai 2021, von https://www.risknet.de/wissen/rm-methoden/monte-carlo-simulation/<br />
* Romeike, F. (2018). [https://link.springer.com/book/10.1007%2F978-3-658-13952-0 Risikomanagement]. Springer Fachmedien Wiesbaden. <br />
* Romeike, F. & Hager, P. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-29446-5 Erfolgsfaktor Risiko-Management 4.0]. Springer Gabler. <br />
* Sartor, F.-J. & Bourauel, C. (2013). Risikomanagement kompakt: In 7 Schritten zum aggregierten Nettorisiko des Unternehmens. Oldenbourg Verlag München.<br />
* Steinhausen, D. (1994). Simulationstechniken. R. Oldenbourg. <br />
* Wolf, K. (2009). [https://www.beck-elibrary.de/10.15358/0935-0381-2009-10-545/monte-carlo-simulation-einsatz-im-rahmen-der-unternehmensplanung-jahrgang-21-2009-heft-10 Monte-Carlo-Simulation – Einsatz im Rahmen der Unternehmensplanung]. Controlling, 21(10), 545–552. <br />
* Wolke, T. (2016). Risikomanagement (3., vollständig überarbeitete, erweiterte und aktualisierte Auflage). De Gruyter Oldenbourg.<br />
<br />
=== Weiterführende Literatur ===<br />
* Buchhart, A. & Burger, A. (2002). Risiko-Controlling. München: Oldenbourg Wirtschaftsverlag.<br />
* Cottin, C. & Döhler, S. (2013). Risikoanalyse: Modellierung, Beurteilung und Management von Risiken mit Praxisbeispielen. Springer Spektrum. <br />
* Gleißner, W. & Berger, T. (2004). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993817_download&client_id=hslu Auf nach Monte Carlo: Simulationsverfahren zur Risiko‐Aggregation]. RISKNEWS, (1), 30–37.<br />
* Klatt, T. Möller, K. & Pötig, S. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993820_download&client_id=hslu Monte-Carlo-basierte Risikoaggregation und Risikoberichterstattung]. KoR: internationale und kapitalmarktorientierte Rechnungslegung, 10 (12), 644–651. <br />
* Metzger, D. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_3 Die Aggregation von Risiken bei der SAP AG]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 51–76). Springer Berlin Heidelberg. <br />
* Meyer-Aurich, A. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993822_download&client_id=hslu Monte-Carlo-Simulation in Ökobilanzen - Chancen und Grenzen.] In A. Ruckelshausen, A. Meyer-Aurich, T. Rath, G. Recke & B. Theuvsen (Hrsg.), Informatik in der Land-, Forst- und Ernährungswirtschaft 2016 (S. 125–128). Gesellschaft für Informatik. <br />
* Papp, T. & Szoboszlai, B. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_6 Einführung einer Methodik zur Risikoaggregation bei der MOL Group]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 111–129). Springer Berlin Heidelberg. <br />
* Romeike, F. (2007). Risikomanagement in Versicherungen – Ein Überblick. Wirtschaft und Management, 4(6), 7–22. <br />
* Winslow, M. (06.11.2018). Introduction to Monte-Carlo-Simulation in Excel 2016 [Video]. YouTube. https://www.youtube.com/watch?v=HwVBi--mE4M<br />
* Wolf, K. (2003). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993823_download&client_id=hslu Risikoaggregation anhand der Monte-Carlo-Simulation]. CONTROLLING – ZEITSCHRIFT FÜR ERFOLGSORIENTIERTE UNTERNEHMENSSTEUERUNG, 15(10), 565–572. <br />
* Wolf, K. & Runzheimer, B. (2003). Risikomanagement und KonTraG. Gabler Verlag.<br />
<br />
== Autoren ==<br />
Dario Rosamina, Jonathan Schmid, Anja Strebel und Pirmin Ulrich<br />
<br />
[[Kategorie:Investitionscontrolling]]<br />
[[Kategorie:Projektcontrolling]]<br />
[[Kategorie:Risikocontrolling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Monte-Carlo-Simulation&diff=16322Monte-Carlo-Simulation2021-10-13T07:53:11Z<p>Salis.Matteo: /* Literaturverzeichnis */</p>
<hr />
<div>Die Monte-Carlo-Simulation ist ein Begriff aus der Stochastik und stellt ein Verfahren dar, welches zur Analyse und Beurteilung von Risiken im [[Risikocontrolling]] verwendet wird (Sartor & Bourauel, 2013, S. 77). Mithilfe dieser computerbasierten Simulationsmethode können Wahrscheinlichkeiten berechnet werden. Die Idee darin besteht, ein Experiment viele Male zu simulieren und mithilfe des Gesetzes der grossen Zahl eine Wahrscheinlichkeit zu ermitteln (Kroese et al., 2014, S. 386). Daraus entsteht eine repräsentative Anzahl möglicher Zukunftsszenarien (Gleißner & Wolfrum, 2019, S. 51). Die heute verfügbare Rechenleistung ermöglicht es, nahezu beliebig komplexe Planungsmodelle zu simulieren (Gleißner & Wolfrum, 2019, S. 25). Ihr Einsatzgebiet ist hauptsächlich im Bereich Risikomanagement, sie findet jedoch auch ihre Anwendung in anderen Gebieten wie der allgemeinen Unternehmensplanung (Grisar & Meyer, 2015, S. 262).<br />
<br />
== Begriffsdefinition ==<br />
Im Fürstentum Monaco gibt es einen Stadtteil Monte-Carlo, in welchem sich die weltbekannte Spielbank Monte-Carlo befindet (Hager, 2004, S. 145). Wie beim Roulette hängt auch bei der Monte-Carlo-Simulation alles von der Simulation von Zufallszahlen ab. Der Unterschied liegt jedoch darin, dass beim Roulette lediglich ein mechanischer Zufallsgenerator der Simulation zu Grunde liegt. Bei der Monte-Carlo-Simulation hingegen werden die Simulationen anhand mathematischer Algorithmen generiert. Die Zahlen wirken auch bei der Monte-Carlo-Simulation zufällig, sind aber in Wirklichkeit nur scheinzufällig, da sie von einem Algorithmus abhängig sind (Romeike & Hager, 2020, S. 380). Es wird deshalb angenommen, dass der Name Monte-Carlo von der weltbekannten Spielbank abstammt.<br />
<br />
== Ziele der Monte-Carlo-Simulation ==<br />
Die Monte-Carlo-Simulation, welche ihren Ursprung in den stochastischen und statistischen Methoden hat, verfolgt das primäre Ziel der experimentellen Ermittlung von Wahrscheinlichkeitsverteilungen bei Zufallsgrössen. Dabei können, basierend auf den Risikofaktoren und deren Wahrscheinlichkeitsverteilungen, unbekannte Strukturen und Verhalten simuliert werden (Sartor & Bourauel, 2013, S. 76). Damit eine plausible und praxisnahe Einschätzung des Gesamtrisikoumfangs vorgenommen werden kann, werden bei der Monte-Carlo-Simulation mehrere zukünftig mögliche Risikoszenarien kalkuliert sowie analysiert (Gleißner, 2017, S. 254). <br />
<br />
Der Auftraggeber der Monte-Carlo-Simulation hat dabei die Möglichkeit, anhand der Simulation zu erkennen, mit welcher Auftretenswahrscheinlichkeit die Ergebnisse aus zuvor getroffenen Handlungsweisen erfolgen. Es wird also aufgezeigt, was passieren könnte, wenn eine sehr riskante oder eine sehr konservative Entscheidung getroffen wird. Das Instrument bietet den Vorteil, dass nicht zwangsweise nur Extrementscheidungen gemessen werden können, sondern auch die möglichen Konsequenzen aus moderaten Entscheidungen miteinfliessen (Palisade, online).<br />
<br />
{|<br />
|- valign="bottom"<br />
|style="width:100%"|<br />
== Monte-Carlo-Simulation am Beispiel der Unternehmensplanung (Anwendungsgebiete) ==<br />
|align="right"|[[Datei:Flag_für_Strategie.png|link=Strategie|Strategie]]<br />
|}<br />
In der Unternehmensplanung müssen immer wieder Entscheidungen gefällt werden, welche grossen Einfluss auf die Zukunft des Unternehmens haben. Dabei müssen in der operativen Planung die Investitions-, Kosten- oder Absatzplanungen gemacht werden (Wolf, 2009, S. 545). Hierbei hängen viele verschiedene Komponenten zusammen, welche die Planung schwierig gestalten lassen. An dieser Stelle kommt die Monte-Carlo-Simulation ins Spiel. Mithilfe dieser lassen sich verschiedene Szenarien durchrechnen.<br />
<br />
[[Datei: Ergebnis einer Simulation in der Unternehmensplanung.png|miniatur|450px|Abb. 1: Ergebnis einer Simulation in der Unternehmensplanung (Flath et al., 2015, S. 86)]]<br />
Sie ermöglicht es, für umstrittene Variablen, wie beispielsweise den Umsatz oder einzelne Kostenpositionen, unterschiedliche Planannahmen zu treffen. Schliesslich können Ergebnisse berechnet und danach in einer konsolidierten Planung zusammengeführt werden (Wolf, 2009, S. 545). Unter Berücksichtigung von Einflussfaktoren und Korrelationen wird die Entwicklung von Planpositionen ([[Predictive Forecasting]]) berechnet (Flath et al., 2015, S. 85). Die daraus entstehenden Auswertungsmöglichkeiten sind in Abbildung 1 aufgezeigt und können die Basis für Unternehmensentscheidungen bilden. Denn dadurch erhält eine Unternehmung, unter Berücksichtigung von Chancen, Gefahren und Risiken, eine konkrete Vorstellung über die Zukunft des Unternehmens (Gleißner & Wolfrum, 2019, S. 26). <br />
<br />
Zusätzliche Einsatzmöglichkeiten sind die Berechnungen von Auswirkungen bei Veränderungen von Komponenten der Produkt- und/oder Produktionskosten oder vergleichbaren Punkten des Controllings (RiskNet GmbH, online). Ein weiteres Beispiel ist die Auswirkung eines Wechselkursrisikos, welches nicht ein Einmaliges, sondern ein dauerhaftes Risiko ist (Gleißner, 2015). Bei der Berechnung der [[Value at Risk]] Kennzahl erfreut sich die Monte-Carlo-Simulation ebenfalls grosser Beliebtheit (Bleuel, 2006, S. 372).<br />
<br />
== Vorgehensweise ==<br />
[[Datei:Vorgehensweise der Monte-Carlo-Simulation nach Wolf.png|miniatur|450px|Abb. 2: Vorgehensweise der Monte-Carlo-Simulation nach Wolf (2009, S. 547)]]<br />
<br />
Die Durchführung einer Monte-Carlo-Simulation erfolgt in vier Schritten, welche in Abbildung 2 ersichtlich sind (Wolf, 2009, S. 547). <br />
<br />
=== 1. Problemformulierung und Definition eines Berechnungsmodels ===<br />
Als erster Schritt soll das Problem formuliert und mittels eines mathematischen Modells abgebildet werden. Beispielsweise kann das Problem eine Illiquidität sein, welche während den nächsten 12 Monaten verhindert werden soll. Es ist dabei eine grundlegende Voraussetzung, dass die folgenden drei Bestandteile vorhanden sind respektive die Informationen dazu gesammelt werden können. Ansonsten ist eine Monte-Carlo-Simulation nicht möglich (Wolf, 2009, S. 547): <br />
# Beeinflussbare und nicht-beeinflussbare Zufallszahlen (Beispiel: variable und fixe Kostenpositionen) <br />
# Wirkungszusammenhänge und Abhängigkeiten dieser Zufallszahlen (Beispiel: Preis-Absatz-Funktion) <br />
# Grundlegende Annahmen und Bedingungen (Beispiel: [[Weighted Average Cost of Capital]] (WACC))<br />
<br />
Wesentlich ist, dass dieses Modell die Maximen «Reduzieren» und «Abstrahieren» einhält (Steinhausen, 1994, S. 21). Es sollen diejenigen Zufallszahlen ausgewählt werden, welche in der Realität tatsächlich einen wesentlichen Einfluss auf die Problemstellung haben. Mit Abstrahieren ist gemeint, dass die bestehenden Beziehungen zwischen den Zufallszahlen durch geeignete Regeln wiedergegeben werden.<br />
<br />
=== 2. Informationsbeschaffung ===<br />
Die Quelle für den zweiten Schritt der Informationsbeschaffung bilden finanzinterne Daten wie Budgets, Jahresrechnungen und Cash-Flow-Rechnungen (Romeike, 2018, S. 178) wie auch Studien, Herstellerangaben, Expertenbefragungen und unternehmensinterne Daten (Wolf, 2009, S. 546). Einen entscheidenden Einfluss auf die realitätsgetreue Abbildung der Monte-Carlo-Simulation hat die Beurteilung der Eintrittswahrscheinlichkeit dieser Zahlen. Bei der Beschaffung der Daten wird ersichtlich, dass die Monte-Carlo-Simulation nur eine Annäherung darlegen kann. Um die Modellkomplexität gewissermassen zu reduzieren, müssen gewisse Annahmen getroffen werden.<br />
<br />
Durch diese Annahmen wird die Komplexität des Modells verringert, gleichzeitig aber auch die vollständige und realitätsgetreue Abbildung aller Möglichkeiten eingeschränkt (Wolf, 2009, S. 547). <br />
<br />
=== 3. Erzeugung und Transformation von Zufallsvariablen ===<br />
Als dritter Schritt werden die gesammelten Daten in eine Wahrscheinlichkeitsverteilung transformiert (Wolf, 2009, S. 547). Dazu muss für jede Zufallszahl ein Intervall abgrenzt werden, in welchem der Zufallswert liegen kann. Schliesslich muss die geeignete Verteilungsfunktion gewählt werden (Bleuel, 2006, S. 373). Abbildung 3 zeigt die häufigsten Verteilungsformen und deren Anwendung auf.<br />
<br />
[[Datei:Häufige Verteilungsformen in Monte-Carlo-Simulationen.png|miniatur|450px|Abb. 3: Häufige Verteilungsformen in Monte-Carlo-Simulationen (Bleuel, 2006, S. 373)]]<br />
<br />
Diese sind wie folgt definiert (Bleuel, 2006, S. 373):<br />
<br />
'''Normalverteilung''': Die Normalverteilung kommt zum Einsatz bei Zufallsvariablen die gleichmässig um den Mittelwert gestreut sind, sowie zur Approximierung anderer Verteilungen. Der Bezug liegt dabei bei natürlichen Merkmalen wie beispielsweise der Verteilung von Schuhgrössen. <br />
<br />
'''Dreiecksverteilung''': Handelt es sich um asymmetrische Verteilungen, welche ein Minimum-, Maximum- und Basisfall darstellen, wird die Dreiecksverteilung eingesetzt. Als Beispiel dient die Tagesabsatzprognose einer Tankstelle. <br />
<br />
'''Gleichverteilung''': Ist die Verteilungsform nicht bekannt oder können alle Werte mit der gleichen Wahrscheinlichkeit auftreten, so wird die Gleichverteilung gewählt. Diese Form der Verteilung kommt oft bei der Preisprognose von sensitiven Rohstoffen zum Einsatz. <br />
<br />
=== 4. Validierung, Beschreibung, Auswertung & Interpretation ===<br />
Als vierter Schritt wird die Simulation gemäss dem Gesetz der Grossen Zahl solange durchgeführt und wiederholt, bis aus den Simulationen stabile Verteilungen und Statistiken abgeleitet werden können (Möbius & Pallenberg, 2016, S. 18–20). Eine mögliche Entwicklung der Simulationsergebnisse zeigt die Abbildung 4. [[Datei:Szenarienanalyse mittels Monte-Carlo-Simulation.png|miniatur|350px|Abb. 4: Szenarienanalyse mittels Monte-Carlo-Simulation (Diederichs, 2017, S. 167) ]] Anschliessend erfolgt eine essenzielle Validierung. Ohne sie kann keine finale Auswertung und Interpretation der Ergebnisse aus den zuvor durchgeführten Berechnungen gewonnen werden. Ebenfalls soll Transparenz bezüglich der getroffenen Annahmen und des Berechnungsweges geschaffen werden. Ansonsten droht eine Ablehnung der Ergebnisse durch die Entscheidungsträger wegen fehlender Plausibilität und Transparenz (Wolf, 2009, S. 546). <br />
<br />
Die Auswertung und Interpretation der Simulation erfolgen in mathematischen Kennzahlen und grafischen Darstellungen. Beispiele für mathematische Kennzahlen sind Mittelwerte, Standardabweichungen oder Minimum und Maximum. Besonders geeignet für die grafische Darstellung sind Histogramme, welche die Ausprägung und Häufigkeit gruppieren und so proportional aufzeigen (Wolf, 2009, S. 547). <br />
<br />
Die getätigten Auswertungen und Interpretationen führen anschliessend im Idealfall zur Ergreifung von Massnahmen zur Risikosteuerung (Bleuel, 2006, S. 372). Computerbasierte Tools können die Rechenarbeit von Menschen übernehmen, trotzdem liegt die Validierung und Interpretation der Daten in der Verantwortung der Menschen. Dazu wird mathematisches und finanztechnisches Fachwissen benötigt (S. 376–377). <br />
<br />
== Kritische Würdigung ==<br />
In diesem Abschnitt werden die Vor- und Nachteile aufgezählt und zum Schluss noch ein zusammenfassendes Fazit abgegeben. <br />
<br />
=== Vorteile ===<br />
* Das Vorgehen scheint nachvollziehbar und verständlich (Wolke, 2016, S. 283). <br />
* Die Anzahl der Faktoren und unterschiedlichen Verteilungen, welche verwendet werden können, sind unbeschränkt (Wolke, 2016, S. 283). <br />
* Es ist möglich, mehrere Einflussgrössen mit etlichen Ausprägungsmöglichkeiten zu verwenden (Wolke, 2016, S. 283). <br />
* Die Verteilungen der Monte-Carlo-Simulation bilden die Realität besser und genauer ab als die in der Praxis gängigen Planszenarien (Wolf, 2009, S. 552). <br />
<br />
=== Nachteile ===<br />
* Damit die Simulation exakt ist, benötigt es eine ausreichende Anzahl an Szenarien, welche den Rechenaufwand erhöhen (Wolke, 2016, S. 284). <br />
* Die Beziehung zwischen den generierten Zufallszahlen ist zufällig (Wolke, 2016, S. 284). <br />
* Durch den Einsatz von unterschiedlichen Zufallsgeneratoren werden bei den verschiedenen Simulationen unterschiedliche Verteilungen der Ergebnisse und somit auch verschiedene [[Value at Risk]] erzeugt. Dadurch ist das Vergleichen der Ergebnisse nicht mehr gewährleistet. Denn der [[Value at Risk]] hängt von der verwendeten Software ab und die Genauigkeit und Transparenz sind somit nur eingeschränkt gegeben (Wolke, 2016, S. 284). <br />
* Da oftmals keine stichfesten Daten vorliegen, müssen diese geschätzt werden. Gröbere Fehler in diesen Schätzungen führen zu Verzerrungen oder sogar falschen Ergebnissen, woraus anschliessend nicht die optimalen Rückschlüsse und Entscheidungen getroffen werden können (Romeike, 2018, S. 183).<br />
* Die zugrundeliegenden Annahmen müssen nicht nur der Realität entsprechen, sie müssen auch nachvollziehbar sein und mit den Ansichten des Managements übereinstimmen. Ansonsten fehlt die Akzeptanz der Ergebnisse und die Simulation muss von neuem durchgeführt werden (Wolf, 2009, S. 552). <br />
<br />
=== Zusammenfassung Vor- und Nachteile ===<br />
Der grosse Vorteil von Monte-Carlo-Simulationen ist, dass sie als einfach anwendbare Berechnungsmethode (Romeike, 2018, S. 183), verschiedene Einzelpositionen mit unterschiedlichen Eigenschaften zu einem Gesamtbild kombiniert (Wolf, 2009, S. 552).<br />
<br />
Trotzdem sollte sie nur dann eingesetzt werden, wenn es nicht möglich ist, eine analytische Berechnung zu machen. Denn normalerweise sind analytische Methoden in Bezug auf Vergleichbarkeit, Transparenz und insbesondere Genauigkeit deutlich besser (Wolke, 2016, S. 284, Wolf, 2009, S. 552). Monte-Carlo-Simulationen haben deshalb eher in der Forschung ihren Platz, obwohl sie auch in der Praxis einen deutlichen Zusatznutzen bringen könnten (Wolf, 2009, S. 552).<br />
<br />
== Lern- und Praxismaterialien ==<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben <br />
|-<br />
|<br />
* [[ABC AG - Monte-Carlo-Simulation]]<br />
* [[Zukunmo AG - Verständnisfragen]]<br />
|}<br />
<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
* Bleuel, H.-H. (2006). [https://www.beck-elibrary.de/10.15358/0935-0381-2006-7-371/monte-carlo-analysen-im-risikomanagement-jahrgang-18-2006-heft-7 Monte-Carlo-Analysen im Risikomanagement mittels Software-Erweiterungen zu MS-Excel]. Controlling, 18(7), 371–378.<br />
* Diederichs, M. (2017). [https://www.beck-elibrary.de/10.15358/9783800652495-91/3-prozessschritte-des-risikomanagements?page=1 3. Prozessschritte des Risikomanagements]. In Risikomanagement und Risikocontrolling (4. Aufl., S. 91–181). Verlag Franz Vahlen GmbH. <br />
* Flath, T., Biederstedt, L. & Herlitz, A. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993815_download&client_id=hslu Mit Simulationen Mehrwerte schaffen]. Controlling & Management Review, 59(S1), 82–89. <br />
* Gleißner, W. (2017). [https://www.beck-elibrary.de/10.15358/9783800649532-243/4-risikoaggregation-gesamtrisikoumfang-und-stochastische-planung 4. Risikoaggregation, Gesamtrisikoumfang und stochastische Planung]. In Grundlagen des Risikomanagements: Mit fundierten Informationen zu besseren Entscheidungen (3. Aufl., S. 243–280). Verlag Franz Vahlen GmbH<br />
* Gleißner, W. & Wolfrum, M. (2019). [https://link.springer.com/book/10.1007%2F978-3-658-24274-9 Risikoaggregation und Monte-Carlo-Simulation: Schlüsseltechnologie für Risikomanagement und Controlling.] Springer Fachmedien Wiesbaden.<br />
* Grisar, C. & Meyer, M. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993818_download&client_id=hslu Use of Monte Carlo simulation: An empirical study of German, Austrian and Swiss controlling departments]. Journal of Management Control, 26(2–3), 249–273. <br />
* Hager, P. (2004). Corporate Risk Management: Cash Flow at Risk und Value at Risk. Bankakademie-Verl.<br />
* Kroese, D. P. Brereton, T., Taimre, T. & Botev, Z. I. (2014). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993821_download&client_id=hslu Why the Monte Carlo method is so important today]. Wiley Interdisciplinary Reviews: Computational Statistics, 6(6), 386–392. <br />
* Möbius, C. & Pallenberg, C. (2016). [https://link.springer.com/book/10.1007%2F978-3-662-47917-9 Risikomanagement in Versicherungsunternehmen] (3. Auflage). Springer Berlin Heidelberg. <br />
* Palisade. (ohne Datum). Was ist Monte Carlo-Simulation? - Palisade Corporation. Abgerufen am 15.03.2021 von https://www.palisade.com/risk/de/monte_carlo_simulation.asp<br />
* RiskNet GmbH. (ohne Datum). Monte-Carlo-Simulation. Abgerufen 6. Mai 2021, von https://www.risknet.de/wissen/rm-methoden/monte-carlo-simulation/<br />
* Romeike, F. (2018). [https://link.springer.com/book/10.1007%2F978-3-658-13952-0 Risikomanagement]. Springer Fachmedien Wiesbaden. <br />
* Romeike, F. & Hager, P. (2020). [https://link.springer.com/book/10.1007%2F978-3-658-29446-5 Erfolgsfaktor Risiko-Management 4.0]. Springer Gabler. <br />
* Sartor, F.-J. & Bourauel, C. (2013). Risikomanagement kompakt: In 7 Schritten zum aggregierten Nettorisiko des Unternehmens. Oldenbourg Verlag München.<br />
* Steinhausen, D. (1994). Simulationstechniken. R. Oldenbourg. <br />
* Wolf, K. (2009). [https://www.beck-elibrary.de/10.15358/0935-0381-2009-10-545/monte-carlo-simulation-einsatz-im-rahmen-der-unternehmensplanung-jahrgang-21-2009-heft-10 Monte-Carlo-Simulation – Einsatz im Rahmen der Unternehmensplanung]. Controlling, 21(10), 545–552. <br />
* Wolke, T. (2016). Risikomanagement (3., vollständig überarbeitete, erweiterte und aktualisierte Auflage). De Gruyter Oldenbourg.<br />
<br />
=== Weiterführende Literatur ===<br />
* Buchhart, A. & Burger, A. (2002). Risiko-Controlling. München: Oldenbourg Wirtschaftsverlag.<br />
* Cottin, C. & Döhler, S. (2013). Risikoanalyse: Modellierung, Beurteilung und Management von Risiken mit Praxisbeispielen. Springer Spektrum. <br />
* Gleißner, W. & Berger, T. (2004). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993817_download&client_id=hslu Auf nach Monte Carlo: Simulationsverfahren zur Risiko‐Aggregation]. RISKNEWS, (1), 30–37.<br />
* Klatt, T. Möller, K. & Pötig, S. (2010). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993820_download&client_id=hslu Monte-Carlo-basierte Risikoaggregation und Risikoberichterstattung]. KoR: internationale und kapitalmarktorientierte Rechnungslegung, 10 (12), 644–651. <br />
* Metzger, D. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_3 Die Aggregation von Risiken bei der SAP AG]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 51–76). Springer Berlin Heidelberg. <br />
* Meyer-Aurich, A. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993822_download&client_id=hslu Monte-Carlo-Simulation in Ökobilanzen - Chancen und Grenzen.] In A. Ruckelshausen, A. Meyer-Aurich, T. Rath, G. Recke & B. Theuvsen (Hrsg.), Informatik in der Land-, Forst- und Ernährungswirtschaft 2016 (S. 125–128). Gesellschaft für Informatik. <br />
* Papp, T. & Szoboszlai, B. (2008). [https://link.springer.com/chapter/10.1007%2F978-3-540-73250-1_6 Einführung einer Methodik zur Risikoaggregation bei der MOL Group]. In Risikoaggregation in der Praxis: Beispiele und Verfahren aus dem Risikomanagement von Unternehmen (S. 111–129). Springer Berlin Heidelberg. <br />
* Romeike, F. (2007). Risikomanagement in Versicherungen – Ein Überblick. Wirtschaft und Management, 4(6), 7–22. <br />
* Winslow, M. (06.11.2018). Introduction to Monte-Carlo-Simulation in Excel 2016 [Video]. YouTube. https://www.youtube.com/watch?v=HwVBi--mE4M<br />
* Wolf, K. (2003). [https://elearning.hslu.ch/ilias/goto.php?target=file_4993823_download&client_id=hslu Risikoaggregation anhand der Monte-Carlo-Simulation]. CONTROLLING – ZEITSCHRIFT FÜR ERFOLGSORIENTIERTE UNTERNEHMENSSTEUERUNG, 15(10), 565–572. <br />
* Wolf, K. & Runzheimer, B. (2003). Risikomanagement und KonTraG. Gabler Verlag.<br />
<br />
== Autoren ==<br />
Dario Rosamina, Jonathan Schmid, Anja Strebel und Pirmin Ulrich<br />
<br />
[[Kategorie:Investitionscontrolling]]<br />
[[Kategorie:Projektcontrolling]]<br />
[[Kategorie:Risikocontrolling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Governance_Leader&diff=16321Governance Leader2021-10-13T07:47:40Z<p>Salis.Matteo: /* Literaturverzeichnis */</p>
<hr />
<div>Die Rolle des Governance Leaders (oder Funktional Leader, Guardian) beinhaltet die Entwicklung, Dokumentation und das Monitoring unternehmensweiter Richtlinien und Standards des Controllings. Diese Richtlinien sind vielfältig und können z. B. die Verbuchung von Sachverhalten, Kalkulationsschemas, Datenzugriffsberechtigungen oder Kennzahlendefinitionen umfassen. Aufgrund der steigenden Menge strukturierter und unstrukturierter Daten ([[Big Data]]) sowie der zunehmenden Verbreitung lokaler und virtueller IT-Systeme (z. B. [[Cloud Computing|Cloud]]) erhält die Governance-Rolle noch mehr Gewicht in Bezug auf die Regulierung (Langmann, 2019, S. 44).<br />
<br />
== Herkunft und Begriffsdefinition ==<br />
Die fortschreitende Digitalisierung zum [[Digital Controlling]] hin sorgt für eine steigende Datenmenge, insbesondere durch [[Big Data]], sowie zum Gebrauch verschiedenster IT-Systeme. Diese Entwicklung verlangt eine entsprechende Regulierung. In diesem Zusammenhang sollen Fragen wie «Welche Daten dürfen für welche Zwecke im Controlling verwendet werden?», «Welche Quellen sind zu verwenden?» oder «Welche Systeme dürfen benutzt werden?» durch die Governance-Rolle im Controlling geklärt werden (Langmann, 2019, S. 43–44). Der Einsatz von grossen Datenmengen erfordert eine Data Governance. «Unter Data Governance fallen alle Rahmenbedingungen und Richtlinien, die die Sicherheit und den Umgang mit Daten über den gesamten Datenlebenszyklus festhalten. Data Governance-Richtlinien müssen im [[Digital Controlling]] umfassend verfügbar sein und regelmäßig aktualisiert werden» (Keimer & Egle, 2020, S. 7–8). Die Entwicklung und Überwachung der benötigten Richtlinien sowie Standards obliegt dem Controlling, bzw. dem Governance Leader im Sinne einer [[Compliance]] (Langmann, 2019, S. 43–44).<br />
<br />
== Zweck ==<br />
Die Controlling-Governance soll mit ihrer Tätigkeit zu einer hohen Qualität der Daten und Informationen beitragen. Folgende Gefahren für die Daten- und Informationsqualität können infolge der Digitalisierung festgestellt werden:<br />
<br />
* '''Informationschaos''': Durch die Festlegung von bereichsübergreifenden Richtlinien und Standards sollen inkonsistente oder gar widersprüchliche Daten vermieden werden. Dies ist ansonsten in Verbindung mit der Digitalisierung insofern problematisch, da Daten keine einheitliche Herkunft haben, sondern vermehrt direkt aus den zuständigen Bereichen stammen (Heimel & Müller, 2019, S. 413–414). <br />
<br />
* '''Inkompatibilität''': Die unterschiedlichen Datenquellen können dazu führen, dass nicht sämtliche Daten und Informationen für die Weiterverarbeitung im Controlling geeignet sind. Entsprechend sollte zur Qualitätssicherung die Kompatibilität mittels der Governance sichergestellt werden (S. 414).<br />
<br />
* '''Informationsüberflutung''': Die steigende Datenmenge kann zu einer Informationsüberflutung führen. Durch die Controlling-Governance soll verhindert werden, dass das Management mit irrelevanten Daten überhäuft wird. Entsprechend muss die Datenmenge kontrolliert und nach relevanten Steuerungsgrössen untersucht werden (S. 414).<br />
<br />
* '''Regulatorische und ethische Anforderungen''': Auch die Datensicherheit darf nicht vernachlässigt werden, insbesondere jene von persönlichen oder wettbewerbsrelevanten Daten (S. 414).<br />
<br />
== Rollenprofil ==<br />
Abbildung 1 zeigt den Einfluss der Digitalisierung, bzw. der Automatisierung auf das Controlling in der Zukunft auf. Die Rollen [[Pathfinder]] / Innovator, Governance / Functional Lead und [[Business Partner]] nehmen an Wichtigkeit zu. Der Controller als Service Provider wird immer weniger bedeutend sein. Zahlen extrahieren und Reports zusammenstellen werden immer mehr automatisiert und fallen daher in Zukunft weg (Langmann, 2019, S. 46).[[Datei:Schwerpunkte_von_Controlling-Rollen.png|mini|Abb. 1: Veränderung der künftigen Schwerpunkte von Controlling-Rollen (Langmann, 2019, S. 46)]]<br />
<br />
=== Aufgaben ===<br />
Wie die Abbildung 2 aufzeigt, umfasst der grundlegende Aufgabenbereich des Governance Leaders Entwicklung, Roll-Out, Dokumentation und Monitoring unternehmensweiter Richtlinien und Standards des Controllings, beispielweise Kalkulationsschema und Kennzahlen (Langmann, 2019, S. 43). <br />
<br />
[[Datei:Rollen_des_Controllings.png|mini|Abb. 2: Rollen des Controllings (Langmann, 2019, S. 43)]]<br />
<br />
In anderen Literaturen finden sich jedoch andere Beschreibungen. Beispielsweise werden diese Aufgaben auf drei verschiedene Rollen aufgeteilt. Der Data Engineer ist für die Sicherstellung der [[Datenmanagement#Datenqualität|Datenqualität]] und angemessene Data Governance zuständig. Der Guardian stellt die Einhaltung von Richtlinien sicher und der Functional Leader definiert und kommuniziert Controlling-Strategien und Richtlinien (Schäffer & Brückner, 2019, S. 21).<br />
<br />
Die verschiedenen [[Rollenprofile]] des Controllers bringen auch verschiedene Herausforderungen mit sich, z. B. die «veränderte Datenverfügbarkeit durch [[Big Data]] und verbesserte Analysemöglichkeiten durch [[Business Analytics]]» (Wolf & Heidlmayer, 2019, S. 28). Es zeigt sich, dass Daten für die Tätigkeit des Controllings eine entscheidende Rolle spielen. Jedoch stellen insbesondere die Ermittlung neuer Datenquellen, der Umgang, die Speicherung sowie die Auswertung der Daten ebenfalls neue Herausforderungen für Unternehmen dar (Keimer et al., 2018, S. 19). Im Rahmen der Governance-Rolle muss sich das Controlling nun mit diesen Herausforderungen auseinandersetzen. Jedoch nimmt dabei auch das [[Datenmanagement]] eine entscheidende Rolle ein. Der Governance Leader hat «durch die Erstellung zentraler Richtlinien die [[Datenmanagement#Datenschutz und Datensicherheit|Datensicherheit]], [[Datenmanagement#Datenqualität|-qualität]], -verfügbarkeit und -konsistenz sicherzustellen» (Wolf & Heidlmayer, 2019, S. 29). Damit sollen inkonsistente Daten vermieden sowie ein einheitlicher Umgang mit den Informationen garantiert werden (Schlenkrich & Wisbert, 2019, S. 52). Somit trägt der Governance Leader zur Qualität der Managemententscheidungen bei, da diese auf der Qualität der zugrunde liegenden Daten und Informationen beruhen («garbage in, garbage out») (Schäffer & Weber, 2017, S. 2). Folglich ist es Aufgabe der Controlling-Governance, steuerungsrelevante Daten und Kennzahlen für das Management inhaltlich richtig und qualitativ hochwertig zusammenzuführen. Dazu sind unternehmensweite Richtlinien und Standards unverzichtbar (Heimel & Müller, 2019, S. 414–415).<br />
<br />
=== Kompetenzen ===<br />
<br />
Folgende Hauptkompetenzen werden von einem Governance Leader erwartet:<br />
<br />
{| class="wikitable" style="margin: 1em auto 1em auto;"<br />
! Hauptkompetenzen <br />
! Beschreibung <br />
<br />
|-<br />
| Finanzen und Controlling <br />
| Es müssen in diesem Bereich relevante Prozesse bekannt sein, um die benötigten Richtlinien prüfen zu können und auch Rahmenbedingungen zu erstellen. Weiter braucht es Kenntnisse über finanzielle und [[nicht-finanzielle Kennzahlen]], um die Überprüfung sicherzustellen (Schäffer & Brückner, 2019, S. 16).<br />
<br />
|-<br />
| Technologie und Analyse<br />
| Bei diesem Kompetenzfeld stehen wegen der Veränderung der technischen Möglichkeiten der Datenschutz und die Datensicherheit für einen Governance Leader im Zentrum. Zudem werden Grundkenntnisse bei [[Business Intelligence|BI]]-Tools vorausgesetzt (Schäffer & Brückner, 2019, S. 18). <br />
<br />
|-<br />
| Geschäftsverständnis<br />
| Governance Leader verfügen über Branchenkenntnisse und kennen das Geschäftsmodell und die Werttreiber des Unternehmens (Schäffer & Brückner, 2019, S. 27).<br />
<br />
|-<br />
| Kommunikation und Zusammenarbeit<br />
| Dazu gehören Teamfähigkeit und zielgerichtetes Diskutieren. Da die Rolle des Governance Leaders auch eine Führungsfunktion beinhaltet, ist Leadership und Motivation der Mitarbeitenden ebenfalls bedeutend (Schäffer & Brückner, 2019, S. 19). Durch die Nähe zur Führungsebene wird Durchsetzungsvermögen benötigt (Langmann, 2019, S. 44).<br />
<br />
|-<br />
| Persönliche Fähigkeiten und Eigenschaften<br />
| Analytisches Denken, Problemlösungsorientierung, kritisches Denken und Reflexion, persönliche Integrität und Rückgrat oder auch Durchhaltevermögen und Beharrlichkeit sind für die Rolle des Governance Leaders wichtig (Schäffer & Brückner, 2019, S. 19).<br />
<br />
|}<br />
<br />
== Herausforderungen ==<br />
<br />
Herausforderungen kommen vor allem im Zusammenhang mit den neuen Technologien und der damit verbundenen Unsicherheit und Unwissenheit. [[Cloud Computing|Cloud]]-Lösungen kommen immer mehr vor und werden in naher Zukunft nicht mehr wegzudenken sein. Es besteht die Gefahr, dass der Überblick schwindet und somit nicht klar ist, wo genau die Daten in der [[Cloud Computing|Cloud]] gespeichert sind. So kann es sein, dass Subunternehmen darauf Zugriff haben. Wenn dies nicht bekannt ist, so kann die Datensicherheit nicht mehr gewährleistet, das Auskunftsrecht gewährt oder Berechtigung und Löschung der Daten nicht mehr wahrgenommen werden. Weiter kommen [[Compliance]]-Fragen hinzu. Daten können durch das Speichern auf der [[Cloud Computing|Cloud]] auf verschiedenen Rechenzentren auf der ganzen Welt verteilt sein. Hierbei muss nicht nur auf Datenschutz und Datensicherheit geachtet werden, sondern auf weitere rechtliche Aspekte. So muss die Frage bezüglich Aufbewahrungs- oder Beweispflicht oder auch die Einhaltung von zum Beispiel Geheimhaltungspflichten geklärt werden. Oftmals sind sich Unternehmen nicht bewusst, dass die Verantwortung zur Einhaltung der Datenschutzregeln nicht bei den Anbietern von [[Cloud Computing|Cloud]]-Lösungen liegt, sondern beim Unternehmen. <br />
Um Missbrauch von böswilligen Mitarbeitenden zu verhindern, müssen Zugriffsberechtigungen, sowohl physisch als auch virtuell, mit Bedacht erteilt und dementsprechend laufend kontrolliert werden. <br />
Ein weiteres Problem, welches aber nicht nur das Controlling betreffen kann, ist der Datenverlust. Dies kann durch Diebstahl, Löschung, fehlerhafte Überschreibung oder sonstige Veränderungen erfolgen. Auch hier empfiehlt sich, Richtlinien zu erfassen und Berechtigungen vorsichtig zu erteilen (Schweizerische Eidgenossenschaft, online).<br />
<br />
== Digitalisierungsgrade im Bereich Governance ==<br />
Die untenstehende Tabelle zeigt, wie weit das Unternehmen bezüglich Digitalisierung im Bereich Governance ist. Die Stufe Digital Newbie bedeutet, dass das Unternehmen bis jetzt keine nennenswerte Schritte Richtung Digitalisierung gemacht hat. Diese Stufe wird vor allem in KMUs angetroffen. Auf der Stufe Digital Mainstream haben Unternehmen bereits erkennbare Schritte Richtung Digitalisierung gemacht. Als Digital Pioneer werden Unternehmen bezeichnet, die im Bereich Digitalisierung weit vorangeschritten sind. Ihre Normstrategie ist es, das Bestehende aufrecht zu erhalten und dabei im Bereich Digitalisierung immer auf dem neuesten Stand zu sein (Langmann, 2019, S. 49–51).<br />
<br />
{| class="wikitable" style="margin: 1em auto 1em auto;"<br />
! Digital Newbie <br />
! Digital Mainstream <br />
! Digital Pioneer<br />
|-<br />
| • Richtlinien für Controlling zwar vorhanden, aber ohne Bezug zur Digitalisierung <br />
| • Zentrale Richtlinien im Controlling dokumentiert mit Bezug zur Digitalisierung <br />
| • Zentrale Richtlinien im Controlling dokumentiert mit Bezug zur Digitalisierung <br />
|-<br />
| • Keine eigene Govenance-Verantwortung für Controlling<br />
| • Dezidierte Governance-Verantwortung vorhanden<br />
| • Dezidierte Governance-Einheit vorhanden <br />
|-<br />
| • Unregelmässige Prüfung der Einhaltung von Richtlinien <br />
| • Manuelle Prüfung der Einhaltung von Richtlinien<br />
| • Systemgestützte Prüfung der Einhaltung von Richtlinien (u.a. mit Analytics-Werkzeugen) <br />
|}<br />
<br />
== Organisatorische Eingliederung ==<br />
[[Datei:Rollenverteilung.jpg|mini|Abb. 3: Rollenverteilung innerhalb einer modernen Controlling-Organisation (Heimel & Müller, 2019, S. 419)]] Durch die veränderte Controller-Rolle infolge der Digitalisierung ist es empfehlenswert, das Controlling nach organisatorischen Modulen, zum Beispiel Teams, zu organisieren (Müller & Schmidt, 2011). Dies zeigt sich auch in der Praxis. Entsprechend wird dort die Governance-Rolle meist in einer getrennten Einheit innerhalb des Controllings geführt, somit ähnlich wie die Revision. Die Abbildung 3 zeigt eine solche Organisation. Des Weiteren resultiert aus der Ansiedlung unterhalb der 1. oder 2. Führungsebene die nötige Durchsetzungskompetenz und Aufmerksamkeit (Langmann, 2019, S. 44).<br />
<br />
== Lern- und Praxismaterialien ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Aufgaben<br />
|-<br />
|<br />
* [[Gastro AG - Verständnisfragen]]<br />
|}<br />
<br />
== Quellen ==<br />
<br />
=== Literaturverzeichnis ===<br />
<br />
* Heimel, J. & Müller, M. (2019). Controlling 4.0. Wie veränderte Datenverfügbarkeit und Analysemöglichkeiten das Controlling erneuern. In M. Erner (Hrsg.), [https://www.springer.com/de/book/9783662579626 Management 4.0 – Unternehmensführung im digitalen Zeitalter] (S. 389–430). Springer Gabler.<br />
<br />
* Keimer, I. & Egle, U. (2020). Digital Controlling - Grundlagen für den erfolgreichen digitalen Wandel im Controlling. In I. Keimer & U. Egle (Hrsg.), ''[https://link.springer.com/book/10.1007%2F978-3-658-29196-9 Die Digitalisierung der Controlling-Funktion. Anwendungsbeispiele aus Theorie und Praxis]''(S. 1-15). Springer Gabler.<br />
<br />
* Keimer, I., Gisler, M., Bundi, M., Egle, U., Zorn, M., Kosbah, M., & Bueel, A. (2018). Wie digital ist das Schweizer Controlling? Eine schweizweite Analyse auf Basis eines Reifegradmodells. Institut für Finanzdienstleistungen Zug IFZ. https://www.hslu.ch/-/media/campus/common/files/dokumente/w/ifz/studien/wie-digital-ist-das-schweizer-controlling-hslu-deloitte-2018.pdf?la=de-ch <br />
<br />
* Langmann, C. (2019). [https://link.springer.com/book/10.1007/978-3-658-25017-1 Digitalisierung im Controlling.] Wiesbaden: Springer Gabler.<br />
<br />
* Müller M. & Schmidt, H. (2011). Effizienz bleibt wichtig Unterstützung der Steuerung wird wichtiger. In: R. Gleich, S. Gänßlen & H. Losbichler (Hrsg) Challenge Controlling Trends und Tendenzen. Haufe Lexware.<br />
<br />
* Schäffer, U., Brückner, L. (2019). Rollenspezifische Kompetenzprofile für das Controlling der Zukunft. Controlling & Management Review. 63(7), 14–31. https://doi.org/10.1007/s12176-019-0046-1<br />
<br />
* Schäffer U. & Weber, J. (2017). Die Digitalisierung wird das Controlling radikal verändern. Control Manage Review 60(6), 34–40. https://doi.org/10.1007/s12176-016-0093-9<br />
<br />
* Schlenkrich, K. & Wisbert, H. (2019). Effizienz von Controllingsystemen in der digitalen Transformation. In T. Kümpel, K. Schlenkrich & T. Heupel (Hrsg.), [https://www.springer.com/de/book/9783658234737 Controlling & Innovation 2019: Digitalisierung] (S. 39–56). Springer Gabler.<br />
<br />
* Schweizerische Eidgenossenschaft (ohne Datum). Erläuterungen zu Cloud Computing. Abgerufen am 15.03.2021 von https://www.edoeb.admin.ch/edoeb/de/home/datenschutz/Internet_und_Computer/cloud-computing/erlaeuterungen-zu-cloud-computing.html<br />
<br />
* Wolf, T. & Heidlmayer, M. (2019). Die Auswirkungen der Digitalisierung auf die Rolle des Controllers. In B. Feldbauer-Durstmüller & S. Mayr (Hrsg.), [https://www.springer.com/de/book/9783658277222 Controlling – Aktuelle Entwicklungen und Herausforderungen: Digitalisierung, Nachhaltigkeit und Spezialaspekte] (S. 21–48). Springer Gabler.<br />
<br />
=== Weiterführende Literatur ===<br />
<br />
* Isensee, J. (2017). Reporting 4.0: Management Reporting im digitalen Kontext. In A. Klein & J. Gräf (Hrsg.). Reporting and Business Intelligence (S. 23-40). Freiburg: Haufe Lexware.<br />
* Seefried, J. (2016). [https://elearning.hslu.ch/ilias/goto.php?target=file_3931299_download&client_id=hslu Kompetenzsteuerung im Controlling – Ein Vorgehensmodell auf Basis des AHP zur Entwicklung der Finance Business Partner (Dissertation).] St. Gallen: Universität St. Gallen.<br />
* Seufert, A. & Kruk, K. (2016) Digitale Transformation und Controlling – Herausforderungen und Implikationen dargestellt am Beispiel der BASF. In J. Leyk, M. Kirchmann, K. Grönke & R. Gleich (Hrsg.). Konzerncontrolling 2020 (S. 141-164). Freiburg: Haufe Lexware.<br />
<br />
== Autoren ==<br />
<br />
Jennifer Killer, Simeun Music, Milos Ognjanovic, Ilirida Rechi Alasani, Tanja Reusser<br />
<br />
[[Kategorie: Rollenprofile]]<br />
[[Kategorie:Digital Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Wettbewerbsstrategien&diff=16320Wettbewerbsstrategien2021-10-13T07:39:06Z<p>Salis.Matteo: /* Literaturverzeichnis */</p>
<hr />
<div><br />
Wettbewerbsstrategien sind ein Teil der Unternehmensstrategie, welche die Ziele und Herangehensweise einer strategischen Geschäftseinheit (SGE) definieren. Sie legt die zukünftige Ausrichtung der SGE fest. Die Ergebnisse und Informationen der [[Umweltanalyse|Umweltanalyse]] und der [[Unternehmensanalyse|Unternehmensanalyse]] geben Hinweise auf eine mögliche Entwicklungsrichtung des Unternehmens und liefern somit eine Entscheidungsgrundlage für die [[Strategieentwicklung|Strategieentwicklung]] (Lombriser & Abplanalp, 2018, S. 267). Im Zentrum der Wettbewerbsstrategien stehen diejenigen Merkmale (Erfolgspotenziale), die in wesentlichem Masse den langfristigen Erfolg bestimmen (Müller, 2007, S. 8). Für die Gestaltung der Wettbewerbsstrategien werden die drei Dimensionen Wettbewerbsvorteil, Wettbewerbsfeld und Innovationsverhalten unterschieden. <br />
== Dimensionen der Strategieentwicklung ==<br />
Für die Entwicklung einer nachhaltigen Wettbewerbsstrategie werden die drei Dimensionen Wettbewerbsvorteile, Wettbewerbsfeld und Innovationsverhalten herbeigezogen.<br />
<br />
<big>'''Wettbewerbsvorteile<br />
'''</big><br />
<br />
Mit der Dimension Wettbewerbsvorteile wird versucht, sich von den Konkurrenten abzuheben. Zu diesem Zweck unterscheidet Porter zwei Arten von Wettbewerbsvorteilen: Kostenführerschaft und Differenzierung (Müller, 2007, S. 11).<br />
<br />
<br />
<big>'''Wettbewerbsfeld<br />
'''</big><br />
<br />
Mit der Dimension Wettbewerbsfeld entscheidet ein Unternehmen, ob es gewisse Produkte oder Dienstleistungen auf ein Segment oder auf mehrere Segmente bzw. branchenweit abstimmen soll. Das Unternehmen kann sich bei der Segmentierung auf bestimmte Kundengruppen und/ oder auf geografische Räume beziehen (Lombriser & Abplanalp, 2018, S. 275).<br />
<br />
<big>'''Innovationsverhalten<br />
'''</big><br />
<br />
Unternehmen müssen sich in der letzten Dimension Innovationsverhalten entscheiden, ob sie als Innovationsführer (First Mover) oder als Nachahmer (Fast Follower) agieren wollen (Lombriser & Abplanalp, 2018, S. 280).<br />
<br />
''Innovationsstrategie'': Ein Innovationsführer oder auch First Mover beschreibt ein Unternehmen, welches ein Produkt oder eine Dienstleistung, respektive eine Innovation als erstes auf den Markt bringt (Disselkamp, 2012, S. 66-67).<br />
<br />
''Imitationsstrategie'': Ein Nachahmer oder auch Fast-Follower zielt darauf ab, die Produkte oder Dienstleistungen des Innovationsführers zu kopieren. Durch die Nachahmung des First Mover können so die Kosten der Forschung und Entwicklungs-Abteilung gesenkt werden und aus den Erfahrungen des Innovationsführers lernen.<br />
Die nachfolgende Tabelle soll die Vor- und Nachteile der beiden Strategien Innovationsstrategie und Imitationsstrategie nennen (in Anlehnung an Lombriser & Abplanalp, 2018, S. 281; Disselkamp, 2012, S. 65- 67):<br />
<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
| || '''Innovationsstrategie (First Mover)''' || '''Imitationsstrategie (Fast Follower)'''<br />
|-<br />
| '''Vorteile''' || <br />
* Kein direkter Konkurrenzdruck<br />
* Stärkung des Images (Etablierung)<br />
* Erfahrungskurve<br />
* Technologische Führerschaft<br />
* Besetzen von knappen Ressourcen<br />
* Netzwerkeffekte <br />
|| <br />
* Geringeres Risiko<br />
* Kann von den Erfahrungen des First Movers profitieren<br />
* Produkt oder Vertriebskanäle besser an Kundenbedürfnisse anpassen<br />
|-<br />
| '''Nachteile''' || <br />
* Hohes Risiko<br />
* Extremer Zeitdruck<br />
|| <br />
* Mögliche Markteintrittsbarrieren<br />
* Rascher Einstieg anderer Konkurrenten<br />
* Druck auf Preise und Marge<br />
<br />
|}<br />
<br />
== Generische Wettbewerbsstrategien nach Porter ==<br />
<br />
Nach Michael Porter (2014) gibt es zwei grundlegende Wege, um am Markt einen Wettbewerbsvorteil zu erlangen (S. 33). Einerseits kann eine strategische Geschäftseinheit durch eine günstige Kostenstruktur niedrigere Preise als ihre Mitbewerber anbieten (Kostenführerschaft). Anderseits können Produkte und Dienstleistungen angeboten werden, welche sich so von jenen der Mitbewerber unterscheiden, dass der Kunde ihnen einen erhöhten Wert zumisst und bereit ist, dafür einen teureren Preis zu bezahlen (Differenzierungsstrategie) (Johnson et al., 2016, S. 276). Nebst dem Wettbewerbsvorteil fügt Porter (2014) für die Festlegung der Wettbewerbsstrategie eine weitere Dimension hinzu, die sich auf das Wettbewerbsfeld bezieht. Gemäss Porter können Unternehmen zwischen einer branchenweiten oder segmentspezifischen Strategie entscheiden (S. 34). Das heisst, eine Geschäftseinheit kann sich entweder auf ein stark eingegrenztes Kundensegment, wie beispielsweise eine bestimme demografische Gruppe, konzentrieren oder ein breites Kundensegment anvisieren. Anhand dieser Unterscheidungen zwischen Kosten, Differenzierung und Umfang des Kundensegments leitet Porter seine generischen Wettbewerbsstrategien ab. Die Strategien sowie die zwei Dimensionen sind in der Abbildung 1 ersichtlich.<br />
[[Datei:Abbildung 1- Test.jpg|miniatur|600px|Abb. 1: Generische Wettbewerbsstrategien nach Porter (Porter, 2010, S. 38)]]<br />
<br />
=== Kostenführerschaft ===<br />
Die Strategie der Kostenführerschaft bedeutet, dass eine Unternehmung in einer Branche die günstigste Kostenstruktur aufweist und dadurch einen Wettbewerbsvorteil erringt. Dies setzt voraus, dass alle Aktivitäten in der Wertschöpfungskette auf Effizienz getrimmt sind sowie einer straffen Kostenkontrolle unterliegen (Lombriser & Abplanalp, 2018, S. 269). Die Ursachen des Kostenvorsprungs sind vielfältig. Dazu gehören beispielsweise grössenbedingte Kostenvorteile, Zugang zu günstigen Rohstoffen oder effiziente Produktionsanlagen und Prozesse (Porter, 2014, S. 35). Auch Johnson et al. (2016) beschreiben die Inputkosten, die Skaleneffekte, die [[Erfahrungskurve|Erfahrungskurve]], die Produktgestaltung sowie die Prozessplanung als zentrale kostentreibende Faktoren, die zur Erreichung der Kostenführerschaft beitragen können (S. 278). Ein Kostenführer misst der Ausschöpfung grössenbedingter und absoluter Kostenvorteile aus sämtlichen Quellen einen erheblichen Stellenwert bei, weshalb alle Einsparungspotentiale systematisch ermittelt und genutzt werden müssen (Porter, 2014, S. 35).<br />
Nebst dem Fokus auf eine günstige Kostenstruktur müssen erfolgreiche Kostenführerstrategien auf preissensitive Kunden ausgerichtet sein, die bereit sind, für einen günstigeren Preis auf Zusatzfunktionen und -Leistungen zu verzichten (Lombriser & Abplanalp, 2018, S. 270). In der Regel verkaufen Kostenführer keine Luxusprodukte, sondern Standard- und Basisprodukte, die einen einfachen Leistungsvergleich ermöglichen (Porter, 2014, S. 35). Porter (2014) betont, dass trotz niedriger Kosten die Produktqualität nicht vollständig vernachlässigt werden darf. Um eine erfolgreiche Kostenführerschaft zu betreiben, müssen Produkte und Dienstleistungen verkauft werden, welche mindestens die Marktstandards erfüllen (S. 35 f.). Billigfluggesellschaften wenden beispielweise eine solche Strategie an, in dem die Grundbedürfnisse befriedigt, aber auf diverse Extras verzichtet wird. Zusammenfassend gibt folgende Tabelle einen Überblick über die wichtigsten Voraussetzungen und Risiken der Kostenführerschaftsstrategie (in Anlehnung an Lombriser & Abplanalp, 2018, S. 270).<br />
<br />
{| class="wikitable"<br />
|+ |-<br />
| '''Voraussetzungen Markt''' || <br />
* Preissensitive Kunden, die bereit sind für einen günstigeren Preis auf Zusatzfunktionen zu verzichten<br />
* Geringe Produktkomplexität, die einen einfachen Leistungsvergleich ermöglicht<br />
|-<br />
| '''Organisatorische Anforderungen''' || <br />
* Intensive Kostenkontrolle<br />
* Klar gegliederte Organisation und Verantwortlichkeiten<br />
* [[Anreizsystem|Anreizsystem]], welches auf Erfüllung der quantitativen Ziele beruht<br />
* Kostenorientierte Konfiguration der Wertekette: Systematische Steuerung der Kostentreiber in den Aktivitäten der Wertekette (z.B. Skaleneffekte, Lerneffekte oder Kapazitätsauslastung)<br />
|-<br />
| '''Gefahren''' || <br />
* Hohe Effizienz hat geringe Flexibilität zur Folge<br />
* Kostenführerschaft geht verloren (z.B. durch Nachahmer, technologischen Veränderungen oder Kostenvorteil verschwindet aufgrund anderer Gründe)<br />
* Preiskrieg bei ohnehin geringen Margen<br />
* Billig-Image<br />
|}<br />
<br />
=== Differenzierung ===<br />
Eine Differenzierungsstrategie bezieht sich auf die Einzigartigkeit im Hinblick auf eine oder mehrere Faktoren, welche vom Kunden als hoch bewertet werden (Porter, 2014, S. 37). Die besonderen Kundenbedürfnisse sollen so optimal befriedigt werden, in dem sich das Leistungsangebot möglichst deutlich von der Konkurrenz abhebt (Lombriser & Abplanalp, 2018, S. 271). Durch die Einmaligkeit in Bezug auf die Merkmale, welche von den Kunden als wichtig erachtet werden, kann die Unternehmung höhere Preise durchsetzen (Porter, 2014, S. 37). <br />
Gemäss Porter (2014) unterscheiden sich Differenzierungspunkte von Markt zu Markt und können auf dem Produkt selbst, der Qualität, dem Sortiment, dem Marketing, der Kundenberatung, dem Image sowie einer Reihe weiterer Faktoren innerhalb der gesamten Wertschöpfungskette beruhen (S. 37). Eine Differenzierungsstrategie funktioniert nur, solange der Kunde dem Produkt oder der Dienstleistung einen Mehrwert beimisst und bereit ist, dafür einen entsprechenden Preis zu bezahlen (Lombriser & Abplanalp, 2018, S. 271). Folglich ist eine Differenzierungsstrategie einfacher bei Produkten oder Dienstleistungen umzusetzen, welche vom Kunden unterschiedlich bevorzugte Eigenschaften besitzen (z.B. Smartphone, Erfrischungsgetränke, Hotelübernachtungen oder Markenkleider) anstatt bei Produkten, die nur eine einzige Funktion erfüllen (z.B. Kopierer, Kugelschreiber oder Glühbirne) (Lombriser & Abplanalp, 2018, S. 271).<br />
Differenzierung ist normalerweise mit höheren Kosten verbunden. Eine erfolgreiche Differenzierung Strategie umzusetzen und im Markt zu behaupten, kann überdurchschnittliche Ergebnisse erzielen, unter der Bedingung, dass die Zusatzkosten der Einzigartigkeit den Preis nicht übersteigen (Johnson et al., 2017, S. 216). Genau wie Kostenführer die Qualität nicht ausser Acht lassen dürfen, dürfen bei der Differenzierungsstrategie die Kosten nicht vernachlässigt werden. Die operative Effizienz ist eine wichtige Voraussetzung und Möglichkeiten für Kostensenkungen müssen identifiziert und genutzt werden, vorausgesetzt die Leistung gegenüber dem Kunden wird nicht beeinträchtigt (Lombriser & Abplanalp, 2018, S. 273). Die folgende Tabelle fasst die wichtigsten Anforderungen und Risiken zusammen (in Anlehnung an Lombriser & Abplanalp, 2018, S. 274).<br />
<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
| '''Voraussetzungen Markt''' || <br />
* Hohe Zahlungsbereitschaft: Kunden schätzen Produkte mit höher wahrgenommenem Nutzen und sind bereit dafür zu bezahlen<br />
* Differenzierbare Leistungen<br />
|-<br />
| '''Organisatorische Anforderungen''' || <br />
* Gute Koordination der Tätigkeiten in den Bereichen F&E, Produktenwicklung und Marketing<br />
* Ausrichtung und Koordination sämtlicher Aktivitäten der Wertekette auf Identifikation, Realisierung und Schutz der Differenzierung (insbesondere Marketing und Produktentwicklung)<br />
* Qualitativ- und innovationsorientierte Anreizsysteme<br />
|-<br />
| '''Gefahren''' || <br />
* Differenzierung geht verloren (z.B. Nachahmung der Konkurrenz)<br />
* Differenzierung verliert aus Abnehmersicht an Wert und rechtfertigt Preis nicht mehr<br />
* Differenzierungskosten übersteigen den Preis<br />
<br />
|}<br />
<br />
=== Branchenweite Strategie ===<br />
Unternehmen, welche sich für eine branchenweite Strategie entscheiden, bieten gleiche oder ähnliche Produkte oder Dienstleistungen mehreren Kundengruppen an. Das Angebot der Unternehmen besitzt dabei Eigenschaften, welche von vielen Segmenten bevorzugt wird. Dadurch realisiert das Unternehmen bedeutende Economies of Scope, da die Güter bspw. von der gleichen Marke oder Zugang zu Ressourcen und Vertriebskanälen profitieren (Lombriser & Abplanalp, 2018, S. 275). Die folgende Tabelle zeigt die Vorteile und Risiken der branchenweiten Strategie (in Anlehnung an Lombriser & Abplanalp, 2018, S. 279)<br />
<br />
{| class="wikitable" style="margin: 1em left 1em left;" <br />
|-<br />
! style="width: 22em" | Vorteile !! style="width: 22em" | Risiken<br />
|-<br />
| Economies of Scope|| style="width: 22em" | Leistungen fokussierter Konkurrenten oftmals besser<br />
|-<br />
| Segmentübergreifendes Know-how || style="width: 22em" | Geringe Anpassungsfähigkeit auf Marktveränderungen<br />
|-<br />
| Mengeneffekte|| style="width: 22em" | Geringere Flexibilität<br />
|-<br />
| Risikostreuung || style="width: 22em" | Höhere Kosten durch Bedienung mehrerer Segmentgruppen<br />
|}<br />
<br />
=== Segmentspezifische Strategie ===<br />
Nach Ergenzinger et al. (2020) konzentrieren sich Unternehmen auf bestimmte Segmente. Dabei kann die Segmentierung wiederum in weitere Dimensionen unterteilt werden. Oftmals konzentrieren sich Unternehmen auf Dimensionen «wie Abnehmergruppen mit speziellen Bedürfnissen, gewisse Produkt- bzw. Dienstleistungsangebote und/ oder auf geografische Regionen» (S. 187). Eine Fokussierung in allen drei Dimensionen ist eher selten, da dadurch das Marktpotenzial für das Unternehmen zu gering sein würde. «Eine Fokusstrategie lohnt sich nur dann, wenn wir die Bedürfnisse eines Segmentes besser oder kostengünstiger befriedigen können als ein breites ausgerichtetes Unternehmen. Ein Fokussiere ist somit ein spezialisierter Kostenführer oder Differenzierer» (Lombriser & Abplanalp, 2018, S. 276). Somit lassen sich für die Fokusstrategie folgende zwei Bedingungen aufstellen:<br />
<br />
* Im ausgewählten Segment gibt es Kunden mit besonderen Bedürfnissen<br />
* Es stehen unterschiedliche Verfahren zur Verfügung, die es ermöglichen eine bessere oder kostengünstigere Leistung zu erbringen als ein breit ausgerichtetes Unternehmen<br />
<br />
Die folgende Tabelle zeigt Vorteile und Risiken der Fokusstrategie (in Anlehnung an Ergenzinger et al, 2020, S. 188):<br />
<br />
{| class="wikitable" style="margin: 1em left 1em left;" <br />
|-<br />
! style="width: 22em" | Vorteile !! style="width: 22em" | Risiken<br />
|-<br />
| Konzentration der Kräfte auf entsprechendes Segment || style="width: 22em" | Abhängigkeit von einem Segment (Klumpenrisiko)<br />
|-<br />
| Keine weiteren Investitionen für weitere Segmente notwendig || style="width: 22em" | Fehlende Economies of Scope<br />
|-<br />
| Höhere Flexibilität || style="width: 22em" | Entwicklung eines Kundenstamms benötigt Pflege und Zeit<br />
|}<br />
<br />
== Dualstrategien (kombinierte Wettbewerbsstrategien) ==<br />
Die generischen Wettbewerbsstrategien nach Porter antizipieren, dass sich Differenzierung und Kostenführerschaft gegenseitig ausschliessen. Demnach kann jeweils nur ein Wettbewerbsvorteil aufgebaut werden, da Unternehmen sonst im Dazwischen agieren. [[Datei:Stuck in the Middle.jpg|miniatur|400px|Abb. 2: Stuck in the middle, Quelle:Winkler & Slamanig, 2009, S.-547]]<br />
Abbildung 2 suggeriert, dass bei einem sogenannten «stuck in the middle» ein tiefer ROI resultiert (Winkler & Slamanig, 2009, S. 546-547).<br />
<br />
Verschiedene empirische Arbeiten belegen jedoch, dass eine Kombination von Kosten- und Differenzierungsstrategie, die dualen Wettbewerbsstrategien, ebenfalls erfolgsversprechend sein kann (Winkler & Slamanig, 2009, S. 546-547). Dabei haben sich folgende Dualstrategien als erfolgreich etabliert:<br />
<br />
* '''Preisliche Positionierung in der Mitte'''<br />
«Best-Cost-» oder «Best-Value-Strategie» zeichnen sich durch einen tiefen Preis (Kostenführungsansatz) und hohe Qualität (Differenzierungsansatz) aus. Ein Beispiel dazu liefert Toyota gegenüber BMW.<br />
* '''Premium- und Billigstrategie'''<br />
Die Fluggesellschaft Singapore Airlines platziert sich als Premium-Airline im Wettbewerb während die Tochtergesellschaft SilkAir die Billigstrategie verfolgt.<br />
* '''Breites Spektrum hoch bis niedrig positionierte Produkte'''<br />
Lebensmittelläden wie Coop oder Migros bieten ein breites Spektrum an Produkten an. Dabei bieten sie in den gleichen Produktkategorien Hochpreis- wie auch Tiefpreis-Produkte an (Ergenzinger et al., 2020, S. 188).<br />
<br />
== Outpacing Strategie ==<br />
Durch geschicktes Timing der Aktivitäten können Risiken der Dualstrategie vermieden werden. Die als Outpacing bekannte Strategie verfolgt einen abwechslungsweisen Einsatz von Kostenstrategie und Differenzierungsstrategie (Lombriser & Abplanalp, 2018, S. 291). <br />
Nach Gilbert und Strebel (1987) gibt es zwei unterschiedliche Wege, in welcher die Outpacestrategie realisiert werden kann. Abbildung 3 zeigt die beiden unterschiedlichen Wege. Die erste Route geht davon aus, dass ein Unternehmen ein Produkt mit einem hohen Produktwert schafft (Differenzierung). Anschliessend wird der Produktionsprozess verbessert, um so die Vorteile der Kostenführerschaft für sich zu gewinnen. Der zweite Weg beschreibt den umgekehrten Weg. In einer ersten Phase werden möglichst tiefe Herstellkosten angestrebt. Danach widmet sich das Unternehmen in der (Weiter-) Entwicklung des Produktnutzens (S. 28-36). Lombriser und Abplanalp (2018) fassen die Strategie wie folgt zusammen:<br />
<br />
''«Ein Unternehmen versucht zunächst auf einer Dimension (Kosten oder Produktnutzen) ein hohes Leistungsniveau zu erreichen. Anschliessend erhöht es seine Leistungen auf der anderen Dimension, ohne den ursprünglichen Vorteil aufzugeben. Indem es das Gewicht in den folgenden Phasen immer wieder verlagert, kann es die Konkurrenz überholen, ist selbst aber nur noch schwer einzuholen» (S. 291).''<br />
<br />
[[Datei:Outpacing-Strategie.jpg|400px|Abb. 3: Outpacing-Strategie (in Anlehnung an Lombriser & Abplanalp, 2018, S. 292)]]<br />
<br />
== Die strategische Uhr ==<br />
Die strategische Uhr stellt einen alternativen Ansatz zu den generischen Wettbewerbsstrategien von Porter dar. Das Modell wurde von Bowman und Falkner konzipiert und soll den Dualstrategien mehr Raum bieten, indem Abstufungen und Kombinationen der Kosten- und Qualitätsführerschaft berücksichtigt werden (Echchakoui., 2018, S. 137 & 140). Das Konzept enthält zwei charakteristische Eigenschaften. [[Datei:Strategische Uhr.jpg|300px|mini|Abb. 4: Die strategische Uhr (Johnson et al., 2016, S. 288) ]]<br />
Erstens fokussiert es sich auf den Preis für den Kunden anstatt auf die Kosten für die Organisation, da die Preise viel einfacher zu erfassen sind. Zweitens erlaubt das runde Design der Uhr die kontinuierliche Entscheidung und geht somit auf den Kritikpunkt an Porters Model ein, dass eine Entweder-Oder-Entscheidung verlangt wird (Johnson et al., 2016, S. 287). <br />
<br />
Die Abbildung 4 illustriert das soeben beschriebene Modell der strategischen Uhr.<br />
Im Vergleich zu Porter ermöglicht das Konzept der strategischen Uhr, durch den Fokus auf den Preis sowie die breite Palette an inkrementellen Änderungen, eine dynamischere Sichtweise der Strategie (Echchakoui, 2018, S. 140). So sind Unternehmen nicht auf eine Strategie festgelegt, sondern können sich im Lauf der Zeit um die Uhr bewegen, um die Preisbildung und Vorteile anzupassen. Zum Beispiel kann sich eine Unternehmung zuerst mit einer Niedrigpreisstrategie im Markt platzieren, um Marktanteile zu gewinnen. Nachdem sich die Unternehmung im Markt etabliert hat, kann auf eine höherpreisige Strategie der Differenzierung gewechselt werden, um Gewinne einzufahren. Anschliessend kann auf eine Dualstrategie gewechselt werden, um die Marktposition gegen die steigende Konkurrenz zu verteidigen (Johnson et al., 2016, S. 289).<br />
<br />
== Dualstrategie vs. eindeutige Strategie ==<br />
Die oft gestellte Frage ist nun, ob eine der Dualstrategien oder eine eindeutige Strategie besser für ein Unternehmen ist. Dabei gehen die Meinungen der Forscher auseinander. Einige sind der Meinung, dass Unternehmen in einigen Branchen erfolgreicher sind, wenn sie eine branchenweite Differenzierungsstrategie mit einer Kostenführerstrategie kombinieren (Miller & Dess, 1993, S. 553 - 585, zit. in Lombriser & Abplanalp, 2018, S. 283). Thornhill & White (2007) vertreten eine andere Meinung. Sie sind der Ansicht, dass eindeutige Strategien generell besser abschneiden als Dualstrategien (Thornhill & White, 2007. S. 553-561, zit. in Lombriser & Abplanalp, 2018, S. 284). <br />
Die Dual- wie auch die eindeutigen Strategien bieten Vor- und Nachteile. Lombriser und Abplanalp (2018) beschreiben beispielsweise die Möglichkeit von Konflikten, welche bei der Durchführung einer Dualstrategie entstehen können, als Nachteil. Im Gegenzug wird eine Dualstrategie oft gewählt, um dem Strategieparadox auszuweichen. Dieses besagt, dass man auf maximal mögliche Renditen verzichtet zugunsten von geringeren Marktrisiken (S. 285-287). <br />
Bei der Wahl einer Strategie ist zu betrachten, dass jedes Unternehmen für sich selbst entscheiden muss, welches die passende Strategie ist. Bei der Dualstrategie wie auch bei einer eindeutigen Strategie entstehen Vor- und Nachteile. Diese sind für jedes Unternehmen einzeln zu eruieren und zu gewichten.<br />
<br />
== Lern- und Praxismaterialien ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Fallstudien <br />
|-<br />
|<br />
* [[Edison AG – Fallstudie]]<br />
<br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Disselkamp, M. (2012). [https://link.springer.com/book/10.1007%2F978-3-8349-4472-6 Innovationsmanagement: Instrumente und Methoden Zur Umsetzung Im Unternehmen] (2. Auflage). Springer Fachmedien.<br />
* Echchakoui, S. (2018). An analytical model that links customer-perceived value and competitive strategies. Journal of Marketing Analytics (6), 138–149. doi: https://doi.org/10.1057/s41270-018-0043-9<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A., & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling. Versus.<br />
* Gilbert, X., Strebel, P. (1987). Strategies to Outpace the Competition. Journal of Business Strategy, Vol. 8, S. 28-36.<br />
* Lombriser, R. & Abplanalp, P. A. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, B. (2007). [https://link.springer.com/book/10.1007%2F978-3-8350-9433-8 Porters Konzept generischer Wettbewerbsstrategien: Präzisierung und empirische Überprüfung (1st ed. 2007.)]. Deutscher Universitätsverlag.<br />
* Porter, M., Brandt, V., & Schwoerer, T. (2013). Wettbewerbsstrategie: (Competitive strategy): Methoden zur Analyse von Branchen und Konkurrenten (12. Auflage). Campus.<br />
* Porter, M. E. (2010). Wettbewerbsvorteile: Spitzenleistungen erreichen und behaupten (7. Aufl.). Campus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile: Spitzenleistungen erreichen und behaupten (8. Aufl.). Campus.<br />
* Johnson, G., Whittington, R., Scholes, K., Angwin, D. & Regnér, P. (2016). Strategisches Management: Eine Einführung (10. Aufl.). Pearson Deutschland.<br />
* Johnson, G., Whittington, R., Scholes, K., Angwin, D. & Regnér, P. (2017). Exploring Strategy: Text and Cases (11. Aufl.). Pearson Education.<br />
* Winkler, H. & Slamanig, M. (2009). Generische und hybride Wettbewerbsstrategien im Überblick. WiSt – Wirtschaftswissenschaftliches Studium, 38 (11), 546-552. doi: https://doi.org/10.15358/0340-1650-2009-11-546<br />
<br />
=== Weiterführende Literatur ===<br />
* Asum, H., Kerth, K. & Stich, V. (2015). [https://www.hanser-elibrary.com/isbn/9783446436626 Die Besten Strategietools in der Praxis]. München: Hanser.<br />
* Burggraf, A. (2012). Wettbewerbsstrategien bei Unternehmensgründungen: Die Einflussnahme der Kapitalgeber. Wiesbaden: Gabler Verlag.<br />
* Knauer, T., & Möslang, K. (2015). Einsatz und Wirkung von Target Costing in deutschen Unternehmen. Controlling, 27(3), 160–165. https://doi.org/10.15358/0935-0381-2015-3-160<br />
<br />
== Autoren ==<br />
Jeremias Medici, Julian Niederberger, Sandro Mancini, Sebastian Moos <br />
[[Kategorie:Strategisches Controlling]]<br />
[[Kategorie:Strategieentwicklung]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Wettbewerbsstrategien&diff=16319Wettbewerbsstrategien2021-10-13T07:35:53Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div><br />
Wettbewerbsstrategien sind ein Teil der Unternehmensstrategie, welche die Ziele und Herangehensweise einer strategischen Geschäftseinheit (SGE) definieren. Sie legt die zukünftige Ausrichtung der SGE fest. Die Ergebnisse und Informationen der [[Umweltanalyse|Umweltanalyse]] und der [[Unternehmensanalyse|Unternehmensanalyse]] geben Hinweise auf eine mögliche Entwicklungsrichtung des Unternehmens und liefern somit eine Entscheidungsgrundlage für die [[Strategieentwicklung|Strategieentwicklung]] (Lombriser & Abplanalp, 2018, S. 267). Im Zentrum der Wettbewerbsstrategien stehen diejenigen Merkmale (Erfolgspotenziale), die in wesentlichem Masse den langfristigen Erfolg bestimmen (Müller, 2007, S. 8). Für die Gestaltung der Wettbewerbsstrategien werden die drei Dimensionen Wettbewerbsvorteil, Wettbewerbsfeld und Innovationsverhalten unterschieden. <br />
== Dimensionen der Strategieentwicklung ==<br />
Für die Entwicklung einer nachhaltigen Wettbewerbsstrategie werden die drei Dimensionen Wettbewerbsvorteile, Wettbewerbsfeld und Innovationsverhalten herbeigezogen.<br />
<br />
<big>'''Wettbewerbsvorteile<br />
'''</big><br />
<br />
Mit der Dimension Wettbewerbsvorteile wird versucht, sich von den Konkurrenten abzuheben. Zu diesem Zweck unterscheidet Porter zwei Arten von Wettbewerbsvorteilen: Kostenführerschaft und Differenzierung (Müller, 2007, S. 11).<br />
<br />
<br />
<big>'''Wettbewerbsfeld<br />
'''</big><br />
<br />
Mit der Dimension Wettbewerbsfeld entscheidet ein Unternehmen, ob es gewisse Produkte oder Dienstleistungen auf ein Segment oder auf mehrere Segmente bzw. branchenweit abstimmen soll. Das Unternehmen kann sich bei der Segmentierung auf bestimmte Kundengruppen und/ oder auf geografische Räume beziehen (Lombriser & Abplanalp, 2018, S. 275).<br />
<br />
<big>'''Innovationsverhalten<br />
'''</big><br />
<br />
Unternehmen müssen sich in der letzten Dimension Innovationsverhalten entscheiden, ob sie als Innovationsführer (First Mover) oder als Nachahmer (Fast Follower) agieren wollen (Lombriser & Abplanalp, 2018, S. 280).<br />
<br />
''Innovationsstrategie'': Ein Innovationsführer oder auch First Mover beschreibt ein Unternehmen, welches ein Produkt oder eine Dienstleistung, respektive eine Innovation als erstes auf den Markt bringt (Disselkamp, 2012, S. 66-67).<br />
<br />
''Imitationsstrategie'': Ein Nachahmer oder auch Fast-Follower zielt darauf ab, die Produkte oder Dienstleistungen des Innovationsführers zu kopieren. Durch die Nachahmung des First Mover können so die Kosten der Forschung und Entwicklungs-Abteilung gesenkt werden und aus den Erfahrungen des Innovationsführers lernen.<br />
Die nachfolgende Tabelle soll die Vor- und Nachteile der beiden Strategien Innovationsstrategie und Imitationsstrategie nennen (in Anlehnung an Lombriser & Abplanalp, 2018, S. 281; Disselkamp, 2012, S. 65- 67):<br />
<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
| || '''Innovationsstrategie (First Mover)''' || '''Imitationsstrategie (Fast Follower)'''<br />
|-<br />
| '''Vorteile''' || <br />
* Kein direkter Konkurrenzdruck<br />
* Stärkung des Images (Etablierung)<br />
* Erfahrungskurve<br />
* Technologische Führerschaft<br />
* Besetzen von knappen Ressourcen<br />
* Netzwerkeffekte <br />
|| <br />
* Geringeres Risiko<br />
* Kann von den Erfahrungen des First Movers profitieren<br />
* Produkt oder Vertriebskanäle besser an Kundenbedürfnisse anpassen<br />
|-<br />
| '''Nachteile''' || <br />
* Hohes Risiko<br />
* Extremer Zeitdruck<br />
|| <br />
* Mögliche Markteintrittsbarrieren<br />
* Rascher Einstieg anderer Konkurrenten<br />
* Druck auf Preise und Marge<br />
<br />
|}<br />
<br />
== Generische Wettbewerbsstrategien nach Porter ==<br />
<br />
Nach Michael Porter (2014) gibt es zwei grundlegende Wege, um am Markt einen Wettbewerbsvorteil zu erlangen (S. 33). Einerseits kann eine strategische Geschäftseinheit durch eine günstige Kostenstruktur niedrigere Preise als ihre Mitbewerber anbieten (Kostenführerschaft). Anderseits können Produkte und Dienstleistungen angeboten werden, welche sich so von jenen der Mitbewerber unterscheiden, dass der Kunde ihnen einen erhöhten Wert zumisst und bereit ist, dafür einen teureren Preis zu bezahlen (Differenzierungsstrategie) (Johnson et al., 2016, S. 276). Nebst dem Wettbewerbsvorteil fügt Porter (2014) für die Festlegung der Wettbewerbsstrategie eine weitere Dimension hinzu, die sich auf das Wettbewerbsfeld bezieht. Gemäss Porter können Unternehmen zwischen einer branchenweiten oder segmentspezifischen Strategie entscheiden (S. 34). Das heisst, eine Geschäftseinheit kann sich entweder auf ein stark eingegrenztes Kundensegment, wie beispielsweise eine bestimme demografische Gruppe, konzentrieren oder ein breites Kundensegment anvisieren. Anhand dieser Unterscheidungen zwischen Kosten, Differenzierung und Umfang des Kundensegments leitet Porter seine generischen Wettbewerbsstrategien ab. Die Strategien sowie die zwei Dimensionen sind in der Abbildung 1 ersichtlich.<br />
[[Datei:Abbildung 1- Test.jpg|miniatur|600px|Abb. 1: Generische Wettbewerbsstrategien nach Porter (Porter, 2010, S. 38)]]<br />
<br />
=== Kostenführerschaft ===<br />
Die Strategie der Kostenführerschaft bedeutet, dass eine Unternehmung in einer Branche die günstigste Kostenstruktur aufweist und dadurch einen Wettbewerbsvorteil erringt. Dies setzt voraus, dass alle Aktivitäten in der Wertschöpfungskette auf Effizienz getrimmt sind sowie einer straffen Kostenkontrolle unterliegen (Lombriser & Abplanalp, 2018, S. 269). Die Ursachen des Kostenvorsprungs sind vielfältig. Dazu gehören beispielsweise grössenbedingte Kostenvorteile, Zugang zu günstigen Rohstoffen oder effiziente Produktionsanlagen und Prozesse (Porter, 2014, S. 35). Auch Johnson et al. (2016) beschreiben die Inputkosten, die Skaleneffekte, die [[Erfahrungskurve|Erfahrungskurve]], die Produktgestaltung sowie die Prozessplanung als zentrale kostentreibende Faktoren, die zur Erreichung der Kostenführerschaft beitragen können (S. 278). Ein Kostenführer misst der Ausschöpfung grössenbedingter und absoluter Kostenvorteile aus sämtlichen Quellen einen erheblichen Stellenwert bei, weshalb alle Einsparungspotentiale systematisch ermittelt und genutzt werden müssen (Porter, 2014, S. 35).<br />
Nebst dem Fokus auf eine günstige Kostenstruktur müssen erfolgreiche Kostenführerstrategien auf preissensitive Kunden ausgerichtet sein, die bereit sind, für einen günstigeren Preis auf Zusatzfunktionen und -Leistungen zu verzichten (Lombriser & Abplanalp, 2018, S. 270). In der Regel verkaufen Kostenführer keine Luxusprodukte, sondern Standard- und Basisprodukte, die einen einfachen Leistungsvergleich ermöglichen (Porter, 2014, S. 35). Porter (2014) betont, dass trotz niedriger Kosten die Produktqualität nicht vollständig vernachlässigt werden darf. Um eine erfolgreiche Kostenführerschaft zu betreiben, müssen Produkte und Dienstleistungen verkauft werden, welche mindestens die Marktstandards erfüllen (S. 35 f.). Billigfluggesellschaften wenden beispielweise eine solche Strategie an, in dem die Grundbedürfnisse befriedigt, aber auf diverse Extras verzichtet wird. Zusammenfassend gibt folgende Tabelle einen Überblick über die wichtigsten Voraussetzungen und Risiken der Kostenführerschaftsstrategie (in Anlehnung an Lombriser & Abplanalp, 2018, S. 270).<br />
<br />
{| class="wikitable"<br />
|+ |-<br />
| '''Voraussetzungen Markt''' || <br />
* Preissensitive Kunden, die bereit sind für einen günstigeren Preis auf Zusatzfunktionen zu verzichten<br />
* Geringe Produktkomplexität, die einen einfachen Leistungsvergleich ermöglicht<br />
|-<br />
| '''Organisatorische Anforderungen''' || <br />
* Intensive Kostenkontrolle<br />
* Klar gegliederte Organisation und Verantwortlichkeiten<br />
* [[Anreizsystem|Anreizsystem]], welches auf Erfüllung der quantitativen Ziele beruht<br />
* Kostenorientierte Konfiguration der Wertekette: Systematische Steuerung der Kostentreiber in den Aktivitäten der Wertekette (z.B. Skaleneffekte, Lerneffekte oder Kapazitätsauslastung)<br />
|-<br />
| '''Gefahren''' || <br />
* Hohe Effizienz hat geringe Flexibilität zur Folge<br />
* Kostenführerschaft geht verloren (z.B. durch Nachahmer, technologischen Veränderungen oder Kostenvorteil verschwindet aufgrund anderer Gründe)<br />
* Preiskrieg bei ohnehin geringen Margen<br />
* Billig-Image<br />
|}<br />
<br />
=== Differenzierung ===<br />
Eine Differenzierungsstrategie bezieht sich auf die Einzigartigkeit im Hinblick auf eine oder mehrere Faktoren, welche vom Kunden als hoch bewertet werden (Porter, 2014, S. 37). Die besonderen Kundenbedürfnisse sollen so optimal befriedigt werden, in dem sich das Leistungsangebot möglichst deutlich von der Konkurrenz abhebt (Lombriser & Abplanalp, 2018, S. 271). Durch die Einmaligkeit in Bezug auf die Merkmale, welche von den Kunden als wichtig erachtet werden, kann die Unternehmung höhere Preise durchsetzen (Porter, 2014, S. 37). <br />
Gemäss Porter (2014) unterscheiden sich Differenzierungspunkte von Markt zu Markt und können auf dem Produkt selbst, der Qualität, dem Sortiment, dem Marketing, der Kundenberatung, dem Image sowie einer Reihe weiterer Faktoren innerhalb der gesamten Wertschöpfungskette beruhen (S. 37). Eine Differenzierungsstrategie funktioniert nur, solange der Kunde dem Produkt oder der Dienstleistung einen Mehrwert beimisst und bereit ist, dafür einen entsprechenden Preis zu bezahlen (Lombriser & Abplanalp, 2018, S. 271). Folglich ist eine Differenzierungsstrategie einfacher bei Produkten oder Dienstleistungen umzusetzen, welche vom Kunden unterschiedlich bevorzugte Eigenschaften besitzen (z.B. Smartphone, Erfrischungsgetränke, Hotelübernachtungen oder Markenkleider) anstatt bei Produkten, die nur eine einzige Funktion erfüllen (z.B. Kopierer, Kugelschreiber oder Glühbirne) (Lombriser & Abplanalp, 2018, S. 271).<br />
Differenzierung ist normalerweise mit höheren Kosten verbunden. Eine erfolgreiche Differenzierung Strategie umzusetzen und im Markt zu behaupten, kann überdurchschnittliche Ergebnisse erzielen, unter der Bedingung, dass die Zusatzkosten der Einzigartigkeit den Preis nicht übersteigen (Johnson et al., 2017, S. 216). Genau wie Kostenführer die Qualität nicht ausser Acht lassen dürfen, dürfen bei der Differenzierungsstrategie die Kosten nicht vernachlässigt werden. Die operative Effizienz ist eine wichtige Voraussetzung und Möglichkeiten für Kostensenkungen müssen identifiziert und genutzt werden, vorausgesetzt die Leistung gegenüber dem Kunden wird nicht beeinträchtigt (Lombriser & Abplanalp, 2018, S. 273). Die folgende Tabelle fasst die wichtigsten Anforderungen und Risiken zusammen (in Anlehnung an Lombriser & Abplanalp, 2018, S. 274).<br />
<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
| '''Voraussetzungen Markt''' || <br />
* Hohe Zahlungsbereitschaft: Kunden schätzen Produkte mit höher wahrgenommenem Nutzen und sind bereit dafür zu bezahlen<br />
* Differenzierbare Leistungen<br />
|-<br />
| '''Organisatorische Anforderungen''' || <br />
* Gute Koordination der Tätigkeiten in den Bereichen F&E, Produktenwicklung und Marketing<br />
* Ausrichtung und Koordination sämtlicher Aktivitäten der Wertekette auf Identifikation, Realisierung und Schutz der Differenzierung (insbesondere Marketing und Produktentwicklung)<br />
* Qualitativ- und innovationsorientierte Anreizsysteme<br />
|-<br />
| '''Gefahren''' || <br />
* Differenzierung geht verloren (z.B. Nachahmung der Konkurrenz)<br />
* Differenzierung verliert aus Abnehmersicht an Wert und rechtfertigt Preis nicht mehr<br />
* Differenzierungskosten übersteigen den Preis<br />
<br />
|}<br />
<br />
=== Branchenweite Strategie ===<br />
Unternehmen, welche sich für eine branchenweite Strategie entscheiden, bieten gleiche oder ähnliche Produkte oder Dienstleistungen mehreren Kundengruppen an. Das Angebot der Unternehmen besitzt dabei Eigenschaften, welche von vielen Segmenten bevorzugt wird. Dadurch realisiert das Unternehmen bedeutende Economies of Scope, da die Güter bspw. von der gleichen Marke oder Zugang zu Ressourcen und Vertriebskanälen profitieren (Lombriser & Abplanalp, 2018, S. 275). Die folgende Tabelle zeigt die Vorteile und Risiken der branchenweiten Strategie (in Anlehnung an Lombriser & Abplanalp, 2018, S. 279)<br />
<br />
{| class="wikitable" style="margin: 1em left 1em left;" <br />
|-<br />
! style="width: 22em" | Vorteile !! style="width: 22em" | Risiken<br />
|-<br />
| Economies of Scope|| style="width: 22em" | Leistungen fokussierter Konkurrenten oftmals besser<br />
|-<br />
| Segmentübergreifendes Know-how || style="width: 22em" | Geringe Anpassungsfähigkeit auf Marktveränderungen<br />
|-<br />
| Mengeneffekte|| style="width: 22em" | Geringere Flexibilität<br />
|-<br />
| Risikostreuung || style="width: 22em" | Höhere Kosten durch Bedienung mehrerer Segmentgruppen<br />
|}<br />
<br />
=== Segmentspezifische Strategie ===<br />
Nach Ergenzinger et al. (2020) konzentrieren sich Unternehmen auf bestimmte Segmente. Dabei kann die Segmentierung wiederum in weitere Dimensionen unterteilt werden. Oftmals konzentrieren sich Unternehmen auf Dimensionen «wie Abnehmergruppen mit speziellen Bedürfnissen, gewisse Produkt- bzw. Dienstleistungsangebote und/ oder auf geografische Regionen» (S. 187). Eine Fokussierung in allen drei Dimensionen ist eher selten, da dadurch das Marktpotenzial für das Unternehmen zu gering sein würde. «Eine Fokusstrategie lohnt sich nur dann, wenn wir die Bedürfnisse eines Segmentes besser oder kostengünstiger befriedigen können als ein breites ausgerichtetes Unternehmen. Ein Fokussiere ist somit ein spezialisierter Kostenführer oder Differenzierer» (Lombriser & Abplanalp, 2018, S. 276). Somit lassen sich für die Fokusstrategie folgende zwei Bedingungen aufstellen:<br />
<br />
* Im ausgewählten Segment gibt es Kunden mit besonderen Bedürfnissen<br />
* Es stehen unterschiedliche Verfahren zur Verfügung, die es ermöglichen eine bessere oder kostengünstigere Leistung zu erbringen als ein breit ausgerichtetes Unternehmen<br />
<br />
Die folgende Tabelle zeigt Vorteile und Risiken der Fokusstrategie (in Anlehnung an Ergenzinger et al, 2020, S. 188):<br />
<br />
{| class="wikitable" style="margin: 1em left 1em left;" <br />
|-<br />
! style="width: 22em" | Vorteile !! style="width: 22em" | Risiken<br />
|-<br />
| Konzentration der Kräfte auf entsprechendes Segment || style="width: 22em" | Abhängigkeit von einem Segment (Klumpenrisiko)<br />
|-<br />
| Keine weiteren Investitionen für weitere Segmente notwendig || style="width: 22em" | Fehlende Economies of Scope<br />
|-<br />
| Höhere Flexibilität || style="width: 22em" | Entwicklung eines Kundenstamms benötigt Pflege und Zeit<br />
|}<br />
<br />
== Dualstrategien (kombinierte Wettbewerbsstrategien) ==<br />
Die generischen Wettbewerbsstrategien nach Porter antizipieren, dass sich Differenzierung und Kostenführerschaft gegenseitig ausschliessen. Demnach kann jeweils nur ein Wettbewerbsvorteil aufgebaut werden, da Unternehmen sonst im Dazwischen agieren. [[Datei:Stuck in the Middle.jpg|miniatur|400px|Abb. 2: Stuck in the middle, Quelle:Winkler & Slamanig, 2009, S.-547]]<br />
Abbildung 2 suggeriert, dass bei einem sogenannten «stuck in the middle» ein tiefer ROI resultiert (Winkler & Slamanig, 2009, S. 546-547).<br />
<br />
Verschiedene empirische Arbeiten belegen jedoch, dass eine Kombination von Kosten- und Differenzierungsstrategie, die dualen Wettbewerbsstrategien, ebenfalls erfolgsversprechend sein kann (Winkler & Slamanig, 2009, S. 546-547). Dabei haben sich folgende Dualstrategien als erfolgreich etabliert:<br />
<br />
* '''Preisliche Positionierung in der Mitte'''<br />
«Best-Cost-» oder «Best-Value-Strategie» zeichnen sich durch einen tiefen Preis (Kostenführungsansatz) und hohe Qualität (Differenzierungsansatz) aus. Ein Beispiel dazu liefert Toyota gegenüber BMW.<br />
* '''Premium- und Billigstrategie'''<br />
Die Fluggesellschaft Singapore Airlines platziert sich als Premium-Airline im Wettbewerb während die Tochtergesellschaft SilkAir die Billigstrategie verfolgt.<br />
* '''Breites Spektrum hoch bis niedrig positionierte Produkte'''<br />
Lebensmittelläden wie Coop oder Migros bieten ein breites Spektrum an Produkten an. Dabei bieten sie in den gleichen Produktkategorien Hochpreis- wie auch Tiefpreis-Produkte an (Ergenzinger et al., 2020, S. 188).<br />
<br />
== Outpacing Strategie ==<br />
Durch geschicktes Timing der Aktivitäten können Risiken der Dualstrategie vermieden werden. Die als Outpacing bekannte Strategie verfolgt einen abwechslungsweisen Einsatz von Kostenstrategie und Differenzierungsstrategie (Lombriser & Abplanalp, 2018, S. 291). <br />
Nach Gilbert und Strebel (1987) gibt es zwei unterschiedliche Wege, in welcher die Outpacestrategie realisiert werden kann. Abbildung 3 zeigt die beiden unterschiedlichen Wege. Die erste Route geht davon aus, dass ein Unternehmen ein Produkt mit einem hohen Produktwert schafft (Differenzierung). Anschliessend wird der Produktionsprozess verbessert, um so die Vorteile der Kostenführerschaft für sich zu gewinnen. Der zweite Weg beschreibt den umgekehrten Weg. In einer ersten Phase werden möglichst tiefe Herstellkosten angestrebt. Danach widmet sich das Unternehmen in der (Weiter-) Entwicklung des Produktnutzens (S. 28-36). Lombriser und Abplanalp (2018) fassen die Strategie wie folgt zusammen:<br />
<br />
''«Ein Unternehmen versucht zunächst auf einer Dimension (Kosten oder Produktnutzen) ein hohes Leistungsniveau zu erreichen. Anschliessend erhöht es seine Leistungen auf der anderen Dimension, ohne den ursprünglichen Vorteil aufzugeben. Indem es das Gewicht in den folgenden Phasen immer wieder verlagert, kann es die Konkurrenz überholen, ist selbst aber nur noch schwer einzuholen» (S. 291).''<br />
<br />
[[Datei:Outpacing-Strategie.jpg|400px|Abb. 3: Outpacing-Strategie (in Anlehnung an Lombriser & Abplanalp, 2018, S. 292)]]<br />
<br />
== Die strategische Uhr ==<br />
Die strategische Uhr stellt einen alternativen Ansatz zu den generischen Wettbewerbsstrategien von Porter dar. Das Modell wurde von Bowman und Falkner konzipiert und soll den Dualstrategien mehr Raum bieten, indem Abstufungen und Kombinationen der Kosten- und Qualitätsführerschaft berücksichtigt werden (Echchakoui., 2018, S. 137 & 140). Das Konzept enthält zwei charakteristische Eigenschaften. [[Datei:Strategische Uhr.jpg|300px|mini|Abb. 4: Die strategische Uhr (Johnson et al., 2016, S. 288) ]]<br />
Erstens fokussiert es sich auf den Preis für den Kunden anstatt auf die Kosten für die Organisation, da die Preise viel einfacher zu erfassen sind. Zweitens erlaubt das runde Design der Uhr die kontinuierliche Entscheidung und geht somit auf den Kritikpunkt an Porters Model ein, dass eine Entweder-Oder-Entscheidung verlangt wird (Johnson et al., 2016, S. 287). <br />
<br />
Die Abbildung 4 illustriert das soeben beschriebene Modell der strategischen Uhr.<br />
Im Vergleich zu Porter ermöglicht das Konzept der strategischen Uhr, durch den Fokus auf den Preis sowie die breite Palette an inkrementellen Änderungen, eine dynamischere Sichtweise der Strategie (Echchakoui, 2018, S. 140). So sind Unternehmen nicht auf eine Strategie festgelegt, sondern können sich im Lauf der Zeit um die Uhr bewegen, um die Preisbildung und Vorteile anzupassen. Zum Beispiel kann sich eine Unternehmung zuerst mit einer Niedrigpreisstrategie im Markt platzieren, um Marktanteile zu gewinnen. Nachdem sich die Unternehmung im Markt etabliert hat, kann auf eine höherpreisige Strategie der Differenzierung gewechselt werden, um Gewinne einzufahren. Anschliessend kann auf eine Dualstrategie gewechselt werden, um die Marktposition gegen die steigende Konkurrenz zu verteidigen (Johnson et al., 2016, S. 289).<br />
<br />
== Dualstrategie vs. eindeutige Strategie ==<br />
Die oft gestellte Frage ist nun, ob eine der Dualstrategien oder eine eindeutige Strategie besser für ein Unternehmen ist. Dabei gehen die Meinungen der Forscher auseinander. Einige sind der Meinung, dass Unternehmen in einigen Branchen erfolgreicher sind, wenn sie eine branchenweite Differenzierungsstrategie mit einer Kostenführerstrategie kombinieren (Miller & Dess, 1993, S. 553 - 585, zit. in Lombriser & Abplanalp, 2018, S. 283). Thornhill & White (2007) vertreten eine andere Meinung. Sie sind der Ansicht, dass eindeutige Strategien generell besser abschneiden als Dualstrategien (Thornhill & White, 2007. S. 553-561, zit. in Lombriser & Abplanalp, 2018, S. 284). <br />
Die Dual- wie auch die eindeutigen Strategien bieten Vor- und Nachteile. Lombriser und Abplanalp (2018) beschreiben beispielsweise die Möglichkeit von Konflikten, welche bei der Durchführung einer Dualstrategie entstehen können, als Nachteil. Im Gegenzug wird eine Dualstrategie oft gewählt, um dem Strategieparadox auszuweichen. Dieses besagt, dass man auf maximal mögliche Renditen verzichtet zugunsten von geringeren Marktrisiken (S. 285-287). <br />
Bei der Wahl einer Strategie ist zu betrachten, dass jedes Unternehmen für sich selbst entscheiden muss, welches die passende Strategie ist. Bei der Dualstrategie wie auch bei einer eindeutigen Strategie entstehen Vor- und Nachteile. Diese sind für jedes Unternehmen einzeln zu eruieren und zu gewichten.<br />
<br />
== Lern- und Praxismaterialien ==<br />
<br />
{| class="wikitable"<br />
|-<br />
! Fallstudien <br />
|-<br />
|<br />
* [[Edison AG – Fallstudie]]<br />
<br />
|}<br />
<br />
== Quellen ==<br />
=== Literaturverzeichnis ===<br />
* Disselkamp, M. (2012). [https://link.springer.com/book/10.1007%2F978-3-8349-4472-6 Innovationsmanagement: Instrumente und Methoden Zur Umsetzung Im Unternehmen] (2. Auflage). Springer Fachmedien.<br />
* Echchakoui, S. (2018). An analytical model that links customer-perceived value and competitive strategies. Journal of Marketing Analytics (6), 138–149. doi: https://doi.org/10.1057/s41270-018-0043-9<br />
* Ergenzinger, R., Zenhäusern, R., Janoschka, A., & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling. Versus.<br />
* Gilbert, X., Strebel, P. (1987). Strategies to Outpace the Competition. Journal of Business Strategy, Vol. 8, S. 28-36.<br />
* Lombriser, R. & Abplanalp, P. A. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Versus.<br />
* Müller, B. (2007). [https://link.springer.com/book/10.1007%2F978-3-8350-9433-8 Porters Konzept generischer Wettbewerbsstrategien: Präzisierung und empirische Überprüfung (1st ed. 2007.)]. Deutscher Universitätsverlag.<br />
* Porter, M., Brandt, V., & Schwoerer, T. (2008). Wettbewerbsstrategie: (Competitive strategy): Methoden zur Analyse von Branchen und Konkurrenten (11. Auflage). Campus.<br />
* Porter, M. E. (2010). Wettbewerbsvorteile: Spitzenleistungen erreichen und behaupten (7. Aufl.). Campus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile: Spitzenleistungen erreichen und behaupten (8. Aufl.). Campus.<br />
* Johnson, G., Whittington, R., Scholes, K., Angwin, D. & Regnér, P. (2016). Strategisches Management: Eine Einführung (10. Aufl.). Pearson Deutschland.<br />
* Johnson, G., Whittington, R., Scholes, K., Angwin, D. & Regnér, P. (2017). Exploring Strategy: Text and Cases (11. Aufl.). Pearson Education.<br />
* Winkler, H. & Slamanig, M. (2009). Generische und hybride Wettbewerbsstrategien im Überblick. WiSt – Wirtschaftswissenschaftliches Studium, 38 (11), 546-552. doi: https://doi.org/10.15358/0340-1650-2009-11-546<br />
<br />
=== Weiterführende Literatur ===<br />
* Asum, H., Kerth, K. & Stich, V. (2015). [https://www.hanser-elibrary.com/isbn/9783446436626 Die Besten Strategietools in der Praxis]. München: Hanser.<br />
* Burggraf, A. (2012). Wettbewerbsstrategien bei Unternehmensgründungen: Die Einflussnahme der Kapitalgeber. Wiesbaden: Gabler Verlag.<br />
* Knauer, T., & Möslang, K. (2015). Einsatz und Wirkung von Target Costing in deutschen Unternehmen. Controlling, 27(3), 160–165. https://doi.org/10.15358/0935-0381-2015-3-160<br />
<br />
== Autoren ==<br />
Jeremias Medici, Julian Niederberger, Sandro Mancini, Sebastian Moos <br />
[[Kategorie:Strategisches Controlling]]<br />
[[Kategorie:Strategieentwicklung]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Unternehmensanalyse&diff=16318Unternehmensanalyse2021-10-13T07:25:16Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div>Die Unternehmensanalyse hat zum Ziel, die wettbewerbsrelevanten Fähigkeiten und Ressourcen eines Unternehmens zu ermitteln. Dafür stehen verschiedene Instrumente zur Verfügung. Die wichtigsten bilden dabei das [[Benchmarking#Benchmarking|Benchmarking]], die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]], die [[Kulturanalyse#Kulturanalyse|Kulturanalyse]], die [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]], die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] und die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]]. Die Unternehmensanalyse ist wie die [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] Teil der [[strategische Analyse#strategischen Analyse|strategischen Analyse]] (Lombriser & Abplanalp, 2018, S. 155).<br />
<br />
==Definition und Abgrenzung==<br />
[[Datei:Modell strategisches Management.JPG|mini|rechts|Abb. 1: Modell des strategischen Managements in Anlehnung an Lombriser & Abplanalp, 2018, S. 50.]] Die Unternehmensanalyse ist im Modell des strategischen Managements von Lombriser und Abplanalp in der ersten Phase, der Informationsanalyse, angesiedelt und ist einer von insgesamt acht Schritten. Wie in der Abbildung 1 ersichtlich ist, läuft die Unternehmensanalyse parallel zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] ab.<br />
Bei der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] werden das globale Umfeld, die Entwicklung der Branche sowie die wichtigsten Konkurrenten analysiert. Die Betrachtung umfasst vor allem die bestehenden und potenziellen Chancen und Gefahren. Bei der Unternehmensanalyse hingegen werden die internen Unternehmensressourcen einer qualitativen und quantitativen Analyse unterzogen. Dabei sollen Stärken und Schwächen der eigenen Unternehmung aufgezeigt werden. Analysiert werden kann entweder das ganze Unternehmen oder nur Teilbereiche (Lombriser & Abplanalp, 2018, S. 51).<br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br />
==Ziele==<br />
Hauptziel der Unternehmensanalyse ist es, ein Bild über die Stärken und Schwächen der eigenen Unternehmung beziehungsweise dessen Geschäftsfelder zu gewinnen. In Verknüpfung mit den Ergebnissen der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] können schlussendlich geeignete Strategiealternativen formuliert werden (Joos-Sachse, 2006, S. 15).<br />
<br />
==Ablauf / Vorgehen==<br />
Es gibt verschiedene Theorien zum Vorgehen bei der Unternehmensanalyse, folgend wird ein beispielhafter Ablauf aus der Fachliteratur beleuchtet. Das Prozedere der Erstellung einer Unternehmensanalyse kann in sechs Schritte unterteilt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 23), die folgend erläutert werden:<br />
<br />
'''Schritt 1: Bestimmung des Untersuchungsgegenstandes'''<br />
<br />
Im ersten Schritt wird definiert, was mit der bevorstehenden Unternehmensanalyse erreicht werden soll und wer die Adressaten sind. Aufgrund dieser Informationen können darauffolgend Umfang, Schwerpunkte und die Struktur des weiteren Vorgehens erörtert werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 2: Datenbeschaffung und Aufbereitung'''<br />
<br />
In diesem Schritt werden durch Primär- als auch Sekundärforschung Daten zu der Unternehmung, der Konkurrenz und der Branche beschafft. Als zentrale Informationsquellen für diese Daten gelten unter anderem das Organigramm, die Bilanz und die Erfolgsrechnung. Die daraus gewonnenen Daten müssen jeweils auch passend zum in Schritt 1 definierten Ziel aufbereitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 3: Beschreibende Unternehmensanalyse'''<br />
<br />
Mit den zuvor gesammelten Daten wird jetzt eine Situationsaufnahme zum Ist-Zustand der Unternehmung gemacht, dies kann z.B. in Form einer SWOT-Analyse geschehen (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 4: Ursachenforschende Unternehmensanalyse'''<br />
<br />
Hierbei werden die zuvor erlangten Informationen zum Ist-Zustand auf deren Ursachen geprüft und somit wird versucht Schwachstellen im Betrieb ausfindig zu machen. Eine geeignete Methode dafür ist eine [[Abweichungsanalyse#Abweichungsanalyse|Abweichungsanalyse]]. Es ist wichtig unterscheiden zu können, welche der Abweichungen wesentlich sind und somit Handlungen folgen müssen. Hierfür müssen passende Kenngrössen ausgewählt und verglichen werden. Zu diesen Problembereichen sollen in diesem Schritt Handlungsempfehlungen ausgearbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 5: Auswertung der Informationen'''<br />
<br />
In diesem vorletzten Schritt werden die aus den zuvor durchgeführten Analysen erlangten Informationen in Bezug auf die Zielsetzung bewertet. Aus den einzelnen Erkenntnissen soll dann ein Gesamtbild über den Stand der Unternehmung erstellt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 6: Formulierung der Analyseergebnisse'''<br />
<br />
Zu guter Letzt wird das zuvor erlangte Gesamtbild auf verschiedene Arten auf zielorientierte Weise ausformuliert. Das kann schriftlich, in Tabellenform oder auch durch Abbildungen geschehen. Aufbauend auf diesen Auswertungen können Massnahmen und Alternativen erarbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
==Instrumente==<br />
Zur Analyse des Unternehmens stehen verschiedenste Instrumente zur Verfügung. Folgend werden die von den Autoren als zentral erachteten kurz erläutert, um einen Überblick über den Themenbereich zu bieten.<br />
<br />
'''Benchmarking'''<br />
<br />
[[Benchmarking#Benchmarking|Benchmarking]] ist ein kontinuierlicher Prozess bei dem die Leistungen eines Unternehmens (z.B. Produkte, Dienstleistungen oder Prozesse) mit den marktführenden Unternehmen verglichen werden. Ziel von [[Benchmarking#Benchmarking|Benchmarking]] ist das Kopieren von ausgezeichneten Aktivitäten anderer Unternehmen, die beim eigenen Unternehmen eingesetzt und nach Möglichkeit verbessert werden sollen. [[Benchmarking#Benchmarking|Benchmarking]] (Thommen & Achleitner, 2012, S. 1003).<br />
<br />
'''Gap-Analyse'''<br />
<br />
[[Datei:Strategische Lücke.JPG|mini|rechts|Abb. 2: Beispiel für die Darstellung einer einfachen strategischen Lücke (Erichsen, 2011, S. 374).]] Die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] (Lückenanalyse) gehört zu den klassischen Instrumenten der strategischen Unternehmensanalyse. Sie ist zur Früherkennung von strategischen Problemen gedacht (Amann et al., 2020, S. 73). Für den Planungshorizont (z.B. zehn Jahre) wird der Zielwert einer Beobachtungsgrösse (i.d.R. Gewinn oder Umsatz) mit dem Prognosewert für dieselbe Beobachtungsgrösse verglichen. Bei der Ermittlung des Prognosewertes wird unterstellt, dass keine Änderungen an der momentanen Strategie vorgenommen werden. Als Differenz aus Ziel- und Prognosewert ergibt sich die sogenannte «strategische Lücke» (siehe Abbildung 2), die durch geeignete strategische Massnahmen geschlossen werden muss (Joos-Sachse, 2006, S. 15). Die strategische Lücke bezeichnet die Differenz zwischen den aufgrund der strategisch bestimmten Ziele angestrebten und der durch Entscheidungen im operativen Controlling realisierten Entwicklung (Huch et al., 1998, S. 384).<br />
Im Allgemeinen kann das Instrument der [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] als eine «zukunftsorientierte Schwachstellenanalyse» gesehen werden, da auf diese Weise erkennbar wird, ab welcher Periode z.B. zusätzliche Massnahmen ergriffen werden müssen, damit der angestrebte Gewinn oder Umsatz realisiert werden kann (Amann et al., 2020, S. 74).<br />
<br />
'''Kulturanalyse'''<br />
<br />
«Unternehmungskultur ist die Gesamtheit der Grundannahmen, Werte, Normen, Einstellungen und Überzeugungen einer Unternehmung, die sich in einer Vielzahl von Verhaltensweisen und Artefakten ausdrückt und sich als Antwort auf die vielfältigen Anforderungen, die an diese Unternehmung gestellt werden, im Laufe der Zeit herausgebildet hat» (Kutschker & Schmid, 2006, S. 678). Eine [[Kulturanalyse#Kulturanalyse|Analyse der Unternehmenskultur]] soll die Elemente identifizieren, welche bisherige Erfolge oder Misserfolge des Unternehmens erklären. Zudem soll sie Antworten darauf liefern, welche Strategie am besten zur Unternehmenskultur passt (Lombriser & Abplanalp, 2018, S. 184).<br />
<br />
'''Potenzialanalyse'''<br />
<br />
[[Datei:Beispiel einer Potenzialanalyse.JPG|mini|rechts|Abb. 3: Beispiel einer Potenzialanalyse (Joos-Sache, 2006, S. 16).]] Ziel der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] (Stärken-Schwächen-Analyse) ist es festzustellen, welche Ressourcen die individuellen Stärken und Schwächen einer Unternehmung ausmachen. Als Hilfe der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] werden Checklisten verwendet. Diese Listen orientieren sich meistens an betrieblichen Funktionsbereichen (Beschaffung, Logistik, Produktion, Forschung und Entwicklung usw.). Dabei dürfen die immateriellen Ressourcen nicht vergessen werden, die das Innovations- und Entwicklungspotenzial eines Unternehmens massgeblich bestimmen und in die Analyse zwingend miteinbezogen werden müssen.<br />
Die Resultate der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] können in verdichteter Form als beispielsweise «Geschäftsfeldprofil» dargestellt und den Profilen der anderen Wettbewerber gegenübergestellt werden, wie es in der Abbildung 3 der Fall ist (Joos-Sachse, 2006, S. 16).<br />
<br />
<br />
<br />
<br />
<br />
'''Ressourcen- und Fähigkeitsanalyse'''<br />
<br />
Die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] zeigt der Unternehmung auf, wo eine Strategische Geschäftseinheit (SGE) seine Stärken und Schwächen aufweist. So werden beispielsweise in den SGE Marketing, Personal, Produktion, Forschung und Entwicklung etc. die Fähigkeiten mit der Konkurrenz verglichen. Dadurch kann festgestellt werden, ob strategische Erfolgspositionen vorhanden sind oder wo diese aufgebaut werden könnten (Lombriser & Abplanalp, 2018, S. 167–169).<br />
<br />
'''Wertkettenanalyse'''<br />
<br />
[[Datei:Modell einer Wertkette.JPG|mini|rechts|Abb. 4: Modell einer Wertkette (Porter, 2014, S. 76).]] Gemäss Porter (2014) soll die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] Unterschiede bei der Wertkette gegenüber der Konkurrenz aufzeigen, welche für Wettbewerbsvorteile entscheidend sind. Die Wertkette setzt sich aus verschiedenen Aktivitäten zusammen. Diese Aktivitäten hat Porter in seinem Modell, ersichtlich in Abbildung 4, dargestellt. Die Aktivitäten lassen sich in zwei verschiedene Typen unterteilen, in primäre und unterstützende Aktivitäten. Die primären Aktivitäten befassen sich direkt mit der Herstellung des Produkts, ausgehend von der Eingangslogistik über den Verkauf bis zum Kundendienst. Die unterstützenden Aktivitäten leisten ihren Beitrag zu den primären Aktivitäten und sind nur indirekt am Herstellungsprozess des Produktes beteiligt (S. 66–67).<br />
Neben den fünf erwähnten Methodiken gibt es unzählige weitere Tools, die für die Unternehmensanalyse verwendet werden können. So bildet zum Beispiel die Marktpositionsanalyse den Übergang zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]]. Zu diesem als auch weiteren Instrumenten sind zusätzliche Informationen in der angegebenen Literatur von Zdrowomyslaw & Kasch (2002) und Amann et al. (2014) zu finden.<br />
<br />
==Kritische Würdigung==<br />
Die Analyse eines Unternehmens ist immer bis zu einem gewissen Grad subjektiv. Das Management hat eine Tendenz, unangenehme Informationen ausser Acht zu lassen oder gar zu verdrängen. Um dem vorzubeugen, sollte eine Unternehmensanalyse auf Fakten und quantitativen Daten aufgebaut werden. Es empfiehlt sich hierbei ein Konkurrenzvergleich, beispielsweise das [[Benchmarking#Benchmarking|Benchmarking]] (Lombriser & Abplanalp, 2018, S. 155). Durch eine gezielte Gewichtung der Beurteilungsfaktoren kann das Ergebnis von den Beurteilenden gesteuert werden (Uhlig, 2011, S. 97). Damit die Gewichtung nicht eine Tendenz annimmt, soll die Unternehmensanalyse breit abgestützt werden, wozu möglichst viele Vertreter der Unternehmensführung und sämtliche Beteiligten der Strategieentwicklung und -umsetzung in den Prozess einbezogen werden (Lombriser & Abplanalp, 2018, S. 155). Probleme könnten allenfalls darin liegen, dass Führungskräfte durch andere, operative Tätigkeiten bereits ausgelastet sind. Besonders die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] gilt sowohl zeitlich als auch methodisch als grosser Aufwand. Dies ist darauf zurückzuführen, dass die traditionelle Kostengliederung nicht mit der [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] übereinstimmt und die Zuordnung der Kosten schwierig ist (Lombriser & Abplanalp, 2018, S. 172–173).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Hopfentee AG - Stärken-Schwächen-Analyse#Hopfentee AG - Stärken-Schwächen-Analyse|Hopfentee AG - Stärken-Schwächen-Analyse]]|| [[Unternehmensanalyse - Aufgaben#Unternehmensanalyse - Aufgaben|Unternehmensanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
* Amann, K., Petzold, J., & Westerkamp, M. (2020). [https://link.springer.com/content/pdf/10.1007%2F978-3-658-28795-5.pdf Management und Controlling: Instrumente – Organisation – Ziele – Digitalisierung]. Springer Fachmedien. <br />
* Huch, B., Behme, W., & Ohlendorf, T. (1998). [https://link.springer.com/chapter/10.1007%2F978-3-662-00678-8_5 Rechnungswesen-orientiertes Controlling: Ein Leitfaden für Studium und Praxis]. Springer.<br />
* Joos-Sachse, T. (2006). [https://link.springer.com/chapter/10.1007%2F978-3-8351-9139-6_2 Controlling, Kostenrechnung und Kostenmanagement: Grundlagen—Instrumente—Neue Ansätze]. Gabler.<br />
* Kutschker, M. & Schmid, S. (2006). Internationales Management - mit 100 Textboxen (7. Auflage). De Gruyter.<br />
* Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile (competitive advantage) Spitzenleistungen erreichen und behaupten (8., durchgesehene Aufl., neue Ausg.). Campus.<br />
* Thommen, J.-P., & Achleitner, A.-K. (2012). [https://www.springer.com/de/book/9783658077686 Allgemeine Betriebswirtschaftslehre. Umfassende Einführung aus managementorientierter Sicht (7.)]. Gabler.<br />
* Uhlig, T. (2011). Strategische Unternehmensanalyse. In T. Uhlig, [https://link.springer.com/chapter/10.1007%2F978-3-8349-6157-0_4 Immobilienwirtschaftliche Bewertung von Krankenhäusern nach Einführung der DRG (S. 95–134)]. Gabler. <br />
* Zdrowomyslaw, N., & Kasch, R. (2002). [https://elearning.hslu.ch/ilias/goto.php?target=file_4997305_download&client_id=hslu Betriebsvergleiche und Benchmarking für die Managementpraxis: Unternehmensanalyse, Unternehmenstransparenz und Motivation durch Kenn- und Vergleichsgrößen]. Walter de Gruyter.<br />
<br />
==Autoren==<br />
Selimi Armend, Steiner Mischa, Steiner Nando, Steiger Robin, Suter Manuel<br />
<br />
[[Kategorie:Strategische Analyse]]<br />
[[Kategorie:Strategisches Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Unternehmensanalyse&diff=16317Unternehmensanalyse2021-10-13T07:24:36Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div>Die Unternehmensanalyse hat zum Ziel, die wettbewerbsrelevanten Fähigkeiten und Ressourcen eines Unternehmens zu ermitteln. Dafür stehen verschiedene Instrumente zur Verfügung. Die wichtigsten bilden dabei das [[Benchmarking#Benchmarking|Benchmarking]], die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]], die [[Kulturanalyse#Kulturanalyse|Kulturanalyse]], die [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]], die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] und die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]]. Die Unternehmensanalyse ist wie die [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] Teil der [[strategische Analyse#strategischen Analyse|strategischen Analyse]] (Lombriser & Abplanalp, 2018, S. 155).<br />
<br />
==Definition und Abgrenzung==<br />
[[Datei:Modell strategisches Management.JPG|mini|rechts|Abb. 1: Modell des strategischen Managements in Anlehnung an Lombriser & Abplanalp, 2018, S. 50.]] Die Unternehmensanalyse ist im Modell des strategischen Managements von Lombriser und Abplanalp in der ersten Phase, der Informationsanalyse, angesiedelt und ist einer von insgesamt acht Schritten. Wie in der Abbildung 1 ersichtlich ist, läuft die Unternehmensanalyse parallel zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] ab.<br />
Bei der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] werden das globale Umfeld, die Entwicklung der Branche sowie die wichtigsten Konkurrenten analysiert. Die Betrachtung umfasst vor allem die bestehenden und potenziellen Chancen und Gefahren. Bei der Unternehmensanalyse hingegen werden die internen Unternehmensressourcen einer qualitativen und quantitativen Analyse unterzogen. Dabei sollen Stärken und Schwächen der eigenen Unternehmung aufgezeigt werden. Analysiert werden kann entweder das ganze Unternehmen oder nur Teilbereiche (Lombriser & Abplanalp, 2018, S. 51).<br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br />
==Ziele==<br />
Hauptziel der Unternehmensanalyse ist es, ein Bild über die Stärken und Schwächen der eigenen Unternehmung beziehungsweise dessen Geschäftsfelder zu gewinnen. In Verknüpfung mit den Ergebnissen der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] können schlussendlich geeignete Strategiealternativen formuliert werden (Joos-Sachse, 2006, S. 15).<br />
<br />
==Ablauf / Vorgehen==<br />
Es gibt verschiedene Theorien zum Vorgehen bei der Unternehmensanalyse, folgend wird ein beispielhafter Ablauf aus der Fachliteratur beleuchtet. Das Prozedere der Erstellung einer Unternehmensanalyse kann in sechs Schritte unterteilt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 23), die folgend erläutert werden:<br />
<br />
'''Schritt 1: Bestimmung des Untersuchungsgegenstandes'''<br />
<br />
Im ersten Schritt wird definiert, was mit der bevorstehenden Unternehmensanalyse erreicht werden soll und wer die Adressaten sind. Aufgrund dieser Informationen können darauffolgend Umfang, Schwerpunkte und die Struktur des weiteren Vorgehens erörtert werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 2: Datenbeschaffung und Aufbereitung'''<br />
<br />
In diesem Schritt werden durch Primär- als auch Sekundärforschung Daten zu der Unternehmung, der Konkurrenz und der Branche beschafft. Als zentrale Informationsquellen für diese Daten gelten unter anderem das Organigramm, die Bilanz und die Erfolgsrechnung. Die daraus gewonnenen Daten müssen jeweils auch passend zum in Schritt 1 definierten Ziel aufbereitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 3: Beschreibende Unternehmensanalyse'''<br />
<br />
Mit den zuvor gesammelten Daten wird jetzt eine Situationsaufnahme zum Ist-Zustand der Unternehmung gemacht, dies kann z.B. in Form einer SWOT-Analyse geschehen (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 4: Ursachenforschende Unternehmensanalyse'''<br />
<br />
Hierbei werden die zuvor erlangten Informationen zum Ist-Zustand auf deren Ursachen geprüft und somit wird versucht Schwachstellen im Betrieb ausfindig zu machen. Eine geeignete Methode dafür ist eine [[Abweichungsanalyse#Abweichungsanalyse|Abweichungsanalyse]]. Es ist wichtig unterscheiden zu können, welche der Abweichungen wesentlich sind und somit Handlungen folgen müssen. Hierfür müssen passende Kenngrössen ausgewählt und verglichen werden. Zu diesen Problembereichen sollen in diesem Schritt Handlungsempfehlungen ausgearbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 5: Auswertung der Informationen'''<br />
<br />
In diesem vorletzten Schritt werden die aus den zuvor durchgeführten Analysen erlangten Informationen in Bezug auf die Zielsetzung bewertet. Aus den einzelnen Erkenntnissen soll dann ein Gesamtbild über den Stand der Unternehmung erstellt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 6: Formulierung der Analyseergebnisse'''<br />
<br />
Zu guter Letzt wird das zuvor erlangte Gesamtbild auf verschiedene Arten auf zielorientierte Weise ausformuliert. Das kann schriftlich, in Tabellenform oder auch durch Abbildungen geschehen. Aufbauend auf diesen Auswertungen können Massnahmen und Alternativen erarbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
==Instrumente==<br />
Zur Analyse des Unternehmens stehen verschiedenste Instrumente zur Verfügung. Folgend werden die von den Autoren als zentral erachteten kurz erläutert, um einen Überblick über den Themenbereich zu bieten.<br />
<br />
'''Benchmarking'''<br />
<br />
[[Benchmarking#Benchmarking|Benchmarking]] ist ein kontinuierlicher Prozess bei dem die Leistungen eines Unternehmens (z.B. Produkte, Dienstleistungen oder Prozesse) mit den marktführenden Unternehmen verglichen werden. Ziel von [[Benchmarking#Benchmarking|Benchmarking]] ist das Kopieren von ausgezeichneten Aktivitäten anderer Unternehmen, die beim eigenen Unternehmen eingesetzt und nach Möglichkeit verbessert werden sollen. [[Benchmarking#Benchmarking|Benchmarking]] (Thommen & Achleitner, 2012, S. 1003).<br />
<br />
'''Gap-Analyse'''<br />
<br />
[[Datei:Strategische Lücke.JPG|mini|rechts|Abb. 2: Beispiel für die Darstellung einer einfachen strategischen Lücke (Erichsen, 2011, S. 374).]] Die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] (Lückenanalyse) gehört zu den klassischen Instrumenten der strategischen Unternehmensanalyse. Sie ist zur Früherkennung von strategischen Problemen gedacht (Amann et al., 2020, S. 73). Für den Planungshorizont (z.B. zehn Jahre) wird der Zielwert einer Beobachtungsgrösse (i.d.R. Gewinn oder Umsatz) mit dem Prognosewert für dieselbe Beobachtungsgrösse verglichen. Bei der Ermittlung des Prognosewertes wird unterstellt, dass keine Änderungen an der momentanen Strategie vorgenommen werden. Als Differenz aus Ziel- und Prognosewert ergibt sich die sogenannte «strategische Lücke» (siehe Abbildung 2), die durch geeignete strategische Massnahmen geschlossen werden muss (Joos-Sachse, 2006, S. 15). Die strategische Lücke bezeichnet die Differenz zwischen den aufgrund der strategisch bestimmten Ziele angestrebten und der durch Entscheidungen im operativen Controlling realisierten Entwicklung (Huch et al., 1998, S. 384).<br />
Im Allgemeinen kann das Instrument der [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] als eine «zukunftsorientierte Schwachstellenanalyse» gesehen werden, da auf diese Weise erkennbar wird, ab welcher Periode z.B. zusätzliche Massnahmen ergriffen werden müssen, damit der angestrebte Gewinn oder Umsatz realisiert werden kann (Amann et al., 2020, S. 74).<br />
<br />
'''Kulturanalyse'''<br />
<br />
«Unternehmungskultur ist die Gesamtheit der Grundannahmen, Werte, Normen, Einstellungen und Überzeugungen einer Unternehmung, die sich in einer Vielzahl von Verhaltensweisen und Artefakten ausdrückt und sich als Antwort auf die vielfältigen Anforderungen, die an diese Unternehmung gestellt werden, im Laufe der Zeit herausgebildet hat» (Kutschker & Schmid, 2006, S. 678). Eine [[Kulturanalyse#Kulturanalyse|Analyse der Unternehmenskultur]] soll die Elemente identifizieren, welche bisherige Erfolge oder Misserfolge des Unternehmens erklären. Zudem soll sie Antworten darauf liefern, welche Strategie am besten zur Unternehmenskultur passt (Lombriser & Abplanalp, 2018, S. 184).<br />
<br />
'''Potenzialanalyse'''<br />
<br />
[[Datei:Beispiel einer Potenzialanalyse.JPG|mini|rechts|Abb. 3: Beispiel einer Potenzialanalyse (Joos-Sache, 2006, S. 16).]] Ziel der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] (Stärken-Schwächen-Analyse) ist es festzustellen, welche Ressourcen die individuellen Stärken und Schwächen einer Unternehmung ausmachen. Als Hilfe der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] werden Checklisten verwendet. Diese Listen orientieren sich meistens an betrieblichen Funktionsbereichen (Beschaffung, Logistik, Produktion, Forschung und Entwicklung usw.). Dabei dürfen die immateriellen Ressourcen nicht vergessen werden, die das Innovations- und Entwicklungspotenzial eines Unternehmens massgeblich bestimmen und in die Analyse zwingend miteinbezogen werden müssen.<br />
Die Resultate der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] können in verdichteter Form als beispielsweise «Geschäftsfeldprofil» dargestellt und den Profilen der anderen Wettbewerber gegenübergestellt werden, wie es in der Abbildung 3 der Fall ist (Joos-Sachse, 2006, S. 16).<br />
<br />
<br />
<br />
<br />
<br />
'''Ressourcen- und Fähigkeitsanalyse'''<br />
<br />
Die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] zeigt der Unternehmung auf, wo eine Strategische Geschäftseinheit (SGE) seine Stärken und Schwächen aufweist. So werden beispielsweise in den SGE Marketing, Personal, Produktion, Forschung und Entwicklung etc. die Fähigkeiten mit der Konkurrenz verglichen. Dadurch kann festgestellt werden, ob strategische Erfolgspositionen vorhanden sind oder wo diese aufgebaut werden könnten (Lombriser & Abplanalp, 2018, S. 167–169).<br />
<br />
'''Wertkettenanalyse'''<br />
<br />
[[Datei:Modell einer Wertkette.JPG|mini|rechts|Abb. 4: Modell einer Wertkette (Porter, 2014, S. 76).]] Gemäss Porter (2014) soll die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] Unterschiede bei der Wertkette gegenüber der Konkurrenz aufzeigen, welche für Wettbewerbsvorteile entscheidend sind. Die Wertkette setzt sich aus verschiedenen Aktivitäten zusammen. Diese Aktivitäten hat Porter in seinem Modell, ersichtlich in Abbildung 4, dargestellt. Die Aktivitäten lassen sich in zwei verschiedene Typen unterteilen, in primäre und unterstützende Aktivitäten. Die primären Aktivitäten befassen sich direkt mit der Herstellung des Produkts, ausgehend von der Eingangslogistik über den Verkauf bis zum Kundendienst. Die unterstützenden Aktivitäten leisten ihren Beitrag zu den primären Aktivitäten und sind nur indirekt am Herstellungsprozess des Produktes beteiligt (S. 66–67).<br />
Neben den fünf erwähnten Methodiken gibt es unzählige weitere Tools, die für die Unternehmensanalyse verwendet werden können. So bildet zum Beispiel die Marktpositionsanalyse den Übergang zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]]. Zu diesem als auch weiteren Instrumenten sind zusätzliche Informationen in der angegebenen Literatur von Zdrowomyslaw & Kasch (2002) und Amann et al. (2014) zu finden.<br />
<br />
==Kritische Würdigung==<br />
Die Analyse eines Unternehmens ist immer bis zu einem gewissen Grad subjektiv. Das Management hat eine Tendenz, unangenehme Informationen ausser Acht zu lassen oder gar zu verdrängen. Um dem vorzubeugen, sollte eine Unternehmensanalyse auf Fakten und quantitativen Daten aufgebaut werden. Es empfiehlt sich hierbei ein Konkurrenzvergleich, beispielsweise das [[Benchmarking#Benchmarking|Benchmarking]] (Lombriser & Abplanalp, 2018, S. 155). Durch eine gezielte Gewichtung der Beurteilungsfaktoren kann das Ergebnis von den Beurteilenden gesteuert werden (Uhlig, 2011, S. 97). Damit die Gewichtung nicht eine Tendenz annimmt, soll die Unternehmensanalyse breit abgestützt werden, wozu möglichst viele Vertreter der Unternehmensführung und sämtliche Beteiligten der Strategieentwicklung und -umsetzung in den Prozess einbezogen werden (Lombriser & Abplanalp, 2018, S. 155). Probleme könnten allenfalls darin liegen, dass Führungskräfte durch andere, operative Tätigkeiten bereits ausgelastet sind. Besonders die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] gilt sowohl zeitlich als auch methodisch als grosser Aufwand. Dies ist darauf zurückzuführen, dass die traditionelle Kostengliederung nicht mit der [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] übereinstimmt und die Zuordnung der Kosten schwierig ist (Lombriser & Abplanalp, 2018, S. 172–173).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Hopfentee AG - Stärken-Schwächen-Analyse#Hopfentee AG - Stärken-Schwächen-Analyse|Hopfentee AG - Stärken-Schwächen-Analyse]]|| [[Unternehmensanalyse - Aufgaben#Unternehmensanalyse - Aufgaben|Unternehmensanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
* Amann, K., Petzold, J., & Westerkamp, M. (2020). Strategisches Management. In K. Amann, J. Petzold, & M. Westerkamp (Hrsg.), [https://link.springer.com/content/pdf/10.1007%2F978-3-658-28795-5.pdf Management und Controlling: Instrumente – Organisation – Ziele – Digitalisierung (S. 51–139)]. Springer Fachmedien. <br />
* Huch, B., Behme, W., & Ohlendorf, T. (1998). [https://link.springer.com/chapter/10.1007%2F978-3-662-00678-8_5 Rechnungswesen-orientiertes Controlling: Ein Leitfaden für Studium und Praxis]. Springer.<br />
* Joos-Sachse, T. (2006). [https://link.springer.com/chapter/10.1007%2F978-3-8351-9139-6_2 Controlling, Kostenrechnung und Kostenmanagement: Grundlagen—Instrumente—Neue Ansätze]. Gabler.<br />
* Kutschker, M. & Schmid, S. (2006). Internationales Management - mit 100 Textboxen (7. Auflage). De Gruyter.<br />
* Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile (competitive advantage) Spitzenleistungen erreichen und behaupten (8., durchgesehene Aufl., neue Ausg.). Campus.<br />
* Thommen, J.-P., & Achleitner, A.-K. (2012). [https://www.springer.com/de/book/9783658077686 Allgemeine Betriebswirtschaftslehre. Umfassende Einführung aus managementorientierter Sicht (7.)]. Gabler.<br />
* Uhlig, T. (2011). Strategische Unternehmensanalyse. In T. Uhlig, [https://link.springer.com/chapter/10.1007%2F978-3-8349-6157-0_4 Immobilienwirtschaftliche Bewertung von Krankenhäusern nach Einführung der DRG (S. 95–134)]. Gabler. <br />
* Zdrowomyslaw, N., & Kasch, R. (2002). [https://elearning.hslu.ch/ilias/goto.php?target=file_4997305_download&client_id=hslu Betriebsvergleiche und Benchmarking für die Managementpraxis: Unternehmensanalyse, Unternehmenstransparenz und Motivation durch Kenn- und Vergleichsgrößen]. Walter de Gruyter.<br />
<br />
==Autoren==<br />
Selimi Armend, Steiner Mischa, Steiner Nando, Steiger Robin, Suter Manuel<br />
<br />
[[Kategorie:Strategische Analyse]]<br />
[[Kategorie:Strategisches Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Unternehmensanalyse&diff=16316Unternehmensanalyse2021-10-13T07:23:14Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div>Die Unternehmensanalyse hat zum Ziel, die wettbewerbsrelevanten Fähigkeiten und Ressourcen eines Unternehmens zu ermitteln. Dafür stehen verschiedene Instrumente zur Verfügung. Die wichtigsten bilden dabei das [[Benchmarking#Benchmarking|Benchmarking]], die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]], die [[Kulturanalyse#Kulturanalyse|Kulturanalyse]], die [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]], die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] und die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]]. Die Unternehmensanalyse ist wie die [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] Teil der [[strategische Analyse#strategischen Analyse|strategischen Analyse]] (Lombriser & Abplanalp, 2018, S. 155).<br />
<br />
==Definition und Abgrenzung==<br />
[[Datei:Modell strategisches Management.JPG|mini|rechts|Abb. 1: Modell des strategischen Managements in Anlehnung an Lombriser & Abplanalp, 2018, S. 50.]] Die Unternehmensanalyse ist im Modell des strategischen Managements von Lombriser und Abplanalp in der ersten Phase, der Informationsanalyse, angesiedelt und ist einer von insgesamt acht Schritten. Wie in der Abbildung 1 ersichtlich ist, läuft die Unternehmensanalyse parallel zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] ab.<br />
Bei der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] werden das globale Umfeld, die Entwicklung der Branche sowie die wichtigsten Konkurrenten analysiert. Die Betrachtung umfasst vor allem die bestehenden und potenziellen Chancen und Gefahren. Bei der Unternehmensanalyse hingegen werden die internen Unternehmensressourcen einer qualitativen und quantitativen Analyse unterzogen. Dabei sollen Stärken und Schwächen der eigenen Unternehmung aufgezeigt werden. Analysiert werden kann entweder das ganze Unternehmen oder nur Teilbereiche (Lombriser & Abplanalp, 2018, S. 51).<br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br />
==Ziele==<br />
Hauptziel der Unternehmensanalyse ist es, ein Bild über die Stärken und Schwächen der eigenen Unternehmung beziehungsweise dessen Geschäftsfelder zu gewinnen. In Verknüpfung mit den Ergebnissen der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] können schlussendlich geeignete Strategiealternativen formuliert werden (Joos-Sachse, 2006, S. 15).<br />
<br />
==Ablauf / Vorgehen==<br />
Es gibt verschiedene Theorien zum Vorgehen bei der Unternehmensanalyse, folgend wird ein beispielhafter Ablauf aus der Fachliteratur beleuchtet. Das Prozedere der Erstellung einer Unternehmensanalyse kann in sechs Schritte unterteilt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 23), die folgend erläutert werden:<br />
<br />
'''Schritt 1: Bestimmung des Untersuchungsgegenstandes'''<br />
<br />
Im ersten Schritt wird definiert, was mit der bevorstehenden Unternehmensanalyse erreicht werden soll und wer die Adressaten sind. Aufgrund dieser Informationen können darauffolgend Umfang, Schwerpunkte und die Struktur des weiteren Vorgehens erörtert werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 2: Datenbeschaffung und Aufbereitung'''<br />
<br />
In diesem Schritt werden durch Primär- als auch Sekundärforschung Daten zu der Unternehmung, der Konkurrenz und der Branche beschafft. Als zentrale Informationsquellen für diese Daten gelten unter anderem das Organigramm, die Bilanz und die Erfolgsrechnung. Die daraus gewonnenen Daten müssen jeweils auch passend zum in Schritt 1 definierten Ziel aufbereitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 3: Beschreibende Unternehmensanalyse'''<br />
<br />
Mit den zuvor gesammelten Daten wird jetzt eine Situationsaufnahme zum Ist-Zustand der Unternehmung gemacht, dies kann z.B. in Form einer SWOT-Analyse geschehen (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 4: Ursachenforschende Unternehmensanalyse'''<br />
<br />
Hierbei werden die zuvor erlangten Informationen zum Ist-Zustand auf deren Ursachen geprüft und somit wird versucht Schwachstellen im Betrieb ausfindig zu machen. Eine geeignete Methode dafür ist eine [[Abweichungsanalyse#Abweichungsanalyse|Abweichungsanalyse]]. Es ist wichtig unterscheiden zu können, welche der Abweichungen wesentlich sind und somit Handlungen folgen müssen. Hierfür müssen passende Kenngrössen ausgewählt und verglichen werden. Zu diesen Problembereichen sollen in diesem Schritt Handlungsempfehlungen ausgearbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 5: Auswertung der Informationen'''<br />
<br />
In diesem vorletzten Schritt werden die aus den zuvor durchgeführten Analysen erlangten Informationen in Bezug auf die Zielsetzung bewertet. Aus den einzelnen Erkenntnissen soll dann ein Gesamtbild über den Stand der Unternehmung erstellt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 6: Formulierung der Analyseergebnisse'''<br />
<br />
Zu guter Letzt wird das zuvor erlangte Gesamtbild auf verschiedene Arten auf zielorientierte Weise ausformuliert. Das kann schriftlich, in Tabellenform oder auch durch Abbildungen geschehen. Aufbauend auf diesen Auswertungen können Massnahmen und Alternativen erarbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
==Instrumente==<br />
Zur Analyse des Unternehmens stehen verschiedenste Instrumente zur Verfügung. Folgend werden die von den Autoren als zentral erachteten kurz erläutert, um einen Überblick über den Themenbereich zu bieten.<br />
<br />
'''Benchmarking'''<br />
<br />
[[Benchmarking#Benchmarking|Benchmarking]] ist ein kontinuierlicher Prozess bei dem die Leistungen eines Unternehmens (z.B. Produkte, Dienstleistungen oder Prozesse) mit den marktführenden Unternehmen verglichen werden. Ziel von [[Benchmarking#Benchmarking|Benchmarking]] ist das Kopieren von ausgezeichneten Aktivitäten anderer Unternehmen, die beim eigenen Unternehmen eingesetzt und nach Möglichkeit verbessert werden sollen. [[Benchmarking#Benchmarking|Benchmarking]] (Thommen & Achleitner, 2012, S. 1003).<br />
<br />
'''Gap-Analyse'''<br />
<br />
[[Datei:Strategische Lücke.JPG|mini|rechts|Abb. 2: Beispiel für die Darstellung einer einfachen strategischen Lücke (Erichsen, 2011, S. 374).]] Die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] (Lückenanalyse) gehört zu den klassischen Instrumenten der strategischen Unternehmensanalyse. Sie ist zur Früherkennung von strategischen Problemen gedacht (Amann et al., 2020, S. 73). Für den Planungshorizont (z.B. zehn Jahre) wird der Zielwert einer Beobachtungsgrösse (i.d.R. Gewinn oder Umsatz) mit dem Prognosewert für dieselbe Beobachtungsgrösse verglichen. Bei der Ermittlung des Prognosewertes wird unterstellt, dass keine Änderungen an der momentanen Strategie vorgenommen werden. Als Differenz aus Ziel- und Prognosewert ergibt sich die sogenannte «strategische Lücke» (siehe Abbildung 2), die durch geeignete strategische Massnahmen geschlossen werden muss (Joos-Sachse, 2006, S. 15). Die strategische Lücke bezeichnet die Differenz zwischen den aufgrund der strategisch bestimmten Ziele angestrebten und der durch Entscheidungen im operativen Controlling realisierten Entwicklung (Huch et al., 1998, S. 384).<br />
Im Allgemeinen kann das Instrument der [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] als eine «zukunftsorientierte Schwachstellenanalyse» gesehen werden, da auf diese Weise erkennbar wird, ab welcher Periode z.B. zusätzliche Massnahmen ergriffen werden müssen, damit der angestrebte Gewinn oder Umsatz realisiert werden kann (Amann et al., 2020, S. 74).<br />
<br />
'''Kulturanalyse'''<br />
<br />
«Unternehmungskultur ist die Gesamtheit der Grundannahmen, Werte, Normen, Einstellungen und Überzeugungen einer Unternehmung, die sich in einer Vielzahl von Verhaltensweisen und Artefakten ausdrückt und sich als Antwort auf die vielfältigen Anforderungen, die an diese Unternehmung gestellt werden, im Laufe der Zeit herausgebildet hat» (Kutschker & Schmid, 2006, S. 678). Eine [[Kulturanalyse#Kulturanalyse|Analyse der Unternehmenskultur]] soll die Elemente identifizieren, welche bisherige Erfolge oder Misserfolge des Unternehmens erklären. Zudem soll sie Antworten darauf liefern, welche Strategie am besten zur Unternehmenskultur passt (Lombriser & Abplanalp, 2018, S. 184).<br />
<br />
'''Potenzialanalyse'''<br />
<br />
[[Datei:Beispiel einer Potenzialanalyse.JPG|mini|rechts|Abb. 3: Beispiel einer Potenzialanalyse (Joos-Sache, 2006, S. 16).]] Ziel der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] (Stärken-Schwächen-Analyse) ist es festzustellen, welche Ressourcen die individuellen Stärken und Schwächen einer Unternehmung ausmachen. Als Hilfe der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] werden Checklisten verwendet. Diese Listen orientieren sich meistens an betrieblichen Funktionsbereichen (Beschaffung, Logistik, Produktion, Forschung und Entwicklung usw.). Dabei dürfen die immateriellen Ressourcen nicht vergessen werden, die das Innovations- und Entwicklungspotenzial eines Unternehmens massgeblich bestimmen und in die Analyse zwingend miteinbezogen werden müssen.<br />
Die Resultate der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] können in verdichteter Form als beispielsweise «Geschäftsfeldprofil» dargestellt und den Profilen der anderen Wettbewerber gegenübergestellt werden, wie es in der Abbildung 3 der Fall ist (Joos-Sachse, 2006, S. 16).<br />
<br />
<br />
<br />
<br />
<br />
'''Ressourcen- und Fähigkeitsanalyse'''<br />
<br />
Die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] zeigt der Unternehmung auf, wo eine Strategische Geschäftseinheit (SGE) seine Stärken und Schwächen aufweist. So werden beispielsweise in den SGE Marketing, Personal, Produktion, Forschung und Entwicklung etc. die Fähigkeiten mit der Konkurrenz verglichen. Dadurch kann festgestellt werden, ob strategische Erfolgspositionen vorhanden sind oder wo diese aufgebaut werden könnten (Lombriser & Abplanalp, 2018, S. 167–169).<br />
<br />
'''Wertkettenanalyse'''<br />
<br />
[[Datei:Modell einer Wertkette.JPG|mini|rechts|Abb. 4: Modell einer Wertkette (Porter, 2014, S. 76).]] Gemäss Porter (2014) soll die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] Unterschiede bei der Wertkette gegenüber der Konkurrenz aufzeigen, welche für Wettbewerbsvorteile entscheidend sind. Die Wertkette setzt sich aus verschiedenen Aktivitäten zusammen. Diese Aktivitäten hat Porter in seinem Modell, ersichtlich in Abbildung 4, dargestellt. Die Aktivitäten lassen sich in zwei verschiedene Typen unterteilen, in primäre und unterstützende Aktivitäten. Die primären Aktivitäten befassen sich direkt mit der Herstellung des Produkts, ausgehend von der Eingangslogistik über den Verkauf bis zum Kundendienst. Die unterstützenden Aktivitäten leisten ihren Beitrag zu den primären Aktivitäten und sind nur indirekt am Herstellungsprozess des Produktes beteiligt (S. 66–67).<br />
Neben den fünf erwähnten Methodiken gibt es unzählige weitere Tools, die für die Unternehmensanalyse verwendet werden können. So bildet zum Beispiel die Marktpositionsanalyse den Übergang zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]]. Zu diesem als auch weiteren Instrumenten sind zusätzliche Informationen in der angegebenen Literatur von Zdrowomyslaw & Kasch (2002) und Amann et al. (2014) zu finden.<br />
<br />
==Kritische Würdigung==<br />
Die Analyse eines Unternehmens ist immer bis zu einem gewissen Grad subjektiv. Das Management hat eine Tendenz, unangenehme Informationen ausser Acht zu lassen oder gar zu verdrängen. Um dem vorzubeugen, sollte eine Unternehmensanalyse auf Fakten und quantitativen Daten aufgebaut werden. Es empfiehlt sich hierbei ein Konkurrenzvergleich, beispielsweise das [[Benchmarking#Benchmarking|Benchmarking]] (Lombriser & Abplanalp, 2018, S. 155). Durch eine gezielte Gewichtung der Beurteilungsfaktoren kann das Ergebnis von den Beurteilenden gesteuert werden (Uhlig, 2011, S. 97). Damit die Gewichtung nicht eine Tendenz annimmt, soll die Unternehmensanalyse breit abgestützt werden, wozu möglichst viele Vertreter der Unternehmensführung und sämtliche Beteiligten der Strategieentwicklung und -umsetzung in den Prozess einbezogen werden (Lombriser & Abplanalp, 2018, S. 155). Probleme könnten allenfalls darin liegen, dass Führungskräfte durch andere, operative Tätigkeiten bereits ausgelastet sind. Besonders die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] gilt sowohl zeitlich als auch methodisch als grosser Aufwand. Dies ist darauf zurückzuführen, dass die traditionelle Kostengliederung nicht mit der [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] übereinstimmt und die Zuordnung der Kosten schwierig ist (Lombriser & Abplanalp, 2018, S. 172–173).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Hopfentee AG - Stärken-Schwächen-Analyse#Hopfentee AG - Stärken-Schwächen-Analyse|Hopfentee AG - Stärken-Schwächen-Analyse]]|| [[Unternehmensanalyse - Aufgaben#Unternehmensanalyse - Aufgaben|Unternehmensanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
* Amann, K., Petzold, J., & Westerkamp, M. (2020). Strategisches Management. In K. Amann, J. Petzold, & M. Westerkamp (Hrsg.), [https://link.springer.com/content/pdf/10.1007%2F978-3-658-28795-5.pdf Management und Controlling: Instrumente – Organisation – Ziele – Digitalisierung (S. 51–139)]. Springer Fachmedien. <br />
* Huch, B., Behme, W., & Ohlendorf, T. (1998). Controlling III: Strategisches Controlling. In B. Huch, W. Behme, & T. Ohlendorf (Hrsg.), [https://link.springer.com/chapter/10.1007%2F978-3-662-00678-8_5 Rechnungswesen-orientiertes Controlling: Ein Leitfaden für Studium und Praxis (S. 373–458)]. Springer.<br />
* Joos-Sachse, T. (2006). [https://link.springer.com/chapter/10.1007%2F978-3-8351-9139-6_2 Controlling, Kostenrechnung und Kostenmanagement: Grundlagen—Instrumente—Neue Ansätze]. Gabler.<br />
* Kutschker, M. & Schmid, S. (2006). Internationales Management - mit 100 Textboxen (7. Auflage). De Gruyter.<br />
* Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile (competitive advantage) Spitzenleistungen erreichen und behaupten (8., durchgesehene Aufl., neue Ausg.). Campus.<br />
* Thommen, J.-P., & Achleitner, A.-K. (2012). [https://www.springer.com/de/book/9783658077686 Allgemeine Betriebswirtschaftslehre. Umfassende Einführung aus managementorientierter Sicht (7.)]. Gabler.<br />
* Uhlig, T. (2011). Strategische Unternehmensanalyse. In T. Uhlig, [https://link.springer.com/chapter/10.1007%2F978-3-8349-6157-0_4 Immobilienwirtschaftliche Bewertung von Krankenhäusern nach Einführung der DRG (S. 95–134)]. Gabler. <br />
* Zdrowomyslaw, N., & Kasch, R. (2002). [https://elearning.hslu.ch/ilias/goto.php?target=file_4997305_download&client_id=hslu Betriebsvergleiche und Benchmarking für die Managementpraxis: Unternehmensanalyse, Unternehmenstransparenz und Motivation durch Kenn- und Vergleichsgrößen]. Walter de Gruyter.<br />
<br />
==Autoren==<br />
Selimi Armend, Steiner Mischa, Steiner Nando, Steiger Robin, Suter Manuel<br />
<br />
[[Kategorie:Strategische Analyse]]<br />
[[Kategorie:Strategisches Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Unternehmensanalyse&diff=16315Unternehmensanalyse2021-10-13T07:22:54Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div>Die Unternehmensanalyse hat zum Ziel, die wettbewerbsrelevanten Fähigkeiten und Ressourcen eines Unternehmens zu ermitteln. Dafür stehen verschiedene Instrumente zur Verfügung. Die wichtigsten bilden dabei das [[Benchmarking#Benchmarking|Benchmarking]], die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]], die [[Kulturanalyse#Kulturanalyse|Kulturanalyse]], die [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]], die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] und die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]]. Die Unternehmensanalyse ist wie die [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] Teil der [[strategische Analyse#strategischen Analyse|strategischen Analyse]] (Lombriser & Abplanalp, 2018, S. 155).<br />
<br />
==Definition und Abgrenzung==<br />
[[Datei:Modell strategisches Management.JPG|mini|rechts|Abb. 1: Modell des strategischen Managements in Anlehnung an Lombriser & Abplanalp, 2018, S. 50.]] Die Unternehmensanalyse ist im Modell des strategischen Managements von Lombriser und Abplanalp in der ersten Phase, der Informationsanalyse, angesiedelt und ist einer von insgesamt acht Schritten. Wie in der Abbildung 1 ersichtlich ist, läuft die Unternehmensanalyse parallel zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] ab.<br />
Bei der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] werden das globale Umfeld, die Entwicklung der Branche sowie die wichtigsten Konkurrenten analysiert. Die Betrachtung umfasst vor allem die bestehenden und potenziellen Chancen und Gefahren. Bei der Unternehmensanalyse hingegen werden die internen Unternehmensressourcen einer qualitativen und quantitativen Analyse unterzogen. Dabei sollen Stärken und Schwächen der eigenen Unternehmung aufgezeigt werden. Analysiert werden kann entweder das ganze Unternehmen oder nur Teilbereiche (Lombriser & Abplanalp, 2018, S. 51).<br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br />
==Ziele==<br />
Hauptziel der Unternehmensanalyse ist es, ein Bild über die Stärken und Schwächen der eigenen Unternehmung beziehungsweise dessen Geschäftsfelder zu gewinnen. In Verknüpfung mit den Ergebnissen der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] können schlussendlich geeignete Strategiealternativen formuliert werden (Joos-Sachse, 2006, S. 15).<br />
<br />
==Ablauf / Vorgehen==<br />
Es gibt verschiedene Theorien zum Vorgehen bei der Unternehmensanalyse, folgend wird ein beispielhafter Ablauf aus der Fachliteratur beleuchtet. Das Prozedere der Erstellung einer Unternehmensanalyse kann in sechs Schritte unterteilt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 23), die folgend erläutert werden:<br />
<br />
'''Schritt 1: Bestimmung des Untersuchungsgegenstandes'''<br />
<br />
Im ersten Schritt wird definiert, was mit der bevorstehenden Unternehmensanalyse erreicht werden soll und wer die Adressaten sind. Aufgrund dieser Informationen können darauffolgend Umfang, Schwerpunkte und die Struktur des weiteren Vorgehens erörtert werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 2: Datenbeschaffung und Aufbereitung'''<br />
<br />
In diesem Schritt werden durch Primär- als auch Sekundärforschung Daten zu der Unternehmung, der Konkurrenz und der Branche beschafft. Als zentrale Informationsquellen für diese Daten gelten unter anderem das Organigramm, die Bilanz und die Erfolgsrechnung. Die daraus gewonnenen Daten müssen jeweils auch passend zum in Schritt 1 definierten Ziel aufbereitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 3: Beschreibende Unternehmensanalyse'''<br />
<br />
Mit den zuvor gesammelten Daten wird jetzt eine Situationsaufnahme zum Ist-Zustand der Unternehmung gemacht, dies kann z.B. in Form einer SWOT-Analyse geschehen (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 4: Ursachenforschende Unternehmensanalyse'''<br />
<br />
Hierbei werden die zuvor erlangten Informationen zum Ist-Zustand auf deren Ursachen geprüft und somit wird versucht Schwachstellen im Betrieb ausfindig zu machen. Eine geeignete Methode dafür ist eine [[Abweichungsanalyse#Abweichungsanalyse|Abweichungsanalyse]]. Es ist wichtig unterscheiden zu können, welche der Abweichungen wesentlich sind und somit Handlungen folgen müssen. Hierfür müssen passende Kenngrössen ausgewählt und verglichen werden. Zu diesen Problembereichen sollen in diesem Schritt Handlungsempfehlungen ausgearbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 5: Auswertung der Informationen'''<br />
<br />
In diesem vorletzten Schritt werden die aus den zuvor durchgeführten Analysen erlangten Informationen in Bezug auf die Zielsetzung bewertet. Aus den einzelnen Erkenntnissen soll dann ein Gesamtbild über den Stand der Unternehmung erstellt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 6: Formulierung der Analyseergebnisse'''<br />
<br />
Zu guter Letzt wird das zuvor erlangte Gesamtbild auf verschiedene Arten auf zielorientierte Weise ausformuliert. Das kann schriftlich, in Tabellenform oder auch durch Abbildungen geschehen. Aufbauend auf diesen Auswertungen können Massnahmen und Alternativen erarbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
==Instrumente==<br />
Zur Analyse des Unternehmens stehen verschiedenste Instrumente zur Verfügung. Folgend werden die von den Autoren als zentral erachteten kurz erläutert, um einen Überblick über den Themenbereich zu bieten.<br />
<br />
'''Benchmarking'''<br />
<br />
[[Benchmarking#Benchmarking|Benchmarking]] ist ein kontinuierlicher Prozess bei dem die Leistungen eines Unternehmens (z.B. Produkte, Dienstleistungen oder Prozesse) mit den marktführenden Unternehmen verglichen werden. Ziel von [[Benchmarking#Benchmarking|Benchmarking]] ist das Kopieren von ausgezeichneten Aktivitäten anderer Unternehmen, die beim eigenen Unternehmen eingesetzt und nach Möglichkeit verbessert werden sollen. [[Benchmarking#Benchmarking|Benchmarking]] (Thommen & Achleitner, 2012, S. 1003).<br />
<br />
'''Gap-Analyse'''<br />
<br />
[[Datei:Strategische Lücke.JPG|mini|rechts|Abb. 2: Beispiel für die Darstellung einer einfachen strategischen Lücke (Erichsen, 2011, S. 374).]] Die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] (Lückenanalyse) gehört zu den klassischen Instrumenten der strategischen Unternehmensanalyse. Sie ist zur Früherkennung von strategischen Problemen gedacht (Amann et al., 2020, S. 73). Für den Planungshorizont (z.B. zehn Jahre) wird der Zielwert einer Beobachtungsgrösse (i.d.R. Gewinn oder Umsatz) mit dem Prognosewert für dieselbe Beobachtungsgrösse verglichen. Bei der Ermittlung des Prognosewertes wird unterstellt, dass keine Änderungen an der momentanen Strategie vorgenommen werden. Als Differenz aus Ziel- und Prognosewert ergibt sich die sogenannte «strategische Lücke» (siehe Abbildung 2), die durch geeignete strategische Massnahmen geschlossen werden muss (Joos-Sachse, 2006, S. 15). Die strategische Lücke bezeichnet die Differenz zwischen den aufgrund der strategisch bestimmten Ziele angestrebten und der durch Entscheidungen im operativen Controlling realisierten Entwicklung (Huch et al., 1998, S. 384).<br />
Im Allgemeinen kann das Instrument der [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] als eine «zukunftsorientierte Schwachstellenanalyse» gesehen werden, da auf diese Weise erkennbar wird, ab welcher Periode z.B. zusätzliche Massnahmen ergriffen werden müssen, damit der angestrebte Gewinn oder Umsatz realisiert werden kann (Amann et al., 2020, S. 74).<br />
<br />
'''Kulturanalyse'''<br />
<br />
«Unternehmungskultur ist die Gesamtheit der Grundannahmen, Werte, Normen, Einstellungen und Überzeugungen einer Unternehmung, die sich in einer Vielzahl von Verhaltensweisen und Artefakten ausdrückt und sich als Antwort auf die vielfältigen Anforderungen, die an diese Unternehmung gestellt werden, im Laufe der Zeit herausgebildet hat» (Kutschker & Schmid, 2006, S. 678). Eine [[Kulturanalyse#Kulturanalyse|Analyse der Unternehmenskultur]] soll die Elemente identifizieren, welche bisherige Erfolge oder Misserfolge des Unternehmens erklären. Zudem soll sie Antworten darauf liefern, welche Strategie am besten zur Unternehmenskultur passt (Lombriser & Abplanalp, 2018, S. 184).<br />
<br />
'''Potenzialanalyse'''<br />
<br />
[[Datei:Beispiel einer Potenzialanalyse.JPG|mini|rechts|Abb. 3: Beispiel einer Potenzialanalyse (Joos-Sache, 2006, S. 16).]] Ziel der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] (Stärken-Schwächen-Analyse) ist es festzustellen, welche Ressourcen die individuellen Stärken und Schwächen einer Unternehmung ausmachen. Als Hilfe der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] werden Checklisten verwendet. Diese Listen orientieren sich meistens an betrieblichen Funktionsbereichen (Beschaffung, Logistik, Produktion, Forschung und Entwicklung usw.). Dabei dürfen die immateriellen Ressourcen nicht vergessen werden, die das Innovations- und Entwicklungspotenzial eines Unternehmens massgeblich bestimmen und in die Analyse zwingend miteinbezogen werden müssen.<br />
Die Resultate der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] können in verdichteter Form als beispielsweise «Geschäftsfeldprofil» dargestellt und den Profilen der anderen Wettbewerber gegenübergestellt werden, wie es in der Abbildung 3 der Fall ist (Joos-Sachse, 2006, S. 16).<br />
<br />
<br />
<br />
<br />
<br />
'''Ressourcen- und Fähigkeitsanalyse'''<br />
<br />
Die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] zeigt der Unternehmung auf, wo eine Strategische Geschäftseinheit (SGE) seine Stärken und Schwächen aufweist. So werden beispielsweise in den SGE Marketing, Personal, Produktion, Forschung und Entwicklung etc. die Fähigkeiten mit der Konkurrenz verglichen. Dadurch kann festgestellt werden, ob strategische Erfolgspositionen vorhanden sind oder wo diese aufgebaut werden könnten (Lombriser & Abplanalp, 2018, S. 167–169).<br />
<br />
'''Wertkettenanalyse'''<br />
<br />
[[Datei:Modell einer Wertkette.JPG|mini|rechts|Abb. 4: Modell einer Wertkette (Porter, 2014, S. 76).]] Gemäss Porter (2014) soll die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] Unterschiede bei der Wertkette gegenüber der Konkurrenz aufzeigen, welche für Wettbewerbsvorteile entscheidend sind. Die Wertkette setzt sich aus verschiedenen Aktivitäten zusammen. Diese Aktivitäten hat Porter in seinem Modell, ersichtlich in Abbildung 4, dargestellt. Die Aktivitäten lassen sich in zwei verschiedene Typen unterteilen, in primäre und unterstützende Aktivitäten. Die primären Aktivitäten befassen sich direkt mit der Herstellung des Produkts, ausgehend von der Eingangslogistik über den Verkauf bis zum Kundendienst. Die unterstützenden Aktivitäten leisten ihren Beitrag zu den primären Aktivitäten und sind nur indirekt am Herstellungsprozess des Produktes beteiligt (S. 66–67).<br />
Neben den fünf erwähnten Methodiken gibt es unzählige weitere Tools, die für die Unternehmensanalyse verwendet werden können. So bildet zum Beispiel die Marktpositionsanalyse den Übergang zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]]. Zu diesem als auch weiteren Instrumenten sind zusätzliche Informationen in der angegebenen Literatur von Zdrowomyslaw & Kasch (2002) und Amann et al. (2014) zu finden.<br />
<br />
==Kritische Würdigung==<br />
Die Analyse eines Unternehmens ist immer bis zu einem gewissen Grad subjektiv. Das Management hat eine Tendenz, unangenehme Informationen ausser Acht zu lassen oder gar zu verdrängen. Um dem vorzubeugen, sollte eine Unternehmensanalyse auf Fakten und quantitativen Daten aufgebaut werden. Es empfiehlt sich hierbei ein Konkurrenzvergleich, beispielsweise das [[Benchmarking#Benchmarking|Benchmarking]] (Lombriser & Abplanalp, 2018, S. 155). Durch eine gezielte Gewichtung der Beurteilungsfaktoren kann das Ergebnis von den Beurteilenden gesteuert werden (Uhlig, 2011, S. 97). Damit die Gewichtung nicht eine Tendenz annimmt, soll die Unternehmensanalyse breit abgestützt werden, wozu möglichst viele Vertreter der Unternehmensführung und sämtliche Beteiligten der Strategieentwicklung und -umsetzung in den Prozess einbezogen werden (Lombriser & Abplanalp, 2018, S. 155). Probleme könnten allenfalls darin liegen, dass Führungskräfte durch andere, operative Tätigkeiten bereits ausgelastet sind. Besonders die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] gilt sowohl zeitlich als auch methodisch als grosser Aufwand. Dies ist darauf zurückzuführen, dass die traditionelle Kostengliederung nicht mit der [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] übereinstimmt und die Zuordnung der Kosten schwierig ist (Lombriser & Abplanalp, 2018, S. 172–173).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Hopfentee AG - Stärken-Schwächen-Analyse#Hopfentee AG - Stärken-Schwächen-Analyse|Hopfentee AG - Stärken-Schwächen-Analyse]]|| [[Unternehmensanalyse - Aufgaben#Unternehmensanalyse - Aufgaben|Unternehmensanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
* Amann, K., Petzold, J., & Westerkamp, M. (2020). Strategisches Management. In K. Amann, J. Petzold, & M. Westerkamp (Hrsg.), [https://link.springer.com/content/pdf/10.1007%2F978-3-658-28795-5.pdf Management und Controlling: Instrumente – Organisation – Ziele – Digitalisierung (S. 51–139)]. Springer Fachmedien. <br />
* Huch, B., Behme, W., & Ohlendorf, T. (1998). Controlling III: Strategisches Controlling. In B. Huch, W. Behme, & T. Ohlendorf (Hrsg.), [https://link.springer.com/chapter/10.1007%2F978-3-662-00678-8_5 Rechnungswesen-orientiertes Controlling: Ein Leitfaden für Studium und Praxis (S. 373–458)]. Springer-Verlag.<br />
* Joos-Sachse, T. (2006). [https://link.springer.com/chapter/10.1007%2F978-3-8351-9139-6_2 Controlling, Kostenrechnung und Kostenmanagement: Grundlagen—Instrumente—Neue Ansätze]. Gabler.<br />
* Kutschker, M. & Schmid, S. (2006). Internationales Management - mit 100 Textboxen (7. Auflage). De Gruyter.<br />
* Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile (competitive advantage) Spitzenleistungen erreichen und behaupten (8., durchgesehene Aufl., neue Ausg.). Campus.<br />
* Thommen, J.-P., & Achleitner, A.-K. (2012). [https://www.springer.com/de/book/9783658077686 Allgemeine Betriebswirtschaftslehre. Umfassende Einführung aus managementorientierter Sicht (7.)]. Gabler.<br />
* Uhlig, T. (2011). Strategische Unternehmensanalyse. In T. Uhlig, [https://link.springer.com/chapter/10.1007%2F978-3-8349-6157-0_4 Immobilienwirtschaftliche Bewertung von Krankenhäusern nach Einführung der DRG (S. 95–134)]. Gabler. <br />
* Zdrowomyslaw, N., & Kasch, R. (2002). [https://elearning.hslu.ch/ilias/goto.php?target=file_4997305_download&client_id=hslu Betriebsvergleiche und Benchmarking für die Managementpraxis: Unternehmensanalyse, Unternehmenstransparenz und Motivation durch Kenn- und Vergleichsgrößen]. Walter de Gruyter.<br />
<br />
==Autoren==<br />
Selimi Armend, Steiner Mischa, Steiner Nando, Steiger Robin, Suter Manuel<br />
<br />
[[Kategorie:Strategische Analyse]]<br />
[[Kategorie:Strategisches Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Umweltanalyse&diff=16314Umweltanalyse2021-10-13T07:14:03Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div>Die Umweltanalyse ist ein Instrument des [[Strategisches Controlling|strategischen Controllings]] und bildet gemeinsam mit der [[Unternehmensanalyse]] die Ausgangslage für die [[Strategieentwicklung]]. Grundsätzlich soll die Umweltanalyse eine Antwort darauf liefern, welche Gefahren und Chancen sich aus den Einflüssen, den Gegebenheiten und den Entwicklungen im Umfeld ergeben. Sobald diese Erkenntnisse vorliegen, wird es der Unternehmung möglich, bestehende oder potenzielle Chancen als Wettbewerbsvorteil zu nutzen und Gefahren durch den Aufbau von neuen Stärken zu vermeiden (Lombriser & Abplanalp, 2018, S. 99).<br />
<br />
== Relevanz der Umweltanalyse ==<br />
Umweltdynamiken haben in den letzten Jahren erheblich zugenommen, was Unternehmungen immer wieder vor die Herausforderung stellt, sich diesen rasch anzupassen (Lombriser & Abplanalp, 2018, S. 19). Die Veränderungen in der Umwelt sind insbesondere auf die Globalisierung, den technischen Fortschritt sowie auf die zunehmende Individualisierung der Kundenbedürfnisse zurückzuführen (Fink, 2020, S. 30). Zudem befinden sich die heutigen Unternehmungen in der sogenannten VUCA-Welt, welche durch die Begriffe Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit (engl. VUCA) beschrieben wird (Cousins, 2018, S. 2-3). Aufgrund dieser agilen und dynamischen Unternehmensumwelt ist es für Unternehmungen in der [[Strategische Analyse|strategischen Analyse]] von grosser Relevanz, aus der Fülle der Daten und Informationen die wesentlichen Einflüsse zu erfassen, welche sie vor Herausforderungen stellen könnte (Lombriser & Abplanalp, 2018, S. 19-22). An diese Stelle tritt die Umweltanalyse, welche für Unternehmungen in der heutigen Zeit unabdingbar ist (Lombriser & Abplanalp, 2018, S. 99). <br />
<br />
==Ziele und Funktionen der Umweltanalyse==<br />
Eine Umweltanalyse hat zum Ziel, dauerhafte Einflüsse, die einer Unternehmung entweder einen Wettbewerbsvorteil verschaffen oder eine Existenzgefahr darstellen, frühzeitig zu identifizieren (Schwarz, 2002, S. 377). Um dieses Ziel zu erreichen, werden einerseits Einflüsse der globalen Umwelt (Makro-Umwelt) und andererseits jene der Branche in welchem das Unternehmen tätig ist (Mikro-Umwelt) analysiert (Buchholz, 2019, S. 170). Konkret lassen sich die Aufgaben der Umweltanalyse im [[Strategisches Controlling|strategischen Controlling]] wie folgt zusammenfassen (Campagna, 2020, S. 12):<br />
<br />
* Analyse der Umweltbedingungen und des Wandels bestimmter Umweltbedingungen<br />
* Analyse der Wettbewerbsrahmenbedingungen sowie der Wettbewerbsstruktur<br />
<br />
Laut Campagna (2020) gehört auch die Analyse der unternehmensinternen Potenziale zu den Aufgaben der Umweltanalyse. Lombriser und Abplanalp (2018) unterstützen diese Aussage nicht, da sie der Ansicht sind, dass diese Aufgabe im Rahmen der [[Unternehmensanalyse]] vorgenommen wird (S. 155).<br />
<br />
==Bestandteile der Umweltanalyse==<br />
Damit sich eine Unternehmung im Rahmen der [[Strategieentwicklung]] optimal am Markt positionieren kann, ist es essenziell, die Einflüsse der Umwelt mitzuberücksichtigen. Heutzutage ist es für Unternehmungen kaum mehr möglich, sich ausschliesslich auf Erfahrungen vergangener Jahre zu stützen, um Problemstellungen der Zukunft zu lösen. Deshalb muss eine Unternehmung Informationen beschaffen, welche wesentlich sind für die [[Strategische Analyse|strategische Analyse]] (Lombriser & Abplanalp, 2018, S. 19-22). Dieser Prozess wird auch „Competitive Intelligence“ genannt und hilft der Unternehmung dabei, relevante Informationen über ihre Umwelt zu beschaffen (Michaeli, 2006, S. 3). Nur so kann eine Unternehmung einerseits wettbewerbsfähig bleiben und andererseits die langfristige Existenz sichern (Schwarz, 2002, S. 374).<br />
<br />
Nach der Generierung der Daten kann mit der Umweltanalyse begonnen werden. Dabei ist es wichtig zu verstehen, dass eine Unternehmung von einer Umwelt umgeben ist, welche die Rahmenbedingungen für die [[Strategische Planung|strategische Planung]] determiniert (Buchholz, 2019, S. 169). Um die Umwelt klarer zu definieren, empfiehlt sich, diese von der Unternehmung abzugrenzen. Ein guter Ansatz dabei ist, den Grad der Verflechtung zwischen Unternehmung und Unternehmensumwelt als Kriterium zu verwenden (Bea & Haas, 2019, S. 105-106). [[Datei:Mikro- und Makroumwelt.jpg|miniatur|frame|Abb. 1: Überblick Umweltanalyse (Eigene Abbildung in Anlehnung an Fink, 2020, S. 31)]] Daraus ergibt sich schliesslich die Unterscheidung zwischen einer engeren und einer weiteren Unternehmensumwelt. Die weitere Unternehmenswelt wird auch als Makro-Umwelt beziehungsweise als globale Umwelt bezeichnet. Die engere Unternehmenswelt hingegen wird als Mikro-Umwelt beziehungsweise als aufgabenspezifische Umwelt bezeichnet (Bea & Haas, 2019, S. 105-106).<br />
<br />
Zu erwähnen gilt es an dieser Stelle, dass die Elemente der Makro-Umwelt für eine Unternehmung nur schwer zu beeinflussen sind. Die Abbildung 1 verdeutlicht dies damit, dass der Kreis der Makro-Umwelt weit weg von der Unternehmung liegt und dies so deren geringe Beinflussbarkeit symbolisiert. Die Mikro-Umwelt hingegen liegt näher an der Unternehmung und zeigt damit auf, dass eine Unternehmung seine Leistungspotenziale selbst bestimmen kann und somit mehr Einfluss auf die Elemente der Mikro-Umwelt nehmen kann (Berndt, Fantapié Altobelli & Schuster, 1998, S. 42).<br />
<br />
===Makro-Umwelt===<br />
Gemäss Theis (2008) umfasst die Makro-Umwelt die Rahmenbedingungen eines geografischen Raumes, in der eine Unternehmung am Markt agiert. In der Regel sind diese Rahmenbedingungen für eine Unternehmung nur schwer zu beeinflussen, da sie meist keinen engen Bezug zur Geschäftstätigkeit haben (S. 32). Einflussfaktoren beziehungsweise Rahmenbedingungen umfassen die gesamtökonomische, die technologische, die soziokulturelle, die rechtlich-politische und die ökologische Umwelt einer Unternehmung (Schertler, 2007, S. 3). Nachfolgend stellt sich für eine Unternehmung die Frage, welche Entwicklungen in der Umwelt einen Einfluss auf die geschäftlichen Aktivitäten haben könnten (Campagna, 2020, S. 12). Das bekannteste Instrument für die Analyse der Makro-Umwelt ist die [[PESTEL-Analyse]] (Kreutzer, 2018, S. 105). Die Analyse der Makro-Umwelt soll schliesslich aufzeigen, wie sich die verschiedenen Einflussfaktoren in den nächsten drei bis fünf Jahren entwickeln und welche Chancen und Risiken sich daraus für eine Unternehmung ableiten lassen (Lombriser & Abplanalp, 2018, S. 103).<br />
<br />
===Mikro-Umwelt===<br />
Die Mikro-Umwelt befasst sich primär mit jenen Marktteilnehmern, welche angesichts von betrieblichen Entscheidungen unmittelbar mit einer Unternehmung in Beziehung stehen (Theis, 2008, S. 33). Gemäss Kreutzer (2018) fallen darunter hauptsächlich die Kundinnen und Kunden, die Lieferanten, die Wettbewerber sowie die Kapitalgeber (S. 105). Während bei der Makro-Umwelt die Steuerung des globalen Umfeldes nahezu ausgeschlossen ist, können Unternehmungen bei der Mikro-Umwelt mehr Einfluss nehmen. Bei der Analyse der Mikro-Umwelt geht es in erster Linie darum, die Branche einer Unternehmung und dessen Marktteilnehmer genauer zu inspizieren. Dafür eignet sich besonders die [[Branchenstrukturanalyse]] nach Porter (Buchholz, 2019, S. 174). Mithilfe der [[Branchenstrukturanalyse]] lässt sich schliesslich herausfinden, wie die Rentabilitätsaussichten einer Unternehmung in einer spezifischen Branche aussehen (Lombriser & Abplanalp, 2018, S. 105).<br />
<br />
==Umweltanalyse in dezentralen Organisationseinheiten==<br />
Eine [[Dezentralisierung|dezentral organisierte Unternehmung]] hat unter anderem den Vorteil, dass die Bedürfnisse im lokalen Markt besser wahrgenommen werden können. Die detaillierte Umweltanalyse, insbesondere die [[Branchenstrukturanalyse]] in der Mikro-Umwelt, sollte aus diesem Grund ebenfalls auf Ebene der strategischen Geschäftseinheiten stattfinden. Durchaus sinnvoll kann aber sein, eine Analyse der Makro-Umwelt, also jene des globalen Umfelds auf Unternehmensebene durchzuführen, da sie oftmals mehrere dezentrale Einheiten betreffen und somit ein doppelter Aufwand vermieden werden kann (Lombriser & Abplanalp, 2018, S. 101-102).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Perlen Papier AG - PESTEL-Analyse]]|| [[Umweltanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
<br />
*Bea, F. X. & Haas, J. (2019). Strategisches Management. UVK.<br />
*Berndt, R., Fantapié Altobelli C. & Schuster, P. (1998). [https://link.springer.com/book/10.1007/978-3-642-58961-4 Springers Handbuch der Betriebswirtschaftslehre 1.] Springer<br />
*Buchholz, L. (2019). [http://link.springer.com/10.1007/978-3-658-26662-2 Strategisches Controlling: Grundlagen - Instrumente - Konzepte (3. vollständig überarbeitete Auflage).] Springer. <br />
*Campagna, S. (2020). [https://elearning.hslu.ch/ilias/goto.php?target=file_4981417_download&client_id=hslu Unternehmensstrategie mitgestalten.] Institut für Mitbestimmung und Unternehmensführung. <br />
*Cousins, B. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4981426_download&client_id=hslu Design Thinking: Organizational Learning in VUCA Environments.] Academy of Strategic Management Journal. <br />
*Fink, N. (2020). [http://link.springer.com/10.1007/978-3-658-27355-2 Strategische Entwicklung von Sportvereinen: Wie Vereine nachhaltig zu starken Marken werden: Analyse, Planung, Umsetzung, Controlling.] Springer. <br />
*Kreutzer, R. (2018). [https://link.springer.com/book/10.1007/978-3-658-21881-2 Toolbox für Marketing und Management: Kreativkonzepte – Analysewerkzeuge – Prognoseinstrumente.] Springer.<br />
*Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
*Michaeli, R. (2006). [https://link.springer.com/book/10.1007/3-540-30571-8 Competitive Intelligence.] Springer. <br />
*Schertler W. (2007). [https://elearning.hslu.ch/ilias/goto.php?target=file_4983335_download&client_id=hslu Umweltanalyse, strategische.] Schäffer-Poeschel.<br />
*Schwarz, R. (2002). [https://link.springer.com/chapter/10.1007%2F978-3-322-90337-2_10 Controlling-Systeme. Eine Einführung in Grundlagen, Komponenten und Methoden des Controlling.] Gabler.<br />
*Theis, H. J. (2008). [https://elearning.hslu.ch/ilias/goto.php?target=file_4983320_download&client_id=hslu Handbuch Handelsmarketing. Erfolgreiche Instrumente der Handelsmarktforschung.] Deutscher Fachverlag.<br />
<br />
==Autoren==<br />
Lillien Ohnmacht, Julia Romer, Marco Schmidlin<br />
<br />
[[Kategorie:Strategisches Controlling]]<br />
[[Kategorie:Strategische Analyse]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Umweltanalyse&diff=16313Umweltanalyse2021-10-13T07:13:53Z<p>Salis.Matteo: /* Bestandteile der Umweltanalyse */</p>
<hr />
<div>Die Umweltanalyse ist ein Instrument des [[Strategisches Controlling|strategischen Controllings]] und bildet gemeinsam mit der [[Unternehmensanalyse]] die Ausgangslage für die [[Strategieentwicklung]]. Grundsätzlich soll die Umweltanalyse eine Antwort darauf liefern, welche Gefahren und Chancen sich aus den Einflüssen, den Gegebenheiten und den Entwicklungen im Umfeld ergeben. Sobald diese Erkenntnisse vorliegen, wird es der Unternehmung möglich, bestehende oder potenzielle Chancen als Wettbewerbsvorteil zu nutzen und Gefahren durch den Aufbau von neuen Stärken zu vermeiden (Lombriser & Abplanalp, 2018, S. 99).<br />
<br />
== Relevanz der Umweltanalyse ==<br />
Umweltdynamiken haben in den letzten Jahren erheblich zugenommen, was Unternehmungen immer wieder vor die Herausforderung stellt, sich diesen rasch anzupassen (Lombriser & Abplanalp, 2018, S. 19). Die Veränderungen in der Umwelt sind insbesondere auf die Globalisierung, den technischen Fortschritt sowie auf die zunehmende Individualisierung der Kundenbedürfnisse zurückzuführen (Fink, 2020, S. 30). Zudem befinden sich die heutigen Unternehmungen in der sogenannten VUCA-Welt, welche durch die Begriffe Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit (engl. VUCA) beschrieben wird (Cousins, 2018, S. 2-3). Aufgrund dieser agilen und dynamischen Unternehmensumwelt ist es für Unternehmungen in der [[Strategische Analyse|strategischen Analyse]] von grosser Relevanz, aus der Fülle der Daten und Informationen die wesentlichen Einflüsse zu erfassen, welche sie vor Herausforderungen stellen könnte (Lombriser & Abplanalp, 2018, S. 19-22). An diese Stelle tritt die Umweltanalyse, welche für Unternehmungen in der heutigen Zeit unabdingbar ist (Lombriser & Abplanalp, 2018, S. 99). <br />
<br />
==Ziele und Funktionen der Umweltanalyse==<br />
Eine Umweltanalyse hat zum Ziel, dauerhafte Einflüsse, die einer Unternehmung entweder einen Wettbewerbsvorteil verschaffen oder eine Existenzgefahr darstellen, frühzeitig zu identifizieren (Schwarz, 2002, S. 377). Um dieses Ziel zu erreichen, werden einerseits Einflüsse der globalen Umwelt (Makro-Umwelt) und andererseits jene der Branche in welchem das Unternehmen tätig ist (Mikro-Umwelt) analysiert (Buchholz, 2019, S. 170). Konkret lassen sich die Aufgaben der Umweltanalyse im [[Strategisches Controlling|strategischen Controlling]] wie folgt zusammenfassen (Campagna, 2020, S. 12):<br />
<br />
* Analyse der Umweltbedingungen und des Wandels bestimmter Umweltbedingungen<br />
* Analyse der Wettbewerbsrahmenbedingungen sowie der Wettbewerbsstruktur<br />
<br />
Laut Campagna (2020) gehört auch die Analyse der unternehmensinternen Potenziale zu den Aufgaben der Umweltanalyse. Lombriser und Abplanalp (2018) unterstützen diese Aussage nicht, da sie der Ansicht sind, dass diese Aufgabe im Rahmen der [[Unternehmensanalyse]] vorgenommen wird (S. 155).<br />
<br />
==Bestandteile der Umweltanalyse==<br />
Damit sich eine Unternehmung im Rahmen der [[Strategieentwicklung]] optimal am Markt positionieren kann, ist es essenziell, die Einflüsse der Umwelt mitzuberücksichtigen. Heutzutage ist es für Unternehmungen kaum mehr möglich, sich ausschliesslich auf Erfahrungen vergangener Jahre zu stützen, um Problemstellungen der Zukunft zu lösen. Deshalb muss eine Unternehmung Informationen beschaffen, welche wesentlich sind für die [[Strategische Analyse|strategische Analyse]] (Lombriser & Abplanalp, 2018, S. 19-22). Dieser Prozess wird auch „Competitive Intelligence“ genannt und hilft der Unternehmung dabei, relevante Informationen über ihre Umwelt zu beschaffen (Michaeli, 2006, S. 3). Nur so kann eine Unternehmung einerseits wettbewerbsfähig bleiben und andererseits die langfristige Existenz sichern (Schwarz, 2002, S. 374).<br />
<br />
Nach der Generierung der Daten kann mit der Umweltanalyse begonnen werden. Dabei ist es wichtig zu verstehen, dass eine Unternehmung von einer Umwelt umgeben ist, welche die Rahmenbedingungen für die [[Strategische Planung|strategische Planung]] determiniert (Buchholz, 2019, S. 169). Um die Umwelt klarer zu definieren, empfiehlt sich, diese von der Unternehmung abzugrenzen. Ein guter Ansatz dabei ist, den Grad der Verflechtung zwischen Unternehmung und Unternehmensumwelt als Kriterium zu verwenden (Bea & Haas, 2019, S. 105-106). [[Datei:Mikro- und Makroumwelt.jpg|miniatur|frame|Abb. 1: Überblick Umweltanalyse (Eigene Abbildung in Anlehnung an Fink, 2020, S. 31)]] Daraus ergibt sich schliesslich die Unterscheidung zwischen einer engeren und einer weiteren Unternehmensumwelt. Die weitere Unternehmenswelt wird auch als Makro-Umwelt beziehungsweise als globale Umwelt bezeichnet. Die engere Unternehmenswelt hingegen wird als Mikro-Umwelt beziehungsweise als aufgabenspezifische Umwelt bezeichnet (Bea & Haas, 2019, S. 105-106).<br />
<br />
Zu erwähnen gilt es an dieser Stelle, dass die Elemente der Makro-Umwelt für eine Unternehmung nur schwer zu beeinflussen sind. Die Abbildung 1 verdeutlicht dies damit, dass der Kreis der Makro-Umwelt weit weg von der Unternehmung liegt und dies so deren geringe Beinflussbarkeit symbolisiert. Die Mikro-Umwelt hingegen liegt näher an der Unternehmung und zeigt damit auf, dass eine Unternehmung seine Leistungspotenziale selbst bestimmen kann und somit mehr Einfluss auf die Elemente der Mikro-Umwelt nehmen kann (Berndt, Fantapié Altobelli & Schuster, 1998, S. 42).<br />
<br />
===Makro-Umwelt===<br />
Gemäss Theis (2008) umfasst die Makro-Umwelt die Rahmenbedingungen eines geografischen Raumes, in der eine Unternehmung am Markt agiert. In der Regel sind diese Rahmenbedingungen für eine Unternehmung nur schwer zu beeinflussen, da sie meist keinen engen Bezug zur Geschäftstätigkeit haben (S. 32). Einflussfaktoren beziehungsweise Rahmenbedingungen umfassen die gesamtökonomische, die technologische, die soziokulturelle, die rechtlich-politische und die ökologische Umwelt einer Unternehmung (Schertler, 2007, S. 3). Nachfolgend stellt sich für eine Unternehmung die Frage, welche Entwicklungen in der Umwelt einen Einfluss auf die geschäftlichen Aktivitäten haben könnten (Campagna, 2020, S. 12). Das bekannteste Instrument für die Analyse der Makro-Umwelt ist die [[PESTEL-Analyse]] (Kreutzer, 2018, S. 105). Die Analyse der Makro-Umwelt soll schliesslich aufzeigen, wie sich die verschiedenen Einflussfaktoren in den nächsten drei bis fünf Jahren entwickeln und welche Chancen und Risiken sich daraus für eine Unternehmung ableiten lassen (Lombriser & Abplanalp, 2018, S. 103).<br />
<br />
===Mikro-Umwelt===<br />
Die Mikro-Umwelt befasst sich primär mit jenen Marktteilnehmern, welche angesichts von betrieblichen Entscheidungen unmittelbar mit einer Unternehmung in Beziehung stehen (Theis, 2008, S. 33). Gemäss Kreutzer (2018) fallen darunter hauptsächlich die Kundinnen und Kunden, die Lieferanten, die Wettbewerber sowie die Kapitalgeber (S. 105). Während bei der Makro-Umwelt die Steuerung des globalen Umfeldes nahezu ausgeschlossen ist, können Unternehmungen bei der Mikro-Umwelt mehr Einfluss nehmen. Bei der Analyse der Mikro-Umwelt geht es in erster Linie darum, die Branche einer Unternehmung und dessen Marktteilnehmer genauer zu inspizieren. Dafür eignet sich besonders die [[Branchenstrukturanalyse]] nach Porter (Buchholz, 2019, S. 174). Mithilfe der [[Branchenstrukturanalyse]] lässt sich schliesslich herausfinden, wie die Rentabilitätsaussichten einer Unternehmung in einer spezifischen Branche aussehen (Lombriser & Abplanalp, 2018, S. 105).<br />
<br />
==Umweltanalyse in dezentralen Organisationseinheiten==<br />
Eine [[Dezentralisierung|dezentral organisierte Unternehmung]] hat unter anderem den Vorteil, dass die Bedürfnisse im lokalen Markt besser wahrgenommen werden können. Die detaillierte Umweltanalyse, insbesondere die [[Branchenstrukturanalyse]] in der Mikro-Umwelt, sollte aus diesem Grund ebenfalls auf Ebene der strategischen Geschäftseinheiten stattfinden. Durchaus sinnvoll kann aber sein, eine Analyse der Makro-Umwelt, also jene des globalen Umfelds auf Unternehmensebene durchzuführen, da sie oftmals mehrere dezentrale Einheiten betreffen und somit ein doppelter Aufwand vermieden werden kann (Lombriser & Abplanalp, 2018, S. 101-102).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Perlen Papier AG - PESTEL-Analyse]]|| [[Umweltanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
<br />
*Bea, F. X. & Haas, J. (2019). Strategisches Management. UVK.<br />
*Berndt, R., Fantapié Altobelli C. & Schuster, P. (1998). [https://link.springer.com/book/10.1007/978-3-642-58961-4 Springers Handbuch der Betriebswirtschaftslehre 1.] Springer<br />
*Buchholz, L. (2009). [https://link.springer.com/book/10.1007%2F978-3-8349-8275-9 Strategisches Controlling. Grundlagen – Instrumente – Konzepte.] Gabler.<br />
*Buchholz, L. (2019). [http://link.springer.com/10.1007/978-3-658-26662-2 Strategisches Controlling: Grundlagen - Instrumente - Konzepte (3. vollständig überarbeitete Auflage).] Springer. <br />
*Campagna, S. (2020). [https://elearning.hslu.ch/ilias/goto.php?target=file_4981417_download&client_id=hslu Unternehmensstrategie mitgestalten.] Institut für Mitbestimmung und Unternehmensführung. <br />
*Cousins, B. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4981426_download&client_id=hslu Design Thinking: Organizational Learning in VUCA Environments.] Academy of Strategic Management Journal. <br />
*Fink, N. (2020). [http://link.springer.com/10.1007/978-3-658-27355-2 Strategische Entwicklung von Sportvereinen: Wie Vereine nachhaltig zu starken Marken werden: Analyse, Planung, Umsetzung, Controlling.] Springer. <br />
*Kreutzer, R. (2018). [https://link.springer.com/book/10.1007/978-3-658-21881-2 Toolbox für Marketing und Management: Kreativkonzepte – Analysewerkzeuge – Prognoseinstrumente.] Springer.<br />
*Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
*Michaeli, R. (2006). [https://link.springer.com/book/10.1007/3-540-30571-8 Competitive Intelligence.] Springer. <br />
*Schertler W. (2007). [https://elearning.hslu.ch/ilias/goto.php?target=file_4983335_download&client_id=hslu Umweltanalyse, strategische.] Schäffer-Poeschel.<br />
*Schwarz, R. (2002). [https://link.springer.com/chapter/10.1007%2F978-3-322-90337-2_10 Controlling-Systeme. Eine Einführung in Grundlagen, Komponenten und Methoden des Controlling.] Gabler.<br />
*Theis, H. J. (2008). [https://elearning.hslu.ch/ilias/goto.php?target=file_4983320_download&client_id=hslu Handbuch Handelsmarketing. Erfolgreiche Instrumente der Handelsmarktforschung.] Deutscher Fachverlag.<br />
<br />
==Autoren==<br />
Lillien Ohnmacht, Julia Romer, Marco Schmidlin<br />
<br />
[[Kategorie:Strategisches Controlling]]<br />
[[Kategorie:Strategische Analyse]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Umweltanalyse&diff=16312Umweltanalyse2021-10-13T07:11:19Z<p>Salis.Matteo: /* Ziele und Funktionen der Umweltanalyse */</p>
<hr />
<div>Die Umweltanalyse ist ein Instrument des [[Strategisches Controlling|strategischen Controllings]] und bildet gemeinsam mit der [[Unternehmensanalyse]] die Ausgangslage für die [[Strategieentwicklung]]. Grundsätzlich soll die Umweltanalyse eine Antwort darauf liefern, welche Gefahren und Chancen sich aus den Einflüssen, den Gegebenheiten und den Entwicklungen im Umfeld ergeben. Sobald diese Erkenntnisse vorliegen, wird es der Unternehmung möglich, bestehende oder potenzielle Chancen als Wettbewerbsvorteil zu nutzen und Gefahren durch den Aufbau von neuen Stärken zu vermeiden (Lombriser & Abplanalp, 2018, S. 99).<br />
<br />
== Relevanz der Umweltanalyse ==<br />
Umweltdynamiken haben in den letzten Jahren erheblich zugenommen, was Unternehmungen immer wieder vor die Herausforderung stellt, sich diesen rasch anzupassen (Lombriser & Abplanalp, 2018, S. 19). Die Veränderungen in der Umwelt sind insbesondere auf die Globalisierung, den technischen Fortschritt sowie auf die zunehmende Individualisierung der Kundenbedürfnisse zurückzuführen (Fink, 2020, S. 30). Zudem befinden sich die heutigen Unternehmungen in der sogenannten VUCA-Welt, welche durch die Begriffe Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit (engl. VUCA) beschrieben wird (Cousins, 2018, S. 2-3). Aufgrund dieser agilen und dynamischen Unternehmensumwelt ist es für Unternehmungen in der [[Strategische Analyse|strategischen Analyse]] von grosser Relevanz, aus der Fülle der Daten und Informationen die wesentlichen Einflüsse zu erfassen, welche sie vor Herausforderungen stellen könnte (Lombriser & Abplanalp, 2018, S. 19-22). An diese Stelle tritt die Umweltanalyse, welche für Unternehmungen in der heutigen Zeit unabdingbar ist (Lombriser & Abplanalp, 2018, S. 99). <br />
<br />
==Ziele und Funktionen der Umweltanalyse==<br />
Eine Umweltanalyse hat zum Ziel, dauerhafte Einflüsse, die einer Unternehmung entweder einen Wettbewerbsvorteil verschaffen oder eine Existenzgefahr darstellen, frühzeitig zu identifizieren (Schwarz, 2002, S. 377). Um dieses Ziel zu erreichen, werden einerseits Einflüsse der globalen Umwelt (Makro-Umwelt) und andererseits jene der Branche in welchem das Unternehmen tätig ist (Mikro-Umwelt) analysiert (Buchholz, 2019, S. 170). Konkret lassen sich die Aufgaben der Umweltanalyse im [[Strategisches Controlling|strategischen Controlling]] wie folgt zusammenfassen (Campagna, 2020, S. 12):<br />
<br />
* Analyse der Umweltbedingungen und des Wandels bestimmter Umweltbedingungen<br />
* Analyse der Wettbewerbsrahmenbedingungen sowie der Wettbewerbsstruktur<br />
<br />
Laut Campagna (2020) gehört auch die Analyse der unternehmensinternen Potenziale zu den Aufgaben der Umweltanalyse. Lombriser und Abplanalp (2018) unterstützen diese Aussage nicht, da sie der Ansicht sind, dass diese Aufgabe im Rahmen der [[Unternehmensanalyse]] vorgenommen wird (S. 155).<br />
<br />
==Bestandteile der Umweltanalyse==<br />
Damit sich eine Unternehmung im Rahmen der [[Strategieentwicklung]] optimal am Markt positionieren kann, ist es essenziell, die Einflüsse der Umwelt mitzuberücksichtigen. Heutzutage ist es für Unternehmungen kaum mehr möglich, sich ausschliesslich auf Erfahrungen vergangener Jahre zu stützen, um Problemstellungen der Zukunft zu lösen. Deshalb muss eine Unternehmung Informationen beschaffen, welche wesentlich sind für die [[Strategische Analyse|strategische Analyse]] (Lombriser & Abplanalp, 2018, S. 19-22). Dieser Prozess wird auch „Competitive Intelligence“ genannt und hilft der Unternehmung dabei, relevante Informationen über ihre Umwelt zu beschaffen (Michaeli, 2006, S. 3). Nur so kann eine Unternehmung einerseits wettbewerbsfähig bleiben und andererseits die langfristige Existenz sichern (Schwarz, 2002, S. 374).<br />
<br />
Nach der Generierung der Daten kann mit der Umweltanalyse begonnen werden. Dabei ist es wichtig zu verstehen, dass eine Unternehmung von einer Umwelt umgeben ist, welche die Rahmenbedingungen für die [[Strategische Planung|strategische Planung]] determiniert (Buchholz, 2009, S. 199). Um die Umwelt klarer zu definieren, empfiehlt sich, diese von der Unternehmung abzugrenzen. Ein guter Ansatz dabei ist, den Grad der Verflechtung zwischen Unternehmung und Unternehmensumwelt als Kriterium zu verwenden (Bea & Haas, 2019, S. 105-106). [[Datei:Mikro- und Makroumwelt.jpg|miniatur|frame|Abb. 1: Überblick Umweltanalyse (Eigene Abbildung in Anlehnung an Fink, 2020, S. 31)]] Daraus ergibt sich schliesslich die Unterscheidung zwischen einer engeren und einer weiteren Unternehmensumwelt. Die weitere Unternehmenswelt wird auch als Makro-Umwelt beziehungsweise als globale Umwelt bezeichnet. Die engere Unternehmenswelt hingegen wird als Mikro-Umwelt beziehungsweise als aufgabenspezifische Umwelt bezeichnet (Bea & Haas, 2019, S. 105-106).<br />
<br />
Zu erwähnen gilt es an dieser Stelle, dass die Elemente der Makro-Umwelt für eine Unternehmung nur schwer zu beeinflussen sind. Die Abbildung 1 verdeutlicht dies damit, dass der Kreis der Makro-Umwelt weit weg von der Unternehmung liegt und dies so deren geringe Beinflussbarkeit symbolisiert. Die Mikro-Umwelt hingegen liegt näher an der Unternehmung und zeigt damit auf, dass eine Unternehmung seine Leistungspotenziale selbst bestimmen kann und somit mehr Einfluss auf die Elemente der Mikro-Umwelt nehmen kann (Berndt, Fantapié Altobelli & Schuster, 1998, S. 42).<br />
<br />
===Makro-Umwelt===<br />
Gemäss Theis (2008) umfasst die Makro-Umwelt die Rahmenbedingungen eines geografischen Raumes, in der eine Unternehmung am Markt agiert. In der Regel sind diese Rahmenbedingungen für eine Unternehmung nur schwer zu beeinflussen, da sie meist keinen engen Bezug zur Geschäftstätigkeit haben (S. 32). Einflussfaktoren beziehungsweise Rahmenbedingungen umfassen die gesamtökonomische, die technologische, die soziokulturelle, die rechtlich-politische und die ökologische Umwelt einer Unternehmung (Schertler, 2007, S. 3). Nachfolgend stellt sich für eine Unternehmung die Frage, welche Entwicklungen in der Umwelt einen Einfluss auf die geschäftlichen Aktivitäten haben könnten (Campagna, 2020, S. 12). Das bekannteste Instrument für die Analyse der Makro-Umwelt ist die [[PESTEL-Analyse]] (Kreutzer, 2018, S. 105). Die Analyse der Makro-Umwelt soll schliesslich aufzeigen, wie sich die verschiedenen Einflussfaktoren in den nächsten drei bis fünf Jahren entwickeln und welche Chancen und Risiken sich daraus für eine Unternehmung ableiten lassen (Lombriser & Abplanalp, 2018, S. 103).<br />
<br />
===Mikro-Umwelt===<br />
Die Mikro-Umwelt befasst sich primär mit jenen Marktteilnehmern, welche angesichts von betrieblichen Entscheidungen unmittelbar mit einer Unternehmung in Beziehung stehen (Theis, 2008, S. 33). Gemäss Kreutzer (2018) fallen darunter hauptsächlich die Kundinnen und Kunden, die Lieferanten, die Wettbewerber sowie die Kapitalgeber (S. 105). Während bei der Makro-Umwelt die Steuerung des globalen Umfeldes nahezu ausgeschlossen ist, können Unternehmungen bei der Mikro-Umwelt mehr Einfluss nehmen. Bei der Analyse der Mikro-Umwelt geht es in erster Linie darum, die Branche einer Unternehmung und dessen Marktteilnehmer genauer zu inspizieren. Dafür eignet sich besonders die [[Branchenstrukturanalyse]] nach Porter (Buchholz, 2019, S. 174). Mithilfe der [[Branchenstrukturanalyse]] lässt sich schliesslich herausfinden, wie die Rentabilitätsaussichten einer Unternehmung in einer spezifischen Branche aussehen (Lombriser & Abplanalp, 2018, S. 105).<br />
<br />
==Umweltanalyse in dezentralen Organisationseinheiten==<br />
Eine [[Dezentralisierung|dezentral organisierte Unternehmung]] hat unter anderem den Vorteil, dass die Bedürfnisse im lokalen Markt besser wahrgenommen werden können. Die detaillierte Umweltanalyse, insbesondere die [[Branchenstrukturanalyse]] in der Mikro-Umwelt, sollte aus diesem Grund ebenfalls auf Ebene der strategischen Geschäftseinheiten stattfinden. Durchaus sinnvoll kann aber sein, eine Analyse der Makro-Umwelt, also jene des globalen Umfelds auf Unternehmensebene durchzuführen, da sie oftmals mehrere dezentrale Einheiten betreffen und somit ein doppelter Aufwand vermieden werden kann (Lombriser & Abplanalp, 2018, S. 101-102).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Perlen Papier AG - PESTEL-Analyse]]|| [[Umweltanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
<br />
*Bea, F. X. & Haas, J. (2019). Strategisches Management. UVK.<br />
*Berndt, R., Fantapié Altobelli C. & Schuster, P. (1998). [https://link.springer.com/book/10.1007/978-3-642-58961-4 Springers Handbuch der Betriebswirtschaftslehre 1.] Springer<br />
*Buchholz, L. (2009). [https://link.springer.com/book/10.1007%2F978-3-8349-8275-9 Strategisches Controlling. Grundlagen – Instrumente – Konzepte.] Gabler.<br />
*Buchholz, L. (2019). [http://link.springer.com/10.1007/978-3-658-26662-2 Strategisches Controlling: Grundlagen - Instrumente - Konzepte (3. vollständig überarbeitete Auflage).] Springer. <br />
*Campagna, S. (2020). [https://elearning.hslu.ch/ilias/goto.php?target=file_4981417_download&client_id=hslu Unternehmensstrategie mitgestalten.] Institut für Mitbestimmung und Unternehmensführung. <br />
*Cousins, B. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_4981426_download&client_id=hslu Design Thinking: Organizational Learning in VUCA Environments.] Academy of Strategic Management Journal. <br />
*Fink, N. (2020). [http://link.springer.com/10.1007/978-3-658-27355-2 Strategische Entwicklung von Sportvereinen: Wie Vereine nachhaltig zu starken Marken werden: Analyse, Planung, Umsetzung, Controlling.] Springer. <br />
*Kreutzer, R. (2018). [https://link.springer.com/book/10.1007/978-3-658-21881-2 Toolbox für Marketing und Management: Kreativkonzepte – Analysewerkzeuge – Prognoseinstrumente.] Springer.<br />
*Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
*Michaeli, R. (2006). [https://link.springer.com/book/10.1007/3-540-30571-8 Competitive Intelligence.] Springer. <br />
*Schertler W. (2007). [https://elearning.hslu.ch/ilias/goto.php?target=file_4983335_download&client_id=hslu Umweltanalyse, strategische.] Schäffer-Poeschel.<br />
*Schwarz, R. (2002). [https://link.springer.com/chapter/10.1007%2F978-3-322-90337-2_10 Controlling-Systeme. Eine Einführung in Grundlagen, Komponenten und Methoden des Controlling.] Gabler.<br />
*Theis, H. J. (2008). [https://elearning.hslu.ch/ilias/goto.php?target=file_4983320_download&client_id=hslu Handbuch Handelsmarketing. Erfolgreiche Instrumente der Handelsmarktforschung.] Deutscher Fachverlag.<br />
<br />
==Autoren==<br />
Lillien Ohnmacht, Julia Romer, Marco Schmidlin<br />
<br />
[[Kategorie:Strategisches Controlling]]<br />
[[Kategorie:Strategische Analyse]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Unternehmensanalyse&diff=16311Unternehmensanalyse2021-10-13T07:02:34Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div>Die Unternehmensanalyse hat zum Ziel, die wettbewerbsrelevanten Fähigkeiten und Ressourcen eines Unternehmens zu ermitteln. Dafür stehen verschiedene Instrumente zur Verfügung. Die wichtigsten bilden dabei das [[Benchmarking#Benchmarking|Benchmarking]], die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]], die [[Kulturanalyse#Kulturanalyse|Kulturanalyse]], die [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]], die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] und die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]]. Die Unternehmensanalyse ist wie die [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] Teil der [[strategische Analyse#strategischen Analyse|strategischen Analyse]] (Lombriser & Abplanalp, 2018, S. 155).<br />
<br />
==Definition und Abgrenzung==<br />
[[Datei:Modell strategisches Management.JPG|mini|rechts|Abb. 1: Modell des strategischen Managements in Anlehnung an Lombriser & Abplanalp, 2018, S. 50.]] Die Unternehmensanalyse ist im Modell des strategischen Managements von Lombriser und Abplanalp in der ersten Phase, der Informationsanalyse, angesiedelt und ist einer von insgesamt acht Schritten. Wie in der Abbildung 1 ersichtlich ist, läuft die Unternehmensanalyse parallel zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] ab.<br />
Bei der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] werden das globale Umfeld, die Entwicklung der Branche sowie die wichtigsten Konkurrenten analysiert. Die Betrachtung umfasst vor allem die bestehenden und potenziellen Chancen und Gefahren. Bei der Unternehmensanalyse hingegen werden die internen Unternehmensressourcen einer qualitativen und quantitativen Analyse unterzogen. Dabei sollen Stärken und Schwächen der eigenen Unternehmung aufgezeigt werden. Analysiert werden kann entweder das ganze Unternehmen oder nur Teilbereiche (Lombriser & Abplanalp, 2018, S. 51).<br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br />
==Ziele==<br />
Hauptziel der Unternehmensanalyse ist es, ein Bild über die Stärken und Schwächen der eigenen Unternehmung beziehungsweise dessen Geschäftsfelder zu gewinnen. In Verknüpfung mit den Ergebnissen der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] können schlussendlich geeignete Strategiealternativen formuliert werden (Joos-Sachse, 2006, S. 15).<br />
<br />
==Ablauf / Vorgehen==<br />
Es gibt verschiedene Theorien zum Vorgehen bei der Unternehmensanalyse, folgend wird ein beispielhafter Ablauf aus der Fachliteratur beleuchtet. Das Prozedere der Erstellung einer Unternehmensanalyse kann in sechs Schritte unterteilt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 23), die folgend erläutert werden:<br />
<br />
'''Schritt 1: Bestimmung des Untersuchungsgegenstandes'''<br />
<br />
Im ersten Schritt wird definiert, was mit der bevorstehenden Unternehmensanalyse erreicht werden soll und wer die Adressaten sind. Aufgrund dieser Informationen können darauffolgend Umfang, Schwerpunkte und die Struktur des weiteren Vorgehens erörtert werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 2: Datenbeschaffung und Aufbereitung'''<br />
<br />
In diesem Schritt werden durch Primär- als auch Sekundärforschung Daten zu der Unternehmung, der Konkurrenz und der Branche beschafft. Als zentrale Informationsquellen für diese Daten gelten unter anderem das Organigramm, die Bilanz und die Erfolgsrechnung. Die daraus gewonnenen Daten müssen jeweils auch passend zum in Schritt 1 definierten Ziel aufbereitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 3: Beschreibende Unternehmensanalyse'''<br />
<br />
Mit den zuvor gesammelten Daten wird jetzt eine Situationsaufnahme zum Ist-Zustand der Unternehmung gemacht, dies kann z.B. in Form einer SWOT-Analyse geschehen (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 4: Ursachenforschende Unternehmensanalyse'''<br />
<br />
Hierbei werden die zuvor erlangten Informationen zum Ist-Zustand auf deren Ursachen geprüft und somit wird versucht Schwachstellen im Betrieb ausfindig zu machen. Eine geeignete Methode dafür ist eine [[Abweichungsanalyse#Abweichungsanalyse|Abweichungsanalyse]]. Es ist wichtig unterscheiden zu können, welche der Abweichungen wesentlich sind und somit Handlungen folgen müssen. Hierfür müssen passende Kenngrössen ausgewählt und verglichen werden. Zu diesen Problembereichen sollen in diesem Schritt Handlungsempfehlungen ausgearbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 5: Auswertung der Informationen'''<br />
<br />
In diesem vorletzten Schritt werden die aus den zuvor durchgeführten Analysen erlangten Informationen in Bezug auf die Zielsetzung bewertet. Aus den einzelnen Erkenntnissen soll dann ein Gesamtbild über den Stand der Unternehmung erstellt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 6: Formulierung der Analyseergebnisse'''<br />
<br />
Zu guter Letzt wird das zuvor erlangte Gesamtbild auf verschiedene Arten auf zielorientierte Weise ausformuliert. Das kann schriftlich, in Tabellenform oder auch durch Abbildungen geschehen. Aufbauend auf diesen Auswertungen können Massnahmen und Alternativen erarbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
==Instrumente==<br />
Zur Analyse des Unternehmens stehen verschiedenste Instrumente zur Verfügung. Folgend werden die von den Autoren als zentral erachteten kurz erläutert, um einen Überblick über den Themenbereich zu bieten.<br />
<br />
'''Benchmarking'''<br />
<br />
[[Benchmarking#Benchmarking|Benchmarking]] ist ein kontinuierlicher Prozess bei dem die Leistungen eines Unternehmens (z.B. Produkte, Dienstleistungen oder Prozesse) mit den marktführenden Unternehmen verglichen werden. Ziel von [[Benchmarking#Benchmarking|Benchmarking]] ist das Kopieren von ausgezeichneten Aktivitäten anderer Unternehmen, die beim eigenen Unternehmen eingesetzt und nach Möglichkeit verbessert werden sollen. [[Benchmarking#Benchmarking|Benchmarking]] (Thommen & Achleitner, 2012, S. 1003).<br />
<br />
'''Gap-Analyse'''<br />
<br />
[[Datei:Strategische Lücke.JPG|mini|rechts|Abb. 2: Beispiel für die Darstellung einer einfachen strategischen Lücke (Erichsen, 2011, S. 374).]] Die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] (Lückenanalyse) gehört zu den klassischen Instrumenten der strategischen Unternehmensanalyse. Sie ist zur Früherkennung von strategischen Problemen gedacht (Amann et al., 2020, S. 73). Für den Planungshorizont (z.B. zehn Jahre) wird der Zielwert einer Beobachtungsgrösse (i.d.R. Gewinn oder Umsatz) mit dem Prognosewert für dieselbe Beobachtungsgrösse verglichen. Bei der Ermittlung des Prognosewertes wird unterstellt, dass keine Änderungen an der momentanen Strategie vorgenommen werden. Als Differenz aus Ziel- und Prognosewert ergibt sich die sogenannte «strategische Lücke» (siehe Abbildung 2), die durch geeignete strategische Massnahmen geschlossen werden muss (Joos-Sachse, 2006, S. 15). Die strategische Lücke bezeichnet die Differenz zwischen den aufgrund der strategisch bestimmten Ziele angestrebten und der durch Entscheidungen im operativen Controlling realisierten Entwicklung (Huch et al., 1998, S. 384).<br />
Im Allgemeinen kann das Instrument der [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] als eine «zukunftsorientierte Schwachstellenanalyse» gesehen werden, da auf diese Weise erkennbar wird, ab welcher Periode z.B. zusätzliche Massnahmen ergriffen werden müssen, damit der angestrebte Gewinn oder Umsatz realisiert werden kann (Amann et al., 2020, S. 74).<br />
<br />
'''Kulturanalyse'''<br />
<br />
«Unternehmungskultur ist die Gesamtheit der Grundannahmen, Werte, Normen, Einstellungen und Überzeugungen einer Unternehmung, die sich in einer Vielzahl von Verhaltensweisen und Artefakten ausdrückt und sich als Antwort auf die vielfältigen Anforderungen, die an diese Unternehmung gestellt werden, im Laufe der Zeit herausgebildet hat» (Kutschker & Schmid, 2006, S. 678). Eine [[Kulturanalyse#Kulturanalyse|Analyse der Unternehmenskultur]] soll die Elemente identifizieren, welche bisherige Erfolge oder Misserfolge des Unternehmens erklären. Zudem soll sie Antworten darauf liefern, welche Strategie am besten zur Unternehmenskultur passt (Lombriser & Abplanalp, 2018, S. 184).<br />
<br />
'''Potenzialanalyse'''<br />
<br />
[[Datei:Beispiel einer Potenzialanalyse.JPG|mini|rechts|Abb. 3: Beispiel einer Potenzialanalyse (Joos-Sache, 2006, S. 16).]] Ziel der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] (Stärken-Schwächen-Analyse) ist es festzustellen, welche Ressourcen die individuellen Stärken und Schwächen einer Unternehmung ausmachen. Als Hilfe der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] werden Checklisten verwendet. Diese Listen orientieren sich meistens an betrieblichen Funktionsbereichen (Beschaffung, Logistik, Produktion, Forschung und Entwicklung usw.). Dabei dürfen die immateriellen Ressourcen nicht vergessen werden, die das Innovations- und Entwicklungspotenzial eines Unternehmens massgeblich bestimmen und in die Analyse zwingend miteinbezogen werden müssen.<br />
Die Resultate der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] können in verdichteter Form als beispielsweise «Geschäftsfeldprofil» dargestellt und den Profilen der anderen Wettbewerber gegenübergestellt werden, wie es in der Abbildung 3 der Fall ist (Joos-Sachse, 2006, S. 16).<br />
<br />
<br />
<br />
<br />
<br />
'''Ressourcen- und Fähigkeitsanalyse'''<br />
<br />
Die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] zeigt der Unternehmung auf, wo eine Strategische Geschäftseinheit (SGE) seine Stärken und Schwächen aufweist. So werden beispielsweise in den SGE Marketing, Personal, Produktion, Forschung und Entwicklung etc. die Fähigkeiten mit der Konkurrenz verglichen. Dadurch kann festgestellt werden, ob strategische Erfolgspositionen vorhanden sind oder wo diese aufgebaut werden könnten (Lombriser & Abplanalp, 2018, S. 167–169).<br />
<br />
'''Wertkettenanalyse'''<br />
<br />
[[Datei:Modell einer Wertkette.JPG|mini|rechts|Abb. 4: Modell einer Wertkette (Porter, 2014, S. 76).]] Gemäss Porter (2014) soll die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] Unterschiede bei der Wertkette gegenüber der Konkurrenz aufzeigen, welche für Wettbewerbsvorteile entscheidend sind. Die Wertkette setzt sich aus verschiedenen Aktivitäten zusammen. Diese Aktivitäten hat Porter in seinem Modell, ersichtlich in Abbildung 4, dargestellt. Die Aktivitäten lassen sich in zwei verschiedene Typen unterteilen, in primäre und unterstützende Aktivitäten. Die primären Aktivitäten befassen sich direkt mit der Herstellung des Produkts, ausgehend von der Eingangslogistik über den Verkauf bis zum Kundendienst. Die unterstützenden Aktivitäten leisten ihren Beitrag zu den primären Aktivitäten und sind nur indirekt am Herstellungsprozess des Produktes beteiligt (S. 66–67).<br />
Neben den fünf erwähnten Methodiken gibt es unzählige weitere Tools, die für die Unternehmensanalyse verwendet werden können. So bildet zum Beispiel die Marktpositionsanalyse den Übergang zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]]. Zu diesem als auch weiteren Instrumenten sind zusätzliche Informationen in der angegebenen Literatur von Zdrowomyslaw & Kasch (2002) und Amann et al. (2014) zu finden.<br />
<br />
==Kritische Würdigung==<br />
Die Analyse eines Unternehmens ist immer bis zu einem gewissen Grad subjektiv. Das Management hat eine Tendenz, unangenehme Informationen ausser Acht zu lassen oder gar zu verdrängen. Um dem vorzubeugen, sollte eine Unternehmensanalyse auf Fakten und quantitativen Daten aufgebaut werden. Es empfiehlt sich hierbei ein Konkurrenzvergleich, beispielsweise das [[Benchmarking#Benchmarking|Benchmarking]] (Lombriser & Abplanalp, 2018, S. 155). Durch eine gezielte Gewichtung der Beurteilungsfaktoren kann das Ergebnis von den Beurteilenden gesteuert werden (Uhlig, 2011, S. 97). Damit die Gewichtung nicht eine Tendenz annimmt, soll die Unternehmensanalyse breit abgestützt werden, wozu möglichst viele Vertreter der Unternehmensführung und sämtliche Beteiligten der Strategieentwicklung und -umsetzung in den Prozess einbezogen werden (Lombriser & Abplanalp, 2018, S. 155). Probleme könnten allenfalls darin liegen, dass Führungskräfte durch andere, operative Tätigkeiten bereits ausgelastet sind. Besonders die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] gilt sowohl zeitlich als auch methodisch als grosser Aufwand. Dies ist darauf zurückzuführen, dass die traditionelle Kostengliederung nicht mit der [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] übereinstimmt und die Zuordnung der Kosten schwierig ist (Lombriser & Abplanalp, 2018, S. 172–173).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Hopfentee AG - Stärken-Schwächen-Analyse#Hopfentee AG - Stärken-Schwächen-Analyse|Hopfentee AG - Stärken-Schwächen-Analyse]]|| [[Unternehmensanalyse - Aufgaben#Unternehmensanalyse - Aufgaben|Unternehmensanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
* Amann, K., Petzold, J., & Westerkamp, M. (2020). Strategisches Management. In K. Amann, J. Petzold, & M. Westerkamp (Hrsg.), [https://link.springer.com/content/pdf/10.1007%2F978-3-658-28795-5.pdf Management und Controlling: Instrumente – Organisation – Ziele – Digitalisierung (S. 51–139)]. Springer Fachmedien. <br />
* Huch, B., Behme, W., & Ohlendorf, T. (1998). Controlling III: Strategisches Controlling. In B. Huch, W. Behme, & T. Ohlendorf (Hrsg.), [https://link.springer.com/chapter/10.1007%2F978-3-662-00678-8_5 Rechnungswesen-orientiertes Controlling: Ein Leitfaden für Studium und Praxis (S. 373–458)]. Springer-Verlag.<br />
* Joos-Sachse, T. (2006). Strategisches Controlling. In T. Joos-Sachse (Hrsg.), [https://link.springer.com/chapter/10.1007%2F978-3-8351-9139-6_2 Controlling, Kostenrechnung und Kostenmanagement: Grundlagen—Instrumente—Neue Ansätze (S. 9–42)]. Gabler.<br />
* Kutschker, M. & Schmid, S. (2006). Internationales Management - mit 100 Textboxen (7. Auflage). De Gruyter.<br />
* Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile (competitive advantage) Spitzenleistungen erreichen und behaupten (8., durchgesehene Aufl., neue Ausg.). Campus.<br />
* Thommen, J.-P., & Achleitner, A.-K. (2012). [https://www.springer.com/de/book/9783658077686 Allgemeine Betriebswirtschaftslehre. Umfassende Einführung aus managementorientierter Sicht (7.)]. Gabler.<br />
* Uhlig, T. (2011). Strategische Unternehmensanalyse. In T. Uhlig, [https://link.springer.com/chapter/10.1007%2F978-3-8349-6157-0_4 Immobilienwirtschaftliche Bewertung von Krankenhäusern nach Einführung der DRG (S. 95–134)]. Gabler. <br />
* Zdrowomyslaw, N., & Kasch, R. (2002). [https://elearning.hslu.ch/ilias/goto.php?target=file_4997305_download&client_id=hslu Betriebsvergleiche und Benchmarking für die Managementpraxis: Unternehmensanalyse, Unternehmenstransparenz und Motivation durch Kenn- und Vergleichsgrößen]. Walter de Gruyter.<br />
<br />
==Autoren==<br />
Selimi Armend, Steiner Mischa, Steiner Nando, Steiger Robin, Suter Manuel<br />
<br />
[[Kategorie:Strategische Analyse]]<br />
[[Kategorie:Strategisches Controlling]]</div>Salis.Matteohttps://wiki.hslu.ch/controlling/index.php?title=Unternehmensanalyse&diff=16310Unternehmensanalyse2021-10-13T07:01:23Z<p>Salis.Matteo: /* Quellen */</p>
<hr />
<div>Die Unternehmensanalyse hat zum Ziel, die wettbewerbsrelevanten Fähigkeiten und Ressourcen eines Unternehmens zu ermitteln. Dafür stehen verschiedene Instrumente zur Verfügung. Die wichtigsten bilden dabei das [[Benchmarking#Benchmarking|Benchmarking]], die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]], die [[Kulturanalyse#Kulturanalyse|Kulturanalyse]], die [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]], die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] und die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]]. Die Unternehmensanalyse ist wie die [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] Teil der [[strategische Analyse#strategischen Analyse|strategischen Analyse]] (Lombriser & Abplanalp, 2018, S. 155).<br />
<br />
==Definition und Abgrenzung==<br />
[[Datei:Modell strategisches Management.JPG|mini|rechts|Abb. 1: Modell des strategischen Managements in Anlehnung an Lombriser & Abplanalp, 2018, S. 50.]] Die Unternehmensanalyse ist im Modell des strategischen Managements von Lombriser und Abplanalp in der ersten Phase, der Informationsanalyse, angesiedelt und ist einer von insgesamt acht Schritten. Wie in der Abbildung 1 ersichtlich ist, läuft die Unternehmensanalyse parallel zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] ab.<br />
Bei der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] werden das globale Umfeld, die Entwicklung der Branche sowie die wichtigsten Konkurrenten analysiert. Die Betrachtung umfasst vor allem die bestehenden und potenziellen Chancen und Gefahren. Bei der Unternehmensanalyse hingegen werden die internen Unternehmensressourcen einer qualitativen und quantitativen Analyse unterzogen. Dabei sollen Stärken und Schwächen der eigenen Unternehmung aufgezeigt werden. Analysiert werden kann entweder das ganze Unternehmen oder nur Teilbereiche (Lombriser & Abplanalp, 2018, S. 51).<br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br><br />
<br />
==Ziele==<br />
Hauptziel der Unternehmensanalyse ist es, ein Bild über die Stärken und Schwächen der eigenen Unternehmung beziehungsweise dessen Geschäftsfelder zu gewinnen. In Verknüpfung mit den Ergebnissen der [[Umweltanalyse#Umweltanalyse|Umweltanalyse]] können schlussendlich geeignete Strategiealternativen formuliert werden (Joos-Sachse, 2006, S. 15).<br />
<br />
==Ablauf / Vorgehen==<br />
Es gibt verschiedene Theorien zum Vorgehen bei der Unternehmensanalyse, folgend wird ein beispielhafter Ablauf aus der Fachliteratur beleuchtet. Das Prozedere der Erstellung einer Unternehmensanalyse kann in sechs Schritte unterteilt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 23), die folgend erläutert werden:<br />
<br />
'''Schritt 1: Bestimmung des Untersuchungsgegenstandes'''<br />
<br />
Im ersten Schritt wird definiert, was mit der bevorstehenden Unternehmensanalyse erreicht werden soll und wer die Adressaten sind. Aufgrund dieser Informationen können darauffolgend Umfang, Schwerpunkte und die Struktur des weiteren Vorgehens erörtert werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 2: Datenbeschaffung und Aufbereitung'''<br />
<br />
In diesem Schritt werden durch Primär- als auch Sekundärforschung Daten zu der Unternehmung, der Konkurrenz und der Branche beschafft. Als zentrale Informationsquellen für diese Daten gelten unter anderem das Organigramm, die Bilanz und die Erfolgsrechnung. Die daraus gewonnenen Daten müssen jeweils auch passend zum in Schritt 1 definierten Ziel aufbereitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 3: Beschreibende Unternehmensanalyse'''<br />
<br />
Mit den zuvor gesammelten Daten wird jetzt eine Situationsaufnahme zum Ist-Zustand der Unternehmung gemacht, dies kann z.B. in Form einer SWOT-Analyse geschehen (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 4: Ursachenforschende Unternehmensanalyse'''<br />
<br />
Hierbei werden die zuvor erlangten Informationen zum Ist-Zustand auf deren Ursachen geprüft und somit wird versucht Schwachstellen im Betrieb ausfindig zu machen. Eine geeignete Methode dafür ist eine [[Abweichungsanalyse#Abweichungsanalyse|Abweichungsanalyse]]. Es ist wichtig unterscheiden zu können, welche der Abweichungen wesentlich sind und somit Handlungen folgen müssen. Hierfür müssen passende Kenngrössen ausgewählt und verglichen werden. Zu diesen Problembereichen sollen in diesem Schritt Handlungsempfehlungen ausgearbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 5: Auswertung der Informationen'''<br />
<br />
In diesem vorletzten Schritt werden die aus den zuvor durchgeführten Analysen erlangten Informationen in Bezug auf die Zielsetzung bewertet. Aus den einzelnen Erkenntnissen soll dann ein Gesamtbild über den Stand der Unternehmung erstellt werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
'''Schritt 6: Formulierung der Analyseergebnisse'''<br />
<br />
Zu guter Letzt wird das zuvor erlangte Gesamtbild auf verschiedene Arten auf zielorientierte Weise ausformuliert. Das kann schriftlich, in Tabellenform oder auch durch Abbildungen geschehen. Aufbauend auf diesen Auswertungen können Massnahmen und Alternativen erarbeitet werden (Lachnit, 1975, S. 39, zit. in Zdrowomyslaw & Kasch, 2002, S. 24).<br />
<br />
==Instrumente==<br />
Zur Analyse des Unternehmens stehen verschiedenste Instrumente zur Verfügung. Folgend werden die von den Autoren als zentral erachteten kurz erläutert, um einen Überblick über den Themenbereich zu bieten.<br />
<br />
'''Benchmarking'''<br />
<br />
[[Benchmarking#Benchmarking|Benchmarking]] ist ein kontinuierlicher Prozess bei dem die Leistungen eines Unternehmens (z.B. Produkte, Dienstleistungen oder Prozesse) mit den marktführenden Unternehmen verglichen werden. Ziel von [[Benchmarking#Benchmarking|Benchmarking]] ist das Kopieren von ausgezeichneten Aktivitäten anderer Unternehmen, die beim eigenen Unternehmen eingesetzt und nach Möglichkeit verbessert werden sollen. [[Benchmarking#Benchmarking|Benchmarking]] (Thommen & Achleitner, 2012, S. 1003).<br />
<br />
'''Gap-Analyse'''<br />
<br />
[[Datei:Strategische Lücke.JPG|mini|rechts|Abb. 2: Beispiel für die Darstellung einer einfachen strategischen Lücke (Erichsen, 2011, S. 374).]] Die [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] (Lückenanalyse) gehört zu den klassischen Instrumenten der strategischen Unternehmensanalyse. Sie ist zur Früherkennung von strategischen Problemen gedacht (Amann et al., 2020, S. 73). Für den Planungshorizont (z.B. zehn Jahre) wird der Zielwert einer Beobachtungsgrösse (i.d.R. Gewinn oder Umsatz) mit dem Prognosewert für dieselbe Beobachtungsgrösse verglichen. Bei der Ermittlung des Prognosewertes wird unterstellt, dass keine Änderungen an der momentanen Strategie vorgenommen werden. Als Differenz aus Ziel- und Prognosewert ergibt sich die sogenannte «strategische Lücke» (siehe Abbildung 2), die durch geeignete strategische Massnahmen geschlossen werden muss (Joos-Sachse, 2006, S. 15). Die strategische Lücke bezeichnet die Differenz zwischen den aufgrund der strategisch bestimmten Ziele angestrebten und der durch Entscheidungen im operativen Controlling realisierten Entwicklung (Huch et al., 1998, S. 384).<br />
Im Allgemeinen kann das Instrument der [[Gap-Analyse#Gap-Analyse|Gap-Analyse]] als eine «zukunftsorientierte Schwachstellenanalyse» gesehen werden, da auf diese Weise erkennbar wird, ab welcher Periode z.B. zusätzliche Massnahmen ergriffen werden müssen, damit der angestrebte Gewinn oder Umsatz realisiert werden kann (Amann et al., 2020, S. 74).<br />
<br />
'''Kulturanalyse'''<br />
<br />
«Unternehmungskultur ist die Gesamtheit der Grundannahmen, Werte, Normen, Einstellungen und Überzeugungen einer Unternehmung, die sich in einer Vielzahl von Verhaltensweisen und Artefakten ausdrückt und sich als Antwort auf die vielfältigen Anforderungen, die an diese Unternehmung gestellt werden, im Laufe der Zeit herausgebildet hat» (Kutschker & Schmid, 2006, S. 678). Eine [[Kulturanalyse#Kulturanalyse|Analyse der Unternehmenskultur]] soll die Elemente identifizieren, welche bisherige Erfolge oder Misserfolge des Unternehmens erklären. Zudem soll sie Antworten darauf liefern, welche Strategie am besten zur Unternehmenskultur passt (Lombriser & Abplanalp, 2018, S. 184).<br />
<br />
'''Potenzialanalyse'''<br />
<br />
[[Datei:Beispiel einer Potenzialanalyse.JPG|mini|rechts|Abb. 3: Beispiel einer Potenzialanalyse (Joos-Sache, 2006, S. 16).]] Ziel der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] (Stärken-Schwächen-Analyse) ist es festzustellen, welche Ressourcen die individuellen Stärken und Schwächen einer Unternehmung ausmachen. Als Hilfe der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] werden Checklisten verwendet. Diese Listen orientieren sich meistens an betrieblichen Funktionsbereichen (Beschaffung, Logistik, Produktion, Forschung und Entwicklung usw.). Dabei dürfen die immateriellen Ressourcen nicht vergessen werden, die das Innovations- und Entwicklungspotenzial eines Unternehmens massgeblich bestimmen und in die Analyse zwingend miteinbezogen werden müssen.<br />
Die Resultate der [[Potenzialanalyse#Potenzialanalyse|Potenzialanalyse]] können in verdichteter Form als beispielsweise «Geschäftsfeldprofil» dargestellt und den Profilen der anderen Wettbewerber gegenübergestellt werden, wie es in der Abbildung 3 der Fall ist (Joos-Sachse, 2006, S. 16).<br />
<br />
<br />
<br />
<br />
<br />
'''Ressourcen- und Fähigkeitsanalyse'''<br />
<br />
Die [[Ressourcen- und Fähigkeitsanalyse#Ressourcen- und Fähigkeitsanalyse|Ressourcen- und Fähigkeitsanalyse]] zeigt der Unternehmung auf, wo eine Strategische Geschäftseinheit (SGE) seine Stärken und Schwächen aufweist. So werden beispielsweise in den SGE Marketing, Personal, Produktion, Forschung und Entwicklung etc. die Fähigkeiten mit der Konkurrenz verglichen. Dadurch kann festgestellt werden, ob strategische Erfolgspositionen vorhanden sind oder wo diese aufgebaut werden könnten (Lombriser & Abplanalp, 2018, S. 167–169).<br />
<br />
'''Wertkettenanalyse'''<br />
<br />
[[Datei:Modell einer Wertkette.JPG|mini|rechts|Abb. 4: Modell einer Wertkette (Porter, 2014, S. 76).]] Gemäss Porter (2014) soll die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] Unterschiede bei der Wertkette gegenüber der Konkurrenz aufzeigen, welche für Wettbewerbsvorteile entscheidend sind. Die Wertkette setzt sich aus verschiedenen Aktivitäten zusammen. Diese Aktivitäten hat Porter in seinem Modell, ersichtlich in Abbildung 4, dargestellt. Die Aktivitäten lassen sich in zwei verschiedene Typen unterteilen, in primäre und unterstützende Aktivitäten. Die primären Aktivitäten befassen sich direkt mit der Herstellung des Produkts, ausgehend von der Eingangslogistik über den Verkauf bis zum Kundendienst. Die unterstützenden Aktivitäten leisten ihren Beitrag zu den primären Aktivitäten und sind nur indirekt am Herstellungsprozess des Produktes beteiligt (S. 66–67).<br />
Neben den fünf erwähnten Methodiken gibt es unzählige weitere Tools, die für die Unternehmensanalyse verwendet werden können. So bildet zum Beispiel die Marktpositionsanalyse den Übergang zur [[Umweltanalyse#Umweltanalyse|Umweltanalyse]]. Zu diesem als auch weiteren Instrumenten sind zusätzliche Informationen in der angegebenen Literatur von Zdrowomyslaw & Kasch (2002) und Amann et al. (2014) zu finden.<br />
<br />
==Kritische Würdigung==<br />
Die Analyse eines Unternehmens ist immer bis zu einem gewissen Grad subjektiv. Das Management hat eine Tendenz, unangenehme Informationen ausser Acht zu lassen oder gar zu verdrängen. Um dem vorzubeugen, sollte eine Unternehmensanalyse auf Fakten und quantitativen Daten aufgebaut werden. Es empfiehlt sich hierbei ein Konkurrenzvergleich, beispielsweise das [[Benchmarking#Benchmarking|Benchmarking]] (Lombriser & Abplanalp, 2018, S. 155). Durch eine gezielte Gewichtung der Beurteilungsfaktoren kann das Ergebnis von den Beurteilenden gesteuert werden (Uhlig, 2011, S. 97). Damit die Gewichtung nicht eine Tendenz annimmt, soll die Unternehmensanalyse breit abgestützt werden, wozu möglichst viele Vertreter der Unternehmensführung und sämtliche Beteiligten der Strategieentwicklung und -umsetzung in den Prozess einbezogen werden (Lombriser & Abplanalp, 2018, S. 155). Probleme könnten allenfalls darin liegen, dass Führungskräfte durch andere, operative Tätigkeiten bereits ausgelastet sind. Besonders die [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] gilt sowohl zeitlich als auch methodisch als grosser Aufwand. Dies ist darauf zurückzuführen, dass die traditionelle Kostengliederung nicht mit der [[Wertkettenanalyse#Wertkettenanalyse|Wertkettenanalyse]] übereinstimmt und die Zuordnung der Kosten schwierig ist (Lombriser & Abplanalp, 2018, S. 172–173).<br />
<br />
==Lern- und Praxismaterialien==<br />
{| class="wikitable"<br />
|+ <br />
|-<br />
! Fallstudie !! Aufgaben<br />
|-<br />
| [[Hopfentee AG - Stärken-Schwächen-Analyse#Hopfentee AG - Stärken-Schwächen-Analyse|Hopfentee AG - Stärken-Schwächen-Analyse]]|| [[Unternehmensanalyse - Aufgaben#Unternehmensanalyse - Aufgaben|Unternehmensanalyse - Aufgaben]]<br />
|-<br />
|}<br />
<br />
==Quellen==<br />
* Amann, K., Petzold, J., & Westerkamp, M. (2020). Strategisches Management. In K. Amann, J. Petzold, & M. Westerkamp (Hrsg.), [https://link.springer.com/content/pdf/10.1007%2F978-3-658-28795-5.pdf Management und Controlling: Instrumente – Organisation – Ziele – Digitalisierung (S. 51–139)]. Springer Fachmedien. <br />
* Huch, B., Behme, W., & Ohlendorf, T. (1998). Controlling III: Strategisches Controlling. In B. Huch, W. Behme, & T. Ohlendorf (Hrsg.), [https://link.springer.com/chapter/10.1007%2F978-3-662-00678-8_5 Rechnungswesen-orientiertes Controlling: Ein Leitfaden für Studium und Praxis (S. 373–458)]. Springer-Verlag.<br />
* Joos-Sachse, T. (2006). Strategisches Controlling. In T. Joos-Sachse (Hrsg.), [https://link.springer.com/chapter/10.1007%2F978-3-8351-9139-6_2 Controlling, Kostenrechnung und Kostenmanagement: Grundlagen—Instrumente—Neue Ansätze (S. 9–42)]. Gabler.<br />
* Kutschker, M. & Schmid, S. (2006). Internationales Management - mit 100 Textboxen (5. Auflage). De Gruyter.<br />
* Lombriser, R., & Abplanalp, P. A. (2018). Strategisches Management Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Auflage). Versus.<br />
* Porter, M. E. (2014). Wettbewerbsvorteile (competitive advantage) Spitzenleistungen erreichen und behaupten (8., durchgesehene Aufl., neue Ausg.). Campus.<br />
* Thommen, J.-P., & Achleitner, A.-K. (2012). [https://www.springer.com/de/book/9783658077686 Allgemeine Betriebswirtschaftslehre. Umfassende Einführung aus managementorientierter Sicht (7.)]. Gabler.<br />
* Uhlig, T. (2011). Strategische Unternehmensanalyse. In T. Uhlig, [https://link.springer.com/chapter/10.1007%2F978-3-8349-6157-0_4 Immobilienwirtschaftliche Bewertung von Krankenhäusern nach Einführung der DRG (S. 95–134)]. Gabler. <br />
* Zdrowomyslaw, N., & Kasch, R. (2002). [https://elearning.hslu.ch/ilias/goto.php?target=file_4997305_download&client_id=hslu Betriebsvergleiche und Benchmarking für die Managementpraxis: Unternehmensanalyse, Unternehmenstransparenz und Motivation durch Kenn- und Vergleichsgrößen]. Walter de Gruyter.<br />
<br />
==Autoren==<br />
Selimi Armend, Steiner Mischa, Steiner Nando, Steiger Robin, Suter Manuel<br />
<br />
[[Kategorie:Strategische Analyse]]<br />
[[Kategorie:Strategisches Controlling]]</div>Salis.Matteo