Sandkasten

Involvierte Person	Aufgabe
Lenkungsausschuss	Unternehmensinterne Vertretung der GWA sowie die Kommunikation mit der Belegschaft sind Aufgaben des Lenkungsausschuss, welche durch hochrangige Mitarbeiter:innen des Unternehmens übernommen werden.
Projektleitung	Die Projektleitung, bestehend aus vollzeitig ins Projekt eingesetzte Mitarbeiter:innen, übernimmt die operative Leitung und ist für die Planung und Schulung der Analyseteams sowie für die Herstellung von Beziehungen zwischen diesen zuständig.
Analyseteams	Die Analyseteams bestehen aus vollzeitig im Projekt tätigen Personen (Führungskräfte oder externe Beratungspersonen), die die operative Durchführung des Projektablaufs verantworten. Zudem geben sie Instruktionen an die Leiter:innen der Untersuchungseinheiten bezüglich fachlicher und zeitlicher Realisierung sowie umfassender Dokumentation der GWA.
Leiter:innen der Untersuchungseinheiten	Die Leiter:innen der Untersuchungseinheiten sind die Haupttragenden der GWA und analysieren gemeinsam mit ihren Teams die Leistungen, erarbeiten Kostenreduktionsvorschläge und setzen genehmigte Massnahmen um. Zudem werden die Personalabteilung sowie der Betriebs- oder Personalrat in das Projekt eingebunden, um Informations- und Mitwirkungsrechte frühzeitig zu beachten (Küpper et al., 2013, S. 450).

basierend auf (Coenenberg et al., 2016, S. 926–928)

Lern und Praxismaterialien

Fallstudie
Compliance Management System - Roche

Die Methodik des Management by Objectives and Key Results besteht darin, für Teams und oder Mitarbeitende im Unternehmen aufbauend auf der Unternehmensstrategie konkrete, messbare Ziele (Objectives) festzulegen. Diese Ziele werden mithilfe von Ergebniskennzahlen (Key Results) am Ende der Zielperiode überprüft. Das Management by Objectives and Key Results, auch OKR genannt, basiert auf der Idee des Management by Objectives, welches mithilfe der SMART-Methode weiterentwickelt wurde (Kudernatsch, 2022, S. 20).

Definition & Ursprung

Das System des Management by Objectives and Key Results basiert auf dem Grundsatz, dass alle Mitarbeitenden die eigenen Ziele kennen und diese täglich aktiv umzusetzen versuchen. Alle Einzelziele zusammen sollten dazu führen, die Unternehmensziele als Ganzes zu erreichen (Vicenzino Timis & Voss, 2017, S. 14).

Die Methode des Management by Objectives and Key Results nimmt ihren Anfang in den 1970er Jahren (Doerr, 2017, S. 19–23). Sie kombinierte das Management by Objectives mit der SMART-Methode (S = Spezifisch, M = Messbar, A = Attraktiv, R = Realistisch, T = Terminiert). So wurden die Ziele des Management by Objectives erweitert und einfach messbar gemacht (Kudernatsch, 2022, S. 20). Die Unterschiede zwischen Objectives and Key Results und Management by Objectives bestehen darin, dass der Zyklus bei den Objectives and Key Results eine kürzere zeitliche Kadenz aufweist sowie dass bei den Objectives and Key Results der Fokus auf wenige Ziele gelegt wird (Biel, 2019, S. 12). Dabei stützen sie sich auf vier zentrale Prinzipien (Engelhardt & Möller, 2017, S. 31–32). Eine Weiterentwicklung des Managements by Objectives and Key Results ist die Balanced Scorecard (Kudernatsch, 2022, S. 21).

Merkmale von Objectives and Key Results

Objectives und Key Results lassen sich wie folgt definieren und kombinieren.

Objectives (Ziele)

Die Objectives lassen sich mithilfe der Frage “Was möchte ich im nächsten Quartal erreichen?” definieren. Im ersten Schritt des Managements by Objectives and Key Results werden so Ziele festgelegt. In den Objectives sind keine Zahlen enthalten, sie sind rein qualitativer Natur. Sie sind zu diesem Zeitpunkt noch nicht messbar, dies werden sie erst in Verbindung mit den Key Results (Kudernatsch, 2022, S. 59–62). Die Objectives sollen in der Regel für eine Zeitdauer von drei Monaten festgelegt werden. Sie sind somit, im Vergleich zur Unternehmensstrategie oder zum Management by Objectives kurzfristige Ziele. Es sollen pro Abteilung normalerweise maximal fünf Objectives definiert werden (Helmold, 2022, S. 87). Definiert ein Unternehmen mehr als fünf Objectives für eine Abteilung, besteht die Gefahr, dass diese den Fokus verliert und alle Objectives, zwar halbherzig bearbeitet, jedoch nicht erfolgreich abschliesst (Doerr, 2017, S. 55).

Bei der Formulierung der Objectives ist grosse Achtsamkeit geboten. Sie kann darüber entscheiden, ob die Objectives am Ende des Quartals erreicht werden und wie intensiv die Mitarbeitenden sich für die Erreichung engagieren. Aus diesem Grund werden die Objectives so inspirierend wie möglich formuliert, um die Mitarbeitenden zu motivieren. Es empfiehlt sich, dass Mitarbeitende rund 60 Prozent ihrer Objectives und Key Results selbst vorschlagen dürfen, um die Partizipation und die Motivation zu erhöhen. Für die konkrete Formulierung sollten viele präzise Adjektive verwendet werden. Diese Formulierungen sollen durch Key Results ergänzt werden. So wird das Objective messbar (Kudernatsch, 2022, S. 61–62).

Es lässt sich zwischen verbindlichen und erstrebenswerten Objectives unterscheiden. Bei verbindlichen Objectives handelt es sich um Ziele, die zu 100 Prozent eingehalten werden müssen. Ansonsten droht sich die Qualität der Leistung zu verschlechtern. Beispiele wären die Liefergeschwindigkeit oder Liefertreue. Die erstrebenswerten Objectives müssen nicht zwingend vollkommen erreicht werden. Sie dienen mehr dazu, die Mitarbeitenden in die gewünschte Richtung zu leiten und sie zum Überdenken ihrer Arbeitsabläufe zu ermutigen (Kudernatsch, 2022, S. 62).

Key Results (Messgrössen)

Um die Key Results zu definieren, stellt ein Unternehmen sich bei jedem Objective die Frage „Wie messen wir unseren Erfolg bei diesem Ziel?“. Die gewählten Key Results müssen sich also stark am Objective orientieren. Sie dienen dazu, die Objectives zu kontrollieren und zu reflektieren (Kudernatsch, 2022, S. 63–66).

Key Results sind Kennzahlen wie zum Beispiel Umsatz oder Kosten. Sie können aber auch in Zeit oder Anzahl gemessen werden wie zum Beispiel die Liefer- und Herstellzeit oder die Anzahl verkaufter Einheiten. Oder sie können in Quoten oder Indexen dargestellt werden. Welche der genannten Messgrössen am meisten Sinn macht, hängt immer vom Umfeld im Unternehmen und von der Tätigkeit, die durch die Objectives optimiert werden soll, ab (Kudernatsch, 2022, S. 63–65).

Wichtig bei der Auswahl der Key Results ist, dass sie keine Zielkonflikte verursachen oder begünstigen. Aus diesem Grund sind manchmal mehrere Messgrössen sinnvoll, die einander entgegenwirken. Wenn die Leistung der Mitarbeitenden zum Beispiel an der Geschwindigkeit ihrer Arbeit gemessen wird, so kann unter Umständen die Qualität leiden. Hier macht es Sinn mehrere Kennzahlen zu definieren. Eine für die Arbeitsgeschwindigkeit und eine für die Qualität der Arbeit (Doerr, 2017, S. 52–53).

Kombination von Objectives und Key Results

Abb. 1: Einbettung der Objectives and Key Results in der Zielsetzung des Unternehmens (Iocoia, online)

Wer Objectives und Key Results erstellen und kombinieren will, muss sich in Geduld üben. Die Formulierung der Objectives kann auch während des Quartals angepasst werden. Die Ziele sind nicht in Stein gemeisselt, sie sind eine fortlaufende Arbeit. Genau so können sich auch die Key Results verändern oder neue dazu kommen (Doerr, 2017, S. 54).

In der Abbildung 1 ist die Einbettung der Objectives und Key Results in der Zielsetzung des Unternehmens dargestellt. Darauf ist der Zusammenhang zwischen Strategie und Objectives und Key Results grafisch veranschaulicht.

Die Objectives sollen aufeinander aufbauen. Das höchste Ziel eines Unternehmens ist die Verfolgung der Unternehmensstrategie. Jede Abteilung oder jedes Team kann aufgrund der Objectives der übergeordneten Stelle die eigenen Objectives ableiten. So bauen alle Objectives aufeinander auf und die ganze Unternehmung arbeitet in dieselbe Richtung, die auch schon die Unternehmensstrategie vorgibt. Dabei ist es nicht immer sinnvoll, sich streng an die https://wiki.hslu.ch/controlling/struktur Hierarchieebenen] des Unternehmens zu halten. Eine Gliederung nach Prozessablauf kann zielführender sein. Die Objectives sollen nicht nur top-down dirigiert werden. Die Mitarbeitenden und Abteilungen sollen in die Zielformulierung miteingebunden werden (Kudernatsch, 2022, S. 91–94).

In der Tabelle ist ein simples Beispiel, wie ein Objective und die dazugehörigen Key Results für die Abteilung Verkauf in einem fiktiven Kleidungsgrosshandel gestaltet werden könnte:

Objective	Key Result
Popularität des Webshops erhöhen	1 Mio. Web-Besucher bis Ende des Quartals Anzahl Bestellungen im Webshop pro Monat um 10% erhöhen Den Umsatz im Webshop um 20% erhöhen

Kontrolle der Objectives mit Key Results

Meistens werden die Objectives jede Woche oder jeden Monat auf den Zwischenstand geprüft. Nach jedem Quartal werden die bearbeiteten Objectives anhand der Key Results gemessen (Kudernatsch, 2022, S. 75–76). Key Results müssen einen messbaren Ausgangspunkt haben. Nur so kann später gemessen werden, ob und um wie viel sich die Messgrösse verändert hat (Kudernatsch, 2022, S. 54). Um die Objectives zu bewerten, werden zuerst die Key Results auf einer Skala von 0 – 1 bewertet. Der Durchschnitt der Key Results ergibt schlussendlich die Bewertung des Objectives (Engelhardt & Möller, 2017, S. 31-32). Im Voraus wurde festgelegt, zu welchem Grad die Objectives erfüllt sein müssen, um als erreicht zu gelten. Der angestrebte Erfüllungsgrad variiert dabei von Objective zu Objective. Einige Ziele bedürfen einen Erfüllungsgrad von 100%, bei anderen wird eine Teilerfüllung bewusst angestrebt. Werden die Objectives nicht vollständig erfüllt, zeugt dies von ambitionierten Objectives und spornt die Mitarbeitenden zu höheren Leistungen an (Kudernatsch, 2022, S. 75–76).

Es ist sinnvoll, die Erreichung der Objectives nach dem Quartal gemeinsam im Unternehmen zu besprechen. Unter Umständen sogar zusammen mit sämtlichen Mitarbeitenden. Die Verantwortlichen der Objectives sollen präsentieren, inwiefern sie die Ziele erreicht haben und wieso sie diese Leistung erzielt haben. Dies soll die Objectives verbindlich machen und die Mitarbeitenden zu Höchstleistung animieren. Es hält die Mitarbeitenden ehrlich und erhöht die Transparenz innerhalb der Unternehmung (Klau, 2013, 55:40-57:30).

Abgrenzung zu anderen Controllinginstrumenten

Da in der Praxis verschiedene Controllinginstrumente zum Einsatz kommen, werden die OKRs mit gängigen Instrumenten verglichen.

Objectives and Key Results vs. Management by Objectives (MbO)

Das Management by Objectives and Key Results stellt eine Weiterentwicklung des Management by Objectives Systems dar. Der wesentliche Unterschied ist dabei die Implementierung der Key Results. In der untenstehenden Tabelle werden die weiteren Merkmale der beiden verwandten Systeme verglichen (Doerr et al., 2018, S. 37).

OKR-System	MbO-System
«was» (Objectives) und «wie» (Key Results)	«was»
Quartalsweise	Jährlich
Öffentlich und transparent	Persönlich und isoliert
Bottom-up (bis zu 60%)	Top-down
Getrennt von Entlöhnung	An Entlöhnung gekoppelt
Ambitioniert und aggressiv	Risikovermeidend

Objectives and Key Results vs. Balanced Scorecard (BSC)

Die Balanced Scorecard ist ein ganzheitliches Managementsystem, das inhaltliche Leistungsdimensionen (Finanzen, Kunden, Prozesse, Potenziale) mit Zielen, Kennzahlen, Vorgaben und Massnahmen verknüpft. Bei OKRs spielen Planung, Leistungsmessung und Ziele eine zentrale Rolle, allerdings werden die Leistungsdimensionen nicht miteinbezogen. Ähnlich wie die BSC konzentrieren sich OKRs auf die Implementierung der Unternehmensstrategie und lassen dabei das Tagesgeschäft mehrheitlich unberücksichtigt (Engelhardt & Möller, 2017, S. 36).

Objectives and Key Results vs. KVP

Objectives and Key Results harmonieren mit dem kontinuierlichen Verbesserungsprozess-Ansatz (KVP) sowie mit dem Lean-Gedanken, da es sich letztendlich ebenfalls um die stetige Verbesserung und Steigerung der Performance des Unternehmens und seiner Mitarbeitenden handelt (Kudernatsch, 2019, S. 108).

Objectives and Key Results vs. KPI

Key Performance Indicators (KPIs) sind eine Reihe von zentralen Kennzahlen, die von Unternehmungen zur Messung der Leistung erhoben werden. Sie werden ergänzend mit dem Management nach Objectives and Key Results verwendet (Helmold, 2022, S. 83-87).

Umsetzung im Unternehmen

Es empfiehlt sich für Unternehmen, die das Management by Objectives and Key Results neu einführen wollen, die Zielperiode zuerst auf sechs Monate anzulegen. Dies, weil die Unternehmen sich und ihre Mitarbeitenden langsam an den Prozess der Objectives and Key Results heranführen sollten (Doerr, 2017, S. 51–52). Ausserdem kann es Sinn machen, mit Pilotprojekten, sprich der Implementierung des Management by Objectives and Key Results in einer ausgewählten Abteilung, zu starten (Kudernatsch, 2022, S. 177).

Implementierung im Arbeitsalltag

Die Umsetzung der Objectives an sich liegt bei den Abteilungen selbst. Die nötigen Schritte zur Erreichung der Objectives werden von Abteilung zu Abteilung und sogar von Mitarbeitenden zu Mitarbeitenden variieren. Für diese Schritte kann keine standardisierte Anleitung erstellt werden (Kudernatsch, 2022, S. 135–137).

Die Umsetzung der Objectives während dem Quartal erfordert monatliche oder sogar wöchentliche Zwischenbilanzen. Das Team sollte sich treffen und seinen Zwischenstand in der Zielerreichung und den Fortschritt zu analysieren. Die Objectives und Key Results müssen in einer gewissen Weise zum Tagesgeschäft gehören (Teipel & Alberti, 2019, S. 37). Die Führungskräfte sollen diese Fokussierung auf die Objectives und Key Results begünstigen (Kudernatsch, 2022, S. 135–137). Durch diese wiederkehrenden Check-Ins bekommen die Teams regelmässig einen Überblick über die Lage und können bei Bedarf ihre Vorgehensweise anpassen oder zusätzliche Massnahmen zur Zielerreichung ergreifen (Kudernatsch, 2022, S. 145–147).

Nach jedem Quartal werden die gesamten Objectives mithilfe ihrer Key Results ausgiebig geprüft. Der Fortschritt wird bewertet und reflektiert. Anschliessend werden allfällig neue Objectives definiert oder die nicht erreichten Objectives des letzten Quartals werden revidiert (Kudernatsch, 2022, S. 151–153).

Objectives and Key Results im Zusammenhang mit der Mitarbeitervergütung

Bei einem von Objectives und Key Results abhängigen Anreizsystem scheiden sich bei den Ökonomen die Geister (Kudernatsch, 2022, S. 189). Generell wird jedoch eher davon abgeraten (Teipel & Alberti, 2019, S. 36). Dies nicht, weil sich die Objectives und Key Results überhaupt nicht für die Mitarbeiterbeurteilung eignen, sondern weil sich oftmals das System der Mitarbeiterbeurteilung und -gespräche nicht für die Objectives und Key Results eignet. Die Methode by Objectives and Key Results wäre zwar in vielen Fällen passend für die Beurteilung der Mitarbeitenden, erhöht jedoch den damit zusammenhängenden Aufwand für die Führungskraft, weil die Situation für jeden Mitarbeitenden individuell analysiert werden müsste (Kudernatsch, 2022, S. 189–192).

Kritische Würdigung

Die Einführung von OKRs bietet Vorteile, schafft aber auch Herausforderungen gemäss folgender Tabelle (Biel, 2019, S. 10; Eurich et al., 2019, S. 68; Kudernatsch, 2019, S. 108, 2022, S. 67–69, 195–196; Lihl et al., 2019, S. 48–49).

Vorteile	Herausforderungen
OKRs lassen sich einfach mit anderen Managementsystemen bzw. Strategieumsetzungssystemen verknüpfen.	Für die Einführung von OKRs werden erhebliche Ressourcen wie Zeit und Geld erfordert.
OKRs ermöglichen eine stetige Verbesserung und Steigerung der Performance des Unternehmens.	Es benötigt die Unterstützung der Führungskräfte, denn sie müssen die Objectives and Key Results leben und im Führungsalltag verankern.
OKRs fördern die permanente Umsetzung der Unternehmensstrategie aufgrund kurzer Zyklen.	Es ist eine gesamte Abstimmung der bestehenden Instrumente, Führungsstile und der Kultur in der Organisation nötig.
Die Agilität der Organisation wird gesteigert, indem häufige Messungen des Fortschritts (Key Results) durchgeführt werden.	Bei der Einführung kann es zu bereichs- oder abteilungsisolierter Erarbeitung der OKRs führen, was in einem Silodenken mündet.
Durch partizipative Erarbeitung der Objectives erhöht sich die Motivation der Mitarbeitenden durchs Verständnis für ihren Beitrag zu strategischen Zielen.	Es ist einfach sich in der Formulierung der Objectives und in der Wahl der Key Results zu verlieren. Zudem besteht die Gefahr, dass bei komplexen Formulierungen die Mitarbeitenden das Objective gar nicht oder falsch verstehen.

Wie viele andere Managementmethoden auch, will das Management by Objectives and Key Results gelernt sein. Oftmals werden Objectives viel zu gross angesetzt. Es muss darauf geachtet werden, dass die Objectives nur für die Dauer von einem Quartal festgelegt werden. In einer solch kurzen Zeitspanne ist es unmöglich, Berge zu versetzen. Es empfiehlt sich, kleine, dafür spezifische Objectives festzulegen. Sind die Objectives zu gross, besteht die Gefahr, dass sich die Mitarbeitenden dem Objective gar nicht erst richtig annehmen (Kudernatsch, 2022, S. 67–69).

OKRs sind sehr ergebnisorientiert. Die Leistungsmessung wird durch das Element Key Results in den Vordergrund gestellt und unterscheidet sich dadurch vom MbO-System. OKRs stellen jedoch kein Leistungsbeurteilungssystem dar, sondern eine Managementsystem zur Leistungsmessung mit Fokus auf Lernen und Verbesserung. Für eine Leistungsbeurteilung muss das OKR-System mit weiteren Systemen, ohne direkten Anschluss an die OKRs, erweitert werden. Zudem ist zu berücksichtigen, dass die OKRs nicht ein ganzheitliches Performance Managementsystem darstellen, wie beispielsweise die Balanced Scorecard (Engelhardt & Möller, 2017, S. 34–36).

Da OKRs nur für wichtige Projekte vorgesehen sind, bleibt offen, wie das Tagesgeschäft gesteuert wird. Zudem kann die Transparenz starken Druck auf die Mitarbeitenden auswirken und dazu führen, dass das Tagesgeschäft vernachlässigt wird (Engelhardt & Möller, 2017, S. 34). Des Weiteren schaffen die Objectives and Key Results einen kurzfristigen Blick. Es gilt sicherzustellen, dass eine Organisation nicht im Blindflug unterwegs ist und auch mittelfristige und langfristige Ziele bekannt sind Kudernatsch, 2022, S. 195).

Lern- und Praxismaterialien

Text der Überschrift

Quiz	Fallstudien	Video
Quiz	HolidayCheck – Objectives and Key Results MyMuesli GmbH – Objectives and Key Results	What are OKRs?

Quellen

Literaturverzeichnis

• Biel, A. (2019). Objectives and Key Results (OKR)—Hype oder auch Potenzial? CONTROLLER Magazin, 6, 9–13.
• Doerr, J. (2017). [Measure what matters: OKR – The Simple Idea That Drives 10x Growth]. Penguin Random House.
• Doerr, J., Möller, K., Flinspach, T., & Saeger, S. L. (2018). OKR: Objectives & Key Results: wie Sie Ziele, auf die es wirklich ankommt, entwickeln, messen und umsetzen. Franz Vahlen GmbH.
• Ematinger, R., & Schulze, S. (2020). Spielend Ziele setzen und erreichen. Springer Fachmedien Wiesbaden. [1]
• Engelhardt, P., & Möller, K. (2017). OKRs—Objectives and Key Results: Kritische Analyse eines neuen Managementtrends. Controlling, 29(2), 30–37. [2]
• Eurich, A., Flinspach, T., Möller, K., & Strathoff, P. (2019). Führung mit Objectives & Key Results (OKRs). Controlling, 31(S), 65–70. [3]
• Helmold, M. (2022). Strategic Performance Management: Achieving Long-term Competitive Advantage through Performance Excellence. Springer International Publishing. [4]
• Kudernatsch, D. (2019). Objectives and Key Results: OKR als neue Wunderwaffe? Arbeit und Arbeitsrecht, 2 / 19, 106–108.
• Kudernatsch, D. (2022). Toolbox Objectives and Key Results: Transparente und agile Strategieumsetzung mit OKR (2. Auflage). Schäffer-Poeschel Verlag.
• Lihl, H. T., Mahlendorf, M. D., & Schmoltzi, D. (2019). Agiles Controlling mit OKR für schnelles Wachstum. Controlling & Management Review, 63(8), 42–49. [5]
• locoia. (o. J.). Objectives und Key Results – Erfolgreich zum Ziel mit OKR. Abgerufen 16. März 2023, von [6]
• Teipel, P., & Alberti, M. (2019). Vision und Strategie verwirklichen mit OKR. Controlling & Management Review, 63(5), 34–39. [7]
• Vicenzino Timis, R., & Voss, J. (2017). Führen mit Zielen: Wie Sie Ihren Mitarbeitern die richtige Richtung weisen. Personal im Fokus, 2017(3), 14–21.

Weiterführende Literatur

• Niven, P. R. & Lamorte, B. (2016). Objectives and Key Results: Driving Focus, Alignment, and Engagement with OKRs (1. Auflage). New Jersey: Wiley.
• Schmidt, E., Rosenberg, J., & Eagle, A. (2015). Wie Google tickt (M. Grow, Übers.). Campus-Verl.

Autoren

Vanessa Jauch, Patrick Kündig, Jonas Rütter, Michael Uhlmann, Désirée Zgraggen

OKR-Zyklus

Unter dem Begriff Zyklus versteht sich in Bezug auf das Thema OKR der Zeitraum, in dem sich der gesamtheitliche Ablauf wiederholt. In den meisten Anwendungsfällen erstreckt sich die Dauer eines Zyklus auf drei Monate. Unter gewissen Voraussetzungen kann der Zyklus jedoch auch in einem vier- oder zweimonatigem Rhythmus erfolgen. Beispiele für solche Voraussetzungen sind Vorgaben bezüglich der angestrebten Rhythmen durch die Organisation oder ein Start-up, dass sich in einem Umfeld befindet, welches sich sehr schnell verändert (Mewes, 2020, S. 108).

Abb. 1: OKR-Zyklus (in Anlehnung an Ematinger & Schulze, 2020, S. 9)

OKRs werden im jeweiligen Zyklus definiert und laufend evaluiert. Die vier typischen Elemente des Zyklus werden in der Abbildung 1 illustriert. Zu Beginn werden im OKR-Planning die Objectives und die untergeordneten Key Results festgelegt. Anschliessend erfolgt im Rahmen von wöchentlichen OKR-Meetings ein Update zum aktuellen Stand. Nach Ende des Quartals erfolgt der OKR-Review, die Bewertung sowie die Schaffung der Grundlage für die Planung des nächsten Quartals. Zusätzlich wird in Form einer OKR-Retrospektive ein Raum für den Austausch und die kontinuierliche Verbesserung des Prozesses geschaffen (Ematinger & Schulze, 2020, S. 8). Beim OKR Ansatz ist der Zyklus meistens viel kürzer als derjenige von den Ansätzen des Managements by Objective und Balanced Scorecard (Lihl et al., 2019, S. 43).

Quellen

• Ematinger, R., & Schulze, S. (2020). Spielend Ziele setzen und erreichen. Wiesbaden: Springer Fachmedien
• Lihl, H. T., Mahlendorf, M. D., & Schmoltzi, D. (2019). Agiles Controlling mit OKR für schnelles Wachstum. Controlling & Management Review, 63 (8), S. 42–49.
• Mewes, S. (2020). Wirkungsorientiertes Produktmanagement mit OKR: Erfolgreiche Produkte bauen durch Fokus, Kommunikation und gemeinsames Lernen. In S. Hoffmann (Hrsg.), Digitales Produktmanagement (S. 103-120). Wiesbaden: Springer Fachmedien.

Zentrale Prinzipien des OKR

In der Theorie wird von vier zentralen Prinzipien gesprochen, die es bei der OKR-Methode zu beachten gibt. Die Orientierung an diesen Prinzipen soll die Qualität im Umgang mit OKRs erhöhen. Sie setzen sich aus folgenden vier Bestandteilen zusammen (Engelhardt & Möller, 2017, S. 31)

Fokus

Mit diesem Prinzip soll sichergestellt werden, dass der Umfang pro Quartal in einem zielführenden Rahmen bewegt. Pro Mitarbeiter sollen nicht mehr als insgesamt fünf Objectives und pro jeweiliges Objective maximal vier Key Results definiert werden. Zudem ist darauf zu achten, dass OKRs sich auf Projekte und Initiativen beziehen, welche aus der strategischen Positionierung des jeweiligen Unternehmens entstanden sind. OKRs sind nicht für Aufgaben im Tagesgeschäft vorgesehen (Engelhardt & Möller, 2017, S. 31-32).

Partizipation

Es ist eine Voraussetzung, dass alle Beteiligten zustimmen. Es soll darauf verzichtet werden, dass Vorgesetzte Objectives und Key Results dirigieren (Klau in Engelhardt & Möller, 2017, S. 32). Mitarbeitende sollen rund 60% ihrer Key Results und Objectives selbst vorschlagen können. Sämtliche Objectives und Key Results sollen unter den Betroffenen zusammen mit den Vorgesetzten diskutiert werden (Engelhardt & Möller, 2017, S. 32).

Transparenz

Die OKRs sind vom CEO bis zu den Lernenden allen Mitarbeitenden bekannt. Es bietet sich an, dass Sie unternehmensintern einsehbar sind. Beispielsweise werden sie im Intranet aufgeschaltet. Dies hilft einerseits neuen Mitarbeitenden sich schnell einen Überblick über die Aufgaben der Personen im Unternehmen zu erschaffen. Andererseits können Fähigkeiten und vergangene Leistungen von einzelnen Mitarbeitenden dadurch rasch erkennt werden. Zudem werden Objectives, welche nicht mit übergeordneten Zielen übereinstimmen, schneller eruiert (Engelhardt & Möller, 2017, S. 32).

Bewertung

Der Bewertungsprozess der Key Results erfolgt in drei Etappen. Zu Beginn werden sie auf einer Skala von 0 bis 1 bewertet. Diese Bewertung ist an eine prozentuale Erfolgsquote angelehnt. Um eine übergreifende Bewertung pro Objective zu gewährleisten, wird im zweiten Schritt der Durchschnitt sämtlicher Key Results eruiert. Der dritte Bewertungsschritt ist dient zur Übersicht über die Leistung im jeweiligen Quartal. Dazu wir der Durchschnitt sämtlicher Objectives berechnet (Engelhardt & Möller, 2017, S. 32).

Quellen

• Engelhardt, P., & Möller, K. (2017). OKRs—Objectives and Key Results: Kritische Analyse eines neuen Managementtrends. Controlling, 29(2), 30–37.

Mymuesli GmbH - Objectives and Key Results

Diese Fallstudie basiert auf den Seiten Objectives and Key Results sowie Zentrale Prinzipien von OKR.

Die Mymuesli GmbH wurde 2007 in Deutschland von drei Studierenden gegründet. In ihrem Online-Shop kann die Kundschaft ihr eigenes, individuelles Müesli zusammenstellen. In den darauffolgenden Jahren expandierte die Firma in mehrere europäische Länder (Mymuesli GmbH, online).

Das schnelle Wachstum stellte die Mymuesli Gmbh vor Herausforderungen. Transparenz und Koordination zwischen verschiedenen Abteilungen wurden zu wichtigen Faktoren für das zukünftige Wachstum. Aus diesem Grund führte die Mymuesli GmbH im Jahr 2015 die Methode Objectives and Key Results ein. Ziel war es, die Transparenz zu erhöhen sowie das Verständnis der Mitarbeitenden für die Unternehmensziele zu fördern und die ergebnisorientierte Kommunikation zu verbessern (Workpath, online).

Fragestellungen

1. Wie lauten die vier Prinzipien der Objectives and Key Results?

2. Nennen Sie drei mögliche Objectives von der Mymuesli GmbH.

3. Nennen Sie zu zwei Objectives aus der vorherigen Fragestellung ein passendes Key Results.

Grundlagen und Lösungen

Grundlagen	Lösungen
Objectives and Key Results Zentrale Prinzipien des OKR	Lösungen zur Fallstudie Mymuesli GmbH

Quellen

• Mymuesli GmbH. Eine Fahr zum See. Online (26.03.2023): https://ch.mymuesli.com/ueber-uns/story

• Workpath. Objectives und Key Results bei MyMuesli – eine Case Study. Online (26.03.2023): https://www.workpath.com/magazin/okr-case-study-mymuesly

Lösungen zur Fallstudie Mymuesli GmbH

1. Wie lauten die vier Prinzipien der Objectives and Key Results?

Es existieren folgende vier Prinzipien der Objectives and Key Results:

Fokus: Es sollen maximal fünf Objectives und vier Key Results pro Objective existieren. Zudem sollen die Objectives and Key Results strategische Projekte und Initiativen berücksichtigen und nicht das reguläre Tagesgeschäft.

Partizipation: Es sollen mindestens 60 % der Objectives and Key Results vom Team kommen und zudem sollen die Objectives and Key Results nicht diktiert werden. Denn es müssen alle Beteiligten zustimmen.

Transparenz: Alle Mitarbeitende des Unternehmens bestimmen die Objectives and Key Results für das Quartal. Die Objectives and Key Results sind für jeden / jede Mitarbeitende/-n öffentlich zugänglich.

Bewertung: Jedes Objective and Key Result wird auf einer Skala von 0 bis 1 bewertet.

2. Nennen Sie drei mögliche Objectives von der Mymuesli GmbH.

Einige mögliche Antworten (keine abschliessende Auflistung):

• Wissenstransfer zwischen den Abteilungen fördern
• Verbesserung der Prozesse zur Berichterstattung
• Maximierung der Effizienz beim Rekrutierungsprozess
• Qualität unserer Produkte und Dienstleistungen vorantreiben

3. Nennen Sie zu zwei Objectives aus der vorherigen Fragestellung ein passendes Key Results.

Einige mögliche Antworten (keine abschliessende Auflistung):

• Wissenstransfer zwischen den Abteilungen fördern.

- Wöchentlicher Austausch zwischen Marketing- und Verkaufsabteilung einführen

• Verbesserung der Prozesse zur Berichterstattung

- Verkürzung der Zeitspanne zwischen interner Anfrage und Lieferung von Daten/Berichten auf maximal zwei Werktage - Einheitliche Vorlagen für alle Standardberichte der verschiedenen Standorte erstellen

• Maximierung der Effizienz beim Rekrutierungsprozess.

- Erhöhung der Angebotsakzeptanzrate auf 90 % - Verringerung der Zeit bis Stellenangebotsannahme auf 30 Tage

• Qualität unserer Produkte und Dienstleistungen vorantreiben.

- Von der Kundschaft gemeldete Beanstandungen werden innerhalb von zwei Wochen behoben - Reduzierung der fehlerhaften Lieferungen um 5 %

Antworten in Anlehung an Mooncamp GmbH, online.

Grundlagen und Fallstudie

Grundlagen	Fallstudie
Objectives and Key Results Zentrale Prinzipien des OKR	Fallstudie Mymuesli GmbH

Quellen

• Mooncamp GmbH. (o. J.). OKR Beispiele. Abgerufen am 26. März 2023, von https://mooncamp.com/de/okr-beispiele/

Einleitung

Datenmanagement ist derjenige Prozess, der am meisten von der digitalen Transformation beein-flusst wird (Gleich & Tschandl, 2018, S. 73). Dies führt dazu, dass die bestehenden Produktionsfak-toren Kapital, Arbeit und Ressourcen laufend mit dem zusätzlichen Faktor Information/Wissen er-gänzt werden (Biesel & Hame, 2018, S. 24). Am Ursprung des zusätzlichen Produktionsfaktors ste-hen Big Data, welche aufgrund von sozialen Netzwerken und Internet der Dinge exponentiell Anwachsen (Göbel, 2018, S. 20). Das Datenmanagement umfasst eine grosse Bandbreite von Themen und damit verbundenen Aktivi-täten. Im weiteren Sinne sind darin Begriffe wie Data Warehouse, Business Intelligence, Business Analytics oder Data Mining enthalten. Wird die Definition enger eingegrenzt, ist das Datenmanagement die Schnittstelle zwischen der Datenerhebung und der Datenverwendung. Wich-tig in diesem Zusammenhang sind die #Datenqualität, die #Single Version of Truth sowie die Begriffe #Datenschutz und Datensicherheit (Langmann, 2019, S. 8).

Definition von Datenmanagement

Vereinfacht steht das Datenmanagement für die Handhabung von unternehmensrelevanten Stamm- und Bewegungsdaten (Langmann, 2019, S. 32). Dabei gibt es viele Daten wie beispielsweise Pro-dukt- oder Kundendaten, die aus internen Systemen gewonnen werden. Auf der anderen Seite lie-fern die Big Data eine enorme Vielfalt an strukturierten und nicht strukturierten, externen Daten (Ereth & Kemper, 2016, S. 458). Weil die Daten sich schnell verändern können, ist es wichtig, diese fortlaufend zu beschaffen, aufzubereiten und zu bereinigen. Nur so kann eine gute Qualität gewähr-leistet werden. Dieser Prozess wird als Datenmanagement bezeichnet (Langmann, 2019, S. 8).

Phase 3: Reife

Kriterium	Ausprägung	Charakterisierung
Käufer / Kaufverhalten	Massenmarkt, Wiederholungskäufer	• Nachfrage weiterhin hoch • Zusätzliche Konkurrenz führt zu sinkenden Preisen • Erste Sättigungsphänomene, weshalb spätestens jetzt ein Nachfolgeprodukt entwickelt werden muss • Umsatzanteil eines Produktes vom Gesamtumsatz ca. 40% - 45%
Umsatz	Maximum wird erreicht, anschliessend rückläufig
Kosten	Minimale Senkung der Stückkosten
Deckungsbeitrag	Positiv, aber fallend
Cash-Flow	Maximum wird erreicht
Kapitalbedarf	Gering
Zahl der Wettbewerber	Sinkend
Erfolgsaussichten bei Eintritt in diese Phase	Schlecht
Risiko	Beginnende Konjunkutranfälligkeit
Hauptstrategie	Marktanteil verteidigen / Kosten und Marketingeffektivität wichtig

Phase 4: Sättigung

Kriterium	Ausprägung	Charakterisierung
Käufer / Kaufverhalten	Käuferkreis erweitern / Kundschaft akzeptieren ungleiche Qualitätsniveaus	• Kundschaft wandern zu innovativeren Produkten • Nachfrage am Markt sinkt • Umsatzanteil eines Produktes vom Gesamtumsatz ca. 10% - 25%
Umsatz	Sinkend
Kosten	Konstant
Deckungsbeitrag	Eher Positiv
Cash-Flow	Sinkend
Kapitalbedarf	Gering
Zahl der Wettbewerber	Wenige
Erfolgsaussichten bei Eintritt in diese Phase	Sehr Schlecht
Hauptstrategie	Produktivität sichern / Kostenkontrolle entscheidend

Bild

Änderung (Internet Quelle)

Quellen

Literaturverzeichnis

• Disselkamp, M. (2012). Innovationsmanagement: Instrumente und Methoden Zur Umsetzung Im Unternehmen. Springer Fachmedien Wiesbaden GmbH.
• 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
• Ergenzinger, R., Zenhäusern, R., Janoschka, A., & Thommen, J. (2020). Marketing: Konzepte, Strategien, Instrumente, Controlling. Versus.
• Gilbert, X., Strebel, P. (1987). Strategies to Outpace the Competition. Journal of Business Strategy, Vol. 8, S. 28-36.
• Lombriser, R. & Abplanalp, P. A. (2018). Strategisches Management: Visionen entwickeln, Erfolgspotenziale aufbauen, Strategien umsetzen (7. Aufl.). Zürich: Versus Verlag.
• Müller, B. (2007). Porters Konzept generischer Wettbewerbsstrategien: Präzisierung und empirische Überprüfung (1st ed. 2007.). Deutscher Universitätsverlag.
• Porter, M., Brandt, V., & Schwoerer, T. (2008). Wettbewerbsstrategie: (Competitive strategy): Methoden zur Analyse von Branchen und Konkurrenten (11. Auflage). Campus Verlag.
• Porter, M. E. (2010). Wettbewerbsvorteile: Spitzenleistungen erreichen und behaupten (7. Aufl.). Frankfurt: Campus Verlag.
• Porter, M. E. (2014). Wettbewerbsvorteile: Spitzenleistungen erreichen und behaupten (8. Aufl.). Frankfurt: Campus Verlag.
• Johnson, G., Whittington, R., Scholes, K., Angwin, D. & Regnér, P. (2016). Strategisches Management: Eine Einführung (10. Aufl.). Hallbergmoos: Pearson Deutschland.
• Johnson, G., Whittington, R., Scholes, K., Angwin, D. & Regnér, P. (2017). Exploring Strategy: Text and Cases (11. Aufl.). Harlow: Pearson Education.
• 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

Weiterführende Literatur

• Asum, H., Kerth, K. & Stich, V. (2015). Die Besten Strategietools in der Praxis. München: Hanser.
• Burggraf, A. (2012). Wettbewerbsstrategien bei Unternehmensgründungen: Die Einflussnahme der Kapitalgeber. Wiesbaden: Gabler Verlag.
• 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

Digital Boardroom

Die Anzahl Möglichkeiten, Daten zu beschaffen und zu analysieren, schreitet exponentiell fort. Jede Sekunde wird eine Unmenge an Daten erzeugt und gesammelt. Big Data stellt eine wertvolle Ressource dar und wartet nur darauf, angewendet zu werden mit dem Ziel, genauere Prognosen über zukünftige Ereignisse aufstellen zu können (Ballwieser & Hachmeister, 2019, S. 149).

Das Executive Dashboard überbrückt dabei die Lücke zwischen Berechnungen und menschlichem Verstand durch besondere Formen der Datenvisualisierung und -analyse. Es erweitert und formatiert die menschliche Entscheidungsfindung in rechnerischer Hinsicht als datengetriebene, algorithmische Entscheidungsfindung. Der Digital Boardroom von SAP ist aktuell die bekannteste und fortgeschrittenste Version eines Executive Dashboard (Beverungen, 2019, S. 225). Dieser dient als Entscheider-Cockpit und bietet Anwendenden ein analytisches und operatives Tool an, mit dem global-vernetzt Entscheidungen basierend auf Real-Time-Fakten getroffen werden können (Weber, 2016, S. 24).

Entstehung und Entwicklungen

Der Begriff des Digital Boardrooms ist stark durch die Unternehmung SAP geprägt. SAP entwickelte die erste bekannte Version eines solchen Digital Boardrooms und führte diesen im Jahr 2016 für ihre eigenen Aufsichtsratssitzungen ein (Weber, 2016, S. 27). Ziel war es, dem Management eine topaktuelle Informationsbasis zu bieten und gleichzeitig von den Standard-PowerPoint-Präsentationen wegzukommen (Weber, 2018, S. 8).

Das Konzept des Digital Boardrooms basiert dabei sehr stark auf bedürfnisgerechten Analysen. Im Digital Boardroom können sowohl Vergangenheits- und Zukunftsdaten, Werttreiberbäume als auch die entsprechenden Kontextinformationen ausgewertet und dargestellt werden (Braun, 2016, S. 64). Alle diese Auswertungen erfolgen dabei mit Echtzeitdaten, welche direkt aus dem Quellsystem gewonnen werden und somit den Single Point of Truth widerspiegeln (Weber, 2016, S. 26). Gerade in der heutigen Zeit gewinnen Real-Time-Daten stark an Bedeutung. Um bessere Entscheidungen treffen zu können, sind frühere und besser verständliche Informationen essenziell und können oft nur durch ein softwaregestütztes Real-Time-Reporting gewährleistet werden (Friedl, 2019, S. 40).

Anwendung

Abb. 1: Beispiel eines Digital Boardrooms (SAP (a), online)

Der Digital Boardroom ist darauf ausgelegt, dass auf drei verschiedenen Bildschirmen differenzierte Informationen und Funktionen ersichtlich und nutzbar sind. Ein Beispiel eines Digital Boardrooms wird in Abbildung 1 dargestellt. Der linke Bildschirm dient dabei als eine Art Übersicht, welcher die wichtigsten KPIs beinhaltet. Diese bleiben während der Besprechung meist statisch. Der Bildschirm in der Mitte kann für tiefere Erkundungen der KPIs genutzt werden. Er erlaubt die einzelnen Kennzahlen vertieft zu analysieren und explorativ zu erforschen. Der rechte Bildschirm zeigt ausführlichere Kontextinformationen des mittleren Bildschirms, wie beispielsweise den geografischen Zusammenhang, auf (Bliznak, 2017, S. 148).

Der Digital Boardroom verfügt über zahlreiche Funktionen, wovon nachfolgend einige davon aufgelistet sind (Bliznak, 2017, S. 148):

• Daten analysieren und visualisieren mithilfe von Kennzahlen, Grafiken mit Drill-Down, Tabellen, explorativen Recherchen, geographischen Diagrammen, usw.
• Darauf aufbauend können Simulationen, Planungsszenarien, Werttreiberbäume, Prognosen und Kollaborations-Funktionen verwendet und erstellt werden.

Damit der Digital Boardroom sinnvoll genutzt werden kann, sollten die Anwendenden beim Gebrauch des Executive Dashboards insbesondere die folgenden Punkte beachten bzw. sich vorgängig folgende Fragen stellen (Bliznak, 2017, S. 149):

• Welche Geschichte möchte unsere Analyse erzählen und mit welchem Ziel?
• Welche Rollen/Personen sind beteiligt?
• Welche analytische Fragestellung ist relevant und in welchem Kontext (Finanzen, Vertrieb, Kunden, Personal, Logistik usw.)?
• Welche Kennzahlen/Informationen sind essenziell, um die Fragestellung zu beantworten?
• Welche visuelle Darstellung ist am besten geeignet?
• Welche internen bzw. externen Daten werden dafür benötigt?
• Welche Zusatzfunktionen (explorative Erkundung, Ranking, Drill-Down, Simulation, Planung, Prognose, Werttreiberbäume usw.) werden wo benötigt?
• Wie sehen die Agenda und die Bildschirmseiten konkret aus?

Der Digital Boardroom ist für verschiedene Ebenen im Unternehmen geeignet. Er ist nicht ausschliesslich für den Vorstand oder die Geschäftsleitung innerhalb eines Unternehmens sinnvoll, sondern auch für internationale Controlling Abteilungen sehr gut anwendbar. Durch den Digital Boardroom lassen sich sowohl die Arbeit als auch der Austausch untereinander noch effizienter gestalten (Ernst et al., 2017, S. 21-22).

Voraussetzungen

Idealerweise sollte die Implementierung des Digital Boardrooms Teil der eigenen Unternehmenstransformation sein (Bliznak, 2017, S. 144). Damit das Executive Dashboard bestmöglich angewendet und in Echtzeit gesteuert werden kann, sind mindestens die folgenden zwei Erfolgsfaktoren notwendig:

Harmonisierte Datengrundlage:

Abb. 2: Aufbau der IT-Struktur eines Digital Boardrooms (SAP (c), online)

Es ist von entscheidender Bedeutung, dass für den Einsatz die Datengrundlage harmonisiert wird, damit die starken Visualisierungsmöglichkeiten wirksam eingesetzt werden können. Das bedeutet konkret, dass firmeneigene und externe Daten in einer Quelle bzw. Systemlandschaft als fehlerfreie Roh- und Stammdaten integriert werden, um eine hohe Datenqualität und schnelle Antwortzeiten der Abfragen zu gewährleisten (Bliznak, 2017, S. 147). Der Import der Daten in den digitalen Konferenzraum von SAP erfolgt idealerweise durch ein SAP-Datenverwaltungssystem wie zum Beispiels SAP Business Warehouse (BW) oder SAP HANA. Doch ist auch der Import durch Drittanbieter wie z. B. Google Drive, Google Sheet oder sogar Excel möglich (SAP (b), online). Die Abbildung 2 zeigt dabei die IT-Struktur eines Digital Boardrooms und die möglichen Importquellen.

Harmonisierte Berichte, Kennzahlen und Definitionen:

Damit Berichte, Kennzahlen und Definitionen harmonisiert werden können, sollte eine unternehmensweite Business Analytics Funktion eingeführt werden. Damit kann verhindert werden, dass dezentrale Dashboards bzw. nicht-abgestimmte Indikatoren wie Kennzahlen und Definitionen im Berichtswesensprozess auftauchen. Gleichzeitig ist zu beachten, dass auch innerhalb des gesamten Berichtswesensprozess, und somit über unterschiedliche Funktionsbereiche und Hierarchiestufen, dessen Umsetzung einheitlich erfolgt. Damit werden Insellösungen beseitigt und Reporting-, Planungs- und Prognose-Prozessschritte zusammengeführt (Bliznak, 2017, S. 145).

Vorteile

Der Einsatz eines Digital Boardrooms bringt verschiedene Vorteile mit sich. Einige davon werden nachfolgend etwas genauer erläutert:

Vorteile	Erläuterung
Zugriff auf Echtzeitdaten	Einer der grössten Vorteile des Digital Boardrooms ist die Arbeit mit Echtzeitdaten. Damit wird eine hochwertige Entscheidungsgrundlage für das Management geschaffen (Weber, 2018, S. 9).
Ad-hoc-Analysen und Simulationen	Der Digital Boardroom lässt Ad-hoc- Analysen und Simulationen mit nur wenigen Mausklicks oder Touchs zu und ist ein Instrument der Business Intelligence. Durch die Ad-hoc-Analysen kann während einer Sitzung spontan ein Problem genauer analysiert und muss dadurch nicht auf die nächste Sitzung verschoben werden. Falls beispielsweise bisher mit Excel oder PowerPoint gearbeitet wurde, musste vor dem Meeting entschieden werden, welche Unterlagen und Reports an die Sitzung mitgenommen werden müssen, um das Thema umfassend präsentieren zu können und für Rückfragen gewappnet zu sein. Wurden noch weitergehende Fragen gestellt oder detailliertere Auswertungen durch das Management verlangt, musste die Entscheidung auf ein nächstes Meeting vertagt werden, da die Daten nicht sofort verfügbar waren. Dieses Problem kann mit dem Digital Boardroom behoben werden (Weber, 2018, S. 9).
Single Point of Truth	Da die Daten direkt aus den Quellsystemen bezogen werden, ist der Single Point of Truth gewährleistet. Da keine aggregierten Daten verwendet werden, können die Daten flexibler ausgewertet und neu miteinander verknüpft werden. Dadurch werden alle verfügbaren Daten übermittelt und es gehen keine Daten bei der Aggregation verloren (Weber, 2016, S. 26).
Übersichtliche Darstellung	Cockpits visualisieren die Daten mit geeigneten Darstellungen und passenden Farben. Ziel ist es dabei, Führungskräfte zu unterstützen sowie Trends, Ausreisser und Zielabweichungen schneller erkennbar zu machen (Schön, 2018, S. VI). Der Digital Boardroom übernimmt als Dashboard genau diese Aufgaben. Obwohl die Daten visualisiert werden, besteht dennoch jeder Zeit die Möglichkeit, dass auf jeden einzelnen Beleg und die einzelnen Daten zurückgegriffen werden könnte (Berdou, online).
Interaktive Diskussionen	Durch die verschiedenen Bildschirme mit den unterschiedlichen Inhalten (Übersicht, KPIs und Kontextinformationen) werden die Sitzungsteilnehmenden vermehrt dazu gezwungen, verschiedene Perspektiven einzunehmen und auch den Kontext der Zahlen in die Entscheidung miteinzubeziehen. Dadurch werden die Diskussionen tendenziell interaktiver (Weber, 2018, S. 11).

Nachteile

Neben den zahlreichen Vorteilen hat der Digital Boardroom auch einige Nachteile, welche nicht ausser Acht gelassen werden dürfen. Nachfolgend werden einige näher erklärt:

Nachteile	Erläuterung
Zu viele Informationen	Wie bei vielen Datenanalysen besteht auch beim Digital Boardroom die Gefahr, dass zu viele Informationen vorhanden sind. Mit wachsenden Anforderungen ist die Verlockung gross, dass die angezeigten Kennzahlen und Berichte immer grösser werden und die nutzende Person am Schluss die Übersicht verliert (Weber, 2018, S. 10).
Verlieren im Detail	Ein zweiter Nachteil, welcher eng mit dem ersten verbunden ist, ist die Gefahr der Detailanalyse. Dadurch, dass die vorhandenen Daten in Echtzeit bis ins Detail abgerufen werden können, geht der Überblick schneller verloren und es überwiegen die kleinen Details. Gerade hier ist es die zentrale Aufgabe der Controllerin und des Controllers, die Anwendenden des Digital Boardrooms davor zu schützen (Braun, 2016, S. 64).
Vollständige Transparenz	Mit dem Digital Boardroom werden die Zahlen und Daten transparent und einsehbar. Obwohl Transparenz grundsätzlich eine gute Eigenschaft ist, kann sie je nach Brisanz der Daten nicht immer erwünscht sein (Berdou, online).
Starke Prägung durch SAP	Dadurch dass der Digital Boardroom sehr stark durch SAP geprägt ist, ist die vollständige Nutzung aller Funktionen auch von den bestehenden Datenaufbereitungssoftwaren abhängig. Obwohl SAP verspricht, dass auch Datenimporte von anderen Quellen wie Google Drive oder Excel möglich sind, basiert das Produkt hauptsächlich auf den bestehenden SAP-Produkten wie SAP HANA oder SAP BW/4HANA und verlangt somit indirekt nach der Einführung von SAP Analytics Cloud (SAP (c), online).

Auswirkungen auf das Tätigkeitsgebiet des Controllings

Mit dem Einsatz des Digital Boardrooms kann die zur Unternehmenssteuerung erforderliche Transparenz in Echtzeit geschaffen werden. Gleichzeitig werden die traditionellen Grenzen zwischen unternehmenseigenen Systemen aufgebrochen und mittels Ad-hoc-Analysen Echtzeit-Einblicke in die Finanzkennzahlen ermöglicht. Eine höhere Verfügbarkeit an Daten führt allerdings nicht automatisch zu einer besseren Steuerung. Die geschaffene Transparenz in der Unternehmenssteuerung muss vielmehr im Hinblick auf die Empfängerinnen und Empfänger strukturiert und adressatengerecht bereitgestellt werden (Hofmann et al., 2017. S. 121).

Der Digital Boardroom bietet Managerinnen und Manager die Möglichkeit mittels Self-Service-Zugang zu Real-Time-Daten zu gelangen. Dies bedeutet aber nicht automatisch, dass die Controllerinnen und Controller die Steuerungskontrolle verlieren (Braun, 2016, S. 65). Im Gegenteil, die Controllerin und der Controller sind umso mehr gefragt als Story-Teller, welcher die Anwendenden des Digital Boardrooms davor bewahren soll, sich zu sehr in Detailfragen zu verlieren (Braun, 2016, S. 64). Gelingt es der Controllerin und dem Controller sich in der neuen Rolle als Story-Teller und liefernde Person von Kontextinformationen zurecht zu finden und die Herausforderungen anzunehmen, kann er oder sie das Management zukünftig in der neuen Rolle als Business Partner unterstützen (Friedl, 2019, S. 39-40).

Kritische Würdigung

Die Einführung des Digital Boardrooms muss ein Bestandteil der unternehmenseigenen digitalen Transformation sein, damit dieser bestmöglich eingesetzt werden kann. In erster Linie sind dabei wichtige Erfolgsfaktoren zu berücksichtigen wie die Optimierung und Standardisierung von Geschäftsprozesse, die Gewährleistung einer hohen Qualität der Daten und deren Zugriff, das Vorhandensein von einheitlichen Kennzahlen- bzw. Werttreiberdefinitionen, sowie die Integration von einheitlichen Reporting-Lösungen (Bliznak, 2017, S. 156).

Die Anwendung des Digital Boardrooms bietet dem Entscheidungstragenden eine hohe Transparenz, indem alle relevanten Daten über die gesamte Wertschöpfungskette in Echtzeit angezeigt werden können (Schäffer & Weber, 2016, S. 10).

Dem Digital Boardroom sind jedoch auch Grenzen gesetzt. Die wohl grösste Herausforderung besteht in der starken Prägung durch die Unternehmung SAP und den damit verbundenen notwendigen, weiteren BI-Produkten. Da der Digital Boardroom jedoch noch ein sehr junges Produkt ist, lässt die zukünftige Entwicklung einen grossen Spielraum – auch für weitere mögliche Anbieter – offen.

Zum Interview mit Dr. Mark Hormuth

Lern- und Praxismaterialien

Aufgaben	Fallstudien
Digital Boardroom – Quiz	Siemens AG – Dash-Digital Boardroom der Siemens AG

Quiz

Quellen

Literaturverzeichnis

• Ballwieser , W., & Hachmeister, D. (2019). Digitalisierung und Unternehmensbewertung. Neue Objekte, Prozesse, Parametergewinnung. In S. Diel, & D. Hachmeister, Der Einfluss der Digitalisierung auf konzerninterne Finanzplanungsprozesse als Basis einer Unternehmensbewertung (S. 149-172). Schäffer-Poeschel.
• Beverungen, A. (2019). Executive Dashboard. In T. Beyes, R. Holt, & C. Pias, The Oxford Handbook of Media, Technology, and Organization Studies (S. 225-237). Oxford University Press.
• Berdou, C. (2016, 28. September). SAP Digital Boardroom präsentiert Entscheidungsgrundlagen im Großformat. Abgerufen am 11.03.2021 von https://www.haufe.de/controlling/controllerpraxis/sap-digital-boardroom-entscheidungsgrundlagen-im-grossformat_112_378160.html
• Bliznak, K. (2017). SAP Digital Boardroom: Echtzeit-Analyse und Visualisierung unterstützen Entscheidungen der Unternehmensführung. In A. Klein & J. Gräf (Hrsg.). Reporting und Business Intelligence (S. 139–156). Haufe Gruppe.
• Braun, B. (2016). Den Wandel aktiv mitgestalten. Controlling & Management Review.
• Ernst, C., Kirchmann, M., & Schulze, M. (2017). Das Experten-Interview zum Thema „Advanced Analytics –SAP S/4HANA“. In R. Gleich, K. Grönke, M. Kirchmann, & J. Leyk, Strategische Unternehmensführung mit Advanced Analytics. Neue Möglichkeiten von Big Data für Planung und Analyse erkennen und nutzen (S. 13-24). doi: 10.34156/9783791038322-1
• Friedl, G. (2019). Neue Aufgaben im Controlling durch digitale Transformation. Controlling, 31(3), 38–41. doi: 10.15358/0935-0381-2019-3-38
• Hofmann, N., Linsner, R., & Poschadel, F. (2017). SAP S/4HANA – Revolution oder Evolutionin der Unternehmenssteuerung?. In M. Kieninger, Digitalisierung er Unternehmenssteuerung. Prozessautomatisierung, Business Analytics, Big Data, SAP S/4 HANA, Anwendungsbeispiele (S. 105-122). Schäffer Poeschel. doi: 10.34156/9783791038322-1
• SAP (a) (online). SAP Digital Boardroom. Abgerufen am 06.03.2021 von https://www.sap.com/germany/products/board-room.html
• SAP (b) (online). System Requirements and Technical Prerequisites. Abgerufen am 07.03.2021 von https://help.sap.com/viewer/00f68c2e08b941f081002fd3691d86a7/release/en-US/11b4e5ff76eb4747bc255d7037be1f01.html
• SAP (c) (online). SAP Digital Boardroom | Performance Reporting. SAP Solution Brief. Abgerufen am 18.04.2021 von https://www.sap.com/germany/products/board-room.html
• Schäffer, U. & Weber, J., (2016). Die Digitalisierung wird das Controlling radikal verändern. Controlling & Management Review 60(6), 6–17
• Schön, D. (2018). Planung und Reporting im BI-gestützten Controlling. Springer Fachmedien Wiesbaden. doi: 10.1007/978-3-658-19963-0
• Weber, J. (2016). „Wir ziehen Daten live und in Farbe raus, um sie im System darzustellen“. Controlling & Management Review, 60(1), 24–31. doi: 10.1007/s12176-016-0007-x
• Weber, J. (2018). „Die Diskussion im Raum ist interaktiver geworden“. Controlling & Management Review, 62(2), 8–13. doi: 10.1007/s12176-017-0136-x

Weiterführende Literatur

• Bliznak, K. (2020). Erfahrungsbericht SAP Analytics Cloud und SAP Digital Boardroom: Echtzeitsteuerung mit Intelligenz. In A. Klein, & J. Gräf, Reporting und Business Analytics (S. 121-140). Haufe Group.
• Frank, R., Schumacher, G., & Tamm, A. (2019). Cloud-Transformation. Wie die Public Cloud Unternehmen verändert. Springer. doi: 10.1007/978-3-658-27325-5
• Mosler, A. (2017). Integrierte Unternehmensplanung. Anforderungen, Lösungen und Echtzeitsimulation im Rahmen von Industrie 4.0. Springer Gabler. doi: 10.1007/978-3-658-08752-4
• Schunter, M. (2016, 1. April). Why senior managers and business analysts have a strong need for SAP Digital Boardroom. Abgerufen am 14.03.2021 von https://blogs.sap.com/2016/04/01/why-do-senior-managers-and-business-analysts-need-the-sap-digital-boardroom/

Autoren

Christa Mathis, Corinne Michel, Sofija Milosavljevic, Gianluca Montaquilla

Tabelle

Digital Newbie	Digital Mainstream	Digital Pioneer
• Richtlinien für Controlling zwar vorhanden, aber ohne Bezug zur Digitalisierung	• Zentrale Richtlinien im Controlling dokumentiert mit Bezug zur Digitalisierung	• Zentrale Richtlinien im Controlling dokumentiert mit Bezug zur Digitalisierung
• Keine eigene Govenance-Verantwortung für Controlling	• Dezidierte Governance-Verantwortung vorhanden	• Dezidierte Governance-Einheit vorhanden
• Unregelmässige Prüfung der Einhaltung von Richtlinien	• Manuelle Prüfung der Einhaltung von Richtlinien	• Systemgestützte Prüfung der Einhaltung von Richtlinien (u.a. mit Analytics-Werkzeugen)

Organisatorische Eingliederung

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 sowie Beachtung (Langmann, 2019, S. 44).

Monte-Carlo-Simulation

Die Monte-Carlo-Simulation ist ein Begriff aus der Stochastik und stellt ein Verfahren dar, welches zur Analyse und Beurteilung von Risiken 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).

Begriffsdefinition

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.

Ziele der Monte-Carlo-Simulation

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).

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).

Monte-Carlo-Simulation am Beispiel der Unternehmensplanung (Anwendungsgebiete)

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.

Abb. 1: Ergebnis einer Simulation in der Unternehmensplanung (Flath et al., 2015, S. 86)

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).

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, online). Bei der Berechnung der Value at Risk Kennzahl erfreut sich die Monte-Carlo-Simulation ebenfalls grosser Beliebtheit (Bleuel, 2006, S. 372).

Vorgehensweise

Abb. 2: Vorgehensweise der Monte-Carlo-Simulation nach Wolf (2009, S. 547)

Die Durchführung einer Monte-Carlo-Simulation erfolgt in vier Schritten, welche in Abbildung 2 ersichtlich sind (Wolf, 2009, S. 547).

1. Problemformulierung und Definition eines Berechnungsmodels

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):

1. Beeinflussbare und nicht-beeinflussbare Zufallszahlen (Beispiel: variable und fixe Kostenpositionen)
2. Wirkungszusammenhänge und Abhängigkeiten dieser Zufallszahlen (Beispiel: Preis-Absatz-Funktion)
3. Grundlegende Annahmen und Bedingungen (Beispiel: Weighted Average Cost of Capital (WACC))

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.

2. Informationsbeschaffung

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.

Durch diese Annahmen wird die Komplexität des Modells verringert, gleichzeitig aber auch die vollständige und realitätsgetreue Abbildung aller Möglichkeiten eingeschränkt (Wolf, 2009, S. 547).

3. Erzeugung und Transformation von Zufallsvariablen

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.

Abb. 3: Häufige Verteilungsformen in Monte-Carlo-Simulationen (Bleuel, 2006, S. 373)

Diese sind gemäss Bleuel (2006) wie folgt definiert (S. 373):

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.

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.

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.

4. Validierung, Beschreibung, Auswertung & Interpretation

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.

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).

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).

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).

Kritische Würdigung

In diesem Abschnitt werden die Vor- und Nachteile aufgezählt und zum Schluss noch ein zusammenfassendes Fazit abgegeben.

Vorteile

• Das Vorgehen scheint nachvollziehbar und verständlich (Wolke, 2016, S. 283).
• Die Anzahl der Faktoren und unterschiedlichen Verteilungen, welche verwendet werden können, sind unbeschränkt (Wolke, 2016, S. 283).
• Es ist möglich, mehrere Einflussgrössen mit etlichen Ausprägungsmöglichkeiten zu verwenden (Wolke, 2016, S. 283).
• Die Verteilungen der Monte-Carlo-Simulation bilden die Realität besser und genauer ab als die in der Praxis gängigen Planszenarien (Wolf, 2009, S. 552).

Nachteile

• Damit die Simulation exakt ist, benötigt es eine ausreichende Anzahl an Szenarien, welche den Rechenaufwand erhöhen (Wolke, 2016, S. 284).
• Die Beziehung zwischen den generierten Zufallszahlen ist zufällig (Wolke, 2016, S. 284).
• 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).
• 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).
• 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).

Zusammenfassung Vor- und Nachteile

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).

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 eher in der Forschung ihren Platz, obwohl sie auch in der Praxis einen deutlichen Zusatznutzen bringen können (Wolf, 2009, S. 552).

Lern- und Praxismaterialien

Aufgaben	Quiz
Praxisaufgabe ABC AG	Quiz Zukunmo AG

 

Quellen

Literaturverzeichnis

• Bleuel, H.-H. (2006). Monte-Carlo-Analysen im Risikomanagement mittels Software-Erweiterungen zu MS-Excel. Controlling, 18(7), 371–378.
• Diederichs, M. (2017). 3. Prozessschritte des Risikomanagements. In Risikomanagement und Risikocontrolling (4. Aufl., S. 91–181). Verlag Franz Vahlen GmbH.
• Flath, T., Biederstedt, L. & Herlitz, A. (2015). Mit Simulationen Mehrwerte schaffen. Controlling & Management Review, 59(S1), 82–89.
• Gleißner, W. (2015). Monte-Carlo-Simulation – ControllingWiki. Abgerufen am 07.03.2021 von https://www.controlling-wiki.com/de/index.php/Monte-Carlo-Simulation
• Gleißner, W. (2017). 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
• Gleißner, W. & Wolfrum, M. (2019). Risikoaggregation und Monte-Carlo-Simulation: Schlüsseltechnologie für Risikomanagement und Controlling. Springer Fachmedien Wiesbaden.
• Grisar, C. & Meyer, M. (2015). Use of Monte Carlo simulation: An empirical study of German, Austrian and Swiss controlling departments. Journal of Management Control, 26(2–3), 249–273.
• Hager, P. (2004). Corporate Risk Management: Cash Flow at Risk und Value at Risk. Bankakademie-Verl.
• Kroese, D. P. Brereton, T., Taimre, T. & Botev, Z. I. (2014). Why the Monte Carlo method is so important today. Wiley Interdisciplinary Reviews: Computational Statistics, 6(6), 386–392.
• Möbius, C. & Pallenberg, C. (2016). Risikomanagement in Versicherungsunternehmen (3. Auflage). Springer Berlin Heidelberg.
• 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
• RiskNet GmbH. (ohne Datum). Monte-Carlo-Simulation. Abgerufen 6. Mai 2021, von https://www.risknet.de/wissen/rm-methoden/monte-carlo-simulation/
• Romeike, F. (2018). Risikomanagement. Springer Fachmedien Wiesbaden.
• Romeike, F. & Hager, P. (2020). Erfolgsfaktor Risiko-Management 4.0. Springer Gabler.
• Sartor, F.-J. & Bourauel, C. (2013). Risikomanagement kompakt: In 7 Schritten zum aggregierten Nettorisiko des Unternehmens. Oldenbourg Verlag München.
• Steinhausen, D. (1994). Simulationstechniken. R. Oldenbourg.
• Wolf, K. (2009). Monte-Carlo-Simulation – Einsatz im Rahmen der Unternehmensplanung. Controlling, 21(10), 545–552.
• Wolke, T. (2016). Risikomanagement (3., vollständig überarbeitete, erweiterte und aktualisierte Auflage). De Gruyter Oldenbourg.

Weiterführende Literatur

• Buchhart, A. & Burger, A. (2002). Risiko-Controlling. München: Oldenbourg Wirtschaftsverlag.
• Cottin, C. & Döhler, S. (2013). Risikoanalyse: Modellierung, Beurteilung und Management von Risiken mit Praxisbeispielen. Springer Spektrum.
• Gleißner, W. & Berger, T. (2004). Auf nach Monte Carlo: Simulationsverfahren zur Risiko‐Aggregation. RISKNEWS, (1), 30–37.
• Klatt, T. Möller, K. & Pötig, S. (2010). Monte-Carlo-basierte Risikoaggregation und Risikoberichterstattung. KoR: internationale und kapitalmarktorientierte Rechnungslegung, 10 (12), 644–651.
• Metzger, D. (2008). 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.
• Meyer-Aurich, A. (2016). 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.
• Papp, T. & Szoboszlai, B. (2008). 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.
• Romeike, F. (2007). Risikomanagement in Versicherungen – Ein Überblick. Wirtschaft und Management, 4(6), 7–22.
• Winslow, M. (06.11.2018). Introduction to Monte-Carlo-Simulation in Excel 2016 [Video]. YouTube. https://www.youtube.com/watch?v=HwVBi--mE4M
• Wolf, K. (2003). Risikoaggregation anhand der Monte-Carlo-Simulation. CONTROLLING – ZEITSCHRIFT FÜR ERFOLGSORIENTIERTE UNTERNEHMENSSTEUERUNG, 15(10), 565–572.
• Wolf, K. & Runzheimer, B. (2003). Risikomanagement und KonTraG. Gabler Verlag.

Autoren

Dario Rosamina, Jonathan Schmid, Anja Strebel und Pirmin Ulrich

Aufgabe 3

Hierbei handelt es sich lediglich um einen Lösungsvorschlag. Andere Lösungsansätze können eben-falls korrekt sein.

Wertschöpfungsstufe	Kostentreiber	Ansatzpunkte für die Produktivitätsstrategie
Produktion	Veraltete Webmaschinen / obsolete Produktionsabläufe	Rationalisierung der Prozesse / Automatisierung der Prozesse / Erneuerung der Produktionsanlage
Logistik	Lagerbewritschaftung	Konzeptanpassung (HiFo, LiFo etc.) / Einführung ERP-System
Vertrieb	Grösse des Portfolios / Kundenbetreuung	Optimierung der Abläufe / Monitoring Key-Accounts (Preisanpassung) / Einführung Online-Vertriebskanal

(In Anlehnung an: Stöger, 2017, S. 170-171).

Literaturverzeichnis

• Stöger, R. (2017) Phase 2: Die Veränderungen erkennen. In Stöger, R. Strategieentwicklung für die Praxis (3. Auflage) (S. 111 – 176). Stuttgart: Schäffer-Poeschel.

Begriffsdefinitionen und -abgrenzungen

Im Kontext der Unternehmensplanung wird die Mengen- von der Wertplanung unterschieden. Die Mengenplanung beinhaltet Absatz-, Produktions- und Beschaffungsmengen sowie Personalstellen, die möglichst genau prognostiziert werden sollen. Diese Mengen bilden die Grundlage für die Wertplanung, die durch Multiplikation mit Einkaufs- und Verkaufspreisen erstellt wird (Rieg, 2015, S. 9). Gemäss anderen Definitionen werden bei formalzielorientierten Planungen Erfolgs- und Liquiditätsaspekte bzw. monetäre Grössen behandelt, wohingegen sachzielorientierte Planungen reale Objekte und Aktivitäten der Unternehmensprozesse betreffen (Horváth et al., 2020, S. 85). Folglich lässt sich die Sachzielorientierung mit der Mengenplanung und die Formalzielorientierung mit der Wertplanung gleichsetzen.

Der Begriff der Planung im allgemeinen Sinn wird als eine «systematische gedankliche Vorwegnahme künftigen Geschehens» definiert (Behrens und Feuerlohn, 2018, S. 115). Mithilfe der Planung sollen Handlungsalternativen ermittelt und beurteilt werden können, sodass in einer spezifischen Entscheidungssituation die optimale Wahl getroffen werden kann. Dabei werden nicht nur Zielvorgaben berücksichtigt, sondern auch externe und meist unbeeinflussbare Rahmenbedingungen miteinbezogen (Klein & Scholl, 2011, S. 1, zit. in Behrens & Feuerlohn, 2018, S. 115).

Abb. 1: Planungshorizonte und die resultierenden Planungsstufen (Eigene Darstellung in Anlehnung an Behrens & Feuerlohn, 2018, S. 116)

Die operative Einjahresplanung ist durch das Differenzierungsmerkmal des Planungshorizontes gemäss Abbildung 1 in der kurzfristigen und «detaillierten» Ebene anzusiedeln (Behrens & Feuerlohn, 2018, S. 116).

Die Budgeterstellung im «traditionellen» Sinne ist auf räumlich abgrenzbare Entscheidungseinheiten wie Abteilungen oder Kostenstellen fokussiert und ist ein Bestandteil der operativen Planung (Behrens und Feuerlohn, 2018, S. 178; Sure, 2009, S. 131). Einige Quellen verwenden die Begriffe Budgetierung und Planung synonym (Mellerowicz, 1979, S. 25, zit. in Schwering, 2016, S. 16).