Skip to main content
SpringerLink
Log in

Einfluss aktueller IT-Trends auf das interne Berichtswesen

  • Chapter
  • First Online:
Controlling & Innovation 2019

Part of the book series: FOM-Edition ((FOMEDITION))

Zusammenfassung

Das interne Berichtswesen ist eine klassische Domäne des Controllings. Sie befindet sich jedoch durch aktuelle IT-Trends in einem tief greifenden Wandel, mit dem Chancen und Herausforderungen einhergehen. Dieser Beitrag gibt einen Einblick in bedeutsame Entwicklungen, die den internen Berichterstattungsprozess verändern. Erstens beeinflusst Big Data die Datenbeschaffung. Hier stehen Controller vor der Herausforderung, relevante Daten zu sammeln, miteinander zu verknüpfen und ihre Qualität zu sichern. Zweitens bietet Business Analytics neue Wege der Datenverarbeitung. Controller können hier zukunftsorientierte Fragestellungen mit statistischen Methoden und Modellen analysieren. Drittens ermöglichen Self-Service-Applikationen eine bedarfsgerechte, interaktive Informationsdarstellung. Controller können dadurch visuell aufbereitete und individuell angepasste Informationen zeit- und ortsunabhängig zum Abruf bereitstellen.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 39.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Der traditionell zur internen Berichterstattung zählende Schritt der Informationsübermittlung wird im Folgenden nicht näher betrachtet, da diese mit den neuen Technologien heute meist automatisiert erfolgt. Im Mittelpunkt steht stattdessen die Informationsdarstellung.

  2. 2.

    Es wird hier zwischen Daten und Informationen differenziert. Informationen zeichnen sich dadurch aus, dass sie „das Wissen des handelnden Akteurs [in diesem Fall des Managers] verändern und damit seine internen Modelle beeinflussen“ (Steiners 2005, S. 23). Informationen unterscheiden sich von Daten dadurch, dass Managern ihnen eine Bedeutung zumessen. Dies ist erst dann der Fall, wenn das Controlling die Daten durch den Schritt der Datenverarbeitung in relevante Informationen umwandelt.

  3. 3.

    Darüber hinaus beschreibt der ICV, dass die Daten vom Controlling durch Business Analytics nutzbar gemacht werden müssen (ICV 2014, S. 3). Auf die Datenverarbeitung wird in Abschn. 7.3 eingegangen.

  4. 4.

    Mehanna et al. (2016) unterscheiden zusätzlich die Anwendungsfelder Radar und Simulation. Da diese eng verwandt mit den Anwendungsfeldern Analyse bzw. Optimierung sind (Mehanna et al. 2016, S. 506), werden die zwei Anwendungsfelder hier nicht separat betrachtet.

  5. 5.

    Für eine vergleichende Analyse existierender Business-Analytics-Software vgl. Derwisch et al. (2016).

  6. 6.

    Oftmals werden Dashboards mit ihrer grafischen Nutzeroberfläche gleichgesetzt (vgl. z. B. Few 2013, S. 26).

Literatur

  • BITKOM. (2012). Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte. Berlin: BITKOM.

    Google Scholar 

  • Chamoni, P., & Gluchowski, P. (2017). Business analytics – State of the art. Controlling & Management Review, 61(4), 8–17.

    Article  Google Scholar 

  • Claasen, F., & Hohorst, S. (2015). Den Finanzbereich neu denken. Controlling & Management Review, 59(2), 34–42.

    Article  Google Scholar 

  • Davenport, T., & Patil, D. (2012). Data scientist – The sexiest job of the 21st Century. Harvard Business Review, 90(5), 70–76.

    Google Scholar 

  • Deinert, M., & Weber, J. (2014). „Der heutige Endanwender hat ganz neue Möglichkeiten“. Mark Deinert im Dialog mit Jürgen Weber. Controlling & Management Review, 58(1), 52–57.

    Article  Google Scholar 

  • Derwisch, S., Iffert, L., Derwisch, C., & Bange, C. (2016). Business Analytics-Software für das Controlling – eine Marktübersicht. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8–9), 480–487.

    Google Scholar 

  • Eckerson, W. W. (2011). Performance dashboards: Measuring, monitoring, and managing your business (2. Aufl.). Hoboken: Wiley.

    Google Scholar 

  • Ereth, J., & Kemper, H. G. (2016). Analytics und Business Intelligence – Säulen eines integrierten Ansatzes der IT-basierten Entscheidungsunterstützung. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8–9), 458–464.

    Google Scholar 

  • Few, S. (2013). Information dashboard design: Display data for at-a-glance monitoring (2. Aufl.). Burlingame: Analytics Press.

    Google Scholar 

  • Gadatsch, A. (2016). Die Möglichkeiten von Big Data voll ausschöpfen. Controlling & Management Review, 60(1), 62–67.

    Article  Google Scholar 

  • Gartner Inc. (2011). Gartner says solving ‚big data‘ challenge involves more than just managing volumes of data. https://www.gartner.com/newsroom/id/1731916. Zugegriffen: 21. Dez. 2017.

  • Geldner, A. (2013). Big Data in der Wirtschaft – Gerastert, durchleuchtet und ausgezählt. Stuttgarter Zeitung, 28.12.2013. https://www.stuttgarter-zeitung.de/inhalt.big-data-in-der-wirtschaft-gerastert-durchleuchtet-und-ausgezaehlt.49366748-00b3-4424-a7b2-d049c2ec748d.html. Zugegriffen: 21. Dez. 2017.

  • Gentsch, P., & Kulpa, A. (2016). Mit externen Big Data neue Möglichkeiten erschließen. Controlling & Management Review, 60(1), 32–39.

    Article  Google Scholar 

  • Gronau, N., Thim, C., & Fohrholz, C. (2016). Business Analytics in der deutschen Praxis – Aktueller Stand und Herausforderungen. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8–9), 472–479.

    Google Scholar 

  • Grönke, K., Leyk, J., & Kirchmann, M. (2014). Big Data: Auswirkungen der Digitalisierung auf die Unternehmenssteuerung. In R. Gleich, K. Grönke, J. Leyk, & M. Kirchmann (Hrsg.), Controlling und Big Data (S. 63–82). München: Haufe.

    Google Scholar 

  • Heinrich, B., & Klier, M. (2009). Die Messung der Datenqualität im Controlling. Controlling & Management Review, 53(1), 34–42.

    Article  Google Scholar 

  • Hillmer, H.-J., & Klier, M. (2009). koR – Zeitschrift für internationale und kapitalmarktorientierte Rechnungslegung. Controlling & Management Review, 17(9), 398–404.

    Google Scholar 

  • Horváth, P. (2009). Editorial: Business analytics. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8–9), 455.

    Google Scholar 

  • Horváth, P., Gleich, R., & Seiter, M. (2015). Controlling (13. Aufl.). München: Vahlen.

    Book  Google Scholar 

  • ICV (2014). Big Data. Potenzial für den Controller. Dream Car der Ideenwerkstatt im ICV 2014. https://www.icv-controlling.com/fileadmin/Assets/Content/AK/Ideenwerkstatt/Files/ICV_Ideenwerkstatt_DreamCar-Bericht_BigData.pdf. Zugegriffen: 21. Dez. 2017.

  • Jung, C. C. (1972). Typologie – Zur Frage der psychologischen Typen. Olten: Walter.

    Google Scholar 

  • Kieras, D. E., & Meyer, D. E. (1997). An overview of the epic architecture for cognition and performance with application to human-computer interaction. Human-Computer Interaction, 12, 391–438.

    Article  Google Scholar 

  • Kink, N. (2009). Controlling und Datenqualität. Controlling & Management Review, 53(1), 9–10.

    Article  Google Scholar 

  • Kieninger, M., Mehanna, W., & Michel, U. (2015). Auswirkungen der Digitalisierung auf die Unternehmenssteuerung. In P. Horváth & U. Michel (Hrsg.), Controlling im digitalen Zeitalter (S. 3–13). Stuttgart: Schäffer. Poeschel.

    Google Scholar 

  • Klier, M., & Heinrich, B. (2016). Datenqualität als Erfolgsfaktor für Business Analytics. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8–9), 488–494.

    Google Scholar 

  • Lea, B. R., & Nah, F. (2013). Usability of performance dashboards, usefulness of operational and tactical support, and quality of strategic support: A research framework. In S. Yamamoto (Hrsg.), HIMI/HCII 2013, Part II, LNCS 8017 (S. 116–123). Berlin: Springer.

    Google Scholar 

  • Mehanna, W., Tatzel, J., & Vogel, P. (2016). Business Analytics im Controlling – Fünf Anwendungsfelder. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(8–9), 502–508.

    Google Scholar 

  • Reichmann, T., Ständer, M., & Schön, D. (2017). Controlling-Cockpit für ein mittelständisches Unternehmen. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 29(1), 87–90.

    Google Scholar 

  • Satzger, G., Holtman, C., & Peter, S. (2015). Advanced Analytics im Controlling – Potenzial und Anwendung für Umsatz- und Kostenprognosen. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 27(4–5), 229–235.

    Google Scholar 

  • Schäffer, U., & Weber, J. (2016). Die Digitalisierung wird das Controlling radikal verändern. Controlling & Management Review, 60(6), 6–17.

    Article  Google Scholar 

  • Schäffer, U., & Weber, J. (2017). Persönliche Überlebensstrategien. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 29(1), 56–59.

    Google Scholar 

  • Steiner, H., & Welker, P. (2017). Wird der Controller zum Data Scientist? Controlling & Management Review, 60(1), 68–73.

    Google Scholar 

  • Steiners, D. (2005). Lernen mit Controllinginformationen: Empirische Untersuchung in deutschen Industrieunternehmen. Wiesbaden: Gabler.

    Book  Google Scholar 

  • Taschner, A. (2013). Management Reporting – Erfolgsfaktor internes Berichtswesen. Wiesbaden: Springer Gabler.

    Google Scholar 

  • Tretbar, T., Wiegmann, L., & Strauß, E. (2013). Controlling & IT – Hype oder nachhaltige Entwicklung. Controlling & Management Review, 58(8), 12–19.

    Article  Google Scholar 

  • Trumpetter, J., & Meinken, N. (2016). Monetäres Schadenspotenzial von Datenqualitätsfehlern. Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 28(10), 567–576.

    Google Scholar 

  • Vessey, I. (1991). Cognitive fit – A theory-based analysis of the graphs versus tables literature. Decision Sciences, 22(2), 219–240.

    Article  Google Scholar 

  • Weber, J., Strauß, E., & Spittler, S. (2012). Controlling & IT: Wie Trends und Herausforderungen der IT die Controllingfunktion verändern. Controlling & Management Review, 56(2), 105–109.

    Article  Google Scholar 

  • Weber, J., Gschmack, S., Tretbar, T., & Wiegmann, L. (2013). IT-Trends und ihre Auswirkung: auf Management und Controlling. Advanced Controlling, Bd. 87. Weinheim: Wiley.

    Google Scholar 

  • Weber, J., Schäffer, U., & Wiegmann, L. (2015). IT & Controlling – Zur engen Zusammenarbeit gibt es keine Alternative. https://www.whu-on-controlling.com/fileadmin/data_whu-on-controlling/Zukunftsthemen/WHU_on_Controlling-WIPRO-Controlling_and_IT-final_2015.pdf. Zugegriffen: 21. Dez. 2017.

  • Weichel, P., & Herrmann, J. (2016). Wie Controller von Big Data profitieren können. Controlling & Management Review, 60(1), 8–14.

    Article  Google Scholar 

  • Weißenberger, B. E., & Bauch, K. A. (2017). Chancen und Risiken der digitalen Transformation für die Rechnungslegung. In U. Wagner & M. M. Schaffhauser-Linzatti (Hrsg.), Langfristige Perspektiven und Nachhaltigkeit in der Rechnungslegung (S. 203–219). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Yi, J. S., Kang, Y., Stasko, J. T., & Jacko, J. A. (2007). Toward a deeper understanding of the role of interaction in information visualization. IEEE Transactions on Visualization and Computer Graphics, 13(6), 1224–1231.

    Article  Google Scholar 

  • Yigitbasioglu, O. M., & Velcu, O. (2012). A review of dashboards in performance management: Implications for design and research. International Journal of Accounting Information Systems, 13(1), 41–59.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Internationale Unternehmensrechnung, WWU Münster, Münster, Deutschland

    Peter Kajüter, Kai Schaumann & Henrik Schirmacher

Authors
  1. Peter Kajüter
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Kai Schaumann
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Henrik Schirmacher
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Kai Schaumann .

Editor information

Editors and Affiliations

  1. FOM Hochschule für Oekonomie & Management, Düsseldorf, Germany

    Thomas Kümpel

  2. FOM Hochschule für Oekonomie & Management, Düsseldorf, Germany

    Kay Schlenkrich

  3. FOM Hochschule für Oekonomie & Management, Essen, Germany

    Thomas Heupel

Rights and permissions

Reprints and permissions

Copyright information

© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Kajüter, P., Schaumann, K., Schirmacher, H. (2019). Einfluss aktueller IT-Trends auf das interne Berichtswesen. In: Kümpel, T., Schlenkrich, K., Heupel, T. (eds) Controlling & Innovation 2019. FOM-Edition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-23474-4_7

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-23474-4_7

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-23473-7

  • Online ISBN: 978-3-658-23474-4

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation