Datengetriebene Unternehmenssteuerung ist zentraler Wettbewerbsfaktor

Der Krieg in der Ukraine, die globale Finanzkrise, eine weltweite Pandemie oder die Blockade des Suezkanals durch ein Containerschiff im Frühjahr 2021: Es sind Ereignisse wie diese, die Unternehmensverantwortlichen den Wert einer informationsbasierten Unternehmenssteuerung und datengetriebener Forecasting-Methoden mehr als deutlich vor Augen geführt haben. Denn klar ist: Die gestiegene Unsicherheit erschwert Unternehmen die Planung und Unternehmenssteuerung massiv. 

Den Schaden haben dabei eindeutig Unternehmen, die nicht schnell genug reagieren können und so in Zugzwang geraten, Adhoc-Meldungen zu avisierten Gewinnen und Verlusten herausgeben – Meldungen, die häufig schon kurze Zeit später revidiert werden müssen und so wertvolles Vertrauen auf Seiten der Investoren kosten. 

PwC-Studien zeigen, dass nach unten korrigierte Geschäftsergebnisse in den vergangenen zwei Jahrzehnten zu einem durchschnittlichen Verlust des Unternehmenswertes in Höhe von 158 Millionen Euro führten. Gleichzeitig werden auch intern teure Ressourcen genutzt, um aufwendige händische Planungen zu erstellen. Das Problem: Oft können diese nicht als zuverlässige Grundlage zur Unternehmenssteuerung herangezogen werden, da sie bereits nach kürzester Zeit nicht mehr aktuell sind. 

Immer interessanter wird in diesem Zusammenhang ein datengetriebenes Prognose-Tool, das in Verbindung mit Managementexpertise und Erfahrung ein maximal-präzises Forecasting verspricht – und damit sowohl für Konzerne als auch für kleinere Unternehmen in Zukunft unverzichtbar sein wird. Denn: Vorhersagen, die einmal aufs Unternehmen zugeschnitten wurden, funktionieren weitestgehend auf Knopfdruck.

Wir sprachen mit Roland Werner, Head of Finance Transformation bei PwC Deutschland: Über die Chancen, die moderne Technologie uns öffnet, und über die Tatsache, dass es für eine erfolgreiche Unternehmenssteuerung in Zukunft mehr braucht als zeitlich hinterherhinkende Daten und ausschließlich finanzielle Indikatoren. Der Experte ist überzeugt: Nur mit wirklich datenbasierten Entscheidungen können Unternehmen sicher in die Zukunft gehen.

Lieber Herr Werner, um Daten in der Unternehmenssteuerung führt längst kein Weg mehr herum. Warum ist das Bauchgefühl in diesem Bereich schon lange kein valider Kompass mehr? Welche internen und externen Einflussfaktoren spielen hier eine Rolle?

Roland Werner: Das Bauchgefühl war in der Vergangenheit oft ein Hilfsmittel, weil es schlichtweg nicht genügend Informationen gab. Dieses Bauchgefühl ist jedoch häufig schon beim Austausch mit anderen Disziplinen innerhalb des Unternehmens an seine Grenzen gestoßen. Prognosen müssen schließlich von allen Seiten nachvollziehbar sein – das ist ganz wichtig für die Akzeptanz. Gleichzeitig ist die zukunftsgerichtete Perspektive hier ein wichtiger Faktor: Auf welche Parameter muss ich im laufenden Geschäftsjahr zukünftig achten? Wenn ich als Unternehmensverantwortlicher weiß, welche Treiber ich als Unternehmen beobachten muss – und welche ich beeinflussen kann –, habe ich schließlich eine viel bessere Chance, die Kennzahlen, die ich am Ende des Jahres erreichen will, auch zu steuern. 

Das Erfolgsrezept liegt in der Transparenz – qualitativ und quantitativ.

Studien zufolge verbringen Controller heute etwa 40 Prozent ihrer Zeit mit Forecasting-Aktivitäten. So werden interne Ressourcen gebunden, um Prognosen zu erstellen, die oft bereits nach kurzer Zeit wieder überholt sind. Dabei könnte Untersuchungen zufolge ein automatisiertes, datengetriebenes Forecasting zu hohen Einsparungen führen. Wie schätzen Sie die Lage ein? Was sollten Anfänger in diesem Bereich unbedingt beachten?

Roland Werner: An dieser Stelle ist die Unterscheidung zwischen einem automatisierten, zahlenbasierten Forecast und einem manuell zusammengetragenen unerlässlich. Letzterer ist in der Vergangenheit immer wieder benutzt worden, etwa nach Rücksprache mit Vertrieb, Produktion oder Marktforschungsinstituten. Dabei beinhaltet diese Art des Forecastings natürlich einen immensen manuellen Aufwand. Das Problem ist in diesem Kontext vor allem die Sortierung und Gewichtung der Informationen. Denn klar ist: Je mehr Informationen Sie haben, desto mehr müssen Sie diese auch verdichten – und mit der wachsenden Zahl von Abteilungen, die Informationen durchlaufen, ist natürlich auch mehr Subjektivität involviert. 

Wer hingegen einen zahlenbasierten Forecast automatisiert darstellt, hat gleichzeitig immer eine reproduktive Funktion: Das heißt, Sie haben Daten, auf die Sie zurückgreifen können – sowohl bei der Plausibilisierung, um Ihre Erkenntnisse zu erläutern, als auch in die Zukunft gerichtet: Schließlich gibt es Parameter, die man anhand des Forecasts ablesen kann, die sich jetzt verändern – beispielsweise welche Einflüsse eine makroökonomische Entwicklung auf Produktion und Preise hat. 

Gerade bei unvorhergesehen Veränderungen ist ein schnelles Handeln in der Unternehmenssteuerung unerlässlich – andernfalls droht massiver Planungsfrust. Der automatisierte, zahlenbasierte Forecast hat den großen Vorteil, dass er immer wieder mit neuen Zahlen gefüttert werden kann und quasi auf Knopfdruck Ergebnisse liefert. 

„Ein agiles Marktumfeld erfordert eine schnelle, adressatenorientierte Bereitstellung der unmittelbar relevanten Informationen.“

Kann bzw. muss man denn hier von einer Substitution der Systeme sprechen?

Roland Werner: Nein, es ist wichtig zu erkennen, dass sich die Systeme nicht substituieren – sie ergänzen sich. Denn sowohl automatisierte als auch manuelle Forecasts haben Vorteile. Der Königsweg ist die berühmte Mischung: Wenn ich unheimlich viele Informationen automatisiert eintrage und verstanden habe, wie diese automatisierten Forecasts funktionieren, ergänze ich diese Grundlage um meine Managementsicht und meine Erfahrung – etwas, das die Maschine nicht wissen kann. Aus beidem zusammen wird dann eine ganz neue Qualität. 

Eine aktuelle Studie von PwC zeigt, dass einer von drei CEOs die Financial Forecasts als nicht ausreichend umfassend und aussagekräftig empfindet. Woher kommt diese große Unzufriedenheit?

Roland Werner: Hier geht es ganz besonders um das große Thema „Decision Intelligence“ – das heißt, wieviel Informationen sind mir zugänglich, um Entscheidungen zu treffen? Jedes Unternehmen umgibt eine sinnbildliche Wolke: Eine Wolke von internen und externen Informationen. Jetzt sind Sie als Entscheider angehalten, das Maximale an Informationen zu nutzen, um eine möglichst gute Entscheidung für Ihr Unternehmen zu treffen. Der Frust kommt daher, dass oftmals zu wenige strukturierte Informationen – extern wie intern – vorliegen. 

Es gab vor etwa sieben Jahren einen sogenannten neuralgischen Punkt, als der manuelle Forecast durch den automatisierten Forecast geschlagen wurde. Warum? Die Anzahl und Komplexität von Informationen nahm kontinuierlich zu. Dabei haben wir in den Projekten, die wir umgesetzt und begleitet haben, herausgefunden, dass der automatisierte Forecast plötzlich präziser wurde als der manuelle. Der Trend geht heute immer stärker in Richtung „data-driven companies“. Das heißt, Unternehmen setzen Datenmanagement- und Datenstrategieprojekte verstärkt um, um eine bessere und vor allem schnelle Entscheidungsfindung zu ermöglichen. 

„Die richtigen Daten in aggregierter Form“ werden als wesentliche Voraussetzung für alle weiteren Analysen, das Reporting und die Unternehmenssteuerung gesehen. Wie erkennen moderne, KI-gestützte Tools die Qualität und können „richtige“ Daten selektieren? Wie kann PwC hier unterstützen?

Podcast: Financial Forecasting – bessere Entscheidungen dank KI?

Roland Werner: Den Anfang bildet hier ein sogenanntes Backtesting. Kommt zum Beispiel ein Unternehmen mit dem Wunsch zu uns, ein Financial Forecasting zu machen, erbitten wir alle relevanten Daten und Informationen – bis zum vergangenen Jahr. Der Kunde kann dann genau erkennen, ob die Entwicklung tatsächlich so eingetreten ist, wie auf Basis der Daten antizipiert wurde. So kalibrieren wir auch die Algorithmen. Bei PwC haben wir ein entsprechendes Tool, die Forecast Plus Software für die Finanzplanung, entwickelt, das unsere Kunden in diesem Bereich unterstützt. Dieses Tool hat sich bewährt, um die Vorhersagegenauigkeit im Vergleich zu manuellen Ansätzen deutlich zu steigern und darüber hinaus die relevanten Werttreiber und Frühindikatoren zu identifizieren.

Besonders in volatilen Krisenzeiten wie der Corona-Pandemie wird die Frühwarnkompetenz von datengetriebenem Forecasting stark geschätzt, zum Beispiel um Abnahme-Engpässe und volle Lager zu vermeiden – aber auch im industriellen Umfeld, wenn es etwa um vorausschauende Wartung geht. Kennen Sie Beispiele von Unternehmen, die hier besonders stark aufgestellt sind?

Roland Werner: Alle Unternehmen, die in volatilen Bereichen ohne lange Vertragslaufzeiten und Preisbindungen arbeiten, sind natürlich daran interessiert – gerade mit Blick auf den Wettbewerb – diese Volatilität irgendwie in den Griff zu bekommen. Das können zum Beispiel Unternehmen aus dem klassischen Handel oder auch Automotive sein. Mit vielen solcher, häufig DAX-gelisteten, Unternehmen haben wir im eben skizzierten Bereich die meisten Pilotprojekte gestartet und machen hier sehr gute Erfahrungen – die Vorhersagegenauigkeit liegt in der Regel bei über 90 Prozent. 

Die Corona- oder auch die Finanzkrise sind gute Beispiele: In dem Moment, wo so etwas Unvorhergesehenes eintritt, sind viele Planungen dahin. Dann kommen fast jeden Tag neue Informationen, die es zu berücksichtigen gilt. Hier haben wir beobachtet, dass unsere Algorithmen diese Veränderungen extrem gut abbilden können und sich schnell an den Schock anpassen. 

Digitale Technologien werden im Unternehmen nicht immer mit offenen Armen empfangen, einige Menschen haben „Berührungsängste“. Wie wichtig ist es, die Mitarbeitenden auf den digitalen Wandel mitzunehmen? Wie gehen Pionier-Unternehmen in diesem Bereich vor?

Roland Werner: Einerseits ist es eine große Chance: Durch die Automatisierung manueller Prozesse werden in vielen Unternehmensbereichen menschliche Kapazitäten für höhere, anspruchsvollere Tätigkeiten frei. Die Mitarbeitenden erklimmen dann ganz automatisch ein höheres Niveau: Statt die Reports zu erstellen, nutzen sie genau diese Reports, um eine bessere Unternehmensentscheidung zu ermöglichen. Dabei müssen natürlich die Mitarbeitenden mitgenommen und entsprechend weitergebildet werden. Auch müssen die Kapazitäten in der Praxis geschaffen werden, damit Doppelbelastungen vermieden werden. 

Denn natürlich wird mit der wachsenden Digitalisierung und Automatisierung ein anderes Daten- und Analyseverständnis in der Mitarbeiterschaft gefordert, das zunächst etabliert werden muss. Viele Hochschulen gehen darauf zum Glück schon ganz bewusst ein und fördern die Kompetenzen der Studierenden in Bereichen wie Data Science und Statistik vermehrt.

Traditionell beobachten wir, dass es gerade Unternehmen, die zuvor schon etwa an der Kundenschnittstelle stark technologisiert waren, leichter fällt, sich auch in den Finanzbereichen entsprechend aufzustellen. Ein gutes Beispiel dafür ist der E-Commerce. 

Andere Unternehmen haben sehr gute Erfahrungen gemacht, indem sie den bereichsübergreifenden Austausch und die Kooperation mit der eigenen IT gefördert haben. Gerade mit Blick auf den Fachkräftemangel ist dieser interdisziplinäre Austausch und die Förderung von Daten- und Analyseverständnis unheimlich wichtig – und für eine Zukunft, die von Daten und ihrer automatisierten Auswertung getrieben ist, unverzichtbar.

Denn sicher ist: Technologie und Systeme sind Enabler, müssen aber sauber in Prozesse integriert werden und von der Mitarbeiterschaft gelebt werden, damit der Wandel funktioniert

Herzlichen Dank für das Gespräch!