Machine Learning – Algo­rithmen als Zukunft der Unternehmensplanung?

Die verovis GmbH hat eine Projekt­studie mit der TU München durch­ge­führt, um den Einsatz von Machine Learning in der Unter­neh­mens­planung zu evalu­ieren. Welche Schwach­stellen der Einsatz künst­licher Intel­ligenz lösen kann und welche Methoden in Frage kommen, erklären die Projekt­stu­die­renden von TUM und verovis.

 

Komplexe Anfor­de­rungen an Unter­neh­mens­planung und Controlling

Globa­li­sierung, Digi­ta­li­sierung, soziale und geogra­fische Mobilität – die Schnell­le­bigkeit der Märkte ist ein Weckruf, der tradi­tio­nelle Konzepte überholt und rigide erscheinen lässt, entworfen für stabilere Zeiten. Direkt betroffen von dieser Schnell­le­bigkeit ist die Person des Controllers, dessen Aufga­benfeld sich mit einer wach­senden Nähe zum Management stetig erweitert. Technisch-analy­­tische Fähig­keiten alleine reichen inzwi­schen meist nicht mehr zur erfolg­reichen Unter­neh­mens­steuerung aus. Statt­dessen zählt nun ein intui­tives Verständnis des Marktes, der Kunden und der Wett­be­werber zu den essen­ti­ellen Anfor­de­rungen. Es wird nach Lösungen verlangt, die das Können eines einzelnen Menschen übersteigen.

Ein deut­liches Indiz des Refor­mie­rungs­be­darfs liegt in der fort­be­stehenden Inef­fi­zienz der Planungs­pro­zesse, die als lang­wierig, unbeliebt und aufwendig gelten. Eine  veraltete Planungs-Praxis fabri­ziert in vielen Fällen einen Zeit- und Perso­nal­aufwand, der in keiner betriebs­wirt­schaftlich vertret­baren Relation zum Output und dessen Qualität steht. Das „Insel­prinzip“ mit isolierter Betrachtung der einzelnen Planungs­ele­mente ist weit verbreitet. Dieser Makel des Planungs­systems ist histo­risch begründet, begonnen mit der Einführung der ERP-Systeme vor rund vier Jahr­zehnten. Zwar fand die SAP damals eine Antwort auf das akute Bedürfnis nach einer syste­ma­ti­schen Moder­ni­sierung – jedoch nur auf Trans­ak­ti­ons­ebene. Auf Basis der Tabel­len­kal­ku­lation als stan­dar­di­siertem Hilfs­mittel begann auf der Planungs­ebene aber gleich­zeitig eine Phase unstruk­tu­rierter Entwürfe diverser Konzepte. Das Resultat ist heute ein Planungs­standard, welcher in der Unter­neh­mens­praxis meist aus einem Mix von Eigen­krea­tionen besteht, verbunden mit ERP-Systemen und ange­stöp­selter Planungssoftware.

Wendet man sich heute an den Markt, findet man einen Fächer an Software Lösungen, die auf buch­hal­te­ri­scher Ebene verschiedene Teilpläne inte­grieren können. Diese Lösungen haben ihre Stärke im Daten­kon­so­li­die­rungs­prozess und in der Möglichkeit, Plan­zahlen auf unter­schied­liche Weise und an unter­schied­lichen Stellen visua­li­sierbar und abstimmbar zu machen. Aller­dings steht dem gegenüber, dass in einer Welt von agilen Methoden und Design Thinking inte­grierte Planungs­lö­sungen oft über­fordert sind. Der Bedarf geht nun in Richtung von mehr Schnel­ligkeit und Flexi­bi­lität. Alter­native Ansätze wie die trei­ber­ba­sierte oder szena­rio­ba­sierte stra­te­gische Planung sind zwar nennenswert, jedoch ist eine voll­au­to­ma­ti­sierte Lösung als über­ge­ord­netes Ziel zu erstreben.

Entwick­lungs­po­ten­ziale der Unternehmensplanung

Die nächste Evolu­ti­ons­stufe der Planungs­me­thoden liegt im Bereich des maschi­nellen Lernens (machine learning). Es gilt ein lern­fä­higes System zu entwi­ckeln, das auf Basis von intel­li­genter Muster­er­kennung und statis­ti­scher Analy­se­me­thoden hoch­wertige Prognosen erstellen kann. Prognosen, die nicht nur in mensch­licher Intuition begründet liegen, sondern sachlich-fundiert sind und flexibel auf verschiedene Szenarien Bezug nehmen können. Das System würde eine prägnante Entschei­dungs­grundlage für Manager darstellen, die der volatilen Umwelt gewappnet entge­gen­treten könnten. Manage­men­tent­schei­dungen werden dadurch nicht obsolet. Der große Vorteil dieser Methoden liegt aller­dings in dem sehr hohen Auto­ma­ti­sie­rungsgrad. Mensch­liche Inter­ak­tionen in der Daten­ent­wicklung, Daten­be­reit­stellung und Daten­auf­be­reitung fallen zum Großteil weg. Controlling und Management können sich mit ihrer verfüg­baren Zeit endlich auf die wesent­lichen Fragen der Geschäfts­ent­wicklung konzentrieren.

Um in der Unter­neh­mens­planung den Einsatz künst­licher Intel­ligenz zu evalu­ieren, hat die verovis GmbH eine Projekt­studie mit der TU München durch­ge­führt. In dieser Studie sind  verschiedene Algo­rithmen auf ihre Güte bei der trei­ber­ba­sierten Planung unter­sucht worden. Die Abschluss­ergeb­nisse hierzu werden Bestandteil des dritten Fach­bei­trags zum Thema auto­ma­ti­sierte Planung.

 

Zum ersten Blog­beitrag der Projekt­studie: Einsatz­po­tenzial von Robotik in der Unter­neh­mens­planung – Geschichte und Einführung

 

Weiter News
  • Inte­grierte Finanzplanung

    Von Nils Conrads

  • Fore­casting 2030

    Von Christian Baumgarten

  • Perso­nal­kos­ten­planung mit CCH Tagetik

    Von Johannes Markmann