Content

Hans-Georg Kemper, Henning Baars, Heiner Lasi, 7. Kapitel: Business Intelligence – Entscheidungsunterstützung für Management und Controlling im Lauf der Zeit in:

Ronald Gleich, Reinhold Mayer, Klaus Möller, Mischa Seiter (Ed.)

Controlling - Relevance lost?, page 121 - 137

Perspektiven für ein zukunftsfähiges Controlling

1. Edition 2012, ISBN print: 978-3-8006-3942-7, ISBN online: 978-3-8006-3943-4, https://doi.org/10.15358/9783800639434_121

Bibliographic information
Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 117 7. Kapitel: Business Intelligence – Entscheidungsunterstützung für Management und Controlling im Lauf der Zeit Prof. Dr. Hans-Georg Kemper, Dr. Henning Baars und Dr. Heiner Lasi 1. Business Intelligence – Vom Total MIS Approach zum unternehmens spezifischen BI Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 1.1 Die frühen Ansätze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 1.2 Business Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 2. Entwicklungen auf der Schicht der Datenbereitstellung . . . . . . . . . . . . . . . . . . . 122 2.1 Datenquellen im Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 2.2 Einbindung von externen Quellen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 3. Entwicklungen auf der Schicht der Informationsgenerierung und distribution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 3.1 Neue Analysewerkzeuge und Analysefunktionen . . . . . . . . . . . . . . . . . . . . 125 3.2 Data-Warehouse-Appliances und In-Memory-Business-Intelligence . . . . 126 3.3 BI in the Cloud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 4. Entwicklungen auf der Schicht des Informationszugriffs . . . . . . . . . . . . . . . . . . 128 4.1 Rich-Internet-Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 4.2 Mobile-BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 4.3 Mashup-Ansätze für die Informationsbereitstellung . . . . . . . . . . . . . . . . . . 129 5. Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 1. Business Intelligence – Vom Total MIS Approach zum unternehmens spezifischen BI Ansatz 1.1 Die frühen Ansätze Seit Ausbreitung der kommerziellen Datenverarbeitung in den 60er Jahren des letzten Jahrhunderts ist man in Wissenschaft und Praxis bemüht, das Management des Unternehmens durch den Einsatz geeigneter Informations- und Kommunikationssysteme zu unterstützen. So entwickelten sich vor dem Hintergrund primär mechanistischer, formalwissenschaftlich orientierter Wissenschaftsauffassungen und häufig stabiler, regionaler Verkäufermärkte erste IT-basierte Unterstützungsansätze. Die damaligen Konzepte – die rückblickend auch als „Total System Approach“ oder als „Total Integrierte Management Information Systems“ (MIS) bezeichnet wurden – sollten das gesamte Unternehmen informationstechnisch abbilden und darüber hinaus Kontrollund Steuerungsfunktionen weitestgehend automatisieren. Diese Systeme scheiterten allerdings sehr schnell und wurden von Ackhoff bereits 1967 provokant als „Manage- Teil 1: Konzeptionelle Perspektiven 7. Kapitel: Business Intelligence Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 118 118 Teil 1: Konzeptionelle Perspektiven ment Misinformation Systems“ bezeichnet. Zu verstehen sind diese Ansätze aus heutiger Sicht lediglich vor dem Hintergrund der damalig ausgeprägten Illusion, Unternehmen primär mit exakten Methoden und Verfahren erfolgreich steuern zu können. Damalige Erkenntnisse des Operations Research und der Kybernetik sowie ein – auch heute noch häufig anzutreffender – naiv anmutender Technikglaube unterstützten diese Einstellungen. Sie förderten nicht selten den Irrglauben, dass lediglich die damaligen technischen Restriktionen – also insbesondere das Fehlen der Dialogtechnik, die Nichtverfügbarkeit leistungsfähiger Datenbanksysteme und der Mangel an performanten Computeranlagen – das Scheitern der umfassenden Ansätze bewirkt hätte. Etwa zeitgleich mit der Etablierung leistungsfähiger Controllingansätze in den 70er Jahren des letzten Jahrhunderts1 änderten sich jedoch auch die IT-Systeme, die diesen Komplex unterstützten. So stellte Zani bereits Anfang der 70er Jahre ein Entwicklungsmodell für MIS vor, das von den Erfolgsfaktoren des Unternehmens ausging und insbesondere die Informationsbedürfnisse der Manager in den Mittelpunkt rückte (vgl. Zani 1970). Mit diesen Veränderungen erhielt die Diskussion um Management Information Systems grundlegend neue Impulse, die durchaus als fundamentale Neuorientierung der Managementunterstützung bezeichnet werden können (vgl. Oppelt 1995). Waren MIS bis dahin als umfassende Systeme sowohl für die Informationsversorgung als auch für die Steuerung, Kontrolle und Planung bestimmt, so unterschied man Anfang der 70er Jahre die zu unterstützenden Aufgaben nach ihren Einsatzebenen sowie ihrem Strukturierungsgrad und ordnete sie verschiedenen Sub-Systemen der Managementunterstützung zu. Unterschieden wurden zu dieser Zeit die berichtsorientierten, auf betriebliche Teilaspekte – also Funktionen oder Organisationseinheiten – ausgerichteten partiellen MIS und die Decision Support Systems (DSS). Die Systemkategorie der DSS – im Deutschen auch als Entscheidungsunterstützungssystem (EUS) bezeichnet – lässt sich auf Forschungen der Sloan School of Management des Massachusetts Institute of Technology (MIT) zurückführen. In diesem Zusammenhang ist vor allem auf frühe Arbeiten von Gorry und Scott Morton (1971) hinzuweisen, welche die DSS- Einsatzfelder konkretisierten und die Basis zur Abgrenzung der DSS als modell-/ methodenorientierte Systeme mit ausgeprägter algorithmischer Orientierung schufen. Weitere Impulse der IT-basierten Managementunterstützung lieferten die Einführung der PC-Technologie zu Beginn der 80er Jahre und die damit einhergehende Durchdringung der dezentralen Arbeitsplätze mit Systemen der Bürokommunikation und des Workgroup Computing. Diesen Entwicklungen trug Scott Morton Rechnung, indem er im Jahre 1983 alle Sub-Systeme zur Unterstützung der Führungskräfte unter dem Oberbegriff „Management Support Systems (MSS)“ zusammenfasste und MSS definierte als „the use of computers and related information technologies to support managers“. Somit beschränkte sich Scott Morton bereits vor ca. 30 Jahren nicht auf den Einsatz von isolierten Rechnern, sondern konstatierte „for example, teleconferencing, electronic data bases, and graphic workstations are all information technologies that are potentially useful for MSS“ (Scott Morton 1983). Im Verlauf der 80er Jahre verbesserte sich aufgrund technischer Entwicklungen die Bedienung der Systeme erheblich. Steuerung per Maus, farbige Darstellungen und höhere 1 Der erste Controllinglehrstuhl in Deutschland wurde von Péter Horváth im Jahre 1973 an der TH-Darmstadt implementiert. (Binder/Schäffer 2005). Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 119 7. Kapitel: Business Intelligence 119 Bildschirmauflösungen sowie endbenutzertaugliche Frontends ermöglichten erstmals im großen Umfang die eigenständige Entwicklung von entscheidungsunterstützenden Systemen in den Fachbereichen. Individuelle Datenverarbeitung (IDV) verbreitete sich schnell in den Unternehmen und auch das Top Management sollte nicht länger von der direkten IT-Nutzung ausgeschlossen sein. Erste Lösungen wurden als „Executive Information Systems (EIS)“ – im deutschen Sprachraum auch als „Führungsinformationssysteme (FIS)“– bezeichnet und für die oberen Führungskräfte aufgebaut. Ein erfolgreicher Einsatz dieser Systeme war jedoch nicht in allen Fällen gegeben. Die Ursachen hierfür waren vielfältiger Natur und reichten von fehlender organisatorischer Implementierung der Systeme bis hin zum mängelbehafteten Projektmanagement (Kemper 1999). Allerdings dominierten insbesondere zwei Gründe für das häufige Scheitern des Systemeinsatzes, und zwar die geringe IT-Befähigung der oberen Führungskräfte sowie die mangelhafte Qualität des zugrundeliegenden Datenmaterials. Der erste Punkt wurde sehr anschaulich in einem im Jahre 1990 erschienenen Buch von Müller-Böling und Ramme mit dem provokanten Titel „Informations- und Kommunikationstechniken für Führungskräfte – Top-Manager zwischen Technikeuphorie und Tastaturphobie“ beschrieben. Während dieses Problem sich im Verlauf der Zeit durch zunehmende IT-Durchdringung – insbesondere auf Grund der kommerziellen und privaten Internetnutzung ab dem Jahre 1993 – weitestgehend von allein löste, konnte der Verbesserung der Datenqualität lediglich mit Hilfe neuer Ansätze und technischen Lösungen begegnet werden. Das Konzept eines Data Warehouse (DWH) sollte in diesem Problembereich Abhilfe schaffen. W.H. Inmon – einer der DWH-Protagonisten – definierte im Jahre 1991 ein Data Warehouse als ein eigenständiges, von den operativen Daten getrenntes Datenhaltungssystem für den dispositiven Bereich eines Unternehmens, in dem Daten themenorientiert gruppiert, dauerhaft und historienbildend abgelegt werden und das aus Benutzersicht ein in sich geschlossenes, integriertes Ganzes darstellt (Inmon 2005). Mit dem Aufkommen der Data-Warehouse-Ansätze und der Erweiterung des ursprünglichen Konzepts um kleinere und abgegrenzte dispositive Datenhaltungen – sog. Data Marts – etablierten sich vor allem zwei weitere Systemklassen, die OLAP (On- Line Analytical Processing)- und die Data-Mining-Systeme. OLAP-Systeme erlauben die interaktive Recherche in mehrdimensionalen Datenräumen, die sich aus Fakten (z. B. Umsatz, Deckungsbeitrag), Dimensionen (z. B. Zeit, Produkt, Lokation) und Hierarchien (für die Dimension Zeit z. B. Monat, Quartal, Jahr, Gesamt) zusammensetzen. Data-Mining-Systeme sind datenmusterkennende Systeme, die auf der Basis statistischer Verfahren Informationen aus den betriebswirtschaftlich harmonisierten Daten des Data Warehouse generieren. All diese Systeme existieren auch heute noch in der betrieblichen Praxis und werden erfolgreich im Management und im Controlling eingesetzt. In der wissenschaftlichen Szene wurden sie bis vor kurzem üblicherweise unter dem von Scott Morton geprägten Begriff „Management Support Systems“ zusammengefasst. Erst in neuerer Zeit hat sich der Term „Business Intelligence“ (BI) etabliert. Seine heutige Bedeutung geht weit über eine lose begriffliche Zusammenfassung der diversen managementunterstützenden Systeme hinaus. Vielmehr stellt BI ein integriertes, organisationsspezifisches Gesamtkonzept der betrieblichen Entscheidungsunterstützung dar, das in der heutigen Zeit für ein leistungsfähiges Controlling von Unternehmen in globalen und Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 120 120 Teil 1: Konzeptionelle Perspektiven komplexen Wettbewerbsstrukturen zwingend erforderlich ist. Die Abb. 1-1 veranschaulicht die etablierten Sub-Systeme der Managementunterstützung und ordnet sie in den zeitlichen Kontext ein. Sie werden dann im folgenden Abschnitt mit Hilfe eines Rahmenkonzepts in einen Zusammenhang gebracht. Der Rest des Beitrags widmet sich ausgewählten neueren Entwicklungen in der BI. Es wird dabei jeweils diskutiert, welche Rolle diesen Entwicklungen angesichts veränderter Rahmenbedingungen für Management und Controlling beigemessen werden kann. 1.2 Business Intelligence Der Begriff „Business Intelligence“ ist im Praxisumfeld entstanden und maßgeblich durch Veröffentlichungen der Gartner Group aus dem Jahre 1996 beeinflusst, die den Term BI jedoch zunächst eher marketingorientiert als Sammelbezeichnung für den Gesamtkomplex der IT-basierten Managementunterstützung verwendeten (vgl. Anandarajan/Anandarajan 2004). In jüngerer Zeit hat dieser sich auch in der wissenschaftlichen Community flächendeckend etabliert. So wurde beispielsweise im Jahr 2011 die Fachgruppe „Management Support Systems“ der Gesellschaft für Informatik in „Business Intelligence“ umbenannt (vgl. Baars 2011), wobei vor allem die zunehmende Integration der Systeme, die organisatorische Implementierung unternehmensspezifischer BI-Ansätze, die Ausweitung des Anwendungsfelds der BI und die Ausrichtung sämtlicher BI-Aktivitäten an den strategischen Zielen des Unternehmens („BI Governance“) im Mittelpunkt des wissenschaftlichen Interesses stehen. Die Abb. 1-2 zeigt ein gängiges Rahmenkonzept moderner BI-Infrastrukturen. Externe und operative Systeme werden bei diesem BI-Ansatz als Quellsysteme genutzt. Relevante Daten werden dabei mit Hilfe von Extraktions-, Transformations- und Ladeprozessen (ETL-Prozesse) in die Datenbereitstellungschicht überführt. Gängige Quellsysteme kommen dabei aus den Bereichen Supply Chain Management (SCM), Batch-Orientierung Datenbanken Dialogtechniken PC IDV-Werkzeuge Netze Internet Systemintegration Service-Orientierung IuK-Technologie Information als entscheidungsrelevantes Wissen Information als strategische Ressource Information als der Schlüsselfaktor für den Unternehmenserfolg Informationsverständnis stabile, regionale Verkäufermärkte Käufermärkte und differenzierte Kundenwünsche Internationalisierung und Globalisierung Markt- und Wettbewerbsumfeld 1960 1970 1980 1990 2000 total integrierte MIS Data Mining partielle MIS DSS / Entscheidungsunterstützungssysteme Executive Information Systems Data Warehouse OLAP heute Business Intelligence (BI) Bürokommunikation / Workgroup Computing Management Support Systems Management Information Systems BI Governance als organisatorische BI- Einbindung, prozessuale Gestaltung und Steuerung des gesamten BI- Kontextes zur konsequenten Ausrichtung des BI-Konzeptes an der Gesamtstrategie des Unternehmens. Abb. 1-1 : IT-basierte Managementunterstützung – Entwicklungslinien Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 121 7. Kapitel: Business Intelligence 121 eProcurement, Enterprise Resource Planning (ERP) oder Customer Relationship Management (CRM) (vgl. Kemper et al. 2010). Die Datenbereitstellungschicht beinhaltet nach einem erfolgreichen Durchlauf der ETL-Prozesse konsistente, stimmige Daten, wobei zwischen strukturierten und unstrukturierten Daten unterschieden wird. Strukturierte Daten werden in aller Regel auf Basis so genannter „Data-Warehouse- Konzepte“ abgelegt. Hierbei kommen meist ein sog. Core Data Warehouse (C-DWH) und kleinere, aus dem C-DWH extrahierte Data Marts zum Einsatz. Diese führende Architekturvariante, die auch häufig als „Hub-and-Spoke-Architektur“ bezeichnet wird, hält somit die strukturierten dispositiven Daten eines (Teil-)Unternehmens vor, wobei diese integriert, themenorientiert, meist vorverdichtet und historienbildend gespeichert werden. Vermehrt wird einem C-DWH mittlerweile ein sog. Operational Datastore (ODS) vorgeschaltet. Dieser enthält – wie das DWH – themenorientierte Daten operativer Vorsysteme. Jedoch werden die Daten meist in der gleichen Detaillierung wie die Transaktionsdaten abgelegt und nicht (längerfristig) historisiert (Inmon 1999). Ihr Einsatzgebiet liegt meist nicht in der Unterstützung des Top Managements, sondern in der harmonisierten Darstellung operativer Prozessabläufe, die ansonsten wegen der gewachsenen operativen IT-Systemlandschaften nicht abbildbar und somit auch nicht einem prozessorientierten Controlling unterziehbar wären. Die unstrukturierten Daten werden in „Content- und Document Management Systems“ vorgehalten, wobei in Content Management Systems (CMS) Informationsobjekte unter konsequenter Trennung von Inhalt, Layout und Struktur abgelegt werden; Business Intelligence (BI) M et ad at en Data Mart Core Data Warehouse Operational Data Store Analysesysteme Informationsdistribution BI-Portal Content & Document Mgmt. Externe und operative Systeme mit strukturierten und unstrukturierten Daten Externe Daten Datenbereitstellung Informationsgenerierung/ -distribution Informationszugriff Sy st em in te gr at io n E-Proc.SCM ERP CRM CAx PPS MES PDM/PLM … … ETL Abb. 1-2 : Business Intelligence – Ein Rahmenkonzept (Kemper et al. 2010) Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 122 122 Teil 1: Konzeptionelle Perspektiven unter Document Management Systems (DMS) hingegen werden meist Systeme verstanden, die unstrukturierte, digitalisierte (eingescannte) Dokumente bereitstellen und über Funktionen zu deren Archivierung, Verschlagwortung, Versionierung und Visualisierung verfügen. Die Generierung von Informationen erfolgt in der mittleren Schicht des BI-Rahmenkonzeptes. Hier kommen sämtliche in Abb. 1-2 definierten Reporting- und Analysesysteme zum Einsatz, die sich jedoch – in Abgrenzung zu früheren Ansätzen – allesamt des harmonisierten Datenmaterials der Datenbereitstellungsschicht (Schicht 1 des Rahmenkonzepts) bedienen. Eine bewusste Verbindung des BI-Ansatzes mit dem betrieblichen Knowledge Management erfolgt durch die Systeme der Informationsdistribution. Auf diese Weise wird zum einen sichergestellt, dass das im BI-Kontext erzeugte, digital speicherungsfähige Wissen archiviert wird und bei Bedarf anderen Entscheidungsträgern des Unternehmens zur Verfügung gestellt werden kann. Zum anderen können mit Hilfe dieser Systeme bereits abgelegte qualitative Inhalte in BI-Analysen einbezogen werden, die zusätzliche Informationen zur Interpretation der Analyseergebnisse liefern können. Die obere Schicht des BI-Rahmenkonzepts bildet die Benutzerschnittstelle. Hier wird sichergestellt, dass die BI-Benutzer sämtliche steuerungsrelevanten Informationen komfortabel abrufen können. Moderne Zugangssysteme – häufig als (BI-)Portale bezeichnet – weisen in diesem Zusammenhang Qualitätsmerkmale wie einmalige Anmeldeprozeduren (Single-Sign-On-Prinzipien), individuelle Personalisierungsmöglichkeiten der Oberflächen oder die Administration rollenkonformer Berechtigungskonzepte auf. Grundsätzlich dienen derart strukturierte Business-Intelligence-Ansätze dazu, einerseits den Informationsbedarf unterschiedlicher Manager- und Controllergruppen im Unternehmen zu befriedigen und andererseits eine integrierte, konsistente und strategisch ausgerichtete Entscheidungsunterstützung zu gewährleisten. Die Herausforderung, diesen Ansprüchen gleichermaßen gerecht zu werden, ist in den letzten Jahren erheblich größer geworden. Als Komplexitätstreiber hervorzuheben sind insbesondere die zunehmende Dynamik globalisierter und digitalisierter Wertschöpfungsketten sowie die zunehmend volatilen Unternehmenskonfigurationen (z. B. aufgrund von „Mergers and Acquisitions”). Die Vision ist es, für eine agile Unternehmenssteuerung eine ebenso agile BI-Struktur bereitzustellen. Dies setzt ein integriertes, leistungsfähiges und flexibles IT-Instrumentarium voraus (Zimmer et al. 2012). Im Folgenden werden vor diesem Hintergrund ausgewählte aktuelle Entwicklungen auf den verschiedenen Schichten des Rahmenkonzeptes diskutiert. 2. Entwicklungen auf der Schicht der Datenbereitstellung Eine wesentliche Anforderung an Business-Intelligence-Ansätze ist, auch umfassende Managementkonzepte, wie z. B. die Balanced Scorecard, effizient mit Kennzahlen zu versorgen. Hierfür müssen oftmals auch diverse nichtmonetäre Daten bereitgestellt werden. Beispielsweise erfordert die Berücksichtigung der Kundenperspektive die Extraktion und Aufbereitung von Daten aus kundenorientierten Anwendungssystemen (sog. Customer Relationship Management- bzw. CRM-Systemen). Auch die auf Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 123 7. Kapitel: Business Intelligence 123 der Controlling-Forschung basierende Etablierung nichtmonetärer Kennzahlen in der Produktentstehung, z. B. Kennzahlen zur Messung der Innovativität oder der technischen Entwicklungsleistung, erfordern eine Erweiterung der Informationsversorgung (vgl. Picot 1990; Stirzel 2010). Hierbei ist zu festzuhalten, dass die relevanten Daten oftmals nicht mehr nur aus der Sphäre betriebswirtschaftlicher Systeme stammen, sondern zunehmend Quellen relevant werden, die anderen Domänen zuzuordnen sind, z. B. den Ingenieursdisziplinen. Dies geht einher mit einer Ausweitung der BI auf die Unterstützung mittlerer und unterer Managementebenen, da diese ebenfalls mit konsistenten, harmonisierten und strategieorientierten Informationen versorgt werden müssen, etwa im Kontext von Produktion und Logistik (vgl. Koch et al. 2011). Die entsprechenden Ansätze werden unter der Überschrift „Operational BI“ diskutiert (vgl. Gluchowski 2009). Für die Datenbereitstellung bedeutet dies, dass zunehmend feingranulare und aktuellere Daten benötigt werden. Diesen Entwicklungen kommen neue Optionen auf Seiten der Datenbereitstellung entgegen. Diese betreffen die Datenquellen im Unternehmen sowie die Einbindung von externen Quellen (z. B. des Internets). 2.1 Datenquellen im Unternehmen In den Anfangszeiten der Computerunterstützung wurden primär einzelne Funktionen wie z. B. die Personalbuchhaltung durch isolierte und vielfach selbsterstellte Softwareanwendungen unterstützt. Im Zusammenspiel mit streng funktionalen Organisationsstrukturen sind aus diesem Grund zunächst stark heterogene Systemlandschaften entstanden (vgl. Mertens 2005). Diese wurden später zunehmend durch integrierte Standardsoftwarelösungen (z. B. ERP-Systeme) abgelöst. Allerdings wurde hiermit die erhoffte vollständige Integration auf der Datenebene zumeist nicht erreicht. Stattdessen sind oftmals zusätzliche Informationssysteme eingeführt worden, mit denen jeweils eine partielle Integration für einzelne Geschäftsprozesse (bzw. Teile davon) angestrebt wurde (vgl. Lasi/Kemper 2011). Ein Beispiel sind die bereits erwähnten CRM-Systeme, die zur Unterstützung und Automatisierung von Marketing- und Vertriebsprozessen eingesetzt werden und heute in ganzheitlichen BI-Ansätzen mitberücksichtigt werden müssen. Analoge Entwicklungen finden sich in den produktionsorientierten Unternehmensbereichen. Aktuell erfährt insbesondere der Einsatz von Manufacturing Execution Systemen (MES) zur integrierten Unterstützung und Optimierung der Produktion zunehmende Beachtung. Diese Systeme sind auch deshalb für eine umfassende Managementunterstützung interessant, weil sie eine umfassende und integrierte Erfassung von Prozessdaten unterstützen, u. a. durch die Anbindung funkgestützter Identifikationssysteme (Radio Frequency Identification – RFID) oder durch die Kopplung mit der Betriebs- und Maschinendatenerfassung (vgl. Koch et al. 2010). Ein weiteres Beispiel für die Verbreitung integrierter Ansätze auf Ebene der Datenquellen findet sich bei Konzepten, die eine vollständige Digitalisierung der gesamten Produkterstellung unter dem Dachbegriff der „Digitalen Fabrik“ fokussieren. Hierbei werden Anwendungssysteme für die Unterstützung der frühen Phasen des Innovationsprozesses zusammengeführt, etwa Computer Aided Manufacturing (CAM), Si- Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 124 124 Teil 1: Konzeptionelle Perspektiven mulationsanwendungen, Product-Data-Management (PDM) oder Product-Lifecycle- Management (PLM)-Systeme (vgl. Ophey 2005; Scheer et al. 2005). Die beschriebenen Aktivitäten in Produktion und Entwicklung laufen bislang jedoch gänzlich abgekoppelt von den Aktivitäten in den eher marktorientierten Unternehmensbereichen. Dies führt zu relevanten (Medien-)Brüchen in der Managementunterstützung. Der mit den jeweiligen Ansätzen verbundene höhere (partielle) Integrationsgrad, die verstärkte Digitalisierung sowie die zunehmende Automatisierung der Datenerfassung ermöglicht an sich jedoch eine deutlich umfassendere Management- und Controlling-Unterstützung, die insbesondere auch Produktentwicklungs- und Fertigungsprozesse industrieller Unternehmen mit einbezieht (vgl. Baars/ Lasi 2010). 2.2 Einbindung von externen Quellen Mit der Verbreitung von auf dem Internetprotokoll TCP/IP-basierenden IT-Infrastrukturen rückte seit Mitte der 1990er Jahre die Einbeziehung von Inhalten aus dem Internet in den Fokus von Entscheidungsträgern. Es wuchs die Nachfrage nach über das Internet zugänglichen Datenbankinhalten (z. B. Patentdatenbanken) oder Informationen aus dem Unternehmensumfeld (z. B. Finanzmarktdaten, Geschäftsberichte von Mitbewerbern oder Kundenbewertungen) (vgl. Heilmann et al. 2006). Weitere Datenquellen entstehen mit der Verbreitung sog. „Web-2.0“-Ansätze. Bei Web-2.0-Angeboten stammen die Inhalte primär von den Benutzern selbst. Beispiele sind Blogs (Web-Tagebücher), Mikro-Blogs (Blogs auf der Basis von Kurzmitteilungen) oder Social-Network-Sites (vgl. O‘Reilly 2005). Diese liefern insbesondere für das Marketing und die Produktenwicklung relevante Rohdaten. Die diskutierten Entwicklungslinien führen dazu, dass sowohl die Anbindungsbreite, d. h. die Anzahl an relevanten Quellsystemen, als auch die Anbindungstiefe, d. h. die Häufigkeit / Verkürzung der Extraktionszyklen in Verbindung mit der Extraktion feingranularer Daten, stark zunimmt. BI wird daher für eine umfassende Unterstützung von Controlling und Management aufgrund ihrer Integrationsfunktion wichtiger denn je. 3. Entwicklungen auf der Schicht der Informationsgenerierung und distribution Seit der Jahrtausendwende wurde das analytische Instrumentarium für Management und Controlling zunehmend ausgeweitet. Insbesondere sind spezielle Werkzeuge entstanden, die auf die Mustererkennung in Prozess- und Webdaten ausgerichtet sind und damit auf die Auswertung der in Abschnitt 2 diskutierten neuen Datenbestände. Die Kombination aus wachsender Komplexität der Algorithmik, höherer Anwendungsspezifität der Werkzeuge und stetig wachsendem Datenvolumen geht jedoch mit einer Reihe von Herausforderungen einher. Diese betreffen u. a. die Gewährleistung einer adäquaten Auswertungsperformance einerseits sowie den Umgang mit einem wechselnden und schwer vorhersehbaren Bedarf für Soft- und Hardwareressourcen andererseits. Gerade in Zeiten, in denen Management und Controlling „agil“ Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 125 7. Kapitel: Business Intelligence 125 auf Änderungen im Unternehmensumfeld reagieren müssen, sollten BI-Lösungen in Funktionalität und Leistungsfähigkeit flexibel anpassbar sein. Als technische Lösungsvorschläge dominieren hierfür in der aktuellen Diskussion v. a. zwei Ansätze: Erstens dedizierte Hard- und Softwarelösungen für die Datenanalyse sowie zweitens der Einsatz des „Cloud-Computing“, bei dem über das Internet Analysewerkzeuge oder funktionen als externe Services bezogen werden. Die angeführten Neuerungen der BI bei der Informationsgenerierung werden im Folgenden detailliert und hinsichtlich ihres Potentials für ein BI-gestütztes Controlling diskutiert. 3.1 Neue Analysewerkzeuge und Analysefunktionen Dem Controller steht ein kontinuierlich wachsender Satz an Verfahren zur Datenmustererkennung zur Verfügung, wobei diese oftmals auf spezielle Anwendungsbereiche ausgerichtet sind. Aufgrund ihrer statistisch-explorativen Ausrichtung tragen viele davon das Wort „Mining“ im Namen und werden teilweise auch als Komponenten umfangreicherer Data-Mining-Werkzeuge angeboten. Eine besondere Bedeutung hat die Untersuchung webbasierter Internetinhalte erlangt - das sogenannte „Web Mining“ (vgl. Bensberg/Schultz 2001). Daneben werden unter der Überschrift „Business Process Intelligence“ (BPI) Anwendungen zur Überwachung und Analyse von Prozessstrukturen diskutiert (vgl. Dayal et al. 2008; Marjanovic 2007), wofür insbesondere „Process-Mining“-Funktionen genutzt werden. Diese Verfahren profitieren nicht zuletzt von der Erhebung und Sammlung der in Abschnitt 2 vorgestellten nichtmonetären Daten zum Prozessgeschehen. Die Ansätze des Web Mining und BPI/Process Mining werden im Folgenden weiter vertieft. 3.1.1 Web-Mining Unter „Web-Mining“ wird eine Reihe unterschiedlicher Verfahren für die Analyse von Webinhalten zusammengefasst, wobei zwischen Web-Log-, Web-Content- und Web-Structure-Mining unterschieden wird (vgl. Bensberg/Schultz 2001). Das Web-Log-Mining zielt darauf ab, durch eine Aufbereitung von automatisch generierten Protokolldaten eines Web Servers (Web-Log-Files) Einblicke in das Verhalten von Web-Nutzern zu gewinnen (welche Seiten werden wie oft besucht, wie viele Nutzer besuchen das Angebot, welche Hyperlinks werden verfolgt usw.). Derartige Analysen sind sowohl Ausgangspunkt für eine Optimierung des Web-Auftritts als auch die Grundlage von Metriken für die Bepreisung von Werbeschaltungen. Das Web-Content-Mining dient der Untersuchung der eigentlichen Inhalte von Webseiten. Da hierbei zumeist Texte im Mittelpunkt stehen, handelt es sich üblicherweise um eine Variante des sog. Text-Mining (Data Mining mit Textinhalten). Die algorithmische Charakterisierung von Texten, deren Gruppierung und automatisierte Klassifikation können z. B. zur Exploration von Trends oder für die Identifizierung thematischer Schwerpunkte in Web-Diskussionen genutzt werden (vgl. Kemper/Baars 2008; Weiss et al. 2005). Neuere Verfahren zielen auch auf die Berücksichtigung des emotionalen Anteils derartiger Inhalte ab („Opinion Mining“) (vgl. Liu 2007) – etwa für die Untersuchung, ob positive oder negative Kommentare zu einem Produkt Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 126 126 Teil 1: Konzeptionelle Perspektiven überwiegen. Die Verfahren des Web-Content- bzw. Text-Mining werden auch bei der Analyse von „Web-2.0-Angeboten“ angewendet (vgl. Abschnitt 2.2). Beim Web-Structure-Mining wird schließlich die Verlinkung von Webinhalten untersucht. Auch dieser Ansatz ist im Zuge der Verbreitung von Web-2.0.-Angeboten stärker in den Fokus gerückt: Die wechselseitige Referenzierung von Angeboten, die gemeinsame Klassifikation von Inhalten mit „Tags“ sowie die Kommentierung von Inhalten durch die Benutzer liefern vielfältige Ansatzpunkte zur Analyse sozialer Strukturen, etwa bei der Identifikation von Meinungsführern, für die Abgrenzung von Kundengruppen oder zur Analyse der Homogenität von Benutzergruppen. Hierbei kommen Verfahren aus der Soziologie zum Einsatz, die unter der Überschrift „Social Network Analysis“ (SNA) diskutiert werden. SNA setzt mathematische Verfahren zur Charakterisierung von Netzwerkstrukturen ein. Hierfür werden Kennzahlen genutzt, die u. a. Zentralisierungs- und Verbundenheitsmaße angeben (vgl. Kaiser 2009; Warmbrodt/Hall 2008). 3.1.2 Business Process Intelligence Die zunehmend automatisierte Erfassung von Daten zum Prozessgeschehen sowie deren Berücksichtigung in der Datenhaltung (vgl. Abschnitt 2.1) liefert die Grundlage für neuere Ansätze zur Prozessüberwachung und zur Prozessanalyse. Durch die Sammlung und Verdichtung derartiger Daten können, über eine Überwachung der laufenden Prozessinstanzen hinaus (z. B. „Bearbeitung des Antrags von Kunden x“), Rückschlüsse auf die dahinter stehenden Prozessstrukturen gezogen werden (z. B. „der typische Ablauf einer Antragsbearbeitung“). Dieser Ansatz wird unter der Überschrift „Business Process Intelligence“ diskutiert (vgl. Dayal et al. 2008; Marjanovic 2007). Hierfür wurden seit der Jahrtausendwende spezifische Verfahren entwickelt. Teilweise werden hierfür bestehende Werkzeuge wie z. B. OLAP adaptiert (vgl. Baars/Sun 2008), teilweise werden auch gänzlich neue Analyseverfahren genutzt. Zu letzteren zählt vor allem das sogenannte „Process Mining“. Process-Mining-Verfahren verdichten einzelne Prozessablaufdaten zu generalisierten Prozessablaufmodellen, erlauben die Identifikation von Abweichungen von definierten Soll-Prozessmodellen oder reichern Prozessmodelle mit aus den Protokolldaten gewonnenen Kennzahlen an (vgl. Song/ van der Aalst 2008). 3.2 Data-Warehouse-Appliances und In-Memory-Business-Intelligence Eine Option, mit den oftmals sehr hohen Performanceanforderungen aktueller Reporting- und Analyselösungen umzugehen, ist der Einsatz spezialisierter und dedizierter Hard- und Softwarelösungen. Diese ergänzen ein Data Warehouse oder einen Data Mart und sind insbesondere auf High-End-Anforderungen bei der Datenabfrage ausgelegt. Sofern eine weitgehend für die jeweilige Anwendung vorkonfigurierte und optimierte Hardwarelösung zum Einsatz kommt, wird von einer „Appliance“ gesprochen (vgl. Hinshaw 2004). Obwohl hierdurch diverse technische Aufgaben insbesondere bei der Performancemaximierung reduziert werden, ist zu beachten, dass auch bei der Einbindung einer Appliance Integrations- und Konfigurationsaktivitäten erforderlich bleiben. Und selbstverständlich fallen auch die zentralen konzeptionellen Herausforderungen etwa bei der Datenharmonisierung, der Qualitätssicherung und der Kennzahlendefinition nicht weg – Aufgaben, in die aufgrund ihrer inhaltlichen Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 127 7. Kapitel: Business Intelligence 127 Ausrichtung auch die Fachabteilung (und damit insbes. auch das Controlling) aktiv eingebunden werden sollten. In „BI-Appliances“ bzw. „DWH-Appliances“ zum Einsatz kommende Technologien sind u. a. auch neuartige Ansätze zur Datenvorhaltung („Spaltenorientierte Datenbanken“), die mit einer besseren Ausnutzung schnellerer Speicherkomponenten (Hauptspeicher) kombiniert werden. Dieser unter der Überschrift „In-Memory-BI“ laufende Ansatz ist allerdings nicht auf Appliances beschränkt. Diverse Analysesoftwarewerkzeuge realisieren In-Memory-BI mit leistungsfähiger Standardhardware. Einige Autoren gehen aufgrund der diversen Vorteile spaltenorientierter In-Memory- Lösungen so weit, dass sie die Aufhebung zwischen operativen und dispositiven Systemen prophezeien (vgl. Plattner 2009). Bei derartigen Visionen werden bislang jedoch die grundsätzlichen inhaltlichen Unterschiede zwischen operativer und dispositiver Welt nur unzureichend adressiert. Den in 3.2 aufgeführten Ansätzen gemein sind ihre hohen Anforderungen an die zugrunde gelegte Hardware und damit eine hohe Investitionssumme. Diese kann bei einer größeren Anwendung und bei konstantem Bedarf, etwa im Reporting, gegebenenfalls gerechtfertigt werden. Bei eher sporadischer Nutzung, etwa für fallspezifische Data-Mining-Analysen im Projektcontrolling oder bei unternehmensübergreifenden Analyseaufgaben, wird ein anderer Ansatz interessant, der die Flexibilität der BI insgesamt zu steigern verspricht: Cloud Computing. 3.3 BI in the Cloud Kaum ein Schlagwort hat die IT-Berichterstattung in den letzten Jahren so dominiert wie das „Cloud Computing“. Verstanden wird darunter üblicherweise eine flexibel skalierbare Bereitstellung von Hard- und Softwareressourcen auf der Grundlage internetbasierter Services (vgl. Weinhardt et al. 2009). Dies umfasst eine technische Seite (bezüglich der skalierbaren Ressourcenbereitstellung) und eine betriebswirtschaftliche (das serviceorientierte und nutzungsorientiert abgerechnete Angebot durch einen spezialisierten Dienstleister). Letztlich handelt es sich bei Cloud Computing um eine Variante des IT-Outsourcings. Im Cloud-Computing werden verschiedene, aufeinander aufbauende Ansätze differenziert (Stanoevska-Slabeva/Wozniak 2010): • „Infrastructure-as-a-Service“ (IaaS) zielt auf die Bereitstellung von Rechen-, Speicher- oder Netzressourcen ab. • „Platform-as-a-Service“ (PaaS) bezeichnet ein standardisiertes Angebot von Entwicklungsumgebungen über das Internet. • „Software-as-a-Service“ (SaaS) adressiert die (üblicherweise webbasierte) Bereitstellung von Softwarelösungen oder -komponenten. Eine für die BI relevante Variante von SaaS ist „Data-as-a-Service“, also ein Vorhalten von Datenbanklösungen. In allen Fällen stellt ein Service-Anbieter die jeweiligen Leistungen in konfigurierbarer Form für eine gegebenenfalls größere Zahl von Kunden zur Verfügung. Mittlerweile findet sich am Markt bereits eine Reihe spezieller „BI-as-a-Service“- Angebote. Hierbei handelt es sich üblicherweise um SaaS-Lösungen für die Datenanalyse. Festzuhalten ist, dass derartige Werkzeuge zunächst für einzelne, abgegrenzte Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 128 128 Teil 1: Konzeptionelle Perspektiven Lösungen ohne besondere Anforderungen an Sicherheit, Verfügbarkeit oder Performance eingesetzt werden, da mit einer internetbasierten Dienstbereitstellung (allen Beteuerungen der Anbieter zum Trotz) diverse Risiken und Restriktionen verbunden werden (Baars/Kemper 2010; Baars/Kemper 2011). Das Potenzial einer in Umfang und Funktionalität dynamisch skalierbaren BI-Lösung ist dennoch nicht zu unterschätzen. In Zukunft könnte dies das Instrumentarium des Controllers erheblich bereichern und ihm die Option spontan nutzbarer Analysefunktionalität bieten (Baars/Kemper 2011) – was gerade angesichts des wachsenden Methodenbaukastens (s. a. Abschnitt 3.1) sowie der zunehmenden Vielfalt an strukturierten und unstrukturierten Datenquellen (vgl. Abschnitt 2) eine attraktive Perspektive darstellt. 4. Entwicklungen auf der Schicht des Informationszugriffs Die Schicht des Informationszugriffs wird derzeit maßgeblich durch den Wechsel zu webbasierten Analyse-Frontends transformiert, die eine Nutzung der diversen BI-Werkzeuge im Browser ermöglichen. Hierbei sind drei Trends hervorzuheben: Der Einsatz von Rich-Internet-Applications, die Unterstützung unterschiedlicher Endgeräte („Mobile BI“) sowie neue Ansätze zur Kombination von Inhalten mit „Mashup-Technologien“. 4.1 Rich-Internet-Applications Für die Benutzer im Controlling bringt der von den Werkzeugherstellern seit der Jahrtausendwende forcierte Wechsel zu webbasierten Systemen zunächst Vereinheitlichungen in der Bedienung und eine stabilere Anwendungsumgebung. Gleichzeitig jedoch waren mit derartigen Systemen lange Zeit auch Einschränkungen bei der Benutzerfreundlichkeit verbunden. Die Basis-Standards des World-Wide-Web (HTML, HTTP) sind auf eine statische Darstellung von seitenweise strukturierten Informationen ausgelegt. Interaktivität beschränkt sich auf das Verfolgen von Hyperlinks oder den Aufruf von Programmen des Webservers („Server-Side-Scripts“), was jedoch ebenfalls auf die Darstellung einer neuen Seite hinausläuft. Diesem Umstand wurde bereits früh mit Ansätzen für „Dynamisches HTML“ (oder „DHTML“) begegnet. Hierbei wurden Webseiten um Programmlogik angereichert, die in Form sogenannter „Skripte“ in die Webseiten eingebettet war. Als Skriptsprache hat sich Java Script durchgesetzt. Lange Zeit blieb dieser Ansatz jedoch auf wenige Erweiterungen in der Benutzerschnittstelle beschränkt, etwa dynamische Hervorhebungen von Schaltflächen oder kleineren Animationen. Die zunehmende Standardisierung der Skriptsprachen bzw. der zugrundeliegenden logischen Strukturen (Document Object Model, bzw. DOM) einerseits sowie die Abkehr der Seitenabruflogik und die Möglichkeit zum dynamischen Nachladen von Teilen der Webseite (XHR – XML http Request) haben jedoch dazu geführt, dass mittlerweile die Möglichkeit besteht, Webangebote zu erstellen, die sich in ihrem Look & Feel kaum noch von separat auf einem PC zu installierenden Lösungen unterscheiden. Diese unter der Überschrift „Ajax“ (Asynchronous Java Script and XML) bekannte Technologiekombination (vgl. Garrett 2005) wird auch als wesentlicher Wegbereiter der bereits in Abschnitt 2 angesprochenen Web-2.0-Angebote angesehen (vgl. Liu 2007). Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 129 7. Kapitel: Business Intelligence 129 Alternativen zu Ajax sind herstellerspezifische („proprietäre“) Ansätze. Verbreitet sind Adobe Flash/Flex/AIR, Microsoft Silverlight und Oracle JavaFX. Aufgrund der „reichhaltigeren“ Interaktionsmöglichkeiten wird bei entsprechenden Anwendungen auch von „Rich-Internet-Applications“ (RIA) gesprochen. Für die BI bieten RIA-Lösungen das Potenzial, flexible und hochgradig benutzerfreundliche Analyse- und Reporting-Frontends mit Webtechnologien bereitstellen zu können (vgl. Kemper et al. 2010; Baars et al. 2011). 4.2 Mobile-BI Aufgrund ihrer endgeräteübergreifenden Auslegung unterstützen RIA-Technologien einen weiteren vieldiskutierten Trend in der BI: Die Nutzung von Reportingfunktionalität mit mobilen Endgeräten wie Smartphones oder Tablet-PCs. Dies kommt v. a. mobilen Nutzern entgegen. So kann z. B. Top-Managern der Zugriff auf Analyseergebnisse und Reports ermöglicht werden, die zuvor im Controlling vorbereitet wurden (vgl. Baars et al. 2011; Bensberg 2008). 4.3 Mashup-Ansätze für die Informationsbereitstellung Ein weiterer Ansatz, der den Einsatz von Webtechnologien ermöglicht, ist die Verknüpfung von heterogenen Werkzeugen und Komponenten in einer integrierten Benutzeroberfläche mit Hilfe von „Mashup-Technologien“. Hierbei können unterschiedliche Datenquellen und Visualisierungskomponenten auf Ebene der Benutzeroberfläche kombiniert werden (vgl. Jhingran 2006). Für die BI bietet sich ein solcher Ansatz als Ergänzung oder Ersatz eines BI-Portals vor allem dann an, wenn eine besonders hohe Flexibilität in der Oberflächengestaltung erforderlich ist, lose integrierte Datenquellen im Benutzer-Frontend eingebunden werden sollen (etwa aus öffentlichen Quellen) oder externe Komponenten genutzt werden sollen, z. B. zur Visualisierung (vgl. Baars et al. 2011). Interessant wird ein solcher Ansatz nicht zuletzt auch in Kombination mit Cloud-Lösungen, wie sie in Abschnitt 3.3 vorgestellt wurden. 5. Diskussion Business-Intelligence-Infrastrukturen versorgen das Controlling mit aktuellen, unternehmensweit integrierten und qualitätsgesicherten Informationen über das Unternehmensgeschehen. Gleichzeitig bieten sie umfangreiche Werkzeuge für anspruchsvolle Analysen. In vielen Fällen ist die BI zu einem wesentlichen „Enabler“ komplexer Konzepte des Controllings geworden. Die vorgestellten Innovationen in der BI-Infrastruktur stellen sicher, dass die ITbasierte Controlling- und Managementunterstützung den geänderten Informationsbedarfen in Zeiten der Globalisierung und Digitalisierung noch in hinreichendem Maße gerecht wird. Wesentlich ist dabei das Zusammenspiel der Neuerungen auf den einzelnen Ebenen des Rahmenkonzepts (vgl. Abb. 5-1): Die Potenziale eines Ausbaus der Datenerfassung und -integration zur Erhöhung der Mächtigkeit der Controlling-Unterstützung werden erst dann voll ausgeschöpft, wenn gleichzeitig korrespondierende Analysekonzepte, etwa aus dem BPI oder dem Web-Mining, zum Zuge kommen. Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 130 130 Teil 1: Konzeptionelle Perspektiven Ebenso kann die Einbindung neuer Analysefunktionalität auf Basis von Konzepten des Cloud-Computing erst dann umfassend in die BI integriert werden, wenn diese auch auf der Ebene der Informationsbereitstellung mit bereits vorhandenen Funktionen und Inhalten verknüpft werden können – etwa über Mashup-Konzepte. Beide Ansätze, ebenso wie die zunehmende Unabhängigkeit vom PC als Endgerät, sorgen für eine Erhöhung der Dynamik der BI und damit letztlich zu einer agileren Controlling- Unterstützung – die im Umfeld turbulenter Märkte mehr denn je als Erfolgsfaktor zu werten ist. Über die Autoren: Prof. Dr. Hans-Georg Kemper ist Inhaber des Lehrstuhls für ABWL und Wirtschaftsinformatik 1 an der Universität Stuttgart. Dr. Henning Baars ist Akademischer Oberrat am Lehrstuhl für ABWL und Wirtschaftsinformatik 1 an der Universität Stuttgart. Dr. Heiner Lasi ist Akademischer Rat am Lehrstuhl für ABWL und Wirtschaftsinformatik 1 an der Universität Stuttgart. Literaturverzeichnis Ackhoff, R. L. (1967), Management Misinformation Systems, in: Management Science, Nr. 4, S. 147–156. Anandarajan, M./Anandarajan, A./Srinivasan, C.A. (2004), Business Intelligence Techniques, Berlin, Heidelberg. Baars, H. (2011), Umbenennung der GI-Fachgruppe „Management Support Systems“ (MSS) in „Business Intelligence“ – Positionspapier des Leitungsgremiums der GI-Fachgruppe Management Support Systems, URL: http://www.fg-mss.gi-ev. de/fileadmin/gliederungen/fg-mss/Dateien/GI_FG_BI_PositionspapierUmbenennung_2011.pdf, abgerufen am 24.10.2011. Baars, H./Burow, L./Kemper, H.G. (2011), Führungsinformationssysteme im Kontext der Business Intelligence – Das Beispiel des Systems bms:roi der Bayer Materi- Business Intelligence (BI) M et ad at en M et ad at en Data Mart Core Data Warehouse Operational Data Store Analysesysteme Informationsdistribution BI-Portal Content& Document Mgmt. Externe und operative Systeme mit strukturierten und unstrukturierten Daten Externe Daten Datenbereitstellung Informationsgenerierung/ -distribution Informationszugriff Sy st em in te gr at io n E-Proc.SCM ERP CRM CAx PPS MES … …PDM/PLM ETL Mashup-Konzepte für eine schnellere Verknüpfung unterschiedlicher Komponenten und Inhalte im Frontend Ad-hoc-Einbindung neuer Analysefunktionen und -Komponenten mit Cloud-Technologien Bereitstellung auf heterogenen Endgeräten („mobile BI“) Interaktive, aber standardisierte Benutzerschnittstellen auf RIA-Basis Einsatz neuer Analysemethoden Integration neuer Datenquellentypen Erweiterter Gegenstandsbereich der BI Dynamisierung der BI Unterstützung mächtigerer Controlling-Konzepte Unterstützung der Agilität des Controlling Abb. 5-1 : Trends in der Business-Intelligence Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 131 7. Kapitel: Business Intelligence 131 alScience, in: Reinheimer, S./Winter, R. (Hrsg.): HMD, Theorie und Praxis der Wirtschaftsinformatik, Heft 282, Dezember 2011. Baars, H./Kemper, H.-G. (2010), Business Intelligence in the Cloud?, in: Proceedings of the 14th Pacific Asia Conference on Information Systems (PACIS), July 9–12, Taipeh, S. 1529–1539. Baars, H./Kemper, H.-G. (2011), Ubiquitous Computing – an Application Domain for Business Intelligence in the Cloud?, in: Proceedings of the 17th Americas Conference on Information Systems (AMCIS), 04.08.-07.08.2011, Detroit. Baars, H./Lasi, H. (2010), Innovative Business-Intelligence-Anwendungen in Logistik und Produktion, in: Chamoni, P./Gluchowski, P. (Hrsg.), Analytische Informationssysteme. Business Intelligence-Technologien und -Anwendungen, 4. Auflage, S. 419–438. Baars, H./Sun, X. (2009), Multidimensional Analysis of RFID Data in Logistics, in: Proceedings of the 42. Hawaii International Conference on System Sciences (HICCS-42), Hawaii. Bensberg, F. (2008), Mobile Business Intelligence – Besonderheiten, Potentiale und prozessorientierte Gestaltung, in: Bauer, H.H., Dirks, T., Bryant, M.D. (Hrsg.), Erfolgsfaktoren des Mobile Marketing, Heidelberg und Berlin, S. 72–87. Bensberg, F./Schultz, M. B. (2001), Data Mining, in: WISU, 30. Jg., Nr. 5, S. 679–681. Binder, C./Schäffer, U. (2005), Controllinglehrstühle und ihre Inhaber – ein Überblick, in: Weber, J./Meyer, M. (Hrsg.): Internationalisierung des Controllings: Standortbestimmungen und Optionen, Wiesbaden, S. 11–28. Dayal, U./Hsu, M./Ladin, R. (2001), Business Process Coordination: State of the Art, Trends, and Open Issues, in: 27th International Conference on Very Large Data Bases (VLDB), Rom. Garrett, J.J. (2005), Ajax: A New Approach to Web Applications, auf den Seiten der Adaptive Path LLC (http://www.adaptivepath.com/), publiziert am 18.02.2005, URL: http://www.adaptivepath.com/ideas/essays/archives/000385.php, Zugriff am 21.10.2011. Gluchowski, P./Kemper, H.-G./Seufert, A. (2009), Innovative Prozess-Steuerung - Was ist neu an Operational BI?, in: BI-Spektrum, 4. Jg., Nr. 1, S. 8–12. Gorry, G. A./Scott Morton, M. S. (1071), A Framework for Management Information Systems, in: SMR, 13 Jg., Nr. 1, S. 55–70. Heilmann, H./Kemper, H.-G./Baars, H. (Hrsg., 2006), Business & Competitive Intelligence, HMD - Theorien und Praxis der Wirtschaftsinformatik, Heft 247, Heidelberg. Hinshaw, F. (2004), Data Warehouse Appliances – Driving the Business Intelligence Revolution, in: DMReview, September 2004, S. 30–34. Inmon, W.H. (1999), Building the Operational Data Store, 2. Auflage, New York, Chichester. Inmon, W.H. (2005), Building the Data Warehouse, 4. Auflage, New York, Chichester. Jhingran, A. (2006), Enterprise Information Mashups: Integrating Information, Simply, in: Dayal, U./Whang, K.Y./Lomet, D.B./Alonso, G./Lohman, G.M./Kersten, M.L./Cha, S.K./Kim, Y.K. (Hrsg.): Proceedings of the 32nd International Conference on Very large Data Bases (VLDB 2006), Seoul, S. 3–6. Kaiser, C. (2009), Analyse von Meinungen in sozialen Netzwerken des Web 2.0, in: Hansen, H.R./Karagiannis, D./Fill, H.G. (Hrsg.), Business Services – Konzepte, Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 132 132 Teil 1: Konzeptionelle Perspektiven Technologien, Anwendungen, 9. Internationale Tagung Wirtschaftsinformatik, Band 2, Wien, S. 379–387. Kemper, H.-G./Baars, H. (2008), Management Support with Structured and Unstructured Data – An Integrated Business Intelligence Framework, in: Information Systems Management, Vol. 25, No. 2, S. 132–148. Kemper, H.-G. (1999), Architektur und Gestaltung von Management-Unterstützungs- Systemen – Von isolierten Einzelsystemen zum integrierten Gesamtansatz, Leipzig. Kemper, H.-G./Baars, H./Mehanna, W. (2010), Business Intelligence, Wiesbaden. Koch, M./Baars, H./Lasi, H./Kemper, H.-G. (2010), Manufacturing Execution Systems and Business Intelligence for Production Environments, in: Proceedings of the 16th Americas Conference on Information Systems (AMCIS), Lima, 12.-15.8.2010. Koch, M./Lasi, H./Kemper, H.-G. (2011), Informationsmanagement in der Produktion - Empirische Ableitung eines Konzepts zur Ermittlung produktionsspezifischer Informationsbedarfe, in: Proceedings of the 10th International Conference on Wirtschaftsinformatik (WI2011), Zürich. Lasi, H./Kemper, H.-G. (2011), Integrationsansätze zur Verbesserung der Entscheidungsunterstützung im Innovationsmanagement, in: Strahinger, S. (Hrsg.): HMD - Theorien und Praxis der Wirtschaftsinformatik, Heft 278, S. 94–103. Liu, B. (2007), Web Data Mining: Exploring hyperlinks, contents, and usage data, Berlin, Heidelberg. Marjanovic, O. (2007), The Next Stage of Operational Business Intelligence: Creating New Challenges for Business Process Management, 40th Annual Hawaii International conference on System Sciences IEEE Computer Society (HICSS-40), Hawaii. Mertens, P. (2005), Integrierte Informationsverarbeitung 1. Operative Systeme in der Industrie, 15. Auflage, Wiesbaden. Müller-Böling, D./Ramme, I. (1990), Informations- und Kommunikationstechniken für Führungskräfte – Top-Manager zwischen Technikeuphorie und Tastaturphobie, München, Wien. Ophey, L. (2005), Entwicklungsmanagement: Methoden in der Produktentwicklung, Berlin. Oppelt, U. G. (1995), Computerunterstützung für das Management – Neue Möglichkeiten der computerbasierten Informationsunterstützung oberster Führungskräfte auf dem Weg vom MIS zum EIS?, München. O’Reilly, T. (2005), What Is Web 2.0? – Design Patterns and Business Models for the Next Generation of Software, auf den Webseiten des O’Reilly-Verlages, publiziert am 30.09.2005, URL: http://oreilly.com/web2/archive/what-is-web-20.html, Zugriff am 21.10.2011. Picot, A. (1990), Der Produktionsfaktor Information in der Unternehmensführung, in: Information Management 5(1), S. 6–14. Plattner, H. (2009), A Common Database Approach for OLTP and OLAP Using an In-Memory Column Database, in: Proceedings of the SIGMOD’09, Providence. Scheer, A. W./Boczanski, M./Muth, M./Schmitz, W. G./Segelbacher, U. (2005), Prozessorientiertes Product Lifecycle Management, Berlin. Scott Morton, M. S. (1983), State of the Art of Research in Management Support Systems, Vortrag im Rahmen des Colloquium on Information Systems, MIT, 10.-12. Juli 1983. Gleich/Mayer/Möller/Seiter – Controlling – Relevance lost? – Allg. Reihe – Herst. Frau Deuringer – Stand: 23.12.2011 – Druckdaten – Seite 133 7. Kapitel: Business Intelligence 133 Song, M. M./van der Aalst, W. M. P. (2008), Towards comprehensive support for organizational mining, in: Decision Support Systems, Bd. 46, S. 300–317. Stanoevska-Slabeva, K./Wozniak, T. (2010), Cloud Basics – An Introduction to Cloud Computing, in: Stanoevska-Slabeva, K./Wozniak, T./Ristol, S. (Hrsg.): Grid and Cloud Computing, Berlin, Heidelberg, S. 47–61. Stirzel, M. (2010), Controlling von Entwicklungsprojekten: Dargestellt am Beispiel mechatronischer Produkte, Wiesbaden. Warmbrodt, H. S./Hall, R. (2008), Social Network Analysis of Video Bloggers’ Community, in: Proceedings of the 41. Hawaii International Conference on System- Sciences (HICSS-41), Hawaii. Weinhardt, C./Aadasivam, A./Blau, B./Borissov, N./Meinl, T./Michalk, W./Stößer, J. (2009), Cloud Computing – A Classification, Business Models, and Research Directions, Business & Information Systems Engineering (BISE), Jg. 1, Nr. 5, S. 391–399. Weiss, S. M./Indurkhya, N./Zhang, T./Damerau, F.J. (2005), Text Mining – Predictive Methods For Analyzing Unstructured Information, New York. Zani, W. M. (1970), Blueprint for MIS, in: HBR, 48. Jg., Nr. 6, Nov.-Dez., S. 95–100. Zimmer, M./Baars, H./Kemper, H.-G. (2012), The Impact of Agility Requirements on Business Intelligence Architectures, in: Proceedings of the 45th Hawaii International Conference on System Sciences (HICSS-45), Hawaii.

Chapter Preview

References

Zusammenfassung

Perspektiven für ein zukunftsfähiges Controlling.

Dieses Werk zum Controlling

präsentiert wichtige Controlling-Bereiche, die die Bedeutung der Unternehmenssteuerung auch und gerade in Zukunft unterstreichen. Das praxisorientierte Fachbuch würdigt zudem das Lebenswerk von Péter Horváth, einer der wichtigsten Personen auf dem Feld des Controllings der vergangenen Jahrzehnte.

Neue konzeptionelle Controlling-Perspektiven

* Der Chief Strategy Officer: neuer Wind in der C-Suite?

* Eine moderne Planung und Budgetierung als Eckpfeiler eines zukunftsorientierten Controllings

* Performancesteuerung von Wertschöpfungsprozessen

* Unternehmenssteuerung und Management Reporting

* Controlling und immaterielle Werte

* Die Internationalisierung der Controllingforschung

* Business Intelligence und Social Media-Controlling

Die Herausgeber

Prof. Dr. Ronald Gleich ist Inhaber des Lehrstuhls für Industrial Management an der EBS Universität für Wirtschaft und Recht in Wiesbaden. Prof. Dr. Reinhold Mayer ist Mitglied des Vorstandes von Horváth & Partners. Prof. Dr. Klaus Möller ist Inhaber des Lehrstuhls für Controlling/Performance Management an der Universität St. Gallen. PD Dr. Mischa Seiter leitet das International Performance Research Institute in Stuttgart.