Kennzahlenbasiertes Knowledge Management

Transkript

1 Kennzahlenbasiertes Knowledge Management Prof. Dr. Christian Aichele, University of Applied Services, Kaiserslautern Die Fokussierung auf historische und vor allem interne finanzielle Kennziffern im Sinne eines retrospektiven Unternehmenscontrolling reicht nicht mehr aus, um rechtzeitig die notwendigen Anpassungen an eine immer dynamischere Umwelt vorzunehmen. Ein kennzahlenbasiertes Knowledge Management-System, das auch prospektive Kennzahlen integriert, stellt dem Management das notwendige Instrumentarium für diese Aufgabe bereit. 1 Prospektive Unternehmenssteuerung Die Informationen zur prospektiven Steuerung der Unternehmensprozesse und des Beziehungsmanagements werden zum grossen Teil vom Unternehmenscontrolling geliefert. Der Versuch, Strategien durch die Extrapolation der mittels traditioneller Controllingmethoden, wie Kostenarten-, Kostenstellen- oder Prozesskostenrechnung, gewonnener Informationen zu kreieren, kann jedoch nur suboptimale Ergebnisse liefern. Deswegen wurde oft der Ansatz gewählt, das traditionelle Controlling durch auf Kennzahlensystemen basierenden Management Information Systems (MIS) oder Executive Information Systems (EIS) zu erweitern. 1 Diese Kennzahlensysteme enthalten neben den finanziellen sehr oft auch logistische Kennzahlen. Durch Zuweisung bzw. ins Verhältnis stellen beider Kenngrößen wird eine über die finanzielle Betrachtung hinausgehende Aussage über die internen Leistungen, z. B. der Produktion oder der Materialwirtschaft, ermöglicht. Aber auch hier sind die zugrundeliegenden Daten und Messgrößen retrospektiv und Zukunftsaussagen nur mit hoher Abweichungserwartung zu fällen. 2 Derartige Kennzahlensysteme berücksichtigen auch nicht die sogenannten Soft Factors, d. h. Informationen und Daten, die nicht in numerischen Grössen ausgedrückt werden können. Neuere Ansätze, wie das Benchmarking 3, d. h. der Vergleich von quantitativen und auch qualitativen Unternehmensobjekten 4 mit vergleichbaren Objekten der- 1 Vgl. Aichele (1997), S. 14 ff., Botta (1997) und Reichmann (1993). 2 Eine umfangreiche Darstellung logistischer und finanzieller Kennzahlen und ihrer Anwendungsgebiete findet sich in Aichele (1997). Vgl. hierzu auch Bruse (1978), S Vgl. zum Benchmarking Camp (1978). 4 A. d. V.: Unter Unternehmensobjekten oder Business Objects werden hier Geschäftsprozesse, Funktionen, Organisationseinheiten und Informations- und/oder Datencluster verstanden.

2 selben Branche oder auch anderer Branchen, oder der Balanced Scorecard 1, einer strukturierten Anordnung unternehmensstrategie- und unternehmenszielabgeleiteter Kennzahlen, die auch kunden-, prozess- und mitarbeiterbezogene Performance Measures enthält, haben aufgrund ihrer Sichtweise und Betrachtungsebene entscheidende Restriktionen für das Unternehmensmanagement. Das Benchmarking wird in der Regel für Geschäftsprozesse oder auch andere Business Objects durchgeführt und erlaubt auf Basis der Vergleichswerte eine gegenwartsorientierte Analyse der Leistungen der Business Objects. Es enthält aber nur Informationsmerkmale und kann von daher nur Informationsbasis für manuell abzuleitende Führungs- und Managemententscheidungen sein. Diese Entscheidungen haben einen stark subjektiven, erfahrungsbasierten Charakter und führen nicht automatisch zu für die Zukunft richtigen und wichtigen Ausrichtungen. Knowledge Management-Systeme können hier eine Validierung der Benchmarkingergebnisse über einen Zeitreihenvergleich ermöglichen. Die Balanced Scorecard ist eines der wenigen Managementinstrumente, das durch die strategie- und zielabgeleiteten Kennzahlen eine Informationsbasis für zukunftsgerichtete Entscheidungen zur Verfügung stellt. Diese sind allerdings subjektiver Natur und unterstützen die Unternehmensführung nicht in der Ableitung operativer, d. h. die Performance der Business Objects, betreffender Aktivitäten. Die Verschmelzung unternehmensstrategie- und unternehmenszielorientierter Kennzahlen mit Business Object-bezogenen Kenngrößen erlaubt es hingegen, operative Aktivitäten aufgrund von Strategieänderungen durchzuführen. Durch den Strategiebezug wird eine zukunftsorientierte Ausrichtung der gesamten Aufbau- und Ablauforganisation ermöglicht. Ein prospektives Business Object Management (BOM) setzt somit die Integration von Kennzahlensystem, Benchmarking und Scorecard in einem Knowledge Management-System voraus. Business Object Management ermöglicht zum einen die Analyse, Bewertung und das Steuern von Geschäftsprozessen und Organisationseinheiten auf Basis von definierten Kennzahlen und zum anderen die Kontrolle und Steuerung der Unternehmenszielerreichung. Die Analyse und Bewertung wird dabei durch die Vergleichsmöglichkeit der Ausprägungen der Unternehmenskennzahlen mit den Ausprägungen der spezifischen Kennzahlen der gleichen Branche, anderer Branchen und von Vergleichsunternehmen unterstützt. 2 1 Vgl. Kaplan/Norton (1992). 2 Eine umfangreichere Definition der Kennzahlenvergleichsmöglichkeiten ist in Aichele (1997) enthalten.

3 2 Systemstruktur Das Management eines Unternehmens muss sich schnell und sicher aufgrund von wenigen Informationen über das inner- und außerbetriebliche Geschehen orientieren können. Informationen über Kostenstrukturen, Kapazitätsauslastungen, Produktionsprogramme, Auftragsbestände, Ertragslage und Liquidität sind überlebensnotwendig. Die Stärken und Schwächen des Unternehmens im Vergleich zu Mitbewerbern der gleichen Branche sind in diesem Zusammenhang herauszukristallisieren. Das Instrumentarium zur schnellen Beantwortung von differenzierten Fragen liefern betriebswirtschaftliche Kennzahlen. Informationsbasis des Business Object Management ist ein Top down- und Bottom up Knowledge Management-System, das die Vorteile der Balanced Scorecard mit den Vorzügen Business Object-basierter Kennzahlensysteme verbindet (siehe Abbildung 1). Eine Validierung der Analyseergebnisse wird durch den Bezug der Business Objects zu numerischen Grössen und nicht-numerischen Beobachtungen in Form von empirischen Vergleichen realisiert. Business Strategy Business objects Supply Chain Business Business Process Process Supply Chain Supply Chain Increase Market shares Company target hierachy Primary Primary requirement requirement planning planning PPC PPC Material Capaicty Material Capaicty requirement requirement requirement requirement planning planning planning planning Order Order release release Production Production Improve products Improve customer service Provide new products Shorten delivery times Increase reliability Increase Supply chain quality Target based indicators Business object based indicators Supply Chain Ind 1 Ind 2 Ind 3 Ind 1 Ind 2 Ind 3 Ind 1 Ind 2 Ind 3 ERP Abb. 1: Struktur eines kennzahlenbasierten KM-Systems

4 Wirtschaftlichkeit Wirtschaftlichkeit verbessern verbessern Kosten Umsätze / Erlöse senken Kosten Umsätze / Erlöse senken Marktanteile Marktanteile neue Märkte erschließen neue Märkte erschließen Produkte Kundenservice neue Produkte Produkte Kundenservice neue Produkte verbessern verbessern bereitstellen verbessern verbessern bereitstellen Qualität der Kunden - Liefer-/Bereitstellungs - Liefertermintreue Qualität der Kunden - Liefer-/Bereitstellungs zeiten verkürzen - Liefertermintreue auftragsabwicklung auftragsabwicklung zeiten verkürzen Dieses kennzahlenbasierte Knowledge Management-System erlaubt Unternehmen eine multidimensionale Analyse (siehe Abbildung 2) der Änderungen von Leistungsgrößen auf der operationalen Ebene in Bezug auf: Unternehmensziele, Unternehmensstrategie, Organisationseinheiten, Unternehmens- und Geschäftsprozesse und Daten und Informationen. Organisationseinheit Manage - ment Materials manage- Sales ment Management Steering Room/Panel/ Dashboard Strategic Strategic Strategic measures for financial Customer/ InternalBusiness measures+ Supplier processes+ critical sucess measures Learning factors status+ trends StrategicProject monitoring Unternehmenskennzahlen Geschäfts - prozeß Disposition Sales Unternehmensstrategie - Economic profit - Velocity - Economic Value Added (EVA) Unternehmensziel Besserer Kunden Service Bessere Produkt Qualität Höherer Markt Anteil Supply Chain Finanzen Auftragsbearḃ Fibu Vertrieb Prod. Organisationseinheit Business Process Daten / Informationen customer order eerm CustomerOrder order customer header time order item product Abb. 2: Multidimensionale Analyse von Geschäftsobjekten 3 Implementierungsprozess Die Einführung des Business Object Managements ist in den folgenden Schritten durchzuführen: 1. Evaluieren und Analysieren der bestehenden Informations-, Controlling- und Kennzahlensysteme über die Unternehmensgrenzen hinweg 2. Trainieren des Einführungsteam in der Methodik (Zielsetzung, Modellierungsmethoden, Validierungsmethoden, Erfahrungswerte)

5 3. Entwickeln der Struktur des kennzahlenbasierten KM-Systems, d. h. zum einen Ableitung der Unternehmensziele aus der Unternehmensstrategie und Festlegung der zugeordneten Kennzahlen und Datenobjekte/Informationen und zum anderen Erweiterung des bestehenden, operativen Controllings bzw. der Kennzahlensysteme aufgrund der Ergebnisse der Phase (1) und Verbindung der Top down- mit der Bottom up-vorgehensweise 4. Einführung oder Entwicklung einer adäquaten Informationssystemunterstützung (z. B. KM, EIS, MIS in Verbindung mit Enterprise Resource Planning- Systemen, wie z. B. SAP R/3 oder BAAN) 5. Durchführen einer Pilotphase in Unternehmensteilen oder bereichen und validieren der Ergebnisse und Erfahrungen 6. Einführung des kennzahlenbasierten KM-Systems und der zugehörigen IT- Unterstützung im gesamten Unternehmen 7. Durchführen eines Continuous Process Improvement (CPI) bzw. kontinuierlicher Verbesserungen (Kaizen) für alle Unternehmensobjekte und insbesondere auch permanente Evaluierung und Validierung des Konzeptes Das kennzahlenbasierte Knowledge Management-System basiert damit auf einem zyklischen Vorgehen und einem permanenten Review der Unternehmensstrategie, der Unternehmensziele und der Geschäftsobjekte (siehe Abbildung 3). 3 Definition des Unternehmens Ziele & Zielvereinbarungen 1 2 Kontrollieren und Analysieren mit KM-Systemen (EIS, MIS, EUS, KI) Verbessern der operationalen Effizienz durch Integration mit Performance Measurement Abb. 3: Zyklisches Vorgehen zur Erstellung eines kennzahlenbasierten KMS

6 Das Ergebnis des ersten Schritts ist eine quantifizierte Unternehmensstrategie mit einer detaillierten Darstellung der Unternehmensziele, der diese quantifizierenden Kennzahlen und der Zielvereinbarungen für einen mittel- bis langfristigen Zeitraum. Methoden, die für eine solche Quantifizierung der Unternehmensstrategie in Frage kommen, sind neben der Balanced Scorecard die Ratios au Tableau de Bord. Im nächsten Schritt werden zuerst operative Kennzahlensysteme (Performance Measurement Systeme) erstellt, die mindestens die kritischen, d. h. wertschöpfenden, Geschäftsobjekte messen sollen. Danach folgt als schwierigster Teil der Erstellung des Top down- und Bottom up-kennzahlensystems die Integration der operativen und der strategischen Kennzahlen des ersten Schritts. Während die Messung der Unternehmensziele mit Hilfe von strategischen Kennzahlen vor allem auf empirischen Absichtserklärungen und jene der operativen Geschäftsobjekte auf expliziten Kenngrößenzuordnungen beruht, ist die Ursache- Wirkungsbeziehung der operativen mit der strategischen Ebene sehr oft impliziter Herkunft und unterliegt damit allen individuellen und subjektiven Erklärungsmechanismen und damit einem nicht zu unterschätzenden Manipulationspotenzial. Abhilfe kann hier nur das Durchleben mehrerer Zyklen schaffen und damit die Bereitstellung der empirischen Grundlage der Ursache-Wirkungsbeziehungen. Insbesondere in komplexen, globalen Konzernstrukturen sollte man sich am Anfang des Prozesses auf wenige dieser unternehmens- und ebenenübergreifenden Ursache-Wirkungsbeziehungen beschränken, damit eine nachträgliche, empirische Validierung noch durchführbar ist. Die zusätzliche Berücksichtigung nichtnumerischer Datenobjekte/Informationen, die in Beziehung zu den Business Objects stehen, erleichtert die Validierung. Für explizite Ursache-Wirkungsbeziehungen stellt sich diese Problematik nicht. 3 Beispiel eines kennzahlenbasierten KMS Zentrale Ziele eines global operierenden Chemieunternehmens beim Start eines Projekts zur Entwicklung eines kennzahlenbasierten KM-Systems waren: 1. Gestaltung einer kundenbedarfsgerechten und dabei kostenoptimalen Produktion und 2. Erzielung einer signifikant höheren Produktqualität. Zunächst wurden die bisher genutzten Kennzahlen und die vorhandenen Informationssysteme (ERP, EIS, Sales Operations Plan) evaluiert. Zentrales Ergebnis der Analyse war die Identifikation von Defiziten in der numerischen Wissensbasis. So reflektierten die Kennzahlen nur Teilaspekte der für ein erfolgreiches Beziehungsmanagement notwendigen Informationen (siehe Abbildung 4).

7 Eine weitere Erkenntnis war, dass die zur Verfügung stehenden Informationen aufgrund ihrer nicht vorhandenen Beziehungen zu den Business Objects und den Focus of existing PQ PMs Sales Supplier Procurement Production Warehousing Warehousing Distribution Customer Quality Management Existing Performance Measures Volume (Performance) Production Costs (Finance) Productivity (Performance) # batches w adjustment (Quality) # batches off spec (Quality) first pass Quality (Quality) # of accidents (Performance / Quality) customer returns (Quality) waste water (Quality / Environment) specific waste water (Quality / Environment) Abb. 4: Der Fokus des Produktionsqualitäts-Kennzahlensystems dezentralisierten Informationsquellen (Datenbanken, Tabellenkalkulationen und Printmedien) nur suboptimal inhaltlich und zeitlich genutzt werden konnten. Die notwendigen Steuerungsinformationen sollen deshalb zukünftig in ein kennzahlenbasiertes Knowledge Management-System mit Fokus auf dem Supply Chain und Customer Relationship Management integriert werden. Dieses System enthält ein abgestimmtes Subset von unterschiedlichsten Kennzahlen mit historischen Analyseergebnissen (siehe Abbildung 5). Die Erarbeitung des kennzahlenbasierten Knowledge Management-Systems erfolgte in mehreren Workshops. Das Ziel des Projektes und die Vorgehensweise wurden wie folgt definiert: Ziel: Erweiterung des PQ Kennzahlensystems zu einem Supply Chain Knowledge Management System Vorgehensweise: (1) Definition der Rahmenannahme (2) Einordnung der bestehenden PQ Kennzahlen (3) Erweiterung mit Kennzahlen zu unbesetzten Prozessbereichen

8 (4) Zuordnung neuer Kennzahlen zu Supply Chain Prozessbereichen. Dabei sind die Kennzahlen in den folgenden Bereichen zu fokussieren: Finanzen Performance Flexibilität Qualität Umwelt Folgende Tabelle zeigt einen Extrakt der Zuordnung von Kennzahlen zu den Supply Chain Prozessbereichen Supplier, Procurement und Warehousing Inbound. SC Prozessbereich Supplier Kennzahlenfokusbereich Finance Kennzahl Berechnung Performance Supplier Reliability % due date = confirmed / agreed delivery date Flexibility Quality Procurement Finance Procurement costs per month Production costs / Procurement costs Performance Production costs / Procurement costs Flexibility Quality Warehousing Inbound Finance Warehousing Costs per to (and per time period) Performance # of movements Warehouse productivity Slow-, Non-Movers

9 (5) Definition der Kennzahl mit den Knowledge Management Attributen (siehe Abbildung 6) (6) Feedback Loop der Ergebnisse und permanentes Optimieren des KM Systems Dafür wurden geeignete Modellierungsmethoden wie Prozessmodelle (Ereignisgesteuerte Prozessketten), Datenmodelle (Strukturierte Entity Relationship Modelle) und Kennzahlenhierarchien eingesetzt. 1 Realisiert wurde das System mit einem Management Information System und einem Data Warehouse integriert in einem Enterprise Resource Planning System. 1 In dem Beitrag Performance Measusurement based process modelling (Springer Verlag 1999) von Aichele sind Modellierungsmethoden für den Aufbau eines Business Object Management System spezifiziert.

10 Kritische Fragestellungen: Ist die Strategie klar definiert und eng an den Kundennutzen gebunden? Sind die Kerngeschäftsprozesse klar definiert und mit den Zielen gekoppelt? Unterstützen die Aktivitäten sowohl Geschäftsprozesse als auch die Ziele? Sind alle Informationen zum richtigen Zeitpunkt am richtigen Ort und stehen in der richtigen Form zur Verfügung? Sind alle Technologien zweckmäßig eingebunden und unterstützen sie die Diffusion von Informationen? definiert führen aus basieren auf nutzen Strategie / Ziele Business Objects Aktivitäten Informationen Technologie erreichen Supply Chain leiten unterstützen KM System verarbeitet OLAP MIS / EIS DBMS Abb. 5: Von der Strategie zum kennzahlenbasierten KMS Literatur Aichele, C./Kirsch, J. (1995): Geschäftsprozeßanalyse auf Basis von Kennzahlensystemen, in: Management & Computer, 3. Jg., 2/1995, S Aichele, C. (1997): Kennzahlenbasierte Geschäftsprozessanalyse, Gabler Verlag 1997 Aichele, C. (1999): Performance Measurement based process modeling, in: Conference Volume of the International Conference Process Modelling, Cottbus, 2/1999, S Springer Verlag, Berlin, Heidelberg u.a., 1999 Aichele, C. (2000): Kennzahlenbasiertes Unternehmenscontrolling, in: Dangelmeier, W. /Felser, W. (Hrsg.): Das reagible Unternehmen, 2. Paderborner

11 Frühjahrstagung vom Fraunhofer-Anwendungszentrum für Logistikorientierte Betriebswirtschaft, Paderborn, S. 7-20, Verlag Paderborn, 4/2000, Botta, V. (1997) : Kennzahlensysteme als Führungsinstrumente - Planung, Steuerung und Kontrolle der Rentabilität in Unternehmen, Erich Schmitt Verlag, 5. neu überarbeitete Auflage, Berlin, Bielefeld, München 1997 Bruse, H. (1978): Die Prognosefähigkeit von Kennzahlen bei verschiedenen Maßen für das Unternehmenswachstum, in: Zeitschrift für Betriebswirtschaft, 48. Jg., 2/1978, S Camp, R. C. (1994): Benchmarking, Hanser Verlag, München, Wien 1994 Kaplan, R. S./Norton, D. P. (1992): The Balanced Scorecard - Measures that drive Performance, in: Harvard Business Review, January-February 1992, S Reichmann, T. (1993): Controlling mit Kennzahlen und Managementberichten, 3. Auflage, Dortmund 1993 Kennzahlenname Kennzahlenr. Einordnung Beschreibung/ Formel Gliederungsmöglichkeiten Erhebungszeitpunkte/ -räume Anwendungsbereich Kennzahlenzweck Mögliches Ziel Basiskennzahlen Vergleichsgrundlagen Interpretation Abb. 6: Kennzahlenattribute für den Aufbau eines KM-Systems

12 Keywords: Controlling, Indicators, Kennzahlen, Kennzahlensysteme, Knowledge Management System, Performance Measurement, Unternehmenssteuerung, Wissensbasis