Mischa Seiter, Goran Sejdić und Marc Rusch Herausforderungen durch Industrie 4.0 aus Sicht des Controllings

Transkript

1 466 Prof. Dr. Mischa Seiter ist Professor für Wertschöpfungs- und Netzwerkmanagement an der Universität Ulm und wissenschaftlicher Leiter des International Performance Research Institute (IPRI), Stuttgart. Welchen Einfluss hat Industrie 4.0 auf die Controlling-Prozesse? Mischa Seiter, Goran Sejdić und Marc Rusch Dipl.-Kfm. techn. Goran Sejdić ist wissenschaftlicher Mitarbeiter am International Performance Research Institute (IPRI), Stuttgart. Industrie 4.0 steht für die industrielle Produktion der Zukunft. Die damit einhergehenden Veränderungen betreffen in bisher unterschätzter Weise auch das Controlling. In diesem Artikel analysieren wir die notwendigen Veränderungen im Controlling ausgehend von zwei konkreten Industrie 4.0-Szenarien. Den Rahmen der Analyse bildet das Controlling-Prozessmodell der International Group of Controlling (IGC). Stichwörter Digitalisierung IGC-Prozessmodell Industrie 4.0 Internet der Dinge Marc Rusch,M.Sc.,ist wissenschaftlicher Mitarbeiter am International Performance Research Institute (IPRI), Stuttgart. 1. Herausforderungen durch Industrie 4.0 aus Sicht des Controllings Die Auswirkungen von Industrie 4.0 werden bislang hauptsächlich aus Perspektive der Produktion respektive der Ingenieurwissenschaften analysiert. Die Automatisierung und Optimierung von Produktionsprozessen im Sinne einer Smart Production stehen dabei im Vordergrund. Ein weiteres Feld ist die Möglichkeit zur Einführung neuartiger Produkte und Dienstleistungen sog. Smart Products & Services (vgl. Seiter et al., 2015, S. 32). Wesentlicher Treiber dieser Entwicklung sind die durch eine Vielzahl von Sensoren gewonnenen Daten sowohl in der eigenen Produktion als auch über das Nutzungsverhalten der Kunden. Die Veränderungen, die Industrie 4.0 für das Controlling mit sich bringen, wurden bisher nur wenig diskutiert. Ziel dieses Beitrags ist es daher, die notwendigen Veränderungen im Controlling aufzuzeigen, damit einerseits die Möglichkeiten von Industrie 4.0 genutzt und andererseits die damit verbundenen Risiken beherrscht werden können. Grundlage unserer Analyse sind zwei viel diskutierte Industrie 4.0-Szenarien: das selbststeuernde Werkstück und die datenbasierte Dienstleistung. Diese Szenarien repräsentieren konkrete Ausprägungen der beiden Industrie 4.0-Perspektiven: Smart Production und Smart Products & Services. Den Rahmen unserer Analyse bildet das Controlling-Prozessmodell der International Group of Controlling (IGC). Aufgrund dessen weiten Verbreitung und Akzeptanz ist es eine tragfähige Basis, um relevante Veränderungen in den einzelnen Controlling-Prozessen zu analysieren, die durch die beiden Industrie 4.0- Szenarien notwendig werden. Veränderte Controlling-Prozesse und -Instrumente führen notwendigerweise zu veränderten Kompetenzprofilen seitens des Controllers. Daher geben wir abschließend einen kurzen Überblick über die veränderten Kompetenzanforderungen im Kontext von Industrie Charakteristika von Industrie 4.0 als Ausgangspunkt der Analyse Industrie 4.0 beschreibt im Wesentlichen die durchgängige Digitalisierung im produzierenden Gewerbe und die damit verbundenen Optimierungspotenziale. Die durchgängige Digitalisierung ist dadurch gekennzeichnet, dass ein digitales Abbild von sämtlichen Informationsflüssen und physischen Abläufen des Produktionsumfelds vorliegt und sich dieses in Echtzeit fortlaufend aktualisiert. Diese bisher nicht da gewesene Datentransparenz, -verfügbarkeitund-vielfaltwirddurchdieentwicklung und Integration von immer leistungsstärkeren Informations- und Kommunikationstechnologien (IKT) vorangetrieben. Charakteristisch für Industrie 4.0 sind insbesondere die damit verbundenen datenbasierten Optimierungsmöglichkeiten. Diese ergeben sich einerseits für die Prozessoptimierung und andererseits für die Produktnutzung. In der Unternehmenspraxis werden solche Optimierungspotenziale in unterschiedlichen Ausprä-

2 Welchen Einfluss hat Industrie 4.0 auf die Controlling-Prozesse? 467 gungen bereits ausgeschöpft. Daher sollen zwei besonders häufig diskutierte Szenarien (vgl. Kagermann et al., 2013; Kagermann et al., 2014) als Grundlage für die weitere Analyse dienen. Szenario 1: Das selbststeuernde Werkstück In Szenario 1 steht die Umsetzung der digitalen Produktion im Mittelpunkt (vgl. Westkämper, 2013, S. 11 ff.). Kennzeichnend hierfür ist, dass durch den Einsatz von IKT sämtliche Informationen entlang der gesamten Wertschöpfungskette in Echtzeit zur Verfügung stehen. Maschinen in der Produktion sind mit Sensoren ausgestattet, die permanent relevante Informationen erfassen und für die Weiterverarbeitung bereitstellen. Die lang verfolgte Vision der dezentralen Produktionssteuerung wird wie folgt ermöglicht: Über ein integriertes Speichermedium tragen Werkstücke Informationen, wie Stücklisten, Qualitätsdaten oder verrichtete Bearbeitungsschritte, mit sich. Sie kommunizieren mit den Maschinen und übermitteln ihnen dabei Anweisungen, welche Bearbeitungsschritte ausgeführt werden sollen. Demnach steht ein digitales Abbild des Werkstücks zur Verfügung, welches sich ohne wesentliche Zeitverzögerung fortlaufend aktualisiert. Je nach benötigtem Bearbeitungsschritt lenkt sich das Werkstück zur jeweiligen Maschine. Zudem kommunizieren Maschinen auch untereinander, stimmen sich selbstständig bezüglich vorhandener Kapazitäten oder drohender Engpässe ab und erkennen so autonom Optimierungspotenziale. Werkstücke steuern dabei Maschinen, die noch nicht voll ausgelastet sind, an und beauftragen diese mit Bearbeitungsschritten. Bei Fehlmeldungen oder notwendigen Wartungsarbeiten an den Maschinen wird der Mensch umgehend über mobile Endgeräte benachrichtigt. Durch Assistenzsysteme, wie Datenbrillen, werden Mitarbeiter zudem in ihrem Tätigkeitsbereich durch Montage- oder Kommissionieranweisungen unterstützt (vgl. Kagermann et al., 2013, S. 108). Wie in Abb. 1 verdeutlicht wird, sind Ansätze eines solchen Szenarios heute schon realisierbar. Szenario 2: Datenbasierte Dienstleistungen Neben der Optimierung von Produktionssystemen ist die Erweiterung und Verbesserung des Dienstleistungsangebots ein viel diskutierter Fortschritt durch Industrie 4.0.-Produkte (sog. smart connected products ), bspw. Maschinen werden vor dem Verkauf mit Sensoren ausgestattet und können dadurch relevante Daten erfassen. Diese Daten stehen nicht nur dem Kunden in Echtzeit zur Verfügung, sondern auch dem Maschinenhersteller, der hierauf aufbauend kundenindividuelle Dienstleistungen anbieten kann. Die intelligente Fabrik Das Elektronikwerk von Siemens in Amberg gilt als Vorreiter für die intelligente Fabrik der Zukunft und wurde diesbezüglich bereits mehrfach ausgezeichnet. Produkte steuern hier ihre Fertigung größtenteils selbst. Über den Produktcode teilen sie den Maschinen mit, welche Anforderungen sie haben und welche Produktionsschritte als nächstes notwendig sind. Um die Produktionsprozesse fortlaufend zu optimieren und die dafür notwendigen Produktionsregeln und -prozesse zu definieren, werden täglich rund 50 Millionen Prozessinformationen generiert und verarbeitet. Beispiele für solche Prozessinformationen sind Bearbeitungszeitpunkte, Löttemperaturen oder Drehmomente. Die Produktion ist größtenteils automatisiert, sodass 75% der Arbeitsschritte Maschinen und Computer selbstständig bewältigen und kein Eingriff von Produktionsmitarbeitern erforderlich ist. Zudem kann ein durchgängiger Datenfluss realisiert werden vom Design der Produkte über die Produktion bis hin zum Service (vgl. Büttner/Brück, 2014, S. 121 ff.). Abb. 1: Praxisbeispiel für das selbststeuernde Werkstück: Die intelligente Fabrik Power by the Hour Eine erste Kategorie datenbasierter Dienstleistungen ist das Erkennen von Mustern aus bestehenden Datenmengen, die in einen bestimmten Anwendungskontextgebrachtundals Analyticsasa Service angeboten werden (vgl. Emmrich et al., 2015, S. 49). Als Beispiel kann die Korrelation von Ausfallraten unterschiedlicher Maschinen innerhalb der Fabrik des Kunden genannt werden. Eine zweite Kategorie ist das Erschaffen eines digitalen Abbilds eines bestehenden Produkts, um dieses kontinuierlich mit Echtzeitdaten anzureichern und darauf aufbauend Dienstleistungen zu entwickeln (vgl. Emmrich et al., 2015, S. 49). Als Beispiel kann hier die kontinuierliche Überwachung der Maschineneffizienz beim Kunden genannt werden. Ein weiteresbeispielistdieprognoseüberdasausfallverhalten einzelner Maschinenkomponenten auf Basis von übermittelten Daten. In Abb. 2 wird gezeigt, dass solche datenbasierten Dienstleistungen aktuell bereits angeboten werden. Rolls Royce bietet als Hersteller von Turbinen für die zivile und militärische Luftfahrt das datenbasierte Konzept Power by the Hour an. Kunden zahlen eine Gebühr für jede Stunde, die das Triebwerk läuft. Dabei liegt die Verfügbarkeit der Maschinen in der Verantwortung von Rolls Royce. Dies bedeutet, dass der Kunde nicht separat für Wartungen, Reparaturen oder Ersatzteile zahlt, sondern lediglich einen Festpreis pro Stunde unabhängig davon, wie viele Wartungen anfallen. Um ein solches Konzept anbieten zu können, erfasst Rolls Royce Zustandsdaten der Triebwerke über Sensoren. Leistungsdaten werden fortlaufend zentral gesammelt. Aus den gesammelten Daten werden Muster abgeleitet und mit historischen Daten verglichen. Hierdurch können Maschinenausfälle prognostiziert und proaktive Maßnahmen eingeleitet werden, die den Ausfall einer Maschine verhindern (vgl. Schäfer et al., 2012, S. 73). Abb. 2: Praxisbeispiel für eine datenbasierte Dienstleistung: Power by the Hour 27. Jahrgang 2015, Heft 8/9

3 468 INDUSTRIE 4.0 UND DER CONTROLLER Strategische Planung Operative Planung und Budgetierung Forecast Kosten-, Leistungs- und Ergebnisrechnung Management Reporting Projekt- und Investitionscontrolling Risikomanagement Zielfestlegung Planung Steuerung Abb. 3: Zentrale Hauptprozesse des Controlling-Prozessmodells der IGC (in Anlehnung an IGC, 2011, S. 21) Aus Sicht des Controllings ist ausgehend von den beiden beschriebenen Szenarien besonders relevant, dass eine bisher nicht da gewesene Datentransparenz, -verfügbarkeit und -vielfalt existieren wird und dass sämtliche Daten in Echtzeit verfügbar sein werden. Damit zusammenhängend stellt sich aus Sicht des Controllings die Frage, welche vielfältigen Chancen und Risiken sich dadurch für die Unternehmenssteuerung ergeben. 3. Controlling-Hauptprozesse im Zeitalter von Industrie 4.0 Aus den beiden für Industrie 4.0 charakteristischen Szenarien leiten wir im Folgenden ab, welche Veränderungen in den zentralen Controlling-Hauptprozessen des Controlling-Prozessmodells der IGC notwendig sind (vgl. IGC, 2011; Abb. 3). Das Controlling-Prozessmodell zeigt auf, wie die Prozesse des Controllings strukturiert zusammengefasst werden und wirkungsvoll die Prozesse der Zielfestlegung, Planung und Steuerung unterstützen können. Aufgrund der zugrunde liegenden systematischen Strukturierung bietet das Controlling-Prozessmodell eine geeignete Ausgangsbasis, um relevante Controlling-Prozesse vollständig abzubilden und Veränderungen durch Industrie 4.0 im Detail zu betrachten. Zudem basiert das Controlling-Prozessmodell auf der DIN-Spezifikation DIN SPEC 1086, welche Qualitätsstandards im Controlling definiert. Die DIN SPEC 1086 wurde durch die IGC und den Internationalen Controller Verein (ICV) als größte Vereinigung praktizierender Controller erarbeitet. Somit ist das Controlling-Prozessmodell als maßgebend für die Controller Community anzusehen. Aus diesem Grund wird das Controlling- Prozessmodell für die weitere Analyse herangezogen. Strategische Planung Das Ziel der strategischen Planung ist die Unterstützung der Geschäftsführung bei der nachhaltigen Existenzsicherung und Wertsteigerung des Unternehmens. Betrachtet werden dabei u. a. Technologien, Ressourcen, Märkte, Produkte und Wettbewerber. Das Controlling agiert als Moderator des strategischen Planungsprozesses und als Informationslieferant (vgl. IGC, 2011, S. 23 f.). WasverändertsichnunimRahmenvon Industrie 4.0 hier repräsentiert durch die beiden Szenarien? Hinsichtlich der Optimierung von Produktionsprozessen (Szenario 1) ist das Controlling gefordert, die Potenziale der verschiedenen Umsetzungsgrade der dezentralen Produktionssteuerung zu identifizieren und zu quantifizieren. Dabei ist zu analysieren, welche Optimierungspotenziale einzelne Industrie 4.0-Technologien bereithalten und ob diese unternehmensweit oder partiell implementiert werden sollten (Welcher Digitalisierungs- und Automatisierungsgrad ist sinnvoll?). Typische Instrumente hierbei sind Technologieportfolios zur Bewertung einzelner Industrie 4.0-Technologien, produktionsfokussierte Szenarioanalysen, aber auch Industrie 4.0-spezifische Reifegradmodelle. Letztere zeigen grundsätzliche Entwicklungspfade auf dem Weg zur vollständigen Realisierung von Szenario 1 auf. Solche Entwicklungspfade können im Rahmen des Investitionscontrollings aufgegriffen werden, um die einzelnen Umsetzungsgrade von Industrie 4.0- Technologien hinsichtlich ihrer Kosten- Nutzen-Relation zu untersuchen (vgl. Analyse des Controlling-Hauptprozesses Projekt- und Investitionscontrolling ). Bezogen auf das erweiterte Produkt- und Dienstleistungsportfolio (Szenario 2) muss sich das Controlling damit befassen, welche datenbasierten Dienstleistungen angeboten werden sollen, um das Unternehmen besser auf dem Markt zu positionieren. Hier stellt sich die Frage, inwiefern Dienstleistungen, deren Basis die Mustererkennung oder das digitale Abbild bestehender Produkte ist, dazu führen können, sich gegenüber konkurrierenden Unternehmen einen Wettbewerbsvorteil zu verschaffen (Welche neuartigen Geschäftsfelder sind rentabel?). Im Zentrum stehen Instrumente, die es erlauben, den für den Kunden zusätzlich geschaffenen Wert zu analysieren und zu prognostizieren (vgl. bspw. Ahlert et al., 2008). Operative Planung und Budgetierung Im Rahmen der operativen Planung und Budgetierung fördert das Controlling die Erreichung von kurz- und mittelfristigen Zielen, die idealerweise aus der Unternehmensstrategie abgeleitet werden. Die Budgetierung kann dabei als Instrument der Planung angesehen werden, mit dem Pläne in quantitative Vorgabegrößen transformiert werden (vgl. Horváth, 2011, S. 201). Hinsichtlich quantitativer Vorgabegrößen können Budgets auf Basis von Wertgrößen, Mengengrößen und Leistungsgrößen unterschieden werden (vgl. Steven, 2007, S. 502). Betrachten wir zuerst die Änderungsnotwendigkeiten, die Szenario 1 mit sich bringt. Da hier die Prozesse in der Produktion im Fokus stehen, sind an dieser Stelle insbesondere die Änderungen innerhalb des Produktionscontrollings relevant. Im Produktioncontrolling werden in erster Linie Kostenbudgets (bspw. Materialkosten) und Mengenbudgets (bspw. Verbrauchs- oder Produktionsmengen) angesetzt (vgl. Steven, 2007, S. 502). Ein vollständig digitales Abbild des Produktionsumfelds stellt hierfür eine bisher nicht erreichte Datenbasis zur Verfügung. So können bspw. Kostenbudgets mit höherer Präzision erarbeitet werden. Exemplarisch sind hier schwankende

4 Welchen Einfluss hat Industrie 4.0 auf die Controlling-Prozesse? 469 Rohstoffpreise und deren Wirkung über die gesamte Wertschöpfungskette hinweg zu nennen. Auch bei der Aufstellung von Mengenbudgets bieten Prognosen, die auf der umfassenden Datenverfügbarkeit basieren, ein enormes Potenzial. Zur Bestimmung von Produktionsmengen können Absatzprognosen herangezogen werden, die auf Daten der nachgelagerten Wertschöpfungsstufen basieren. Da bei der Aufstellung der Budgets szenarioabhängige Entwicklungen, welche einen gewissen Spielraum implizieren, angenommen werden, ist der konsequente Einsatz von flexiblen Budgets sinnvoll. Die Flexibilisierungsparameter werden dabei direkt aus den Szenarien abgeleitet. Eine weitere Verwendung starrer Budgets führt dazu, dass Veränderungen im Produktionsumfeld nicht abgebildet und berücksichtigt würden (vgl. Brühl, 2012, S. 249). Auch Szenario 2 erfordert eine flexible Budgetierung allerdingsetwasanders begründet: Durch das Angebot von innovativen Dienstleistungen, wie Verfügbarkeitsgarantien, ist eine starre Budgetierung nicht sinnvoll, da Maschinenausfälle bei Kunden nicht hinreichend genau prognostiziert werden können. Zwischen Anbieter und Kunden besteht eine Informationsasymmetrie (vgl. Becker/Rech, 2014, S. 42 ff.). So ist bspw. das Nutzungsverhalten einer Maschine durch den Kunden nur schwer zu bestimmen. Häufig auftretende und durch das Nutzungsverhalten des Kunden bedingte Reparaturen haben eine direkte Auswirkung auf Personal- und Materialkosten, die das Controlling bei der Erstellung der entsprechenden Budgets berücksichtigen muss. Grundsätzlich gilt es nun, Wartungsbedarfe auf Basis von verfügbaren Maschinendaten frühzeitig zu erkennen und vorbeugende Maßnahmen zu ergreifen, damit Maschinenausfälle minimiert werden. Allerdings kann das Controlling potenzielle Maschinenausfälle dennoch nicht in einem starren Zielwert abbilden. Eine Lösung für dieses Problem ist die Verwendung einer flexiblen Budgetierung innerhalb eines Konfidenzintervalls mit einem angemessenen Konfidenzniveau (vgl. Cunitz et al., 2012, S. 44). Dieses Konfidenzintervall wird verwendet, damit ein Best Case- und ein Worst Case- Wert abgebildet werden können. Annahmen über die Entwicklung externer Faktoren wie eine Veränderung der Kosten für relevante Rohstoffe oder Inflationen (vgl. Becker et al., 2013, S. 60) sowie Umsatz und Ergebnis kann das Controlling in einer Monte-Carlo-Simulation abbilden, um Werte für den Best Case und den Worst Case zu bestimmen (vgl. Cunitz et al., 2012, S. 44). Hierdurch werden starre Zielwerte verhindert und dadurch hinreichend Volatilität in der Planung und Budgetierung berücksichtigt. Forecast Im Rahmen des Forecasts gibt das Controlling eine Einschätzung über die zukünftige Erreichung der Unternehmensziele. Hierbei werden sowohl finanzielle Informationen als auch nicht-finanzielle Informationen berücksichtigt (vgl. IGC, 2011, S. 28). In Szenario 1 liegt der Fokus vor allem auf den Stückkosten, die bei der Bearbeitung eines Werkstücks entstehen. Forecasts helfen dem Controlling in diesem Zusammenhang zu beurteilen, ob die Produktion wirtschaftlich ist. Durch die hohe Datenverfügbarkeit im Rahmen des ersten Szenarios kann die Qualität von Forecasts verbessert werden: Das mit Sensoren ausgestattete Werkstück nimmt kontinuierlich Daten, wie die für die Bearbeitung benötigten Maschinenstunden oder die anfallenden Bearbeitungskosten, auf, ohne dass Medienbrüche entstehen. Periodische Forecasts können nun durch eine kontinuierliche Berichterstattung in Echtzeit substituiert werden. Das Management hat nun die Möglichkeit, ständig aktuelle Forecastwerte zu analysieren. Dies birgt allerdings die Gefahr einer Fehlentscheidung, da das Management kurzzeitige Schwankungen in den Forecasts überinterpretieren könnte. Als Beispiel kann hier eine übereilte Materialbestellung genannt werden, die über den Lagerbestand hinausgeht und durch eine kurzfristige Überauslastung ausgelöst wird. Aufgabe des Controllings ist es, geeignete Zeitpunkte mit dem Management zu vereinbaren, zu denen Berichte zur Verfügung gestellt werden (vgl. Becker et al., 2013, S. 61). Dies ist eine Aufgabe, der sich das Controlling bereits vor der Umsetzung des Szenarios widmen sollte. Allerdings ist diese Aufgabe nun verändert nun könnte aufgrund der Echtzeitdaten eine höhere Frequenz der Berichterstattung erreicht werden, bspw. eine tägliche Berichterstattung statt einer monatlichen. Das Controlling muss hier also eher regulierend wirken, um die beschriebene Dysfunktion zu verhindern. In Szenario 2 stehen die Stückkosten der Dienstleistungserbringung im Fokus. Szenario 2 wird anhand des Beispiels der Dienstleistung Verfügbarkeitsgarantie für eine Anlage erläutert. Forecasts umfassen hierbei u. a. Betriebs- und Wartungskosten auf Kundenbasis. Auch hier besteht die Gefahr, dass das Management aufgrund zu hoher Frequenzen der Berichtserstattung Fehlentscheidungen trifft. Als Beispiel kann hier die Kündigung einer defizitären Kundenbeziehung genannt werden, die Auftritt, da eine bestimmte Anlage fortlaufend ausfällt. Eine Kündigung kann jedoch weitreichende finanzielle Folgen haben, sollte der Kunde weitere Verfügbarkeitsgarantien für andere Anlagen beziehen. Hierbei ist es nun Aufgabe des Controllings, mithilfe der Kundendeckungsbeitragsrechnung zu bewerten, ob eine solche Kündigung wirtschaftlich sinnvoll ist. Im Kontext von Industrie 4.0 ändert sich hierbei für das Controlling, dass nicht nur bereits entstandene Kosten in die Kalkulation miteinbezogen werden, sondern auch potenzielle zusätzliche Kosten, die nach der Kündigung auftreten. Diese sollten in einem Worst Case-Szenario abgebildet und mithilfe von Simulationsmodellen ausgewertet werden. Im Worst Case-Szenario treten Cross-Storno-Effekte ein: Der Kunde kündigt aufgrund der anbieterseitigen Kündigung der Verfügbarkeitsgarantie auch alle übrigen Vertragsbeziehungen. Das Controlling muss bewerten, ob die Kosten dieser Effekte höher sind als die auftretenden Kosten der defizitären Verfügbarkeitsgarantie. Kosten-, Leistungs- und Ergebnisrechnung Auch der traditionelle Kern des Controllings ist durch Industrie 4.0 mit Veränderungsnotwendigkeiten konfrontiert. Um eine autonome Entscheidungsfindung von Maschinen und Produkten zu realisieren, müssen Algorithmen entwickelt werden, welche die Erreichung eines produktionswirtschaftlichen Optimums zum Ziel haben. Dies erfordert die Berücksichtigung der Kosten-, Leistungs- und Ergebnisrechnung. Im Rahmen der in Szenario 1 beschriebenen dezentral gesteuerten Produktion stellt jedes Werkstück Kapazitätsanfragen für einen notwendigen Fertigungsauftrag 27. Jahrgang 2015, Heft 8/9

5 470 INDUSTRIE 4.0 UND DER CONTROLLER an jene Maschinen, die technisch in der Lage sind, diesen Fertigungsschritt zu vollziehen. Die Maschinen antworten auf diese Anfragen mit der Information, ob freie Kapazitäten in Bezug auf die aktuelle Auslastung vorhanden sind und wie hoch die Kosten konkret: der Maschinenstundensatz für den Fertigungsauftrag wären. Der Maschinenstundensatz umfasst sämtliche Kosten, welche je Laufstunde für die einzelnen Maschinen anfallen. Hierzu zählen bspw. auch die Energie- oder Wartungskosten. Interessant ist der Fall, wenn mehrere Werkstücke um eine knappe Maschinenkapazität konkurrieren. Hier benötigen wir einen Mechanismus, um zu entscheiden, welches Werkstück den Vorrang erhält. Die Lösung ist ein dynamischer Maschinenstundensatz, gleichsam eines frei verhandelbaren Kapazitätspreises. Dies hat allerdings weitgehende Folgen, da dieser dynamische Maschinenstundensatz bis in die Ergebnisrechnung wirkt. Das Werkstück muss hierbei die Information mit sich tragen, welches Höchstgebot es abgeben kann. Hierzu ist es Aufgabe des Controllings, diesen Höchstwert aus diversen Komponenten des Werts des Kunden abzuleiten, für den das Werkstück bearbeitet wird. Ein wichtiges Instrument ist der sog. Customer Lifetime Value. Dieser berücksichtigt u. a. bereits erzielte Umsätze mit dem Kunden, den gegenwärtigen Kundendeckungsbeitrag, mögliche Vertragsstrafen sowie sämtliche in der Zukunft möglichen Umsätze. Zudem hat der dynamische Maschinenstundensatz Auswirkungen auf die Amortisationsdauer von Maschinen. Höhere Maschinenstundensätze implizieren eine höhere Rentabilität der dazugehörigen Maschinen. In diesem Fall sind die höheren Maschinenstundensätze gleichzusetzen mit zusätzlichen Einzahlungen, welche die betrachteten Maschinen generieren. Deshalb wird die Prognose von Maschinenstundensätzen eine wesentliche Größe in der Investitionsentscheidung von neuen Maschinen im Kontext von Industrie 4.0 sein. Bezüglich des Angebots datenbasierter Dienstleistungen in Szenario 2 steht das Controlling insbesondere vor der Herausforderung, marktorientierte Preise zu bilden und die Rentabilität solcher Dienstleistungen zu prüfen. Die Herausforderung bei datenbasierten Dienstleistungen ist die genaue Bestimmung der Kosten, welche durch die Bereitstellung der zur Erbringung der Dienstleistung notwendigen IKT-Ressourcen anfallen. Im Sinne eines Target Pricings gilt es daraufhin, denjenigen Zielpreis zu bestimmen, welchen potenzielle Kunden bereit sind zu bezahlen. Ausgangspunkt ist hierbei der zusätzliche Nutzwert für den Kunden. Das Controlling muss dabei zunächst auf die Frage eingehen, welcher Nutzen für den Kunden generierbar ist, indem Sensordaten für die Instandhaltung- oder Ersatzteilbereitstellungsplanung erfasst und ausgewertet werden. Nach Gegenüberstellung der anfallenden Kosten und der erzielbaren Erlöse durch das Angebot von Analytics as a Service ist zu analysieren, ob und welche datenbasierten Dienstleistungen für ein Unternehmen rentabel sind und ggf. angeboten werden sollen. Management Reporting Ziel des Management Reportings ist eine empfängerorientierte Informationsversorgung, die das Management bei der Entscheidungsfindung unterstützt. Die erste Aufgabe des Controllings in Szenario 1 ist es zu analysieren, welche der neu hinzugewonnen Sensordaten für den jeweiligen Bericht relevant sind und welche nicht. Die Herausforderung, die hierbei durch Industrie 4.0 entsteht, ist die Anwendung von Data Mining- Methoden, wie Clusteranalysen (Identifikation von Gruppen von Objekten) oder Assoziationsanalysen (Identifikation häufiger Zusammenhänge), um aus den immensen Datenmengen relevante Informationen abzuleiten. Hierbei sollte sich das Controlling an den in Abb. 4 gezeigten Fragen orientieren. Dabei rücken zukunftsbezogene Fragestellungen im Rahmen der Berichtserstattung vermehrt in den Fokus und verdrängen vergangenheitsorientierte Analysen. Bezogen auf die verschiedenen Berichtsarten und die dabei fokussierten Fragestellen aus Abb. 4 sind Berichte mit Optimierungscharakter ( Was ist das Beste, was passieren Standardberichte Ad-hoc- Berichte Abfragen, Drilldowns Alarme Statistische Analysen Vorhersagen, Explorationen Prognosemodelle Optimierungen Was ist passiert? Wie viele, wie oft, wo? Wo genau ist das Problem? Welche Handlungen sind erforderlich Warum passiert das? Was, wenn diese Trends anhalten? Was wird als nächstes passieren? Was ist das Beste, was passieren kann? Umsetzungsgrad der beiden Industrie 4.0-Szenarien Abb. 4: Relevanz verschiedener Berichtsarten im Kontext von Industrie 4.0 (in Anlehnung an Gronau, 2012, S. 21)

6 Welchen Einfluss hat Industrie 4.0 auf die Controlling-Prozesse? 471 kann? ) notwendig für die Umsetzung von Szenario 1. Bei einem Anstieg der Durchlaufzeit in der Produktion kann das Controlling bspw. durch Analysen ableiten, weshalb sich dieser ergeben hat. Ist es zu Suboptima im Rahmen der dezentralen Produktionssteuerung gekommen, bspw. aufgrund von nicht optimal konstruierten Entscheidungslogiken der dezentralen Entscheidungen? Müssen die Entscheidungsalgorithmen, nach denen Werkstücke und Maschinen verhandeln, demnach weiterentwickelt werden? In Szenario 2 können durch Data Mining neue Wirkzusammenhänge festgestellt werden, um bspw. die Maschineneffizienz einer Kundenmaschine zu steigern. Wenn eine Maschine beim Kunden überdurchschnittlich oft gewartet werden muss, kann das Controlling die Daten des gesamten Produktionsablaufs verwenden und analysieren, um den Grund für den Wartungsbedarf zu identifizieren. Gründe könnten bspw. sein, dass das Bearbeitungsprogramm durch den Kunden falsch programmiert wurde, die Maschine grundsätzlich überbeansprucht wird, sichmaterialienindenwerkstückenbefinden, die die Maschine nicht bearbeiten kann oder andere Maschinen in der Produktionshalle die Maschine beeinflussen, bspw. eine leistungsschwache Absauganlage. Basierend auf den Sensordaten kann das Controlling nun prognostizieren, was passieren wird, wenn die Mängel nicht behoben werden und entsprechende Maßnahmen in den Berichten vorschlagen. Dabei kann der Hersteller seinen Kunden durch What-If -Analysen ausreichend über die Gegebenheiten informieren. Ausgehend von den in Abb. 4 aufgeführten Berichtsarten sind demnach Prognosemodelle ( Was wird als nächstes passieren? ) erforderlich, um Szenario 2 umsetzen zu können. Projekt- und Investitionscontrolling Das Projekt- und Investitionscontrolling liefert Informationen über die Einhaltung von Qualitäts-, Zeit- und Kostenzielen von Projekten und Investitionen. Das Controlling unterstützt damit das Projektmanagement in allen Phasen, wie der Bewertung und Auswahl, Planung, Durchführung oder Abschluss von Projekten und Investitionsvorhaben (vgl. IGC, 2011, S. 36). Hinsichtlich dieses Controlling-Prozesses soll nicht wie bisher zwischen den beiden Szenarien differenziert werden. Vielmehr stellen beide Szenarien das Controlling vor eine gemeinsame Herausforderung: Die Investitionsentscheidung über die Umsetzung des jeweiligen Szenarios mit entscheidungsrelevanten Informationen abzusichern. Diese Aufgabe ist vielschichtig: Zum einen variieren die Investitionsnotwendigkeiten mit dem Ausmaß der Umsetzung von Industrie 4.0. Wie bereits oben ausgeführt, gibt es nicht die eine Umsetzung, sondern eine Vielzahl von Graden der Umsetzung. Unabhängig des Umsetzungsgrads werden technologische Standards eine wesentliche Rahmenbedingung bei Investitionsentscheidungen spielen ( Welche Schnittstellen und Plattformen werden durch die Investition unterstützt? ). Setzt man hierbei auf einen technologischen Standard, welcher sich im Zeitverlauf nicht durchsetzt, drohen in der Folge hohe Wechselkosten aufgrund der Umstellung auf einen alternativen Standard ( Lock-in-Effekte ). Deshalb ist dieser Aspekt besonders zu berücksichtigen. Eine zweite Aufgabe ergibt sich aus dem größten Investitionsblock den notwendigen IT-Ressourcen. Hier stellt sich vor allem die klassische Frage Make or Buy. Insbesondere unter der Randbedingung der IT-Sicherheit ist dies keine triviale Fragestellung. Risikomanagement Ziel des Risikomanagements ist die frühzeitige Identifikation und Steuerung von Risiken. Dieser Prozess beinhaltet sowohl die Identifikation, Erfassung, Analyse, Bewertung und Kontrolle von Risiken als auch die Ableitung von Maßnahmen zur Abwehr bzw. Reduzierung dieser Risiken (vgl. IGC, 2011, S. 39). Die Einführung von Industrie 4.0-Technologien birgt eine Reihe von Risiken, die Unternehmen im Rahmen des Risikomanagements berücksichtigen müssen. Diese Risiken treten sowohl unternehmensintern als auch über die UnternehmensgrenzenhinausinSupplyNetworksauf. Im Folgenden erörtern wir nicht sämtliche Risiken, sondern exemplarisch Risiken in Supply Networks. In Abb. 5 werden die Bereiche des Risikomanagements, in denen Maßnahmen erforderlich sind, um neben einer sicheren Kommunikation auch die Korrektheit, Vollständigkeit und rechtzeitige Verfügbarkeit relevanter Daten innerhalb der Supply Networks zu gewährleisten, gezeigt (vgl. Kersten et al., 2014, S. 118 ff.). Wir verdeutlichen den Umgang mit diesen Risiken durch das Controlling anhand von vier Beispielen: Lieferantenverlust, Abhängigkeit von Technologieanbietern, Sabotage von außen sowie fehlende Standards. Wir beschreiben diese vier Risiken nachfolgend mithilfe der beiden Szenarios. Das Risiko Lieferantenverlust ist besonders in Szenario 1 relevant: Der steigende Automatisierungsgrad in der Zusammenarbeit mit Lieferanten im Zuge von Industrie 4.0 setzt eine Abstimmung der verwendeten Automatisierungstechnologien weit über das bisher übliche Maß hinaus voraus. Setzt man Szenario 1 gedanklich fort, so ist die automatisierte Bestellung inkl. automatisierter Preisverhandlung ein logischer nächster Schritt. Die hierfür notwendige Infrastruktur führt einerseits zu Effizienzsteigerungen und andererseits zu technologischen Barrieren, da nicht alle Lieferanten der erhöhten Automatisierung folgen können oder wollen. Hier muss das Controlling bewerten, ob die Umsetzung dieses Szenarios zu einem Lieferantenverlust führt, da eine zu große Technologiebarriere aufgebaut wird. Das Controlling sollte in diesem Kontext vor allem die Alternativen analysieren, die dem Unternehmen nach Wegfall eines Lieferanten bleiben und ob ggf. eine Eigenproduktion möglich ist. Auch das Risiko Sabotage von außen kann besonders im Rahmen des ersten Szenarios verdeutlicht werden. Wie das Controlling-Prozessmodell verdeutlicht, muss das Controlling jegliche Art von Risiken identifizieren und bewerten. In diesem Kontext ist es wichtig abzuschätzen, wie groß die Risiken einer steigenden Digitalisierung für das Unternehmen sind und bis zu welchem Grad diese wirtschaftlich akzeptabel sind. Hierfür können Szenarien aufgestellt werden, die zeigen, welche Konsequenzen ein Datenzugriff durch Externe auf unterschiedliche Daten mit sich bringen würde. Bei der Bewertung sollten sowohl monetäre als auch nicht-monetäre Aspekte, wie ein möglicher Vertrauensverlust durch Kunden, berücksichtigt werden. Das Risiko der Abhängigkeit von Technologieanbietern ist besonders in Szena- 27. Jahrgang 2015, Heft 8/9

7 472 INDUSTRIE 4.0 UND DER CONTROLLER rio 2 relevant, wenn die IT-Ressourcen fremdbezogen werden. Hält der IT- Dienstleister die vereinbarten Service Level nicht ein, kann das eigene Unternehmen die Verfügbarkeitsgarantien ebenfalls nicht einhalten. Dieses Risiko muss bereits bei der Vertragsgestaltung durch das Controlling mit einkalkuliert werden, da bei Vertragsbrüchen Strafzahlungen anfallen können. Auch das Risiko der fehlenden Standards kann durch Szenario 2 verdeutlicht werden. Dieses tritt auf, wenn Anbieter von IKT oder Kunden unterschiedliche Datenformate, Kommunikationsnetze oder Hardware verwenden. Möglicherweise ist eine Übertragung großer Datenmengen aufgrund der Unterschiede nicht möglich. Eine Anpassung an Kundenstandards ist mit sehr hohen Kosten verbunden. Das Controlling muss bewerten, ob eine solche Anpassung einerseits wirtschaftlich und andererseits umsetzbar ist. 4. Fazit Insgesamt führt die mit Industrie 4.0 zusammenhängende Entwicklung zu verschiedenartigen Veränderungen innerhalb der einzelnen Controlling-Prozesse. Veränderungen in den Aufgaben des Controllings gehen notwendigerweise mit einem veränderten Kompetenzprofil für die damit betrauten Personen einher. Ausgehend von den beschriebenen Industrie 4.0-Szenarien ergeben sich neue sowie veränderte Arbeitsinhalte für den Controller. Diese sind durch erhöhte Anforderungen an die Analysefähigkeit und die Instrumentenkenntnis von Controllern gekennzeichnet. Hinsichtlich der Analysefähigkeit ist der Controller gefordert, die Digitalisierung innerhalb des Produktionsumfelds umfassend zu bewerten. Hierbei muss er sich insbesondere mit den Potenzialen für neue Dienstleistungen oder für die Optimierung von Produktionsprozessen, der Relevanz neuer Datenquellen und der Bewertung neuer Risiken beschäftigen. Bezogen auf die Instrumentenkenntnis steht der Controller aus zwei unterschiedlichen Perspektiven erhöhten Anforderungen gegenüber. Einerseits muss er Einsatzgebiete identifizieren, in denen neuartige (zumeist IT-basierte) Analyseinstrumente aus dem Bereich Business Analytics zu einer verbesserten Entscheidungsfindung führen können. Andererseits muss er die Anwendung solcher Instrumente, bspw. Data Mining-Techniken, beherrschen. Diese Erkenntnisse decken sich mit den Ergebnissen einer aktuellen Studie des Arbeitskreises Ideenwerkstatt des ICV. Im Rahmen dieser Studie wurden über 200 Personen aus der Controller Community ebenfalls zu den Kompetenzanforderungen von Controllern im Kontext von Industrie 4.0 befragt. Dabei wurden die sechs Kernkompetenzen von Controllern nach dem gemeinsamen Grundsatzpapier des ICV und der IGC zugrundegelegt (vgl. ICV-Ideenwerkstatt, 2015, S. 38; Abb. 6). Auch hier liegt der Fokus auf den erhöhten Anforderungen an die Analysefähigkeit und die Instrumentenkenntnis. Supply Chain-Risikomanagement im Kontext von Industrie 4.0 Beschaffung Prozess Steuerung Nachfrage Umfeld Lieferantenverlust (Technologiebarriere) unterschiedliche Sicherheitsstandards entlang der Supply Chain Stabilität der netzbasierten Kommunikation erhöhte Anfälligkeit für Betriebsunfälle Abhängigkeit von Technologieanbietern Verlust der Verbesserungskompetenz Infrastrukturdefizite / Netzengpässe IT-Schnittstellenprobleme Sabotage von außen häufige Systemwartungen / Inkompatibilitäten Akzeptanz bei den Mitarbeitern Qualifikationsrisiken bei den Mitarbeitern Sabotage durch die Mitarbeiter erhöhte Abhängigkeit von Prozessen fehlende Entscheidungslogiken fehlerhafte Steuerungsdaten Anforderungen von Early Adopters hohe Flexibilitätsanforderung in tiefen Supply Chain-Stufen Akzeptanz durch die Gesellschaft fehlende Standards geringere Datensicherheit / Industriespionage Technologische Entwicklung Restriktionen durch Arbeitnehmervertretungen Abb. 5: Risikomanagement im Kontext von Industrie 4.0 (in Anlehnung an Kersten et al., 2014, S. 114)

8 Welchen Einfluss hat Industrie 4.0 auf die Controlling-Prozesse? 473 Wie werden sich die Anforderungen an die zentralen Kompetenzen von Controllern durch Industrie 4.0 ändern? - Analysefähigkeit - Durchdringung komplexer Planungen und Ursachenanalysen 1,5% 18,8% 79,7% - Instrumentenkenntnis - Beherrschung von Bewertungs-/ Steuerungsinstrumenten 1,5% 36,2% 62,3% - Geschäftskenntnis - Verständnis des Unternehmensgeschäfts 52,2% 47,8% - Kommunikationsfähigkeit - "Rüberbringen" von Botschaften 52,2% 47,8% - Standfestigkeit - Neutralität gegenüber Managern und Rückgrat im Konfliktfall 72,1% 27,9% - Verhaltenskenntnis - Einschätzung der Fähigkeiten und Präferenzen von Managern 72,1% 27,9% Anforderungen werden geringer Anforderungen bleiben unverändert Anforderungen werden höher Abb. 6: Anforderungen an die zentralen Kompetenzen von Controllern im Kontext von Industrie 4.0 (in Anlehnung an ICV-Ideenwerkstatt, 2015, S. 38) Nur wenn der Controller diesen erhöhten Anforderungen zukünftig gerecht wird, wird er auch weiterhin das Management als Business Partner zielgerichtet unterstützen und zu einer erfolgreichen Unternehmenssteuerung beitragen können. Hinsichtlich einer erfolgreichen Unternehmenssteuerung im Kontext von Industrie 4.0 hat der Controller dabei zwei wesentliche Aufgabenfelder zu bewältigen: die Begleitung des unternehmensweiten Industrie 4.0-Transformationsprozesses und die Controlling-interne Weiterentwicklung von Prozessen und Instrumenten. Bei der Begleitung der Industrie 4.0-Transformation ist das Controlling als Ratgeber des Managements gefragt, um eine unternehmensspezifische Industrie 4.0-Strategie mitzuentwickeln, notwendige Investitionen zu bewerten und auf der Digitalisierung basierende Geschäftsmodelle mitzuentwickeln. Zudem muss sich das Controlling selbst stets weiterentwickeln, um die im Artikel beschriebenen Veränderungen von Industrie 4.0 mittragen zu können (vgl. ICV-Ideenwerkstatt, 2015, S. 43 ff.). Keywords Digitization IGC-Process Model Industry 4.0 Internet of Things Management Accounting Summary Industrie 4.0 is the latest mega-trend in production leading to major changes in management accounting practice. Based on two often discussed scenarios, we analyze the necessary adjustments. Drawing on the management accounting process model developed by the International Group of Controlling (IGC) as a framework we provide insights into necessary changes in management account practice. Literatur Ahlert, D./Heussler, T./Michaelis, M./Möller, K./Schwab, C./Seiter, M.,Instrumentezur Quantifizierung des Kundennutzens als Basis für die Preisfindung bei hybriden Produkten, in: Controlling Zeitschrift für erfolgsorientierte Unternehmensteuerung, 20. Jg. (2008), H. 8 9, S Becker, W./Rech, S., Dienstleistungscontrolling Grundlagen, Ansätze, Entwicklungsperspektiven, Stuttgart Becker, A./Leyk, J./Riemer, L.,ModerneBudgetierung Dynamische Unternehmenssteuerung am Beispiel von Bayer Material- Science, in: Controller Magazin, 38. Jg. (2013), H. 4, S Brühl, R., Controlling Grundlagen des Erfolgscontrollings, 3. Aufl., München Büttner, K.-H./Brück, U., Use Case Industrie 4.0-Fertigung im Siemens Elektronik Werk Amberg, in: Bauernhansl, T./ten Hompel, M./ Vogel-Heuser, B. (Hrsg.), Industrie 4.0 in Produktion, Automatisierung und Logistik, Wiesbaden 2014, S Cunitz, O./Klingmann, P./Radtke, B.,Steuerung & Controlling in volatilen Zeiten Projekt bei der Bayer CropScience, in: Controlling & Management, 56. Jg. (2012), Sonderheft 2, S Emmrich, V./Döbele, M./Bauernhansl, T./Paulus-Rohmer, D./Schatz, A./Weskamp, M.,Geschäftsmodell-Innovationen durch Industrie 4.0 Chancen und Risiken für den Maschinen- und Anlagenbau, München Jahrgang 2015, Heft 8/9

9 474 INDUSTRIE 4.0 UND DER CONTROLLER Gronau, N., Analytic Manufacturing Gesteigerte Wettbewerbsfähigkeit durch optimale Nutzung von Fertigungsdaten, in: Productivity Management, 17. Jg. (2012), H. 5, S Teamarbeit erfolgreich entwickeln und gestalten. Horváth, P., Controlling, 12. Aufl., München ICV-Ideenwerkstatt, Industrie 4.0 Controlling im Zeitalter der intelligenten Vernetzung, Wörthsee/Stuttgart, IGC, Controlling-Prozessmodell Ein Leitfaden für die Beschreibung und Gestaltung von Controlling-Prozessen, Freiburg Kagermann, H./Wahlster, W./Helbig, J., Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0 Abschlussbericht des Arbeitskreises Industrie 4.0, Frankfurt am Main Kagermann, H./Riemensperger, F./Hoke, D./ Helbig, J./Stocksmeier, D./Wahlster, W./Scheer, A.-W./Schweer, D.,SmartServiceWelt Umsetzungsempfehlungen für das Zukunftsprojekt Internetbasierte Dienste für die Wirtschaft, Berlin Kersten, W./Schröder, M./Indorf, M., Industrie 4.0 Auswirkungen auf das Supply Chain Risikomanagement, in: Kersten, W./Koller, H./ Lödding, H. (Hrsg.), Industrie 4.0 Wie intelligente Vernetzung und kognitive Systeme unsere Arbeit verändern, Berlin 2014, S Schäfer, A./Knapp, M./May, M./Voß, A.,Big Data Vorsprung durch Wissen Innovationspotenzial, Sankt Augustin Seiter, M./Rusch, M./Treusch, O., Industrie 4.0 im Fokus betriebswirtschaftlicher Forschung IPRI und Universität Ulm gründen neuen Arbeitskreis, in: Controller Magazin, 40. Jg. (2015), H. 2, S Steven, M., Handbuch Produktion Theorie, Management, Logistik, Controlling, Stuttgart Westkämper, E., Das Modell der digitalen Produktion, in: Westkämper, E./Spath, D./ Constantinescu, C./Lentes, J. (Hrsg.), Digitale Produktion, Berlin/Heidelberg 2013, S Von Susanne Bender 3. Auflage XXX, 290 Seiten. Kartoniert 16,90 (dtv-band 50945) Gemeinsam mehr erreichen Was zeichnet erfolgreiche und effiziente Teamarbeit aus? Wie findet der Teamleiter den Weg zum»wir«? Die Antworten finden Sie hier. Auch gezielte Maßnahmen zur Konfliktbewältigung und der effektive Einsatz von Kompetenzen werden an Hand eines fiktiven Beispielteams veranschaulicht. Erkennen und richtig handeln Das Buch führt Sie systematisch durch die vier Phasen der Teamentwicklung: Zugehörigkeit, Verantwortung, Offenheit und Terminierung. Der Teamleiter erfährt, wie er die Phasen erkennt, welche Risiken und Chancen in jeder Phase stecken und wie er sich in den einzelnen Phasen verhalten muss, um sein Team effizient zu leiten und zu unterstützen. Literaturtipps aus dem Online-Archiv der CONTROLLING: Herwig Winkler, Einsatz des Investitions-Controllings im Supply Chain Management, Ausgabe 11/2007, S Burkhard Pedell, Controlling unter dem Einfluss regulatorischer Vorgaben, Ausgabe 12/2008, S Wolfgang Becker, Patrick Ulrich und Lisa Zimmermann, Betriebsgröße als Gestaltungsparameter des Controllings Status Quo und Empfehlungen, Ausgabe 4 5/2012, S Speziell für Team- und Projektleiter, Personalverantwortliche, Führungskräfte, Berater und Trainer. Beck-Wirtschaftsberater im Preis inkl. MwSt. /