Home

Intern

Deutsch|English

Neues Themenspecial "Quantitative Advisory – Ihr Kümmerer für komplexe Bewertungsherausforderungen" » |

Weltweit

Anscheinend ist in Ihrem Browser JavaScript nicht aktiviert. Aktivieren Sie bitte JavaScript, und versuchen Sie es erneut.

ERP und neue Technologien im Zusammenspiel: Datenbasierte Entscheidungen im Unternehmen

veröffentlicht am 18. Juni 2024 | Lesedauer ca. 3 Minuten

Neue Technologien wie KI werden zweifelslos die Zukunft mittelständischer Unternehmen prägen und gestalten. Auch wir aus der Unternehmens- und IT-Beratung von Rödl & Partner erkunden die wegweisende Rolle neuer Technologien für internationale mittelständische Unternehmen, um so Abläufe zu optimieren und Tätigkeiten zu automatisieren. ERP-Systeme, wie SAP S/4 HANA und Microsoft Dynamics 365 bilden das Herzstück eines Unternehmens und können mit Hilfe innovativer Technologien den Mittelstand effektiv verändern. Ein methodischer Ansatz von Rödl & Partner zeigt, wie die Verwandlung vom Chief Financial Officer zum strategische Gestalter ermöglicht wird, um so datenbasierte Entscheidungen zu treffen.

Die Frage, wie Technologie international tätigen mittelständischen Unternehmen helfen kann, Abläufe zu optimieren und Tätigkeiten zu automatisieren, um schlanker und effizienter zu werden, beschäftigt das gesamte Beratungsumfeld. Auch unsere Mitarbeiterinnen und Mitarbeiter in der Unternehmens- und IT-Beratung von Rödl & Partner gehen dieser Frage nach. Dafür nutzen wir verschiedenste Werkzeuge und IT-Tools, zu denen wir beraten, die wir implementieren und auch betreiben. ERP-Systeme wie SAP S/4 HANA oder Microsoft Dynamics 365, BI-Werkzeuge wie BW4/HANA, Business Objects oder Microsoft Power BI, Integrationsplattformen wie die BTP von SAP oder die Microsoft Power-Plattform sind unsere täglichen Begleiter.

Insbesondere Künstliche Intelligenz spielt eine immer größer werdende Rolle. Die Fähigkeit, große Datenmengen in kürzester Zeit zu analysieren, daraus Prognosen abzuleiten und gegebenenfalls sogar ein Fazit zu ziehen, ist beeindruckend und geht deutlich über das hinaus, wozu ERP-Systeme bisher fähig waren bzw. was deren Aufgabe überhaupt umfasst.

ERP-Systeme bilden die Kernwertschöpfungsprozesse eines Unternehmens ab. Sie integrieren und verarbeiten Daten aus verschiedensten Geschäftsbereichen, wie Produktion und Logistik, Vertrieb, Einkauf oder auch Unterstützungsprozesse wie Finanz- oder Personalprozesse. Richtig eingeführt bilden diese das Herzstück der Unternehmens-IT-Architektur. Neue Werkzeuge wie Anwendungen aus der KI können diese Architektur sinnvoll ergänzen und Unternehmensprozesse und Abläufe noch effizienter und schlanker machen, Mitarbeiterinnen und Mitarbeiter sinnvoll entlasten und somit einen klaren Wettbewerbsvorteil schaffen.

Doch wie können diese Potenziale in den Unternehmen genutzt werden? Am Beispiel der Finanzprozesse haben wir uns diesem Thema verstärkt gewidmet. Wir begleiten die CFOs unserer Kunden auf dem Weg vom Ausführer zum Gestalter. Dazu war es nötig, sich die Finanzprozesse genauer anzuschauen und transparent zu machen, wie und wo Technologie zum Einsatz kommt, um die Tätigkeiten der Mitarbeitenden optimal zu unterstützen. Am Beispiel sich wiederholender, immer wiederkehrender Tätigkeiten kann meist ohne große Aufwände durch Werkzeuge, wie RPA (Robotic Process Automation) oder kleine Eigenentwicklungen in den ERP-Systemen, gezeigt werden, wie durch Automatisierung schnelle Effizienzgewinne erreicht werden können.

Zum Vergrößern bitte auf die Grafik klicken

Doch wie kann der CFO als Verantwortlicher dieser Prozesse aus einer operativen Rolle in eine gestaltende und strategische Rolle wechseln? Auch an dieser Stelle kann Technologie und das richtige Kombinieren von IT-Werkzeugen der Schlüssel sein. Um auf diesem Weg behilflich zu sein, haben wir den methodischen Ansatz Finance4Future entwickelt, der durch die CFO-Pyramide visualisiert wird.

Im Grunde geht es darum, wie Unternehmen in globalen Strukturen ihre Entscheidungen treffen und wie technologische Werkzeuge diese Entscheidungsprozesse unterstützen können. Es geht darum, Daten schneller und besser zu analysieren, um fundierte Entscheidungen zu treffen und flexibler auf Veränderungen im Marktumfeld reagieren zu können. Damit datenbasierte Entscheidungen getroffen werden können, müssen die Daten zunächst erfasst oder in das eigene Unternehmen übertragen werden. Diese liegen dann meist strukturiert in den ERP-Systemen oder den verbundenen IT-Systemen.

In der zweiten Ebene der Pyramide geht es darum, diese Daten zu sammeln und zu validieren. Hier nutzt man im Schwerpunkt BI-Werkzeuge, Datawarehouses oder Datalake- Technologie. Auf der dritten Ebene der Pyramide geht es bereits um die Erkennung von Strukturen mittels statistischer Verfahren. In der vierten Ebene kommen erste KI-Werkzeuge zum Einsatz. Die Daten werden analysiert und interpretiert. Daraus können auf der nächsten Ebene der Pyramide Entscheidungsvorlagen entstehen, die bewertet werden, um die finale Entscheidung vorzubereiten.

Richtig eingesetzt, ist dieser Ansatz auf sämtliche Unternehmensbereiche anwendbar. Es geht darum, aus Unternehmensdaten Informationen zu gewinnen und diese in Wissen zu transferieren.

An dem Beispiel der CFO-Pyramide kann man das Zusammenspiel verschiedener IT-Werkzeuge sehr gut darstellen. Während es bei den ERP-Systemen im Schwerpunkt um die technologische Unterstützung der Kernwertschöpfungsprozesse geht und hier Unternehmensdaten erzeugt und prozessiert werden, nutzen andere Werkzeuge diese Daten, um basierend darauf Unternehmensentscheidungen vorzubereiten und Prognosen zu erstellen.

An zwei Beispielen aus der Praxis lässt sich das Zusammenwirken der Technologien erkennen

Beispiel 1: BETRIEBSDATENERFASSUNG – MUSTERERKENNUNG IN DEN PROZESSDURCHLAUFZEITEN

Basierend auf den Daten der Betriebsdatenerfassung, dem Werkskalender sowie weiterer Informationen aus den operativen Systemen, wie dem ERP-System eines Zulieferunternehmens der Luftfahrindustrie, wurden durch den Einsatz von Machine-Learning-Verfahren die wesentlichen Einflussfaktoren, die zu einer Varianz in den Durchlaufzeiten einzelner Produktionsprozesse führten, identifiziert. Die Ergebnisse des Machine-Learning-Verfahrens, basierend auf den aggregierten und strukturierten Daten der Vorsysteme, wurden als Ausgangspunkt für die gezielte Prozessoptimierung genutzt.

Beispiel 2: LIEFERKETTE – ABMILDERUNG DES BULLWHIP- EFFEKTES IM GESCHÄFTSFELD AUTOMOTIVE

Unternehmen in weitreichenden Lieferketten sehen sich regelmäßig mit dem Effekt konfrontiert, dass Schwankungen in den Abrufmengen mit zunehmender Länge der Lieferkette deutlich variieren. Dies führt zu einem erschwerten Planungsprozess und zu ungenauen Vorhersagen. Somit wird eine kontinuierliche Auslastung der Produktion schwer bis unmöglich vorhersagbar. In diesem Umfeld wurde, basierend auf dem historischen Bestellverhalten der Kunden, ein Modell (neuronales Netzwerk) entwickelt, welches die wahrscheinliche finale Abrufmenge des Kunden prognostiziert und somit ein sichereres Planungsumfeld ermöglicht. An den Beispielen ist erkennbar: Der richtige Ansatz mit den richtigen Werkzeugen kann einen erheblichen Mehrwert für Unternehmen generieren.

Auf dem Weg zur digitalen Transformation sollten mittelständische Unternehmen die Chancen der Technologie nutzen, um wettbewerbsfähig zu bleiben. Intelligente Automatisierung und strukturierte Daten ermöglichen es Unternehmen, effizienter zu werden und sich erfolgreich in einer dynamischen Wirtschaftswelt zu behaupten. Technologie ist somit der Schlüssel zur Anpassungsfähigkeit, der Unternehmen zu mehr Geschwindigkeit und Effizienz verhilft.