Lernziele / Kompetenzen:

Nach Absolvierung des Moduls sind die Studierenden in der Lage:

Fachkompetenz:           

Ø  Die Auswirkungen der Digitalisierung und der damit einhergehenden systemischen Unterstützung auf das Controlling (Performance Management) und das Rechnungswesen allgemein einzuordnen und vorauszusagen.

Ø  Verschiedenen Einflussfaktoren der Digitalisierung auf das Performance Management und Rechnungswesen der Zukunft einzuordnen und zu beurteilen.

Ø  Die dafür notwendigen Kompetenzen der Zukunft zu erwerben und zu unterscheiden, welche Prozesse im Controlling (Performance Management) und im Rechnungswesen durch die Digitalisierung auf welche Weise beeinflusst und in Zukunft verändern werden.

Ø  Moderne Analyseverfahren, die zunehmend Einzug finden, wie z.B. Big-Data, Machine Learning, Data-Mining, Predictive Analytics und können ausgewählte Verfahren, zu verstehen, eigenständig anwenden und mit der betrieblichen Praxis zu verbinden.

Methodenkompetenz:

Ø  Die Aufgaben der Digitalisierung auf andere Bereiche abzuleiten und die erlernten Methoden auf neue und komplexe Aufgaben und Probleme – auch außerhalb des Controllings (Performance Measurement) und das Rechnungswesen anzuwenden.

Ø  Das Analytics-Programm Rapid Miner sowie das RPA-Programm UiPath anzuwenden.

Ø  Wesentliche Funktionen in Excel, insbesondere im Hinblick auf die Nutzung moderner statistischer Verfahren (z.B. aus Predictive Analytics) anzuwenden und zu reflektieren.

Sozialkompetenz:

Ø  Zentrale Begriffen der Digitalisierung zur Kommunikation zu nutzen und Problemstellungen zur Lösung von dafür relevanten Fragestellungen zielgruppengerecht zu beschreiben.

Selbstkompetenz:

Ø  Die eigene Begabung und Leistungsbereitschaft in Methoden der Digitalisierung und deren Anwendung auf Fragestellung im Controlling (Performance Measurement) und Rechnungswesen zu entfalten.

Inhalte:

Ø  Auswirkungen der Digitalisierung auf das Controlling (Performance Measurement) & Rechnungswesen in Bezug auf Rollenbild, Organisation und Prozesse

Ø  Konzept und Anwendung von Analytics-Verfahren im Bereich Predictive Analytics (z.B. lineare oder logistische Regression)

Ø  Nutzung und Einsatz von Software für Rechnungswesen und Controlling (Performance Measurement) (z.B. UiPath, Excel, Rapidminer)

Lehr-und Lernmethoden:

Seminaristischer Unterricht: Fallbearbeitung und Fallstudien; Exkursion; Gruppenarbeiten; Praxisbeispiele; Diskussion und Moderation; Übungsaufgaben; Multimedialer Einsatz; ggf. online Lehre

Stellenwert der Note in der Endnote des Master (Masterzeugnis):

5 / 90

Literatur:

Horváth, P./Gleich, R./Seiter, M.: Controlling, aktuelle Auflage, Vahlen.

Weber, J./Schäffer, U.: Einführung in das Controlling, aktuelle Auflage, Schaeffer-Poeschel.

Langmann, C.: Digitalisierung im Controlling, aktuelle Auflage, Wiesbaden.

Langmann, C.: Robotic Process Automation, aktuelle Auflage, Wiesbaden.

Weitere relevante Literatur wird aufgrund ihrer Aktualität in der Vorlesung bekannt gegeben.