Investition ohne Wirkung: Warum viele Unternehmen ihre Controlling-Systeme falsch nutzen

Kaum ein Unternehmen scheut heute noch die Investition in moderne Controlling-Systeme. ERP-Anbindungen, Business-Intelligence-Plattformen, automatisierte Reportings – die technische Ausstattung im Finance-Bereich hat sich in den vergangenen Jahren spürbar professionalisiert. Und doch zeigt sich in der Praxis immer wieder ein ernüchterndes Muster: Die Technik ist da, aber der erhoffte Effekt bleibt aus. Controller liefern Zahlen, aber sitzen nicht am Tisch, wenn strategische Entscheidungen fallen. Die Systeme laufen, aber die Organisation verändert sich nicht. 

Eine aktuelle Studie von Prof. Dr. Martin Hiebl und Johannes Thaller (Johannes Kepler Universität Linz) mit Christian Dohmen und Kevin Papiorek, veröffentlicht in der European Accounting Review, liefert dazu eine aufschlussreiche Erklärung – und sie deckt sich mit dem, was wir aus unserer eigenen Beratungspraxis immer wieder beobachten.

Der Befund: Es kommt nicht auf die Technik an, sondern auf die Daten dahinter

Die Autoren haben 136 deutsche Mittelstandsunternehmen befragt und zwei mögliche Erklärungen gegenübergestellt, warum ausgereiftere Informationssysteme Controller stärker in die Strategieentwicklung einbinden könnten: Erstens, weil Automatisierung Zeit für wertschöpfendere Aufgaben freisetzt. Zweitens, weil bessere Systeme schlicht bessere Daten liefern – und Controller dadurch als verlässlichere Gesprächspartner für das Management wahrgenommen werden.

Das Ergebnis ist eindeutig: Nicht die Zeitersparnis ist der entscheidende Hebel, sondern die Datenqualität. Erst wenn Controller Zahlen liefern können, denen das Management tatsächlich vertraut – aktuell, konsistent, nachvollziehbar – verschiebt sich ihre Rolle von der reinen Zahlenlieferung hin zur strategischen Beratung. Ein neues System allein bringt diesen Effekt nicht automatisch mit sich. Es kommt darauf an, was aus dem System herauskommt.

Der blinde Fleck: Gute Systeme, ungenutztes Potenzial

Besonders aufschlussreich wird die Studie beim Blick auf Familienunternehmen. Hier zeigt sich ein Befund, der auf den ersten Blick überrascht: Familiengeführte Unternehmen verfügen im Schnitt über mindestens ebenso ausgereifte Systeme wie Nichtfamilienunternehmen – teilweise sogar über bessere. Das Bild vom technologisch rückständigen Familienbetrieb lässt sich empirisch nicht bestätigen.

Trotzdem übersetzt sich diese Technologie dort seltener in eine stärkere strategische Einbindung der Controller. Der Grund liegt nicht darin, dass Inhaberfamilien ihre Controller bewusst von Entscheidungen fernhalten wollen. Vielmehr sind Eigentümerfamilien durch ihre eigene Nähe zum operativen Geschäft oft schlicht weniger darauf angewiesen, dass ihnen jemand die Lage des Unternehmens aus den Systemen heraus erklärt. Die Daten sind da – aber der Weg vom System über den Controller zur Entscheidung wird seltener beschritten.

Was das für die Praxis bedeutet

Aus unserer Erfahrung mit Data- & AI-Projekten im Mittelstand bestätigt sich hier ein Muster, das wir regelmäßig beobachten – und das sich in drei Fragen auflösen lässt, die deutlich vor der Systemauswahl beantwortet werden sollten.

Die erste betrifft die Strategie: Wurde überhaupt ein Zielbild definiert, wofür Daten und Systeme eigentlich genutzt werden sollen – oder wurde die Technologie eingeführt, bevor Rollen und Entscheidungsbedarfe geklärt waren? Genau das beobachten wir häufig auch außerhalb von Familienunternehmen: Tools sind vorhanden, aber niemand hat definiert, welche Entscheidungen damit eigentlich besser werden sollen.

Mehr zu unserem Ansatz für Data & AI Strategie

Die zweite betrifft Verantwortlichkeit: Wer im Unternehmen ist eigentlich dafür zuständig, dass eine Kennzahl in jeder Abteilung dasselbe bedeutet? Ohne klare Data-Ownership diskutieren Fachbereiche, IT und Management im selben Meeting oft aneinander vorbei – und genau das untergräbt das Vertrauen, das Controller laut Studie erst zu gefragten strategischen Beratern macht.

Mehr zu unserem Ansatz für Data & AI Governance

Die dritte betrifft das Fundament selbst: Stammen die Zahlen aus einer konsistenten, nachvollziehbaren Datenbasis – oder werden sie jedes Quartal händisch aus mehreren Systemen zusammengetragen? Erst eine saubere Datenplattform mit klarer Herkunft und Historie macht Datenqualität überhaupt belastbar, statt sie von Fall zu Fall neu herzustellen.

Mehr zu unserem Ansatz für Data Management

Wer diese drei Fragen für sich beantworten kann, hat die eigentliche Voraussetzung geschaffen, damit ein neues System auch tatsächlich etwas verändert – und nicht nur die Oberfläche modernisiert, während sich an der Rolle des Controllings im Unternehmen nichts verschiebt.

Mehr zu den Hintergründen dieser Studie – und was Unternehmen konkret tun können, um aus guten Systemen auch strategischen Mehrwert zu ziehen – besprechen wir mit Prof. Dr. Martin Hiebl und Johannes Thaller in der aktuellen Folge unseres Performance Manager Podcast.