Muss bzw. kann ich tatsächlich schon in neue Technologien investieren, wenn signifikante Potentiale in den aktuell bestehenden Systemen noch gar nicht genutzt werden? KPMG Value Audit: mehr sehen – besser verstehen.

Sie alle kennen die Anekdote von einem Autofahrer, dem noch keiner gezeigt hat, wie man den zweiten Gang einlegt. Zufrieden mit sich und der Welt wird das Fahrzeug virtuos im ersten Gang genutzt und dabei das Material bis in den Grenzbereich strapaziert. Um nun schneller zu fahren und dabei die Vorteile von Innovationen aller Art in Anspruch zu nehmen, wird nicht versucht, das Problem mit der Gangschaltung in den Griff zu bekommen, sondern ein neues Auto angeschafft – mit mehr Hubraum und mehr PS, so dass das Ziel „schneller zu fahren“ tatsächlich (zumindest in Teilbereichen) erreicht wird ohne gleichzeitig an der Art, wie das Fahrzeug schon seit vielen Jahren gesteuert wird, etwas entscheidendes zu verändern.

Das gleiche Thema stellt sich – allerdings in der realen Welt – rund um die Digitalisierung. Wir diskutieren nahezu täglich über z.B. den Einsatz künstlicher Intelligenz, Hochgeschwindigkeitsanalysen und die Nutzung strukturierter und unstrukturierter Informationen in sog. „Data Lakes“ ohne mit der gleichen Intensität die Frage zu stellen, ob das Potential in den schon vorhandenen Prozessen und Systemen ausreichend adressiert und genutzt worden ist.

Es ist unbestritten, dass all diese „high end Themen“ unsere Arbeitswelt und damit auch unser Leben nachhaltig verändern werden. Es wird jedoch schnell übersehen, dass viele der praxisnahen Innovationen hohe Anforderungen an die Daten (z.B. Stimmigkeit, Eindeutigkeit), Prozesse (z.B. Stringenz, keine Parallelprozesse, begrenzte Flexibilität) und Systeme (z.B. Homogenität der Systeme, Vergleichbarkeit der Inhalte) stellen, ohne die die gewünschten Erfolge nicht oder nur mit unverhältnismäßig hohem Zusatzaufwand erzielt werden können. Systeme, die auf vollständig unstrukturierter Basis perfekte Ergebnisse erzielen können, gibt es noch nicht.

Digitalisierung: Status-Quo in der deutschen Wirtschaft

Eine der zentralen Fragen für die zukünftigen Aktivitäten ist nun die sachgerechte Standortbestimmung. Wo liegen für ein bestimmtes Unternehmen die aktuell relevanten Herausforderungen? Eher beim Einsatz von künstlicher Intelligenz oder – unverändert – bei den eher „traditionellen Themen“ wie Stammdaten, Systemnutzung und Prozessvarianzen.

Eine Studie zur Digitalisierung im Rechnungswesen aus dem Jahr 2017, die in Kooperation von KPMG mit der LMU München durchgeführt wurde, kommt zum Schluss, dass es aktuell immer noch die „traditionellen Themen“ wie Management der Datenqualität, Homogenität der Systeme sowie die Prozessautomatisierung sind.

Diese Einschätzung entspricht auch der Erkenntnis aus den Fokus-Team Aktivitäten der Prüfungssaison 2017/18. Bei näherer Betrachtung ist das Bild jedoch keineswegs homogen – d.h. es gibt eine Reihe von Unternehmen, die die letzten Jahre intensiv für die Digitalisierung und Optimierung ihrer Prozesse genutzt haben und bereits heute in der Lage sind, neueste Technik auch zielgerichtet auf einen optimierten Datenbestand anzuwenden – mit zum Teil beeindruckenden Ergebnissen. Nichts davon kam schnell, ungeplant oder reibungslos.

Keine Zeit, keine Ressourcen und kein Budget

Im Durchschnitt ergibt sich jedoch ein anderes Bild: keine Zeit, keine Ressourcen und kein Budget sind die drei am häufigsten genannten Argrumente, warum die Herausforderungen der Vergangenheit auch noch die Herausforderungen der Gegenwart darstellen. Die Schere in der deutschen Wirtschaft in Bezug auf Prozesse und Systeme ist dadurch so weit aufgegangen, wie noch niemals zuvor. Im Umfeld niedriger Zinsen, einer hoher Nachfrage sowie kapazitätsmäßiger Engpässe ist diese Entwicklung meist nicht direkt ersichtlich – das kann sich bei einer eintrübenden Wirtschaft jedoch schnell verändern. Es ist ein Gebot der Stunde, die Zeit bis dahin möglichst intensiv zu nutzen.

Transparenz ist der Schlüssel zum Erfolg

In zahlreichen, operativen Prozessen sind vergleichsweise wenige Kennzahlen erforderlich, um einen ersten, guten Eindruck bezüglich des Status-Quo zu erhalten. Nicht die Anzahl von KPI’s („Death through dashboards“), sondern die bewusste Auswahl sowie die Interpretation der Ergebnisse im jeweiligen Umfeld des Unternehmens, machen hier den Unterschied.

Beispiel: Einkauf

Eine typischerweise sinnvolle Kennzahlenkombination im sog. Purchase-to-Pay Prozess (kurz: Einkauf) setzt sich aus der sog. Bestellquote (Purchase-Order Rate), dem Automatisierungsgrad im sog. Nebenbuch sowie der Durchlaufzeit zusammen.

Bestellquote
Das Automatisierungspotential von SAP in der Verarbeitung von Bestellungen lässt sich z.B. nur dann nutzen, wenn hierfür auch das SAP Modul für die Materialwirtschaft (sog. Nebenbuch) verwendet wird. Die Bestellquote bezeichnet hierbei den Anteil der über SAP MM verarbeiteten Rechnungen in Relation zum gesamten Belegvolumen im Unternehmen. Eine hohe Bestellquote ist damit eine der Grundvoraussetzung zur Nutzung des Effizienzpotentials in einem ERP System.

Automatisierungsgrad
Ein wesentliches Ziel bei Nutzung von integrierten ERP Systemen ist die weitestgehende Automatisierung der Prozesskette – d.h. von der Bestellung über die Rechnungsprüfung und Verbuchung bis zur Bezahlung.
Ein wesentlicher Schlüssel hierfür ist die Qualität der Daten im System. Fehlende Kontierungsinformationen in der Bestellung, fehlende Informationen auf der Rechnung, nicht korrekte Preis- und Mengeninformationen usw. führen dazu, dass das grundsätzlich vorhandene Automatisierungspotential nicht vollständig genutzt werden kann mit der Konsequenz umfangreicher manueller Eingriffe und Freigaben.

Durchlaufzeit
Die Durchlaufzeit (z.B. Rechnungsdatum vs. Freigabedatum) ist ein guter Indikator bezüglich des tatsächlich erreichten Digitalisierungsgrades; so sind hohe Belegvolumen und durchschnittlich geringe Transaktionsvolumen (d.h. Rechnungsbeträge) bei einer Durchlaufzeit von 0 Tagen (d.h. Vollautomatisierung) grundsätzlich kein Problem. Anders herum sind selbst die Anzahl der Belege sowie das durchschnittliche Rechnungsvolumen ein wesentliches Thema von Optimierungsüberlegungen.
Je „breiter“ die Durchlaufzeit definiert wird, desto mehr Informationen über den Gesamtprozess lassen sich gewinnen. So gibt es nicht wenige Unternehmen, die bei den Kennzahlen „Bestellquote“ und „Automatisierungsgrad“ hervorragende Werte aufweisen – allein die unverändert hohe Durchlaufzeit für den Gesamtprozess weist darauf hin, dass ein wesentlicher Bestandteil der Analyse noch fehlt (z.B. vorgelagerte, manuelle Abstimmungsprozesse).

“Ein wesentliches Ziel bei der Nutzung von integrierten #ERP Systemen ist die weitest gehende #Automatisierung der Prozesskette – d.h. von der Bestellung über die Rechnungsprüfung und Verbuchung bis zur Bezahlung. Wie Sie dies für Ihr Unternehmen umsetzen können… #PrüfungderZukunft“

Twittern WhatsApp

Wie werden nun aus KPIs konkret verwertbare Erkenntnisse?

Aktuelle Technik ermöglicht, über eine Vielzahl von Informationen – inkl. der oben genannten Kennzahlen – zu verfügen. Was aber bedeutet in einem Industrieunternehmen (Serienproduktion) z.B. eine PO-Rate von 79%, ein Automatisierungsgrad von 82% bei einer durchschnittlichen Durchlaufzeit von 12,4 Tagen? Sind diese Ergebnisse gut oder eher schlecht, wo ist ggf. das Problem und welche Aktivitäten haben sich in vergleichbaren Fällen bereits bewährt, dieses Problem auch zu lösen?

Es wird schnell klar, dass die Ergebnisse maschineller Routinen allein noch nicht weiterhelfen. Erst die Kombination von gezielten Ergebnissen aus der Digitalisierung mit Benchmark- und Best Practice Know-How, Erfahrung und Expertise ermöglichen es, digitale Ergebnisse zu konkreten (unternehmensspezifischen) Handlungsempfehlungen weiterzuentwickeln. Es klingt fast paradox – aber je leistungsfähiger die digitalen Analysetools werden, umso wichtiger wird der „Mensch“ und seine Erfahrung aus „anderen“ Unternehmen, um die Ergebnisse auch tatsächlich verwerten zu können.

In der Wirtschaftsprüfung setzten wir für die Analyse auf die Fokus-Teams

Diese Teams sind eine Besonderheit von KPMG und auf die typischerweise ERP-basierten operativen Kernprozesse unserer Mandanten (d.h. Einkauf, Produktion/Vorräte und Verkauf) spezialisiert. Ein Erkennungszeichen dieser Teams ist die Kombination aus Entwicklung und Anwendung von Digitalisierungslösungen in der Praxis. Darüber hinaus verfügen diese Teams aus mehr als eintausend Abschlussprüfungen pro Jahr über ein außergewöhnliches Benchmark- und Best Practice Know-How, das wir für unsere Mandanten neben der Durchführung der Abschlussprüfung auch für eine gezielte Berichterstattung aus der Prüfung (z.B. über den Einkaufsprozess) einsetzen.

Erster Einstieg in die Analyse: Im vorliegenden Beispielsfall liegt die PO-Rate mit 79% deutlich unter dem Industriedurchschnitt von über 90%; d.h. im Vergleich zur Peer-Group wird damit mehr als doppelt so viel Volumen außerhalb der Materialwirtschaft (manuell) bestellt und verarbeitet. Soweit der systemgestützte Einkaufsprozess verwendet wurde, liegt der erreichte Automatisierungsgrad mit 82% ebenfalls deutlich unter dem Benchmark von rd. 95%; d.h. jede fünfte Rechnung, die grundsätzlich maschinell verarbeitet werden könnte, muss hier manuell nachbearbeitet und freigegeben werden. Die im Vergleich zum Benchmark unterdurchschnittlichen KPIs spiegeln sich auch in der Durchlaufzeit von 12,4 Tagen wider, die sich ebenfalls deutlich über einem Best Practice Wert von weniger als 5 Tagen bzw. dem Branchendurchschnitt (zwischen 8 und 10 Tagen), befindet.

Ohne tiefer in den Sachverhalt einzusteigen, wird im vorliegenden Beispielsfall die Weiterentwicklung im ersten Schritt voraussichtlich nicht im Bereich eines Data Lakes, dem Einsatz von künstlicher Intelligenz oder einer neuen, signifikant leistungsfähigeren Datenbank bzw. ERP Struktur liegen, sondern betrifft eher die klassischen Felder wie die Erhöhung der PO-Rate, Verbesserung der Datenqualität und Optimierung der Prozesse sowie deren Bearbeitung. Selbstverständlich lassen sich bereits in diesem Stadium innovative Tools zur Identifikation von Handlungsbereichen (z.B. Process Mining – Visualisierung von Prozessabläufen) bzw. zur Automatisierung einfacher Routinesachverhalte (z.B. RPA – Robotic Process Automation) einsetzen.

Wie komme ich an diese Informationen?

Für unsere Mandanten mit den Voraussetzungen für den Einsatz digitaler Prüfungstools (sog. KPMG Clara Analytics) sind Informationen dieser Art bereits heute Teil unserer Standard-Berichterstattung aus der Prüfung (KPMG Value Audit).

Haben Sie Fragen oder Anregungen zu meinem Artikel?