Digital Finance
Einführung
Digital Finance
Der Forschungsbereich Digital Finance beschäftigt sich mit der wechselseitigen Beziehung zwischen der Finanzfunktion und Digitalisierung. Dabei wirkt sich einerseits die Digitalisierung maßgeblich auf die Veränderung der Finanzfunktion aus, da diese im Rahmen der ganzheitlichen digitalen Transformation von Unternehmen zur Übernahme neuer Aufgaben strukturell und strategisch neu ausgerichtet werden muss. Andererseits ermöglicht es die Finanzfunktion durch ein breites methodisches Repertoire, Digitalisierungsaktivitäten kennzahlenbasiert besser zu planen, steuern und zu überwachen.

Digitalisierung der Finanzfunktion
Während Geschäftsbereiche mit hoher Kundeninteraktion oder in der Produktion im Fokus der Digitalisierungsaktivitäten von Unternehmen stehen (z. B. Industrie 4.0), werden die Potenziale der Digitalisierung der Finanzfunktion oftmals wenig beachtet. Dabei bietet dieser Bereich eine Vielzahle von Automatisierungspotenzialen und bedarf einer strategischen Neuausrichtung, um die Chancen der Digitalisierung nutzbar zu machen und neue digitale Geschäftsmodelle zu ermöglichen. In einer digital transformierten Rolle nutzt der Finanzbereich Dezentralisierung und Automatisierung, um Effizienzen im operativen Bereich heben und gleichzeitig eine strategische Rolle als Business Partner mit eigener IT-Kompetenz einnehmen zu können. Diese Transformation stärkt die strategische Rolle des Finanzbereichs und forciert eine enge Zusammenarbeit mit der IT-Organisation, um Digitalisierungsaktivitäten betriebswirtschaftlich bewerten und steuern zu können.
Finanzwirtschaftliches Ertrags- und Risikomanagement
Zur Steuerung eines Unternehmens in Sinne einer auf Nachhaltigkeit und Resilienz ausgerichteten, wertorientierten Unternehmensführung wird ein IT-gestütztes, integriertes Ertrags- und Risikomanagement benötigt. Durch die Anwendung von Modellierungs-, Simulations- und Analysemodellen basierend auf einer unternehmensweiten, konsistenten Datenbasis kann eine kontinuierliche Performancemessung, Risikoüberwachung sowie Entscheidungsunterstützung gewährleistet werden. Das finanzwirtschaftliche Ertrags- und Risikomanagement leistet zudem einen wichtigen Beitrag, Digitalisierungsinitiativen aus einer betriebswirtschaftlichen Perspektive zu bewerten und zu begleiten
KI-gestütztes Financial Forecasting
Die Finanzfunktion von Unternehmen steht vor der Herausforderung, kurzfristige und belastbare Finanzkennzahlen sowie Prognosen zu erstellen, um eine bessere Planungsgrundlage zu erreichen und den Vergleich zwischen aktuellen Entwicklungen und den Zielen eines Unternehmens zu ermöglichen. Vor dem Hintergrund zunehmender Komplexität, Vernetzung und Dynamik in den Märkten ist die manuelle Erstellung von Forecasts durch das Controlling jedoch kostspielig, zeitaufwändig und kann zu verzerrten Ergebnissen führen. Automatisierte Umsatzprognosen basierend auf statischen Verfahren sowie Methoden des maschinellen Lernens ermöglichen hingegen die echtzeitnahe Erstellung von Vorhersagen und Szenarioanalysen, welche unter minimalem Ressourcenaufwand durchgeführt werden und, oftmals genauere Ergebnisse erzielen können. Dies unterstützt Unternehmen langfristig auf dynamischen Märkten konkurrenzfähig zu bleiben.
Analyse von Digitalisierungspotenzialen
In der Analyse von Digitalisierungspotenzialen spiegelt sich die Ambivalenz des Verhältnisses von Digitalisierung und Finanzfunktion wider: Einerseits können Digitalisierungs- und Automatisierungspotenziale im Bereich des Rechnungswesens und des Controllings gehoben werden. Andererseits können Werkzeuge der Finanzfunktion genutzt werden, um Digitalisierungsinitiativen betriebswirtschaftlich zu bewerten und deren Potenziale quantifizieren und priorisieren zu können. So kommt der Finanzfunktion eine wichtige Rolle im Zuge der digitalen Transformation zu.
Neugierig geworden?
Unsere Tätigkeiten
Das Kernkompetenzzentrum FIM beschäftigt sich mit relevanten Realweltproblemen sowohl in öffentlich geförderten Grundlagenforschungsprojekten als auch in angewandten Forschungsprojekten mit Praxispartnern. Dabei erarbeitet es gemeinsam mit seinen Partnern einzigartige und neuartige Lösungen auf Basis seiner Einblicke in den aktuellen Stand der Forschung, seiner praktischen Erfahrung sowie der Interdisziplinarität und Begeisterung seines Teams. Ausgewählte Projekte sind:
- DaSIe (2019-2021):
Datenbasierte Services für Industrieunternehmen
Projektziel: Entwicklung von innovativen Analytics-Lösungen und datenbasierten Geschäftsmodellen. - SIS 4.0 (2018 – 2022):
Sichere Industrie 4.0 in Schwaben (gefördert durch das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie)
Projektziel: Erforschung innovativer Sicherheitslösungen für die Transformation zur Industrie 4.0. Dabei sollen unter besonderer Berücksichtigung von Sicherheitsanforderungen geeignete Lösungen für die Planung, Durchführung und Optimierung von digitalisierten Entwicklungs-, Produktions- und Logistikprozessen sowie für die Gestaltung digitaler und datenbasierter Services und Geschäftsmodelle basierend auf Industrie 4.0-Technologien entwickelt werden. - TTZ (2018 – 2022):
Technologietransferzentrum „Data Analytics“
Projektziel: Steigerung der internationalen Wettbewerbsfähigkeit bayrischer Unternehmen durch Cloud Computing- und Internet of Things-basierte Business Intelligence und (Big) Data Analytics Lösungen. - ILLumINE (2018 – 2020):
Intelligentes, datengetriebenes und netzstabilisierendes Energieversorgungsmanagement für Industrieunternehmen, FuE-Programm Informations- und Kommunikationstechnik Bayern (gefördert durch das Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie)
Projektziel: Entwicklung einer digitalen Energiemanagementplattform für Industriekunden.
- TRiP (2018 – 2019):
Transparenz in Produktionsprozessen, FuE-Programm Informations- und Kommunikationstechnik Bayern (gefördert durch das Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie)
Projektziel: Entwicklung von Big Data-basierten Ansätzen zur intelligenten Sammlung und Auswertung von Massendaten der Produktion. - Infineon AG (2018):
Entwicklung eines echtzeitfähigen Forecasting-Tools zur Verbesserung der Entscheidungsfindung in der finanzwirtschaftlichen Steuerung.
- Hilti AG (2018):
Ökonomische Bewertung von IT-Security-Risiken und -Maßnahmen im digitalen Wertschöpfungssystem sowie Entwicklung einer (2020+) Netzwerk-Strategie. - COMPOSITION (2016 – 2019):
Ecosystem for COllaborative Manufacturing PrOceSses – Intra- and Interfactory Integration and AutomaTION, HORIZON 2020 EU Projekt (gefördert durch die Europäische Kommission)
Projektziel: Entwicklung eines integrierten Informationsmanagementsystems (IIMS) für die produzierende Industrie - c.HANGE (2016 – 2019):
Kosten- und Wirkungsanalyse in der Sanierungsberatung und Entwicklung von Versicherungen für Energieeffizienzmaßnahmen (gefördert durch das Ministerium für Umwelt, Klima und Energiewirtschaft Baden-Württemberg) - Norddeutsche Landesbank (2016):
Entwicklung von datengetriebenen Services und einer Strategie-Roadmap für die unternehmensweite Integration von Anwendungen im Bereich Big Data Analytics. - BMW Bank GmbH (2015):
Explorative Datenanalyse und Entwicklung einer Scorecard zur Bewertung der Kreditwürdigkeit von Kunden sowie eines Prüf- und Entscheidungsprozesses zur Kreditvergabe.
- GEWOFAG (2013):
Entwicklung eines Steuerungssystems zur Bewertung von Nachhaltigkeitsinvestitionen im Sanierungs- und Neubau von Gebäuden.
Wissenschaftliche Publikationen
Zu diesem Kompetenzbereich haben wir folgende Forschungsarbeiten in wissenschaftlichen Zeitschriften und bei internationalen Konferenzen veröffentlicht:
IT Availability Risks in Smart Factory Networks : Analyzing the Effects of IT Threats on Production Processes Using Petri Netsin: Information Systems Frontiers, 2022 | Berger, Stephanvan Dun, ChristopherHäckel, Björn | |
The Influence of Risk Perception on Energy Efficiency Investments : Evidence From a German Surveyin: Energy Policy, Bayreuth, 2022 | Rockstuhl, SebastianWenninger, SimonWiethe, ChristianAhlrichs, Jakob | |
Becoming a Product-Service System Provider : A Maturity Model for Manufacturersin: Proceedings of the 16th International Conference on Wirtschaftsinformatik (WI), Duisburg, Germany, 2021 | Häckel, BjörnHuber, RoccoStahl, BastianStöter, Maximilian | |
Toward an optimal degree of openness in IT innovation projectsin: R & D Management, 2017 | Bürger, OlgaMoser, Florian |
Universität Bayreuth
- Aktuell finden in Bayreuth hierzu keine Veranstaltungen statt.
Weiterführende Informationen finden Sie hier.