Process Optimization -

Process Optimization

Zielstellung

Das Hauptziel ist die Effizienzsteigerung (Wirtschaftlichkeit) und Effektivitätserhöhung (Wirksamkeit) mit den vorhandenen Ressourcen. Prozessoptimierung trägt Prozesscharakter und kann sowohl als einmaliger als auch kontinuierlicher Vorgang Ansätze zu Verbesserungen hervorbringen. Prozessoptimierung sollte beitragen zu:

Dabei verfolgen wir einen ganzheitlichen Ansatz (Business Process Management) welcher Unternehmen nicht als Ansammlung isolierter Abteilungen, sondern als Netzwerk ineinandergreifender Prozesse, um Effizienz, Qualität und Kundennutzen kontinuierlich zu steigern.

verbesserter Qualität und damit zu einem höheren Standard gelieferter Produkte oder Dienstleistungen;
schnelleren Durchlaufzeiten bei Produkten, Dienstleistungen und Projekten und entspricht damit den Anforderungen sich schnell verändernder Bedingungen in dynamischen Märkten;
besserer Ressourcennutzung durch den optimalen Einsatz von Personal, Zeit und Material;
Kostensenkungen durch die generelle Reduzierung von Verschwendung;
höherer Flexibilität durch schnellere Reaktionen auf Veränderungen im Geschäftsumfeld wie technologische Fortschritte, Marktschwankungen oder sich entwickelnde Kundenpräferenzen;
nahtlosem Wachstum durch erleichterte Skalierbarkeit, da sich mit optimierten Prozessen weniger negative Auswirkungen auf Effizienz und Qualität ergeben;
mehr Kundenorientierung durch eine schnellere Anpassungsfähigkeit an Kundenbedürfnissen und damit Förderung der Konsistenz in den Kundenbeziehungen durch eine erhöhte Zufriedenheit;
einer verbesserten Arbeitsmoral bei den Mitarbeitenden durch Transparenz, Verständnis und Nachvollziehbarkeit der Prozesse sowie der Vermeidung von Hindernissen bei der Aufgabenbewältigung;
einer Kultur der Verbesserung, welche durch mehr Engagement nachhaltiges Wachstum und erhöhte Innovationsfähigkeit erbringt;

Im Rahmen der Digitalen Transformation kommen häufig Fragen nach der eigenen Arbeitsweise auf. Automatisierung und die Nutzung von IoT-Technologien suggerieren, dass Unternehmen enorm effizient und effektiv aufgestellt sind. Allerdings fehlen oftmals wesentliche Grundlagen, welche ein gutes Prozessmanagement beinhalten. Ohne ein solides Fundament, bei dem die Geschäftsprozesse in all ihren Elementen und Informationen klar sind, besteht ein hohes Risiko, falsche Investitionen oder nicht zielführende Initiativen umzusetzen. Einen schlechten analogen Prozess zu digitalisieren oder zu automatisieren macht ihn dadurch nicht besser. So werden oftmals KI-Lösungen einfach in bestehende Prozesse integriert, ohne sie vorher nochmals kritisch zu betrachten. Die geplante Einführung intelligenter digitaler Systeme ist zudem ein idealer Zeitpunkt für einen Checkup.

Eine gründliche und umfassende Analyse der bisherigen Prozesse (IST-Aufnahme) ist Voraussetzung für den Erfolg einer Prozessoptimierung. Der „Blick von außen“ als eine objektive, distanzierte Perspektive auf eine Situation, kann neue Einsichten und Erkenntnisse ermöglichen. Er hilft, Fehlentwicklungen zu erkennen, Ursachen schneller zu identifizieren und festgefahrene Ansichten zu lösen.

Methodik

Es gibt eine ganze Reihe von Methoden zur Prozessaufnahme. Wir favorisieren zu Beginn die persönliche Inaugenscheinnahme von Abläufen und Prozessen vor Ort und dem begleitenden strukturierten Interview mit den Beteiligten. Eine datenbasierte Analyse (Data Analytics) unterstützt enorm, setzt aber eine Projektzeiterfassungssoftware voraus, welche präzise und aktuelle Daten zur Arbeitsleistung liefert und damit die Identifikation von Verbesserungsbereichen erleichtert.

Im Rahmen der Prozessanalyse nimmt dabei die Visualisierung eine wichtige Rolle ein. Eine nachvollziehbare grafische Darstellung (bspw. Wertstromanalyse, orig. value stream mapping) ist hier das geeignetste Mittel um eine Vorstellung über hochkomplexe Abläufe zu erhalten. Dabei treten selbst im eigenen Unternehmen hierbei häufig unterschiedliche Auffassungen auf.

Die aktive Einbeziehung von Mitarbeitenden ist unumgänglich. Externe Berater allein reichen dafür nicht aus, da auch in der späteren Umsetzung die aktive Unterstützung essentiell ist. Sie fördert zudem eine kooperative Unternehmenskultur.

Im Ergebnis der Analyse liegen relevante Informationen wie:

Prozessdaten

Anzahl Mitarbeiter
Schichtmodell
Zykluszeit
Bearbeitungszeit
Prozesszeit
Rüstzeit
Losgrößen
Gesamtanlageneffektivität
Ausschussquote

Daten zum Materialfluss

Kundentakt
Bestände vor, in und nach einem Prozessschritt
verwendete Transportmittel
Durchlaufzeiten und Lagerreichweite
Materialfluss-Konzept (Push/Pull)

Daten zum Informationsfluss

Kommunikation in der Prozesskette (wer, wann, wie, mit wem)
Rückfragenquote
Eingesetzte Kommunikationssysteme (PPS, MES, Mail, Telefon) vor.

Die eingangs beschriebenen Ziele, welche die Unternehmensstrategie widerspiegeln, sind für die betroffenen Organisationseinheiten weiter zu konkretisieren. Diese sollten immer quantifizierbar, realistisch erreichbar, transparent und plausibel sein. Dabei sind auch die Ausmaße möglicher Veränderungen mit dem Redesign zu hinterfragen. Auswirkungen können auf die Art und Weise der Wertschöpfung oder sogar die Anpassung des Geschäftsmodells zur Folge haben.

Bei der Definition von Veränderungen sollte stets zuerst auf die Prozessorientierung, also der Wertschöpfungskette geachtet werden. Die Organisationsstruktur hat sich dem anzupassen und nicht umgekehrt.

Die Performance des überarbeiteten Prozesses sollte mit Hilfe relevanter Kennzahlen gemessen werden. Dies dient auch der Erfolgsmessung der im Vorfeld definierten Ziele. Nicht nur Abweichungen vom SOLL-Ergebnis stellen den Ausgangspunkt für weitere Überarbeitungen und Verbesserungen dar, sondern die Suche und Auswahl geeigneter Digitalisierungslösungen sollte generell bei der Prozessoptimierung mit einbezogen werden.

Während der Analyse fallen meist die ersten Probleme auf. Ziel ist aber die weitestgehend vollständige Identifizierung und Erfassung der Schwachstellen. Dazu ist eine Systematisierung mit unterschiedlichen Perspektiven notwendig.

Wir arbeiten dabei mit Checklisten, welche detailliert die Sicht auf:

Organisations- und Prozessstruktur
Informations- und Produktionstechnologie
Erfolgsmessung (Kennzahlen)
Personal
Unternehmensstruktur

ermöglichen.

Die Trennung zwischen Ursache und Wirkung der festgestellten Schwachstellen ist wesentlicher Bestandteil der Auswertung und hilft bei der Gestaltung des SOLL-Prozesses durch die Beseitigung der Problemursachen. Bei der Ursachenanalyse liegt der Fokus auf solche Stellen, welche den größtmöglichen Effekt bei der Prozessoptimierung erwarten lassen.

Die Prozessstrukturen in einem Unternehmen sind über Jahre gewachsen. Die Komplexität steigt, die erforderlichen Reaktionszeiten werden immer kürzer, Flexibilität ist existentiell. Viele Unternehmen reagieren darauf mit Variantenvielfalt, woraus eine steigende Anzahl unterschiedlicher Aktivitäten und eine höhere Arbeitsteilung resultieren. Die Koordination der Prozesse wird dadurch zunehmend unbeherrschbar. Unternehmen müssen daher auf ein funktionierendes Prozessmanagement zurückgreifen können. Nur wenn die Prozesse eines Unternehmens beherrscht werden, können Innovationen zeitnah in interne Abläufe integriert werden. Software allein löst keine Prozessprobleme.

Optimierung und Digitalisierung

Jedes Unternehmen ist einzigartig und es gibt keine standardisierte Optimierung die für alle Unternehmen gleichermaßen passt. Die Einführung/Anwendung von KI-Systemen ist kein Selbstzweck, es lässt sich jedoch heute mit mathematischen Modellen (Algorithmen) (fast) ALLES sinnvoll optimieren. Auch die Anforderungen der Kunden an Produkte und Dienstleistungen, die sich im sog. „magischen Dreieck“ von Kosten, Zeit und Qualität, also konkurrierenden Zielbeziehungen bewegen, lassen sich entgegen der teilweise heute noch bestehenden restriktiven Lehrmeinung dazu, bestmöglich umsetzen.

Schaut man sich die IT-Landschaft bei mittelständischen Unternehmen an, so steht an erster Stelle der Einsatz von ERP (Enterprise Resource Planning) -Systemen. Es ist ein komplexes Anwendungssystem was alle Bereiche und Geschäftsprozesse eines Unternehmens abbildet und die Planung und Organisation der Ressourcen im Unternehmen unterstützt. Inhaltlich richtig ausgestaltet und implementiert, trägt ERP nachweislich zur Leistungssteigerung sowie Kostenreduzierung bei. Es ist wesentlicher Bestandteil der IT-Struktur. Allerdings verfehlen mehr als 55-75% ihre Ziele, was auf unzureichende Vorbereitung, lückenhafte Prozesskenntnis und Over-Customizing zurückzuführen ist. Die Hälfte aller ERP-Projekte überschreiten das Budget, ursächlich wegen Problemen bei der Implementierung, Schulung und Datenmigration (50–70% der Gesamtkosten).

Sehr oft kommt ergänzend ein APS (Advanced Planning and Scheduling) -System zum Einsatz. Es unterstützt beim Planen, Verwalten und Überwachen der gesamten Lieferkette. Viele APS-Systeme arbeiten mit heuristischen oder regelbasierten Ansätzen. Sie ermöglichen es nicht, Lieferketten anhand mehrerer Zielgrößen zu optimieren. Bei Unternehmen mit einem sehr komplexen Produktportfolio geraten APS-Systeme schnell an ihre Grenzen. Sie unterstützen zwar den Planungsprozess, sind aber nicht zielorientiert.

Eine sinnvolle Weiterentwicklung stellt das MES (Manufacturing Execution System) dar. In der sich wandelnden hierarchischen Struktur bei der Herstellung von Waren hin zu einem vernetzten Kommunikationsansatz steht das Softwareprogramm für umfangreichste Datenerfassung (BDE, MDE) in Echtzeit. Damit lassen sich ohne Zeitverzug Maßnahmen bei identifizierten Problemen ergreifen, es generiert eigenständig Produktionspläne und verbessert damit die Gesamtanlageneffektivität (OEE) und aktualisiert Bestandsdatensätze. Durch einen papierlosen Herstellungsprozess werden menschliche Fehler vermieden. Die Rückverfolgbarkeit (meist durch gruppierte Chargen) ist garantiert und damit auch die Verbesserung der Einhaltung gesetzlicher oder branchenspezifischer Vorschriften.

Ein PPS-System (Produktionsplanungssoftware) ist häufig Bestandteil des ERP-Systems und verfolgt das Ziel einer effektiven Produktionsplanung- und steuerung. Allein stellt es meist eine standardisierte Insellösung dar, welche mit hohem Aufwand erst den jeweiligen Erfordernissen angepasst in die bestehende Systemstruktur integriert werden muss. Die Optimierung findet mit regelbasierten Ansätzen statt, die nur ein begrenztes Optimierungspotenzial bieten.

Zunehmend werden ERP-Systeme mit KI-Agenten (Agentic AI) ausgestattet, welche eigenständig auf Basis von generischem und spezifischem Wissen Entscheidungen treffen und eigenständig komplexe Aufgaben lösen – so die Theorie.

Ein KI-Agent ist ein autonom handelndes, software- oder hardwarebasiertes System, das in einer definierten Umgebung selbstständig Entscheidungen trifft und zielgerichtet handelt. Er kombiniert:

Wahrnehmung (Perception): Erfassung und Interpretation von Umgebungsdaten
Entscheidungsfindung (Reasoning): Auswahl optimaler Handlungen anhand von Algorithmen
Aktion (Action): Durchführung konkreter Schritte, physisch oder digital
Lernen und Anpassung: Optimierung durch maschinelles Lernen auf Basis vergangener Erfahrungen

Nicht jedes KI-System ist ein Agent. Erst durch Autonomie, Zielorientierung und kontinuierliche Interaktion mit der Umgebung wird ein System als KI-Agent qualifiziert. Wesentliche Eigenschaften sind:

Autonom: Handeln unabhängig von menschlicher Steuerung
Zielgerichtet: Optimieren Entscheidungen im Hinblick auf ein definiertes Ziel
Adaptiv: Lernen aus Daten und passen sich veränderten Bedingungen an
Agentic: Treffen eigene Entscheidungen im Kontext komplexer Umgebungen

Aber auch hier spielt die Einzigartigkeit eines jedes Unternehmens die entscheidende Rolle. Selbst hochleistungsfähige generative KI-Modelle haben oft Schwierigkeiten, unternehmensspezifische Ergebnisse zu liefern. Modelle, die auf allgemeinen Daten trainiert wurden, fehlt das Bewusstsein für proprietäre Unternehmensdaten, Domänensemantik und betriebliche Einschränkungen. Ohne diese Grundlage können Agenten flüssige Antworten generieren, die technisch korrekt sind, aber dennoch nicht mit der Geschäftsrealität übereinstimmen, unvollständig oder in Prozessabläufen nur schwer vertrauenswürdig sind.

Das K.-o.-Kriterium ist die Datenbasis, sie ist das Fundament. Es braucht saubere, strukturierte und vollständige Daten. Prozessreife Agenten erfordern eine Verankerung in Unternehmensdaten, eine robuste Evaluierung und Monitoring, eine sorgfältige Governance und ein Human-in-the-Loop-Design sowie eine bewusste Kontrolle von Autonomie, Kosten und Integration, damit Pilotprojekte zu zuverlässigen, langfristigen Optimierungen skaliert werden können.

Bereits seit längerer Zeit werden zur zielgerichteten Optimierung hochkomplexer Prozesse mathematische Modelle aus dem Operations Research (OR) eingesetzt. Operations Research ist interdisziplinär geprägt und nutzt Bereiche der Wirtschaftswissenschaften, Mathematik und Informatik. Es beschäftigt sich mit Modellbildung und Methoden zur empirischen Datenermittlung mit dem Ziel, Algorithmen für eine optimale Lösung zu entwickeln. Die Optimierung betrieblicher Prozesse und Abläufe ist dabei konkretes Ziel. Bei betriebswirtschaftlichen Entscheidungen kommt es im Allgemeinen darauf an, aus einer Reihe von Alternativen die beste auszusuchen, also die optimale Lösung welche für die Zielgröße (z.B. Gewinn, Kosten) den größten bzw. kleinsten Wert annimmt. Konkurrierende Ziele werden dabei ausgeglichen. Modernste Softwareprogramme zur Modellbildung und hochentwickelte Rechenleistungen stehen heute zur Verfügung und können in kürzester Zeit die bestmögliche Lösung aus Millionen von Alternativen erbringen.

Dabei werden ausschließlich Daten genutzt, welche bereits im Unternehmen vorliegen. Zudem greifen mathematischen Modelle nicht in bestehende Prozesse ein.

Heute verschmelzen Künstliche Intelligenz und Operations Research zunehmend miteinander. Die Kombination beider Disziplinen bietet die Möglichkeit, historische Daten zu analysieren als auch optimale Handlungsempfehlungen für betriebswirtschaftliche Probleme zu berechnen. Die Zusammenarbeit von KI und OR lässt sich in drei wesentliche Ansätze unterteilen:

KI für OR (Machine Learning in Optimization): Hier lernt KI aus den Lösungsstrukturen klassischer OR-Algorithmen, um zukünftige Rechenzeiten deutlich zu verkürzen.
OR für KI (Constrained AI): Viele KI-Systeme treffen unsichere und nicht realisierbare Vorhersagen. OR-Modelle setzen harte mathematische Grenzen (z.B. Kapazitätsbeschränkungen), um sicherzustellen, dass die KI-Vorschläge in der Praxis funktionieren.
Hybride Systeme: Beide Methoden arbeiten gleichberechtigt. Ein KI-Agent schätzt Parameter (z.B. Nachfrageprognosen) und ein OR-Modell löst das daraus resultierende Optimierungsproblem (z.B. optimaler Produktionsplan).

Die Vorlage der Prozessanalyse schließt eine Potentialanalyse zum Einsatz möglicher digitaler Systeme oder Komponenten (einschließlich KI) mit ein. Auf dessen Grundlage ist die unternehmensindividuelle Strategie zu entwickeln, zu diskutieren und zu definieren. Dabei sollte:

die Konvergenz aller digitalen Systeme in Form der Integration in eine robuste Daten- und Cloud-Infrastruktur (Netzwerk-Ansatz), in der geschützte Daten genutzt werden, um KI-Modelle zu individualisieren und hochwertige, wiederverwendbare „Data Products“ zu schaffen
die strategische Beschaffungsalternative zwischen vertikaler und horizontaler KI, also hochspezialisierte, aber standardisierte Lösungen ohne Überanpassungsrisiko an interne Prozesse oder Basismodelle mit grundlegenden Architekturen zur eigenständigen Weiterentwicklung für differenziertere Anwendungen

Berücksichtigung finden.

Hierbei ist zwischen generativer KI, also vortrainierten (und preiswerteren) Modellen, welche die horizontale Basis des Einsatzes bilden und der analytischen KI zu unterscheiden. Letztere generieren durch Training mit proprietären Daten tiefgehende, unternehmensspezifische Einblicke. Sie werden gezielt selbst entwickelt um geistiges Eigentum zu schützen und einzigartige Wettbewerbsvorteile in kritischen, oft hochspezialisierten Anwendungsfällen zu schaffen.

Investitionen und Finanzierung

Unser Haus wendet mathematische Modelle an, um Investitionsentscheidungen planen, umsetzen und überwachen zu können. Modernste Finanzierungsbausteine und -instrumente sowie die konsequente Nutzung aller möglichen Investitionsförderungen in enger Zusammenarbeit mit den jeweils involvierten Kreditinstituten sollten die Grundlagen für einen optimalen Return on Invest (RoI) schaffen.

Bei der Finanzierung von Transformation oder Digitalisierungsvorhaben gilt es nicht nur die Besonderheiten der Unternehmen, wie ihr Alter und Größe zu berücksichtigen, sondern auch deren Innovationsmodell. Zudem müssen die Märkte, in denen die Unternehmen aktiv sind, beachtet werden. Einige Unternehmen sind technologisch führend, haben aber dafür erhebliche Aufwendungen im Bereich Forschung und Entwicklung, während andere die neuen Technologien nicht selbst entwickeln, sondern bestehende Technologien in ihrem Unternehmen umsetzen. Im jeweiligen Finanzierungsmodell muss sich deshalb widerspiegeln, ob das Unternehmen Sprunginnovationen, radikale/ disruptive Innovationen oder stufenweise/ erhaltende Innovationen hervorbringen möchte bzw. Investitionen hierzu plant.

Gerade für KMU spielt auch in der Transformationsfinanzierung die Hausbankfinanzierung eine herausragende Rolle. Das Hausbankprinzip hat besondere Vorteile, denn es reduziert Informationsasymmetrien zwischen Kreditnehmern und Kreditgebern und erlaubt damit eine günstigere und passgenauere Finanzierung im Vergleich zur eher anonymen Kapitalmarktfinanzierung. Das Hausbankensystems bietet in der Transformationsfinanzierung durch lange Geschäftsbeziehungen und der damit verbundenen detaillierten Kenntnis des jeweiligen Geschäftsmodells erhebliche Vorteile bei der Transformationsbegleitung. Die Kommunikation zwischen dem Unternehmen und der Hausbank sowie weiche Indikatoren spielen im Transformationsprozess eine wichtige Rolle und es können so die Vorteile langer Geschäftsbeziehungen genutzt werden. Für viele Unternehmen ist die Kreditfinanzierung auch passgenauer als eine Eigenkapitalfinanzierung über externe Investoren, da sie keine zusätzlichen Eigentümer wünschen. Zudem kann die Risikoaufteilung (Haftungsfreistellungen, Nachrangdarlehen) zwischen Hausbanken und Förderbanken an die Transformationsfinanzierung angepasst werden.

Die Investitionsrechnung gilt immer noch als wesentlicher Bestandteil für Investitionsentscheidungen. Allerdings muss sie mit modernen, dynamischen Erweiterungen ergänzt bzw. in ihren klassischen Aussagen relativiert bzw. eingeschränkt werden.

Diese „evolutionär“ gewachsene Investitionsrechnung muss dann die Entscheidungsempfehlung geben können. Unter Berücksichtigung aller technischen, rechtlichen, ökonomischen aber auch persönlichen Präferenzen kommt sie leider oft zu kurz.

Zur Finanzierung können genutzt werden:

Eigenmittel: Die Finanzierung von Innovationen durch Eigenmittel kann durch die Einbehaltung von Gewinnen oder die Veräußerung von Vermögenswerten erfolgen.

Transfers von verbundenen Unternehmen: Die Mittel für die Finanzierung von Innovationen kann von Muttergesellschaften oder Tochterunternehmen bereitgestellt werden. Es könnte ein Unternehmen aber auch ein innovatives Start-up aufkaufen, um dessen Technologien im eigenen Unternehmen umzusetzen.

Gesellschafterdarlehen: Hierbei stellen die Gesellschafter eines Unternehmens finanzielle Mittel für das Hervorbringen oder den Einsatz von Innovationen zur Verfügung.

Eigenkapitalfinanzierung: Generierung von Eigenkapital durch Investoren, wie Private Equity und Venture Capital Gesellschaften oder Business Angels. Vor dem Hintergrund, dass die Eigenkapitalpuffer vieler Unternehmen gesunken sind, sollte die Zuführung von Eigenkapital durch Venture Capital und Private Equity in Betracht gezogen werden. Zudem benötigen Unternehmen, deren Kreditrating gesunken ist, möglicherweise auch eine zusätzliche Eigenkapitalkomponente für die klassische Kreditfinanzierung durch Banken.

Bankfinanzierung: Hierzu zählt die klassische Kreditfinanzierung. In der Praxis können aber auch Mischformen genutzt werden, z.B. durch zusätzliche Förderkredite.

Kundenbestellungen: Hierunter fallen Bestellungen von Spezialanfertigungen, aber auch die öffentliche Beschaffung. So fallen bspw. die Forschungsaktivitäten des Staates darunter, welche in Kooperation mit Unternehmen durchgeführt werden oder die zu Ausgründungen von Unternehmen aus Universitäten führen. Die nachhaltige öffentliche Beschaffung ist auch Teil der Transformationsfinanzierung. Wenn Unternehmen im Rahmen der öffentlichen Beschaffung Technologien entwickelt haben, dann verfügen sie über ein zusätzliches technologisches Wissen, was sie für die Entwicklung ihrer Produkte und Dienstleistungen nutzen können.

Staatliche Kredite: Sind i.d.R. Förderkredite zur Umsetzung von Innovationen, die einem politischen Ziel folgen, beispielsweise den Zielen der Digitalisierung und der Klimaneutralität des Unternehmenssektors, aber auch Garantien für die Absicherung von Bankkrediten. Die European Investment Bank fördert die wirtschaftspolitischen Ziele eines digitalen und klimaneutralen Unternehmenssektors über Förderkredite und Garantien zur Kreditabsicherung. Ähnliche Instrumente bieten die Kreditanstalt für Wiederaufbau (KfW) sowie teilweise auch Landesbanken an.

Crowdinvest: Diese Finanzierungsform ist bei Unternehmen aus der Kreativwirtschaft zu beobachten. So finanziert sich eine ganze Reihe von YouTubern und Bloggern über Crowdfunding. Grundsätzlich ließe sich Crowdfunding aber auch für die Finanzierung von Sprunginnovationen nutzbar machen, beispielsweise, wenn eine größere Anzahl von Unternehmen ein Forschungsprojekt finanziert.

Leasing: Beim Leasing gibt es zwei Hauptarten, die für Unternehmen von Bedeutung sind: operatives Leasing und Finanzierungsleasing.

Operatives Leasing: Diese Variante ähnelt einer Miete und ist besonders für Unternehmen geeignet, die regelmäßig neue Geräte oder Fahrzeuge nutzen möchten. Nach Ablauf des Leasingvertrags wird das Objekt in der Regel an den Leasinggeber zurückgegeben, wodurch sich das Unternehmen nicht um den Wiederverkauf oder den Restwert kümmern muss.

Finanzierungsleasing: Hierbei handelt es sich um eine langfristige Finanzierung, bei der das Unternehmen das geleaste Objekt über die gesamte Laufzeit nutzt und am Ende oft eine Kaufoption hat. Diese Variante eignet sich besonders für Investitionen in langlebige Wirtschaftsgüter, die über einen längeren Zeitraum genutzt werden sollen.

Von besonderer Bedeutung sind auch die bilanziellen Auswirkungen von Investitionen aufgrund der Finanzierungsstruktur. Bspw. können mit Planbilanzen die Auswirkungen der einzelnen Finanzierungsbausteine auf das zu erwartende künftige Rating vorab bewertet und damit optimiert werden.

Probleme und Fehler

Digitalisieren, „weil es jetzt alle machen“ und KI glorifiziert wird, ohne konkretes Ziel oder Nutzen für Kunden, das Unternehmen, die Mitarbeiter. Das Kosten/Nutzen-Verhältnis crasht. Es droht „Botsitting“, einhergehend mit dem Verlust an Produktivität.
Mangelnde Analyse der eigenen Prozesse birgt die Gefahr von „digitalisiertem Alteisen“. D.h., Ineffizienzen bleiben bestehen, werden aber durch Software noch starrer und schwer-fälliger.
Mangelhafte Vorbereitung und Strategie unter Berücksichtigung aller geschäftsrelevanten Aspekte führt zu enormen Zeit- und damit Effizienzverlusten und erhöht die Kosten deutlich.
Unterschätzung der Komplexität der Integration digitaler Systeme und Überschätzung der kurzfristigen Vorteile.
Datenanforderungen unterbewertet, insbesondere Stammdaten und Formate unvollständig oder fehlerhaft/ungeeignet.
Vernachlässigung der Erfolgsmessung (KPIs) aller Maßnahmen und der Verzicht auf Szenario-Planungen, bedeutet „Blindflug“ sowie scheinbare Alternativlosigkeit.
Testläufe mit „digitalem Zwilling“ versäumt. Ohne validierte Prozesse drohen plötzliche Systemausfälle, gravierende Sicherheitsrisiken sowie immense finanzielle Verluste. Die konkreten Auswirkungen reichen von Herstellungsstopps bis hin zu rechtlichen Haftungsfragen.
Technologieauswahl: es muss nicht immer das Allerneueste sein, entscheidend ist das Ergebnis, die Integrationsfähigkeit und insbesondere die Skalierbarkeit.
Kostenschätzungen sind unvollständig, meist zu niedrig und der Planungshorizont zu kurz. In der Mehrzahl kein Einsatz von Fördermitteln und falsche Berater sind teurer als das falsche System.
Faktor Mensch: Die Einbeziehung und Mitwirkung der betreffenden MA ist von entscheidender Bedeutung. Widerstände gegen Veränderungen und Angst vor Disruption können damit weitestgehend vermieden und Motivation geweckt werden. Auch die Software selbst kann durch unhandliche Oberflächen oder eingeschränkte Funktionalität die Akzeptanz mindern und Misstrauen begünstigen. Und Vorsicht bei unüberlegtem Personalabbau. Es droht der Verlust von Erfahrungswissen! Auch wer die Gewinnung von benötigten Talenten verpasst, bekommt Probleme.
Vernachlässigung von Sicherheitsanforderungen kann zu empfindlichen Datenverlust führen und den gesamten Betriebsablauf stören. Europäische Cloudlösungen sind besser geschützt als die Daten auf dem eigenen Server. Es empfehlen sich Notfallpläne zu erstellen und redundante Systeme zu installieren, welche bei einem Ausfall nutzbar sind.
Versäumnisse bei der Notwendigkeit von lfd. Evaluierung des Digitalisierungsprozesses, um kontinuierlich notwendige Anpassungen vornehmen zu können, welche sich aus Markterfordernissen, aber auch technologischen Veränderungen ergeben. Digitalisierung ist ein fortwährender Anpassungsprozess mit permanenter Optimierung.
Nichtbeachtung gesetzlichen Vorschriften. Dazu zählen die DSGVO zum Datenschutz, das Bundesdatenschutzgesetz (BDSG), die stufenweise Pflicht zur E-Rechnung sowie die NIS-2-Richtlinie und das KI-Gesetz (AI Act) für Sicherheit und neue Technologien. Eine Reihe unsinniger EU-Regelungen (AI Act und Data Act), welche Maschinendaten mit Personendaten gleichsetzen, sind allerdings überarbeitungsbedürftig.

KI-Transformationen scheitern insgesamt seltener an der Technik, häufiger an Strukturen, Rollen und Führung. Allerdings: Zögern kostet Marktanteile!