ETL AG hebt die Wirtschaftsprüfung auf ein neues Level

Am 19.9.2019 war ich zum Partnertreffen der ETL AG Wirtschaftsprüfungsgesellschaft (WPG) eingeladen. Dank der Gastfreundschaft der Schmiede Zollverein konnte die diesjährige WPG-Tagung in beeindruckender Kulisse der ehemaligen Zeche und Kokerei Zollverein in Essen (UNESCO-Welterbe) stattfinden. Irgendwie "symbolisch", als ob die Wahl der Lokation kein Zufall wäre...

In der Zeit der Digitalisierung und der digitalen Transformation verändert sich der Prüfer-Job rasant. Mir, als branchenfremden, wurde spätestens an diesem Tag einiges klar. Die Herausforderungen im Audit werden komplexer und die Veränderungen immer schneller. Und dies hat die ETL Gruppe in den letzten Jahren mehr als verstanden.

In spannenden Vorträgen wurden mögliche Potenziale und Risiken der Digitalisierung angesprochen und die Wandlung der Prüfer-Rolle in einen beratenden Geschäftspartner aus vielen Perspektiven diskutiert.

Und ja, auch ich war überrascht, wie Wirtschaftsprüfung (WP) als Tätigkeit spannend sein kann. Von außen betrachtet, hätte ich es eher nicht erwartet.

Highlight des Tages war für mich eindeutig die neue Smart Data Farm der ETL, das Herzstück der ETL Global Cloud. Und was genau hat mich an dieser Lösung überzeugt? Vor allem die Geschwindigkeit, in welcher es voran geht!

Die ETL Global Cloud bündelt internes Wissen, Kompetenzen und Prozessabläufe "digital" auf einer Plattform. Die Architektur wurde konsequent nach Best practices und etablierten Standards der Big Data Welt umgesetzt. Der Schlüssel bildet das Data Lake und das dahinter stehende Ökosystem der ETL Gruppe.

Meiner Meinung nach ist die internationale ETL Gruppe schon heute viel mehr als Steuerberatung, Wirtschaftsprüfung und Rechtsberatung. Im eigenen in Deutschland situierten Rechenzentrum der eurodata AG werden Daten normalisiert und Prozesse der Datenbeschaffung und Datenqualitätssicherung mit der Middleware der compacer GmbH (eurodata Gruppe) automatisiert. Die eigentliche Smart Data Farm wurde von einem namhaften BI-Spezialisten aus Österreich, der comesio GmbH, entworfen und umgesetzt. So ein geballtes Wissen und Expertise in einem Ökosystem muss der ETL erstmal jemand nachmachen.

Der Systemkern wird von durchgehend auditierten und DSGVO konformen Funktionen wie Finanzauswertungen, flexiblem Reporting, Business Analytics und Budgetierung gebildet.

Die ETL geht noch einen Schritt weiter und bietet verschiedene Services der gesamten ETL Gruppe an, wie z.B. automatisierte Jet Reports direkt aus einem ERP System.

So geartete "APPs" statten den Prüfer mit fallspezifischen Know-how aus, und sichern somit die Prüfungsqualität in der ganzen ETL Gruppe! *schluck*

Als Branchenfremden sind mir auf dem Heimweg folgende Fragen hochgekommen:

• Viele Reden und Schreiben darüber, aber gibt es bereits solche Lösungen in der Wirtschaftsprüfung in der Praxis? 
• Was passiert aktuell bei den Wirtschaftsprüfungsgesellschaften die nicht zu den TOP20 gehören? 
• Werden die kleineren Kanzleien diese Services bei den anderen Wirtschaftsprüfungsgesellschaften einkaufen, um wettbewerbsfähig zu bleiben?

Die spannende Zeit der digitalen Transformation begeistert mich immer wieder aufs Neue!

Datenbasis und Voraussetzungen für Predictive Maintenance

Predictive Maintenance, als eine der Kernkomponenten von Industrie 4.0, hilft vorausschauend dabei, unnötige Wartungstermine zu vermeiden und Ausfallzeiten niedrig zu halten.

⇨ Voraussetzungen:

• eine konkrete Fragestellung formulieren
• vorhandene Wissen und Erfahrung der Insider heranziehen
  (Zulieferer, Brancheninsider oder Monteure) 
• ausreichende Anzahl an dokumentierten Fehlerfällen vorhanden
• potentieller wirtschaftlicher Vorteil erfassen

⇨ Datenbasis:

• Menge, Sicherheit, Verfügbarkeit, Aktualität, Relevanz, Qualität und rechtliche Konformität der Daten ermitteln
• Datenbeschaffung: Installation einiger Sensoren erforderlich
• Normwerte als Grundlage nutzen

Die angestrebte Erkennung von nicht bekannten Mustern durch Predictive Analytics hängt mit der Datenmenge und dem Betrachtungszeitraum zusammen.

Kein Allheilmittel

Trotz dem riesigen Potential vom Einsatz der künstlichen Intelligenz, genügen oft einfache Monitoring-Ansätze ohne Maschinelles Lernen, um eine konkrete Fragestellung wie das Erkennen von Verschleiß einzelner Teile zu erledigen.

Auf der anderen Seite, bei der Analyse komplexer Anlagen oder bei Maschinenparks, für deren Überwachung zahlreiche unterschiedliche Messwerte erhoben und ausgewertet werden müssen (sog. Erkennung multivarianter Anomalien), spielt Predictive Maintenance seine Stärken aus.

Nicht nur bei Früherkennung einsetzbar

Das maschinelle Lernen kann auch bei der Fehleranalyse und den damit verbundenen ersten Untersuchungen helfen, und die wahrscheinliche Ursache für den Fehler erkennen.

Somit lassen sich benötigte Ersatzteile vor dem ersten Termin des Technikers bestellen.

Machen Sie Ihre Produktionsumgebung fit für Industrie 4.0 - Digitaler R...

Unser #Webinar zum digitalen #Retrofit mit praktischen Tipps zum Thema #IoT, #industrie40 und #BestPractices sowie konkrete #UseCases zur Umsetzung. compacer GmbH

(in German language)

Industrie 4.0: Das Streben nach Anlageneffektivität

Die zentrale Fragestellung: Wie effektiv sind meine Anlagen, bzw. Maschinen?
Als eine wichtige Kennzahl in der Produktion für die Quantifizierung der Wertschöpfung einer Anlage wird die Overall Equipment Effectiveness (OEE) genutzt. In diesem Verfahren wird die tatsächliche Anlage mit einer "idealen" Anlage verglichen. "Ideal" bedeutet voll-ausgelastet, ohne Ausfälle oder sonstigen Störungen, produzierend nur best gefertigte Produkte ohne Mängel.

Für die Betrachtung und Steuerung von Anlagen wird der Zusammenhang von Verfügbarkeit, Leistungsgrad und Qualitätsrate für die Beurteilung wie folgend genutzt:

OEE = Verfügbarkeit * Leistungsgrad * Qualitätsrate ( Ziel > 85%)

Im Kontext der Industrie 4.0 und damit verbundenen Prozessoptimierungen und Datenintegration rückt nicht die Leistungsfähigkeit einer individuellen Anlage, sondern die Effektivität von kompletten Prozessabläufen, in Vordergrund.

Die Verfügbarkeit (als Faktor der OEE) kann durch Predictive Maintenance optimiert werden. Eine Wartung basierend auf dem tatsächlichen Verschleiß führt zu minimierten Ausfallzeiten, bis zum Forecast der zukünftigen Anlagenausfälle.

Dies erfordert ein hohes Maß an Datenintegration zwischen den Operativen IT und Unternehmens IT.

Die IoT Welt, Product Lifecycle Management (PLM), Manufacturing Execution Systeme (MES), Customer-Relationship-Management (CRM), ERP System und Logistiksysteme müssen Daten nahtlos miteinander austauschen können, um einen durchgängigen vollautomatisierten Geschäftsprozess für die Anlageninstandhaltung zu gewährleisten.

Durch eine hybride Architektur ermöglicht eine Middleware für Business Integration und Prozessorchestrierung, angeschlossen an cloudbasierte Dienste, eine flexible Informationsinfrastruktur im Unternehmen, die eine kontinuierliche Produktivitätssteigerung anstrebt.

Dynamic ecosystems make the decisive difference compared to classic linear business models.

The superiority of third-generation platforms over classic linear business models continued to increase in 2018.

Although the dominance of the USA in the platform world remains untouched at 67 percent, most new B2B platform models are emerging in Asia. Europe plays no role in the platform business, unfortunately also in industries as important for Germany as mechanical engineering, automotive, logistics, electrical engineering or chemicals.

What a "missed" opportunity for our traditional companies, which are concerned with lower transaction costs and the use of digital technology to build a marketplace. This is an old hat and the gap to the modern platform economy is widening!

The magic word is Ecosystem

Modern platform economy enables and promotes interactions in an ecosystem. The success and at the same time the difference lies in the "intelligent" control of the interactions between suppliers and customers.

The ownership and efficient management of as many production factors as possible in the value creation of large companies with a focus on high economies of scale are today even a competitive disadvantage compared to rapidly scalable platforms.

Changes in market mechanisms

Through the establishment of alliances in dynamic ecosystems, markets and their market mechanisms are changed or leveraged. Ecosystems create the decisive competitive advantages over classical platform models. Ecosystems create new value streams and new network effects between providers. While the platforms of the classical providers focus on the customer, in an ecosystem all partners achieve more business than before. By using dynamic ecosystems and alliances, new markets can be modelled and existing mechanisms changed.
In other words, an ecosystem grows because of the network effects between supply and demand. The more partners their customers bring with them, the faster the ecosystem grows. This results in an important shift of market shares from traditional trading and transaction platforms to such ecosystems. This in turn leads to a noticeably more difficult brand or product positioning with classic product and service business models.

The evolution from classical linear business model to platform business model (ecosystem)

In a linear business model, a provider sells a product or service directly to a customer. These models have no direct or dynamic ecosystem influence and suffer from strong competition. As a result, high investments in product, market research, customer demand analysis and the definition of the unique selling point are necessary.



Ecosystems draw their strength from the interaction data and derive new approaches for two- or multi-page markets (including network effects). Only those who can predict how one side of the market will react (e.g. demand) can adapt what will happen on the other side of the market (supplier).

The first generation is understood to mean marketplaces with supply and demand without intelligent interactions and according to the principle of critical mass, while the second generation (share economy) is understood to mean intelligent interactions between supply and demand or sharing of resources, capacities and capabilities.

With dynamic ecosystems, the third generation of the platform economy is established on the basis of complementary alliances.

By using the information economy in dynamic ecosystems, horizontal, vertical and lateral diversifications become much easier to establish. The third generation platforms are thus able to model new markets, change existing mechanisms, and above all have a strong focus on the generation of network effects by more partners and their customers or by partners and the expansion of the portfolio, for example in the form of a consistent API strategy as part of the corporate strategy.

Mehr erfahren...

Resources: https://www.searchenterprisesoftware.de/meinung/Blockchain-KI-und-IoT-Technologien-verschmelzen-2018 https://www.platformeconomy.com/blog/wert-der-plattform-okonomie-steigt-im-ersten-halbjahr-um-1-billion https://www.researchgate.net/publication/329415176_Platform_Ecosystems_for_the_Industrial_Internet_of_Things_-_a_Software_Intensive_Business_Perspective

BITCOIN EXPLAINED

compacer day 2018

Wir müssen uns darüber im Klaren sein, dass alles, was jetzt kommt, auf eine neue Form der Beziehung zum Endkunden ausgerichtet sein muss. Neue Technologien, die in den nächsten Jahren entstehen, müssen sich darauf konzentrieren, die Loyalität von Kunden, Verbrauchern und Lieferanten zu verbessern.

Entsprechend dieser Entwicklung möchten wir unseren Kunden, Partnern und Interessenten eine Veranstaltung anbieten, die den gesamten Weg der Digitalisierung skizziert.

Der Wachstumsschub kommt immer mehr aus den Fachbereichen (Lines of Business), wie Einkaufs- und Vertriebsabteilungen, die verstärkt nach agilen und modernen Lösungen Ausschau halten. Diese, meistens cloudbasierte Lösungen, deren Betrieb günstiger ist, können viel schneller an geänderte Anforderungen angepasst werden.

Diese Entwicklungen im Unternehmen bedeuten durchaus eine große Herausforderung bei der Digitalisierung. Industrie 4.0 steht insbesondere in Deutschland für Automatisierung, Transparenz und Vernetzung der einzelnen Prozesse bis zur gesamten Wertschöpfungskette. Versuchen die Unternehmen diese Aufgabe im Alleingang zu bewältigen, wird es ein langer und steiniger Weg werden. 

Viel wichtiger ist es ein eigenes Ecosystem aufzubauen, um gemeinsam mit Partnern, Zulieferern, Kunden und anderen Stakeholdern dieses Vorhaben zu meistern.

Digitalsierung ohne Wissen führt zum blinden Aktionismus, Digitalisierung ohne Entscheidungsfindung führt zu Ergebnis- und Handlungslosigkeit usw.

Angelehnt an die beschriebene Entwicklungen, sowie die steigende Komplexität einer fortschreitender Digitalisierung haben wir unseren ersten compacer day ins Leben gerufen. Es sind vor allem die Unmengen an Daten, die eine Datenerhebung mit sich bringt und somit verbundene Fragen und Herausforderungen.

Im Rahmen unserer Konferenz werden unsere Kunden und Partner ihre Erfolgsstories vorstellen, mit den Schwerpunten:

• Datenerhebung
• Datenauswertung
• Datenschutz
• Digitale Identität
• Kooperation in der Wertschöpfungskette und Supply Chain
• Daten- und Dokumentenaustausch 
• Dezentralisierung und Datenverfügbarkeit

Weitere Informationen und Anmeldung finden Sie direkt auf userer Webseite compacer.com.