Saturday, September 21, 2019

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!

Wednesday, April 24, 2019

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.


Thursday, February 28, 2019

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)

Wednesday, February 20, 2019

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.