Open Access

Zentrale Aspekte der Kybernetik zweiter Ordnung und der Theorie sozialer Systeme sind Beobachtung und Kommunikation (insbesondere in mehrpersonellen Entscheidungen). Beides geschieht auf der Basis eines Regelwerks, dessen Anwendung eine ihm entsprechende Wirklichkeit konstruiert.

Die gemeinsame Betrachtung der zwei Megatrends „Nachhaltigkeit“ und „Digitalisierung“ findet derzeit bedingt in Großunternehmen statt, wenngleich Tomorrow’s Leaders Vorreiterunternehmen in beiden Bereichen sein werden. Die Zielsetzung dieser Masterarbeit besteht darin, den Einfluss der Digitalisierung auf die nachhaltige Entwicklung bei ATX-, DAX- und SMI-Unternehmen zu untersuchen. Auf Basis eines Mixed-Methods-Ansatzes wird quantitativ der lineare Zusammenhang zwischen offengelegten Informationen im Bereich Digitalisierung und dem ESG-Rating bzw. dem Rating der einzelnen ESG-Dimensionen empirisch erforscht. Diese Resultate wurden mithilfe von Experteninterviews vertiefend validiert sowie mit Handlungsempfehlungen für die erfolgreiche Berücksichtigung von Digitainability in Großunternehmen erweitert. Anhand der Regressionsanalyse wurde jedoch kein signifikanter Zusammenhang zwischen offengelegten Digitalisierungsinformationen und dem ESG-Rating sowie E-, S- und G-Rating bzw. eine Scheinkorrelation aufgrund der Marktkapitalisierung als Indikator für die Unternehmensgröße festgestellt. Laut den Experteneinschätzungen sind diese Forschungsergebnisse nachvollziehbar, da Digitalisierung bei Großunternehmen lediglich als Hilfsmittel zur Umsetzung der Nachhaltigkeit wahrgenommen wird. Das aktive Zusammendenken beider Megatrends ist aber aufgrund des regulatorischen Drucks sowie der Wahrung der Wettbewerbsfähigkeit anzutreiben und zu pflegen, womit die formulierten Handlungsempfehlungen als Unterstützung für Großunternehmen dienen.

Im Vertriebscontrolling halten zunehmend Verfahren aus dem Bereich Predictive Analytics Einzug. Hierdurch verändern sich die klassischen Arbeitsweisen mehr und mehr. Doch welche Faktoren sind dabei zu berücksichtigen und welche Einsatzmöglichkeiten finden sich für Predictive Analytics im Umfeld des Vertriebscontrollings? Dieser Frage wird in der vorliegenden Arbeit nachgegangen. Hieraus ergibt sich das Ziel, Einsatzmöglichkeiten für Predictive Analytics im Vertriebscontrolling herauszustellen und Schlüsselfaktoren herauszuarbeiten, die in diesem Kontext zu berücksichtigen sind. Außerdem sollen diesbezügliche Handlungsempfehlungen benannt werden. Dabei liegt der Fokus auf der Branche des Maschinen- und Anlagenbaus. Um diese Forschungsfragen zu beantworten, wurde mittels einer Literaturanalyse ein Reifegradmodell erarbeitet, das die verschiedenen Reifegrade über die relevanten Dimensionen Daten, Technologie, Prozesse, Methoden und Kompetenzen darstellt. Zudem wurden Bei-spiele für die Nutzung der häufigsten Methoden aus dem Bereich Predictive Analytics im Controlling-Umfeld zusammengetragen. Vor diesem Hintergrund konnten die Schlüsselfaktoren für den erfolgreichen Einsatz von Predictive Analytics im Vertriebscontrolling abgeleitet wer-den. Des Weiteren wurde eine qualitative Befragung in Form von Experteninterviews durch-geführt, wobei die in den Interviews thematisierten Unternehmen in das genannte Reifegradmodell eingruppiert wurden. Es zeigten sich bei der Analyse im Allgemeinen niedrige Reifegrade in den Dimensionen Methoden, Kompetenz und Technologie. Hieraus ergeben sich die folgenden Handlungsempfehlungen: die Einführung geeigneter Software aus dem Predictive-Analytics-Bereich, eine erste Anwendung von Predictive-Analytics-Methoden sowie der Aufbau von Wissen in den Bereichen Data-Science und Business-Analytics in Form von Fortbildungsmaßnahmen. Werden diese Empfehlungen befolgt, kann in Unternehmen aus dem Maschinen- und Anlagenbau ein erfolgreicher Einsatz von Predictive Analytics im Vertriebscontrolling gelingen. Hierdurch wiederum können die betreffenden Unternehmen bei der Prognose zukünftiger Entwicklungen unterstützt und wertvolle Entscheidungshilfen erlangt werden, was in weitergehend Forschungsarbeiten aufgegriffen werden kann.

Die vorliegende Masterarbeit untersucht die Auswirkungen der EU-Taxonomie auf das Controlling in Unternehmen. Die EU-Taxonomie stellt ein Klassifizierungssystem dar, das darauf abzielt, ökologisch nachhaltige wirtschaftliche Aktivitäten zu definieren und zu fördern. Im Rahmen dieser Arbeit wird analysiert, wie das Controlling von Unternehmen durch die Einführung der EU-Taxonomie beeinflusst wird und welche Herausforderungen und Chancen sich dadurch ergeben. Zunächst wird eine umfassende Literaturrecherche durchgeführt, um ein theoretisches Verständnis zum Thema Nachhaltigkeit und zur EU-Taxonomie sowie ihren Auswirkungen auf das Controlling zu entwickeln. Dabei wird auf relevante Studien, Richtlinien und Berichten eingegangen, um die aktuelle Diskussion in diesem Bereich zu erfassen. Im Anschluss daran werden qualitative Interviews mit Controlling-Experten ausgewählter Unternehmen durchgeführt. Diese Interviews dienen dazu, Einsichten in die konkreten Auswirkungen der EU-Taxonomie auf das Controlling zu gewinnen. Es werden Fragen zu Themen wie der Identifizierung nachhaltiger Aktivitäten, der Messung von Nachhaltigkeitskriterien und der Integration der EU-Taxonomie in bestehende Controlling-Prozesse gestellt. Die Analyse der erhobenen Daten erfolgt mittels qualitativer Inhaltsanalyse, um Muster, Themen und Schlüsselerkenntnisse zu identifizieren. Die Ergebnisse dieser Analyse werden anschließend interpretiert und in Bezug auf bestehende theoretische Ansätze und Modelle diskutiert. Die Ergebnisse liefern einen Einblick in die Auswirkungen der EU-Taxonomie auf das Controlling von Aktiengesellschaften und tragen zur aktuellen Diskussion über nachhaltiges Controlling bei. Da die EU-Taxonomie noch recht frisch ist, muss man auf weitere Einführungen sowie Anpassung warten, um die vollumfänglichen Auswirkungen zu spüren.

The implementation of direct-to-consumer (D2C) business models has become more important for companies trying to develop a competitive edge and improve consumer engagement in today's rapidly expanding e-commerce market. This master's thesis investigates the important success elements and problems of deploying D2C models in the e-commerce business. The research question focuses on identifying the factors that contribute to the successful transition to D2C models and the obstacles businesses encounter along the way. Through qualitative research using the Eisenhardt method and in-depth case studies with industry experts, this study provides valuable insights into key success factors for direct-to-consumer (D2C) business models in e-commerce.The findings highlight that businesses that effectively implement D2C models utilize key success factors such as a clear value proposition, customer engagement and relationship build- ing, seamless online experiences, targeted marketing and digital advertising, brand identity and storytelling, and flexibility and adaptability. However, they also face challenges related to operational adjustments, marketing and branding investments, competition, and market saturation. Based on these research outcomes, this thesis provides recommendations for businesses seeking to switch to or implement D2C models in e-commerce. These recommendations emphasize embracing a customer-centric mindset, developing digital capabilities, foster- ing strong leadership commitment, leveraging data and analytics, establishing direct customer relationships, optimizing operational processes, building brand trust and credibility, and allocating resources wisely. This master's thesis provides a comprehensive analysis of the key success factors and challenges associated with the transition to or implementation of D2C business models in the e-commerce industry. It provides advice to help companies successfully transition to D2C models.