@book{OttMaier2020, author = {Ott, Robert and Maier, Bj{\"o}rn}, title = {Controlling im Krankenhaus. Eine systematische Einf{\"u}hrung in Fallstudien.}, publisher = {Sch{\"a}ffer-Poeschel Verlag}, address = {Stuttgart}, isbn = {978-3-7910-4737-9}, publisher = {Technische Hochschule Rosenheim}, pages = {357}, year = {2020}, language = {de} } @article{LukeschKellner2016, author = {Lukesch, Maximilian and Kellner, Florian}, title = {Green Controlling in Logistiknetzwerken}, series = {Controlling - Zeitschrift f{\"u}r erfolgsorientierte Unternehmensteuerung}, volume = {28}, journal = {Controlling - Zeitschrift f{\"u}r erfolgsorientierte Unternehmensteuerung}, number = {8-9}, pages = {526 -- 529}, year = {2016}, language = {de} } @techreport{KlimmMuellerRoessle2026, type = {Working Paper}, author = {Klimm, Johanna and M{\"u}ller, Kathrin and R{\"o}ßle, Felix}, title = {Einsatzpotenziale von KI zur L{\"o}sung von Controlling-Fallstudien}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:861-opus4-31963}, pages = {13, V}, year = {2026}, abstract = {Diese Arbeit analysiert die Einsatzf{\"a}higkeit von Large Language Models (LLMs) wie Google Ge-mini und Microsoft Copilot bei der Bearbeitung komplexer Controlling-Fallstudien. Praxisnahe Themen wie Kapitalflussrechnung, Selbstkostenberechnung und Eigen- vs. Fremdfertigung werden in Deutsch und Englisch anhand von f{\"u}nf Kriterien (Korrektheit, Vollst{\"a}ndigkeit, Plausibilit{\"a}t, An-wendbarkeit, Verst{\"a}ndlichkeit) gepr{\"u}ft und von und ChatGPT ein zweites Mal gepr{\"u}ft. Die Ergeb-nisse zeigen, dass LLMs im ersten Schritt strukturierte und plausible L{\"o}sungen liefern, jedoch ihre Leistung in der Selbsteinsch{\"a}tzung stark {\"u}berbewerten. Signifikanztests best{\"a}tigen, dass die Selbst-einsch{\"a}tzungen deutlich positiver ausfallen als die Bewertungen durch eine neutrale K{\"u}nstliche Intelligenz (KI) und den Vergleich mit Musterl{\"o}sungen. Entgegen der Erwartung k{\"o}nnen die LLMs englischsprachige Aufgaben nicht besser l{\"o}sen als deutschsprachige. Auch dieser Zusammenhang erweist sich als statistisch signifikant. Die Ergebnisse verdeutlichen, dass menschliche Expertise und Kontrolle f{\"u}r strategische Entscheidungen weiterhin unerl{\"a}sslich sind, w{\"a}hrend LLMs derzeit vor allem als Unterst{\"u}tzungstools geeignet sind.}, language = {de} }