BÖB JOURNAL Fachinformationen für das Rechnungswesen Ausgabe Juni 2021

DIGITALISIERUNG
ÐÐ
ÐÐ
Plotly: Visualisierung von Daten;
Erstellung von interaktiven Charts
TensorFlow: Anwendung für Machine
Learning; Verarbeitung von
großen Datenmengen in künstlichen
neuronalen Netzen
Für die Einarbeitung in Python bieten
sich viele Möglichkeiten an. Eine
Menge an Informationen finden sich
auf der Webseite www.python.org unter
dem Menüpunkt Documentation.
Interessierte finden hier etwa Buchempfehlungen
(englisch, deutsch und
weitere Sprachen), Beginner Guides,
Beispielcodes und FAQs.
Abbildung 3: Advanced Options bei der Installation von Python
Abbildung 4: Die Programmierfläche von Python (IDLE Shell 3.9.5)
nen (advanced options). Um die Anwendung
von Python zu erleichtern,
sollten im nächsten Installationsschritt
(Abbildung 3) die Optionen Associate
files with Python, Create shortcuts for
installed applications, Add Python to
environment variables und Precompile
standard library mit einem Häkchen
aktiviert werden.
Nach Fertigstellung der Installation
kann Python gestartet werden. Dazu
wird der Link IDLE (Python 3.9
64-bit) geöffnet, um die Python Shell
zu starten. Unter Windows findet sich
dieser im Startmenü unter den zuletzt
hinzugefügten Programmen. Das geöffnete
Programm hat das in Abbildung
4 dargestellte Aussehen. Nun
kann mit dem Programmieren begonnen
werden. Damit nicht sämtliche
Quellcodes neu geschrieben werden
müssen, verfügt Python zudem über
eine Vielzahl an Bibliotheken. Unter
einer Bibliothek wird eine Sammlung
von bestimmten Codes für bestimmte
Anwendungsbereiche verstanden,
auf welche Programmierer zugreifen
können ohne den entsprechenden
Code vorab selbst programmieren zu
müssen. Nützliche Bibliotheken sind
beispielsweise:
ÐÐ
ÐÐ
ÐÐ
Keras: stellt Werkzeuge und Funktionen
für Deep Learning zur Verfügung
NumPy: mathematische und numerische
Funktionen; ermöglicht
effizientes Rechnen mit großen Arrays
und Matrizen
Pandas: Bearbeitung von großen
(tabellarischen) Datensätzen, beispielsweise
Gruppierung und Sortierung
von Daten; Analyse der
Daten und Datenaufbereitung
Anwendungsbeispiele
Obwohl angenommen werden könnte,
dass durch die bestehende CO-
VID-19-Krise ein Digitalisierungsschub
erfolgt ist, konstatiert eine
aktuelle Untersuchung von Deloitte,
dass es kaum Fortschritt bei der Automatisierung
von Prozessen gab
und durch die Krise Aufholbedarf
im Rechnungswesen offensichtlich
wurde. 4 Dennoch zeigt sich, dass das
das Thema Digitalisierung zukünftig
noch relevanter werden wird. Eine unter
BÖB-Mitgliedern durchgeführte
Umfrage 5 zeigt deren Einschätzung,
dass zukünftig verstärkt IT-Kompetenzen
erforderlich sein werden. Die
Teilnehmer/innen können sich zudem
vorstellen, dass Künstliche Intelligenz
(KI) in Zukunft Routinetätigkeiten
übernehmen wird. Der generelle Trend
zu Programmier- und KI-Kenntnissen
wird daher sichtbar. Auszüge aus dieser
Umfrage wurden auch im BÖB-Journal
in den Ausgaben 81 bis 83 veröffentlicht.
6
Python bietet die Möglichkeit, Prozesse
im Unternehmen zu automatisieren
und sich entsprechende Kompetenzen
anzueignen, um den künftigen Herausforderungen
gewachsen zu sein.
Die folgenden Beispiele zeigen, wie
4
S. Deloitte: Rechnungswesen in Zeiten von COVID-19: Kaum Fortschritt bei Automatisierung von Prozessen – Aufholbedarf im Rechnungswesen wird
durch Krise offensichtlich: https://www2.deloitte.com/at/de/seiten/rechnungswesen/artikel/digitalisierung-im-rechnungswesen.html [4.5.2021].
5
Knefz-Reichmann, A./Grünbichler, R. (2020): Digitalisierung im Rechnungswesen: Status Quo, Zukunftsbild und Empfehlungen zur Vorbereitung auf das
zukünftige Rollenbild, herausgegeben von der FH CAMPUS 02, ISBN: 978-3-9519944-0-6.
6
Vgl. z.B. Grünbichler, R./Knefz-Reichmann, A. (2020): Zukünftige Erwartungen an die Digitalisierung im Rechnungswesen: Auszüge aus einer empirischen
Erhebung in Österreich, in: BÖB-Journal, Ausgabe 82.
58 BÖB Journal 86 | 21