Digitale Transformation im Rechnungswesen für nachhaltige Entwicklung: Kartierung der intellektuellen Struktur

1. Einleitung

Dieses Forschungsdokument präsentiert eine umfassende bibliometrische Analyse, die darauf abzielt, die intellektuelle Struktur an der Schnittstelle von digitaler Transformation, Rechnungswesen-Informationssystemen (AIS) und nachhaltiger Entwicklung zu kartieren. Die Studie analysiert 7.302 Scopus-indizierte Publikationen von 2000 bis 2024, um Trends, Schlüsselakteure und den sich entwickelnden thematischen Fokus in diesem kritischen Bereich zu identifizieren. Die Verbreitung von Technologien wie Künstliche Intelligenz (KI), Blockchain und Datenanalysen verändert die Rechnungswesenpraktiken grundlegend und wandelt sie von manueller Buchführung hin zu automatisierten, analytischen und integrierten Systemen, die Nachhaltigkeitsberichterstattung und -steuerung unterstützen.

2. Forschungsmethodik

Die Studie wendet eine rigorose bibliometrische Methodik an, um die wissenschaftliche Landschaft systematisch zu analysieren.

2.1 Datenerhebung & Quellen

Die Daten wurden aus der Scopus-Datenbank extrahiert und umfassen Publikationen von 2000 bis 2024. Die Suchstrategie kombinierte Schlüsselwörter zu digitaler Transformation (z.B. KI, Blockchain, ERP), Rechnungswesen (AIS) und nachhaltiger Entwicklung. Der finale Datensatz umfasste 7.302 Dokumente, einschließlich Zeitschriftenartikel, Konferenzbeiträge und Reviews.

2.2 Analysetools & -techniken

VOSviewer wurde für die Netzwerkvisualisierung verwendet, um Karten von Ko-Autorenschaft, Ko-Zitation und Keyword-Kookkurrenz zu erstellen. Microsoft Excel kam für deskriptive statistische Analysen zum Einsatz, um Publikationsvolumen, Wachstumsraten und Verteilungen über Zeitschriften, Autoren, Institutionen und Länder hinweg zu verfolgen.

3. Zentrale Ergebnisse & bibliometrische Analyse

3.1 Publikationstrends & Wachstum

Die Analyse zeigt einen signifikanten Anstieg der Forschungsleistung nach 2017, angetrieben durch das wachsende Interesse an Blockchain, KI und ESG-Berichterstattung (Environmental, Social, and Governance). Das Publikationswachstum folgt einem exponentiellen Trend, der mit der raschen Einführung von Fintech und regulatorischen Initiativen für Nachhaltigkeitsberichterstattung einhergeht.

3.2 Führende Zeitschriften, Autoren & Institutionen

Das Feld wird in führenden Zeitschriften für Rechnungswesen, Informationssysteme und Nachhaltigkeit verbreitet. Eine Kerngruppe produktiver Autoren und Institutionen aus den USA, China und Europa bildet die zentralen Knotenpunkte des Ko-Autorenschaftsnetzwerks, was auf etablierte Forschungszentren hindeutet.

3.3 Geografische Verteilung & Kooperationsnetzwerke

Die USA und China sind die dominierenden Beiträger zur globalen Forschungsleistung. Allerdings gewinnen aufstrebende Forschungszentren in Ländern wie Indonesien und Indien an Bedeutung, was eine geografische Diversifizierung des Interesses an diesem Thema widerspiegelt. Ko-Autorenschaftsnetzwerke zeigen zunehmende internationale Zusammenarbeit.

3.4 Keyword-Kookkurrenz & thematische Entwicklung

Die Keyword-Analyse kartiert die intellektuelle Entwicklung. Frühe Forschung (vor 2010) konzentrierte sich auf die Einführung von ERP-Systemen und Management-Informationssystemen (MIS). Der thematische Kern hat sich seither hin zu fortschrittlicher Analytik, maschinellem Lernen, Fintech, Blockchain und der Integration von ESG-Faktoren in Rechnungslegungs- und Berichterstattungsrahmen verschoben.

4. Die intellektuelle Struktur & theoretische Grundlagen

4.1 Grundlegende Theorien (TAM, TPB, IS Success Model)

Die intellektuelle Struktur ist tief in traditionellen Informationssystemtheorien verwurzelt. Das Technology Acceptance Model (TAM), die Theory of Planned Behavior (TPB) und das IS Success Model wurden umfassend angewendet, um die Einführung und Wirkung digitaler Technologien im Rechnungswesenkontext zu untersuchen. Diese Modelle erklären die Nutzerakzeptanz und die wahrgenommene Nützlichkeit/Benutzerfreundlichkeit von Systemen wie ERP und Cloud-Plattformen.

4.2 Organisatorische & strategische Perspektiven

Über die individuelle Akzeptanz hinaus bietet die Resource-Based View (RBV) des Unternehmens eine strategische Perspektive. Die Forschung untersucht, wie digitale Rechnungswesenfähigkeiten (z.B. Datenanalysen, Blockchain-basierte Prüfpfade) zu wertvollen, seltenen, nicht imitierbaren und nicht ersetzbaren (VRIN) Ressourcen werden können, die Wettbewerbsvorteile verleihen und nachhaltige Geschäftspraktiken unterstützen.

4.3 Aktuelle Trends: KI, Blockchain & ESG-Integration

Die aktuelle Grenze integriert Spitzentechnologien mit Nachhaltigkeitszielen. KI und maschinelles Lernen werden für prädiktive Analysen, Betrugserkennung und automatisierte ESG-Datenverarbeitung eingesetzt. Blockchain bietet unveränderliche Hauptbücher für transparente Lieferkettenbuchhaltung und die Verfolgung von CO2-Zertifikaten. Diese Konvergenz schafft ein neues Paradigma für Prüfung, integrierte Berichterstattung und Echtzeit-Nachhaltigkeitsleistungsmanagement.

5. Technischer Rahmen & analytische Modelle

Die bibliometrische Kartierung stützt sich auf Netzwerkanalyse und Ähnlichkeitsmaße. Ein zentraler technischer Aspekt ist die Berechnung der Assoziationsstärke für Keyword-Kookkurrenz, oft unter Verwendung eines Normalisierungsansatzes wie dem von Van Eck und Waltman (2009) vorgeschlagenen Assoziationsstärkemaß:

$s_{ij} = \frac{c_{ij}}{w_i w_j}$

Wobei $s_{ij}$ die Ähnlichkeit zwischen den Items $i$ und $j$ ist, $c_{ij}$ die Anzahl der Kookkurrenzen und $w_i$ und $w_j$ die Gesamtvorkommen jedes Keywords sind. VOSviewer nutzt dies zur Kartierung von Clustern. Darüber hinaus kann die Wirkung von KI im Rechnungswesen durch ihren Effekt auf die Prüfungsgenauigkeit modelliert werden, die Fehlerraten reduziert. Wenn der traditionelle Prüfungsfehler $E_t$ ist und der KI-unterstützte Prüfungsfehler $E_a$, kann die Verbesserung ausgedrückt werden als:

$\Delta E = E_t - E_a = f(\text{Datenqualität}, \text{Modellkomplexität}, \text{Training})$

Dies unterstreicht die technische Abhängigkeit von Daten und Algorithmen.

6. Analyseframework: Ein Fallbeispiel der bibliometrischen Kartierung

Szenario: Ein Forschungsinstitut möchte Lücken in der Forschung zu "Blockchain für die CO2-Bilanzierung" identifizieren.

Framework-Anwendung:

1. Datenabfrage: Scopus durchsuchen nach TITLE-ABS-KEY ("blockchain" UND ("carbon accounting" OR "emissions trading" OR "ESG reporting")).
2. Netzwerkkonstruktion: VOSviewer verwenden, um ein Keyword-Kookkurrenz-Netzwerk aus den resultierenden Artikeln zu erstellen.
3. Cluster-Identifikation: Hauptcluster identifizieren (z.B. Cluster 1: "Smart Contracts, Lieferkette"; Cluster 2: "IoT, Echtzeitüberwachung"; Cluster 3: "Prüfung, Assurance").
4. Lückenanalyse: Schwache oder nicht existierende Verbindungen zwischen "Cluster 2 (IoT-Überwachung)" und "Cluster 3 (Prüfung)" beobachten. Dies deutet auf eine Forschungslücke hin, wie Echtzeit-IoT-Daten auf der Blockchain formal in prüfbare Assurance-Prozesse integriert werden.
5. Schlussfolgerung: Eine vielversprechende Forschungsrichtung ist die Entwicklung von Frameworks und Standards für die Prüfung von Blockchain-basierten, IoT-gesteuerten CO2-Datenflüssen.

7. Einschränkungen & zukünftige Forschungsrichtungen

Die Studie erkennt Einschränkungen an: die alleinige Abhängigkeit von der Scopus-Datenbank und englischsprachigen Publikationen, was relevante Forschung in anderen Sprachen oder Datenbanken ausschließen kann. Zukünftige Studien sollten:

• Die Datenbankabdeckung erweitern (z.B. Web of Science, Dimensions einbeziehen).
• Bibliometrische Kartierung mit systematischen Literaturreviews (SLR) für tiefere qualitative Einblicke integrieren.
• Das "Wie" und "Warum" hinter den quantitativ identifizierten Trends erforschen.
• Die Implementierungsherausforderungen und ethischen Implikationen von KI/Blockchain im nachhaltigen Rechnungswesen untersuchen.

8. Perspektive eines Branchenanalysten

Kernerkenntnis: Dies ist nicht nur eine akademische Trendkarte; es ist ein nachlaufender Indikator für eine massive, irreversible Kapitalumverteilung. Die hier kartierte Verschmelzung von digitalem Rechnungswesen und Nachhaltigkeitsberichterstattung ist das operative Rückgrat für die ESG-getriebene Investmentthese, die nun die globalen Kapitalmärkte dominiert. Die Explosion der Forschung nach 2017 spiegelt die Nachfrage der Wall Street nach prüfbarer, technologiegestützter ESG-Daten wider.

Logischer Ablauf: Die Abfolge ist kritisch und logisch: 1) Digitalisierung (ERP, Cloud) schuf die Dateninfrastruktur. 2) Analytik (KI/ML) lieferte die Werkzeuge, um sie zu verstehen. 3) Regulierung & Investorendruck (EU-CSRD, SEC-Klimaregeln) schufen die nicht verhandelbare Nachfrage. 4) Unveränderliche Verifizierung (Blockchain) entsteht nun als notwendige Vertrauensebene. Die Forschungslandschaft folgte diesem Kapital- und Regulierungsfluss, führte ihn nicht an.

Stärken & Schwächen: Die Stärke der Studie ist ihr Umfang – 7.302 Artikel liefern eine unbestreitbare Makrotrendvalidierung. Ihre Schwäche, die sie zugibt, ist ihre Rückspiegelperspektive. Bibliometrie sagt uns, wo die Masse war, nicht wo die Grenze ist. Die bahnbrechendste Arbeit – wie der Einsatz generativer KI (jenseits traditionellen ML) für narrative ESG-Berichterstattung oder die Nutzung dezentraler autonomer Organisationen (DAOs) für Nachhaltigkeitssteuerung – befindet sich wahrscheinlich noch in Pre-Prints oder proprietären Industrielaboren und ist noch nicht in Scopus erfasst. Die starke Abhängigkeit von TAM/TPB-Theorien ist ebenfalls ein Warnsignal; diese Modelle sind völlig unzureichend, um die Einführung komplexer, Ökosystem-Level-Technologien wie Blockchain für CO2-Märkte zu erklären.

Umsetzbare Erkenntnisse: Für CFOs und Chief Sustainability Officers: Ihr AIS ist kein Backoffice-Kostenstelle mehr; es ist Ihre primäre ESG-Risiko- und Berichterstattungsmaschine. Priorisieren Sie die Integration zwischen Finanz-ERP und ESG-Datenplattformen. Für Investoren: Untersuchen Sie den Accounting-Tech-Stack eines Unternehmens als Indikator für seine ESG-Datenreife. Ein Unternehmen, das auf manuelle ESG-Tabellen setzt, ist ein Hochrisiko-Investment. Für Anbieter (SAP, Workiva, etc.): Der Markt schreit nach einheitlichen Plattformen, die Finanzkontrolle, ESG-Metriken und Blockchain-basierte Assurance vereinen. Der "Nachhaltigkeitsmodul"-Ansatz ist veraltet.

9. Zukünftige Anwendungen & strategische Aussichten

Der Konvergenzpunkt sind Integrierte Performance-Management-Systeme. Die Zukunft liegt in Plattformen, die Echtzeit-Finanzdaten, operative Kennzahlen und ESG-Wirkungsdaten (Scope 1, 2, 3 Emissionen, soziale Metriken) nahtlos auf einem einzigen, Blockchain-gesicherten Hauptbuch vereinen. Dies ermöglicht:

• Dynamische nachhaltigkeitsbezogene Finanzierung: Kreditvereinbarungen und Anleihezinsen werden automatisch basierend auf Echtzeit-ESG-Leistungsdaten angepasst, die direkt aus den Rechnungswesensystemen gespeist werden.
• Automatisierte regulatorische Berichterstattung: KI-Agenten erstellen und übermitteln Compliance-Berichte (z.B. für CSRD, SEC) direkt aus dem transaktionalen Kernhauptbuch, mit einem Blockchain-Prüfpfad.
• Kreislaufwirtschaftsrechnung: Verfolgung des Lebenszyklus und des CO2-Fußabdrucks von Produkten und Materialien durch Lieferketten mittels IoT und Blockchain, wobei Kosten und Gutschriften automatisch im AIS erfasst werden.
• Dezentrale Assurance-Netzwerke: Über einzelne Prüfungsgesellschaften hinaus hin zu kontinuierlichen, verteilten Prüfungsprozessen, bei denen Algorithmen und mehrere Netzwerkteilnehmer Transaktionen und ESG-Aussagen validieren.

Der strategische Imperativ ist klar: Rechnungswesenfunktionen müssen sich von Historikern zu Prognostikern und systemischen Integratoren entwickeln und diese digitale-nachhaltige Schnittstelle nutzen, um greifbaren Geschäftswert und Resilienz zu schaffen.

10. Literaturverzeichnis

1. Asare, K. N. (2025). Digital Transformation in Accounting for Sustainable Development: Mapping the Intellectual Structure. Financial Markets, Institutions and Risks, 9(4), 1-15.
2. Van Eck, N. J., & Waltman, L. (2009). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538.
3. Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340. (TAM)
4. Ajzen, I. (1991). The Theory of Planned Behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211. (TPB)
5. DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean Model of Information Systems Success: A Ten-Year Update. Journal of Management Information Systems, 19(4), 9-30.
6. Barney, J. B. (1991). Firm Resources and Sustained Competitive Advantage. Journal of Management, 17(1), 99-120. (Resource-Based View)
7. International Federation of Accountants (IFAC). (2022). State of Play in Sustainability Disclosure and Assurance 2019–2022. New York: IFAC.
8. Zhu, J., & Zhu, K. (2020). AI and the Future of Accounting: A Review and Research Agenda. Journal of Information Systems, 34(3), 1-20.
9. Dai, J., & Vasarhelyi, M. A. (2017). Toward Blockchain-Based Accounting and Assurance. Journal of Information Systems, 31(3), 5-21.