Mitschrift zur Vorlesung „Grundlagen der … · Mitschrift zur Vorlesung „Grundlagen der Unternehmensführung“ ... Inhaltsverzeichnis ii Abbildungsverzeichnis iii Tabellenverzeichnis

Mitschrift zur Vorlesung „Grundlagen derUnternehmensführung“

Jan Henning

8. Juli 2003

Vorwort

Diese Mitschrift soll beim Lernen helfen, sie basiert jedoch auf meinen persönlichen Aufzeichnungen ausder Vorlesung1 und ist weder 100%ig fehlerfrei noch von Professor Spengler authorisiert. Weiterhin kannsie die Anlagen von Professor Spengler nicht ersetzen, sondern lediglich ergänzen. Wer inhaltliche Fehlerfindet, möge sie mir mitteilen. Gleiches gilt, falls ich irgendein Copyright verletzen sollte.

1Die Mitschrift wird während der Vorlesungszeit in der Regel wöchentlich aufhttp://www.henningweb.de aktualisiert

i

http://www.henningweb.de

Inhaltsverzeichnis

Vorwort i

Inhaltsverzeichnis ii

Abbildungsverzeichnis iii

Tabellenverzeichnis iv

1 Grundlagen 11.1 Zum Begriff „Unternehmensführung“. . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Führungsentscheidungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.3 Rationalität von Führungsentscheidungen. . . . . . . . . . . . . . . . . . . . . . . . . . 51.4 Historische Entwicklung der Unternehmensführung. . . . . . . . . . . . . . . . . . . . . 7

2 Strategische Unternehmensplanung 112.1 Grundbegriffe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .112.2 Strategisches Umfeld. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172.3 Strategische Entscheidungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292.4 Spezifika des strategischen Umfeldes, Erfordernisse und Methoden der strategischen Planung48

3 Operative Unternehmensplanung 493.1 Grundbegriffe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .493.2 Gegenstände operativer Planungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493.3 Modelltypen operativer Planung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

ii

Abbildungsverzeichnis

1.1 Güterflüsse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2 Management als Querschnittsfunktion. . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Handlungsstrukturmodell. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.4 Weitere Betrachtungsweisen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.5 Primäre und sekundäre Legitimationsbasen. . . . . . . . . . . . . . . . . . . . . . . . . 6

2.1 Elementarkategorien strategischen Handelns (1). . . . . . . . . . . . . . . . . . . . . . . 122.2 Elementarkategorien strategischen Handelns (2). . . . . . . . . . . . . . . . . . . . . . . 132.3 Merkmale strategischer Planungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.4 Elemente des strategischen Planungsprozesses. . . . . . . . . . . . . . . . . . . . . . . . 162.5 Szenariotrichter. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .202.6 Brainstorming. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .242.7 Struktur der Mind Map. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252.8 Morphologischer Kasten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262.9 Ishikawa-Diagramm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262.10 Gap-analyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .272.11 Unbestimmtheit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .292.12 Beispiel für LPI(w) bei zwei Umweltzuständen. . . . . . . . . . . . . . . . . . . . . . . 322.13 Beispiel eines baryzentrischen Dreiecks. . . . . . . . . . . . . . . . . . . . . . . . . . . 332.14 Zustandsbaum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .432.15 Entscheidungsbaum. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442.16 Zustandsbaum bei linearer partieller Information. . . . . . . . . . . . . . . . . . . . . . 452.17 Entscheidungsbaum bei linearer partieller Information. . . . . . . . . . . . . . . . . . . 472.18 Spezifika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48

iii

Tabellenverzeichnis

1.1 Teilgebiete der ABWL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Beziehungen zwischen primären Legitimationsbasen. . . . . . . . . . . . . . . . . . . . 61.3 Ansatz nach Argyris . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.1 Exemplarische Differenzierungen betrieblicher Strategien. . . . . . . . . . . . . . . . . . 142.2 Produkt-/Marktstrategien nach Ansoff. . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.3 Grundformen des Environmental Scanning. . . . . . . . . . . . . . . . . . . . . . . . . . 182.4 Beispiel für Cross-Impact-Matrix (1). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192.5 Beispiel für Cross-Impact-Matrix (2). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192.6 Beispiel einer Vernetzungsmatrix. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202.7 Beispiel einer Konsistenzmatrix. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222.8 Überblick Kreativitätstechniken. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232.9 Portfolio-Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .282.10 Entscheidungsmatrix bei LPI-Bedingungen. . . . . . . . . . . . . . . . . . . . . . . . . 352.11 Entscheidungsmatrix bei MaxEmin-Prinzip . . . . . . . . . . . . . . . . . . . . . . . . . 362.12 Indikatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .372.13 Indikatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .372.14 Entscheidungsmatrix. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432.15 Entscheidungsmatrix bei linearer partieller Information. . . . . . . . . . . . . . . . . . . 45

iv

Kapitel 1

Systematische und terminologischeGrundlagen der Unternehmensführung

1.1 Zum Begriff „Unternehmensführung“01.04.2003

• E. Gutenberg: Unternehmensführung - Organisation und Entscheidungen. Wiesbaden 1962.

• „Die Frage, was unter management [...] zu verstehen ist, läßt sich nicht ohne Schwierigkeiten be-antworten. [...] Viele verschiedenartige Vorstellungen lassen sich mit dem Begriff des managementverbinden und subjektiven Ausdeutungen steht der Raum offen. Gleichwohl besitzt der Ausdruckmanagement Akzente, die ihm einen bestimmten Charakter geben, ihn im Grunde aber auch unüber-setzbar machen, weil ihm viele, spezifisch amerikanische Elemente beigemengt sind.“ (S. 20)

• Institutioneller Managementbegriff (Träger dispositiver Aufgaben).Disponieren heißt dabei überetwas verfügen und ist gestaltend, entscheidend gemeint; im Gegensatz zu exekutiven (ausführenden)Aufgaben.1

• Funktionaler Managementbegriff (Treffen von Führungsentscheidungen)

UnternehmensführungEntscheidungstheorieOrganisationstheorie

Personaldisposition Beschaffung (inkl. Logistik) Investition UnternehmensrechnungPersonalbeeinflussung Produktion Finanzierung Steuerlehre

Absatz WirtschaftsinformatikQuantitative Methoden

Personalwirtschaft Güterwirtschaft Finanzwirtschaft Informationswirtschaft

Tabelle 1.1: Teilgebiete der ABWL

Unternehmenspolitik:

• Festlegen von strategischen Zielen und Angabe, wie man diese erreichen soll/kann, unter zu berück-sichtigenden Rahmenbedingungen

• Berücksichtigen verschiedener Interessengruppen (Stakeholder)

1Kommentare und Mitschriften des Verfassers sind in der Regel kursiv dargestellt. Erwähnte Definitionen sind zusätzlich nocheingerahmt.

1

KAPITEL 1. GRUNDLAGEN 2

Gebote und Verbote für Handlungen

Grundsatzentscheidungen Grundsätze müssen zueinander kompatibel sein

Handeln: absichtsgeleitetes Tun, zweckorientiertes Verhalten

Beschaffungs-markt

Kapital-markt

Absatzmarkt

Arbeitsmarkt

F inanz ie rung

Personalwirtschaft

Beschaffungvon Sachgütern

M a r k e t i n g

Fer t igungs-wi r tschaft

I nves t i t i on

Abbildung 1.1: Güterflüsse (in Anlehnung an: Bea, F.X./Dichtl, E./Schweitzer, M. (1994), S. 6)

1.2 Führungsentscheidungen

1.2.1 Führungsentscheidungen (nach E. Gutenberg):

betreffen allgemein die obersten Organisationsebenen, nicht nurdieoberste!

1. Merkmale „echter“ Führungsentscheidungen (=Leitung)

• Bedeutung der Entscheidung für die Vermögens- und Ertragslage (für den Bestand) des Unter-nehmens

• Besondere „Verantwortung für das Ganze des Unternehmens“

• Delegierbare aber nicht zu delegierende Entscheidungen

2. Katalog „echter“ Führungsentscheidungen

• Festlegung der Unternehmenspolitik auf weite Sicht

• Koordinierung der großen betrieblichen Teilbereiche

• Beseitigung von Störungen im laufenden Betriebsprozess

• Geschäftliche Maßnahmen von außergewöhnlicher betrieblicher Bedeutsamkeit

• Besetzung der Führungsstellen im Unternehmen

Zwischen Management- und Sachfunktionen herrscht ein komplementäres Verhältnis! Abbildung1.2verdeutlicht diesen Zusammenhang.


Sachfunktionen

Management-funktionen

Planung

Organisation

Kontrolle

Einkauf Produktion Verkauf

Abbildung 1.2: Management als Querschnittsfunktion (nach Steinmann/Schreyögg)

1.2.2 Führungsfunktionen:

1. POSDCORB-Klassifikation (Gulick 1937)

• Planning - Was ist zu tun und wie muss es getan werden?

• Organizing - Einrichtung einer formalen Authoritätsstruktur, Koordinierung der einzelnen Be-reiche

• Staffing - Anwerbung und Schulung von Personal, Gewährleistung adäquater Arbeitsbedingun-gen

• Directing - fortlaufendes Treffen und Umsetzen von Einzelentscheidungen in spezieller undgenereller Hinsicht

• COordinating - Abstimmung und Verknüpfung von Teilaufgaben

• Reporting - Vorgesetzte werden laufend über zentrale Entwicklungen (des Unternehmens) in-formiert

• Budgeting - Budgetaufstellung und -kontrolle

2. Koontz/O’Donnell (1955)

• Planung (planning)

• Organisation (organizing) - Erstellung eines Handlungsgefüges, Festlegung der Weisungsbe-fugnisse

• Personaleinsatz (staffing) - Stellenbesetzung

• Führung (directing) - Vorgesetzter vs. Untergebener

• Kontrolle (controlling) - Soll-Ist-Vergleich;im englischen „Controlling“ noch plus Steuerung!

1.2.3 Handlungsstrukturmodell (nach Kossbiel):

(Hierauf hat Professor Spengler besonderen Wert gelegt.)Das Handlungsstrukturmodell (siehe Abbildung1.3) setzt Ziele, deren Wirkungen, zur Verfügung stehende Alternativen und die relevanten Rahmenbedin-gungen zueinander in Beziehung. Im Mittelpunkt stehen dabei die Maßnahmen, die der Unternehmenslei-tung zur Verfügung stehen. Man wählt diese natürlich entsprechend den gesteckten Zielen aus. Bei die-sen unterscheidet man zwischen Sach- (Substanz-) und Formalzielen. Das oberste (Sach-)Ziel einer jedenUnternehmung ist Produktion und Absatz von Gütern, z.B. „1000 Rasenmäher herstellen“(Tauglichkeits-maßstab!). Weitere Sachziele können die „Mitarbeiterzufriedenheit“ oder schlicht „ein positives Bild nachaußen“ sein. Als ein Beispiel für Formalziele wurde die Gewinnmaximierung genannt.Bedingungen:


- politisch-rechtlich: gesetzliche Regelungen, Tarife, Normen; Demokratie vs. Diktatur, Krieg vs. Frie-den

- sozio-kulturell: Tradition, Religion der Mitarbeiter (und der Gesellschaft) Wertgefüge

- ökonomisch: konjunkturelle Lage, Angebots- und Nachfrageverhältnisse auf Absatz- und Beschaf-fungs-(Faktor-)märkten

Zwischen Bedingungen, Zielen, Maßnahmen und Wirkungen bestehen Beziehungen! So müssen Ziele na-türlich (v.a. technisch) realisierbar sind.Ein Gerät zum Beamen zu entwickeln ist zwar ein tolles Ziel, dürftejedoch in nächster Zeit an den technischen Möglichkeiten scheitern.Weiterhin besteht zwischen den Zielenund den Maßnahmen der Unternehmensführung ein Zweck-Mittel-Zusammenhang (selektiv) und zwischenden Maßnahmen der Unternehmensführung und den Wirkungen natürlich ein Kausalitätszusammenhang.

Bedingungen

(polit.-rechtl., sozio-kulturelle,

ökonomische, allg.-technolog.)

- Sachziele

- FormalzieleWirkungen

[(un-)beabsichtigte]

Zieler-

reichungs-

grad

Unternehmensführung

Abbildung 1.3: Handlungsstrukturmodell (nach Kossbiel)

1.2.4 Grundmodell der Entscheidungstheorie08.04.03

• Menge der(sich gegenseitig ausschließenden)HandlungsalternativenI := i|i = 1, 2, ..., I

• Menge derwohl unterscheidbarenUmweltzustände(nicht beeinflussbare Einflussfaktoren)J :=j|j = 1, 2, ..., J

• Menge der Ergebnisse(=Zielgrößen-ausprägungen)E := eij |i ∈ I, j ∈ J

• Ergebnisnutzenfunktion(Nutzen z.B. des Kapitalwertes, Gewinnes etc. in Nutzeneinheiten)

• Aktionennutzenfunktion( Gesamtnutzen; Ergebnisnutzen + nichtmonetäre (z.B. Zufriedenheit))

• Stochastischer Fall(Standardfall): Wahrscheinlichkeitsraum (J , F, Prob) mit F als geeigneterσ-Algebra

1.2.5 Weitere Betrachtungsweisen des Handlungsstrukturmodells

nach Kossbiel, H./Spengler, T. (1997) Hier werden die Zusammenhänge zwischen Zielen, Maßnahmenund Bedingungen nochmal auf verschiedene Weisen deutlich gemacht. Die Wörter in Klammern meinendie entsprechenden Begriffe aus Abbildung1.3.


GlaubwürdigkeitsziffernUmweltzustände("Bedingungen")

Entscheidungsmatrix:

Nutzen("Wirkungen")

Alternativen("Maßnahmen")

Präferenzfunktionale

Zielgrößenmatrix:(verschiedene)

Ziele

Zielbeiträge("Wirkungen")

Alternativen Nutzwerte (Punktbewertungs-verfahren, "Wirkungen")

Entscheidungsvariablen("Maßnahmen")

ZieleRestriktionen

("Bedingungen")

Ausganstableau für mathematische Optimierungen:

Abbildung 1.4: Weitere Betrachtungsweisen (nach Kossbiel/Spengler, 1997)

1.3 Rationalität von Führungsentscheidungen

1.3.1 Arten von Rationalität

Die ersten sechs „Rationalitäten“ sind von Max Weber, die siebte und achte von Simon. In der BWL hältman sich v.a. an Zweck-, formale, substanzielle und objektive Rationalität. Man entwickelt sich dabei vonder unbeschränkten zur beschränkten Rationalität, da der Mensch ja nun mal nicht allwissend ist.

• Zweckrationalität - Orientierung an Handlungszweck, -mitteln und -folgen (z.B. Kapitalwert einesAutos)

• Wertrationalität - Vernachlässigung der Handlungsfolgen, Betonung des Eigenwertes (hier wichtiger:schönes, schnittiges Auto)

- - -

• Materiale Rationalität - Thematisierung inhaltlicher Legimitationsbasen(Begründbarkeit von Ent-scheidungen)

• Formale Rationalität - „Rechnerische“ Begründbarkeit(formale Rechtfertigung der Entscheidung)

- - -

• Substanzielle Rationalität - Problemwahrnehmung, -beschreibung(Problem richtig erfasst und be-schrieben? richtig in Entscheidungsmodell gegossen?)

• Prozedurale Rationalität - Problemlösung(sverfahren?)

- - -

• Unbeschränkte Rationalität - Omniscient man (allwissender Mensch)

• Beschränkte Rationalität - Beschränkte Informationsaufnahme- und -verarbeitungskapazität und Pro-gnosefähigkeit (des Menschen)

- - -


• Objektive Rationalität - Faktizität (faktisch wahr - in Realität kaum möglich, vorhanden)

• Subjektive Rationalität - Relativität

Führungsentscheidungen Ökonomisch vernünftig Ökonomisch unvernünftig

Technisch machbar Positive Komplementarität Konkurrenz (z.B.UMTS)Technisch nicht machbar Unmöglichkeit Unmöglichkeit

(z.B. Beamen) (z.B. aus Gold Stroh spinnen)Sozial vertretbar Positive Komplementarität Konkurrenz (Einheitseinkommen)Rechtlich zulässig Positive Komplementarität Konkurrenz

Rechtlich unzulässig Konkurrenz Negative Komplementarität(Drogen, Kartellbildung) (das perfekte Verbrechen

einfach aus Spaß)

Tabelle 1.2: Beziehungen zwischen primären Legitimationsbasen betrieblicher(Führungs-)Entscheidungen

1.3.2 Primäre und sekundäre Legitimationsbasen:

Sekundäre Basen wirken nur indirekt über die Primärbasen auf die Entscheidungen. Für die BWL ist na-türlich die Ökonomische Legitimierbarkeit am wichtigsten, ohne jedoch die (sekundären) Restriktionenzu verletzen. Es können unterschiedlichste Beziehungen betrachtet werden. So z.B. zwischen Technolo-gischer Legitimierbarkeit und Ökologischen Aspekten (Kohle in der Stromerzeugung), zwischen Ökono-mischer Legitimierbarkeit und Psychologischen Aspekten (Streichung des Weihnachtsgeld) oder zwischender Sozio-kulturellen Legitimierbarkeit und Medizinisch-biologischen Aspekten (Klonen von Menschen).Siehe dazu Abb.1.5.

Legitimationsbasen

Ökolo-gische

Aspekte

Sozio-kulturelleLegitimier-

barkeit

Politisch-rechtl.Legitimier-

barkeit

PrimäreBasen

ÖkonomischeLegitimier-

barkeit

SekundäreBasen

Psycholo-gische

Aspekte

Medizi-nisch-biologischeAspekte

Moralisch-ethischeAspekte

Demogra-phischeAspekte

Markt-strukturelle

Aspekte

TechnologischeLegitimier-

barkeit

Abbildung 1.5: Primäre und sekundäre Legitimationsbasen


1.4 Historische Entwicklung der Unternehmensführung

1.4.1 Historische Entwicklung

nach Steinmann, H./Schreyögg, G. (1990)

• Unternehmensführung seit Beginn der industriellen Revolution höhere Arbeitsteilung Koordi-nation; vorher: Eigentümer = Unternehmer; danach: AGs mit Managern

• 1881 (USA): Gründung der Wharton School of Commerce and Finance

• um 1920: Berufsstand des Managers ist etabliert

• 1898: Gründung der Handelshochschulen Leipzig, Wien und St. Gallen Schwerpunkt im Rech-nungswesen

• E. Gutenberg: Unternehmensführung - Organisation und Entscheidungen. Wiesbaden 1962(erstedeutsche Monografie)

• E. Rühli: Unternehmensführung und Unternehmenspolitik. Bern/Stuttgart 1973

1.4.2 Ansätze der Unternehmensführung

Klassische Ansätze:

• F.W. Taylor (1856-1915)

– Priciples of Scientific management:

1. Trennung von Planung (durch Funktionsmeister) und Ausführung+ Kontrolle (Manage-ment)

2. Weitgehende Aufgabenzerlegung3. Leistungsgerechte Differenzierug finanzieller Anreize(Stück- und Leistungslohn)

4. Funktionale Organisation (Funktionsmeistersystem)

– Entfremdung und Sinnentleerung(Aufgaben zu stark spezialisiert, Blick fürs Ganze geht verlo-ren abschätzig: Taylorismus)

– Fremd- statt Selbstbestimmung(der Ausführenden) durch explizite Verhaltensnormen und dieTechnik

• H. Fayol (1841-1925)

– Managementfunktionen:

1. Planung(Prognose der und Vorbereitung auf Zukunft)

2. Organisation(Entwicklung der Unternehmensstruktur)

3. Befehl4. Koordination(Abstimmung der Einzelaufgaben, Aufgabensynthese)

5. Kontrolle (Soll-Ist-Vergleich)

– Organisation ad rem

– Einheit der Auftragserteilung

– Grundsätze nach Fayol:

1. bessere und mehr Arbeit durch Spezialisierung2. Authorität(Recht, Anweisungen zu erteilen; verlangt Verantwortung)und Verantwortung3. Disziplin4. Einheit der Auftragserteilung: für jede Arbeit nur Anweisungen voneinemVorgesetzten5. Einheit der Leitung: alle Anweisungen müssen aufeinZiel ausgerichtet sein


6. Unterordnung der Einzelinteressen unter das Gesamtinteresse

7. faire und angemessene Entlohnung

8. Zentralisierung (Maß unternehmensspezifisch) so weit wie möglich ist immer einzuhalten

9. skalare Kette: Instanzenzug von oben (Leitung) bis unten (Ausführung) man kann nurmit direktem Vorgesetzten sprechen problematisch Lösung: Fayolsche Brücke

10. Ordnung: alles und jeder auf seinem Platz

11. Gerechtigkeit: durch Unternehmensleiter

12. stabiler Führungskader(lange Einarbeitungszeiten)

13. Initiative (aller Beschäftigten) ist Quelle der Stärke der Unternehmung

14. In der Einheit liegt die Stärke15.04.2003

• Kritik an Fayol und Taylor: sehr allgemein formuliert und(z.T.)keine Handlungsanweisungen bzw.keine situativen Differenzierungen

• M. Weber (1864-1920)

– Begründer der modernen Soziologie

– Rationalisierung auf drei Ebenen:

∗ Rationalisierung auf der Ebene der Weltbilder und Glaubenssysteme (Abkehr von magi-schen Vorstellungen)

∗ Rationalisierung auf der Ebene der Institutionen zunehmende Beherrschbarkeit durchWissenschaft und Technik

∗ Rationalisierung des eigenen Lebens

– Bürokratische Herrschaft

– Merkmale der bürokratischen Organisation

1. Regelgebundenheit der Amtsführung(Set von Regeln und Vorgaben, die die Abläufe be-stimmen werden unpersönlich Dienstweg)

2. Genau abgrenzbare Kompetenzbereiche

3. Prinzip der Amtshierarchie Instanzenzug mit klaren Über- und Unterordnungsverhält-nissen

4. Aktenmäßigkeit der Verwaltung(und Vorgänge)

5. Unpersönlichkeit der Amtsführung

6. Stellenbeschreibungen(mit genau definierten Stellenanforderungen)

7. Fixierte Laufbahnen klar geordnete Gehaltshierarchie

8. Anstellung durch Arbeitsvertrag(„freiwillige Unterwerfung unter legal Herrschenden“)

– Universelle Effizienz der Bürokratie

Verhaltenswissenschaftliche Anätze:

• Anreiz-Beitrags-Theorie 5 Thesen:

– Organisationen sind Systeme wechselseitig abhängigen Verhaltens mehrerer Personen (Orga-nisationsteilnehmer)

– Organisationsteilnehmer leisten Beiträge an die und empfangen Anreize von der Organisation

– innerhalb der Organisation findet eine Transformation der Beiträge in Anreize statt(Wertschö-fungsprozess)

– Teilnehmer stellen Teilnahme solange nicht in Frage, solange Nettonutzen(' Anreize - Bei-träge)≥ 0, sonst Unzufriedenheit Suchverhalten(z.B. Lohnverhandlungen, Alternativen aufArbeitsmarkt oder einfach weniger arbeiten)und bei Mißerfolg Anspruchsanpassung


– Organisation ist im Gleichgewicht, solage Beitragsvolumen ausreicht, um die die Teilnahmesichernden Anreize zu erhalten

Entscheidungen, ob „Teilnahme“ an der Organisation; Wie kann man rollenkonformes Verhal-ten erreichen/erzwingen?

Gegensatz zur Principal-Agent-Theorie: hier nicht explizit opportunitistisches Verhalten undkeine Informationsasymetrie und keine verschiedenen Risikoneigungen(oft Risikoneutralitätdes Prinzipalen)behandelt

• Argyris - Unterscheidung von Persönlichkeiten in reif (Erwachsener) und unreif (Kind)(siehe Tabelle1.3)

Kind ErwachsenerPassivität Aktivität (Willen, Eigeninitiative)Abhängigkeit relative Unabhängigkeitundifferenziertes Verhalten differenziertes Verhalten

(in verschiedenen Situationen)vordergründige, flüchtige InteressenInteressenlagenkurze Zeitperspektive lange Zeitperspektiveeher untergeordnete Stellung gleich-/übergeordnet(in Familie und Gesellschaft)fehlendes Bewusstsein des Selbst Bewusstsein / Kontrolle des Selbst formale Organisation vorteilhaft eher keine formale Organisation durchsetzbar

Tabelle 1.3: Ansatz nach Argyris

• Hawthorne-Experimente

– Änderungen der Produktivität bei Änderungen der Umgebung, z.B. höhere Produktivität beibesserer Beleuchtung

– jedoch bei Wiederherstellung der ursprünglichen Verhältnisse kein sofortiger Rückgang

Hawthorne-Effekt: soziale Aufmerksamkeit führt zu Produktivitätssteigerung bei Einzug desAlltags wieder Rückgang

Entdeckung des Sozialen, Menschen sind keine Maschinen; führte zu Human-Relations-Bewe-gung

• Human-Relations-Bewegung

• Human-Resources-Ansatz(Produktionsfaktorundmenschliches Wesen)

Quantitativ-mathematische Ansätze:

• Management Science

• Operations Research (früher Unternehmensforschung)

• Konzentration auf Planungsfunktion( gute Entscheidungen der Unternehmensführung)

Systemtheoretische Ansätze:

System:Menge von Elementen, zwischen denen Beziehungen bestehen

• Allgemeine Systemtheorie (L.v. Bertalanffy) sollte quasi für alle Wissenschaften gelten


• Kybernetische Systemtheorie: Regelkreise (grafisch); Entstehung und Funktion von Systemen Wiemuss System aufgebaut sein, um Ziele zu erreichen?

• Soziologische Systemtheorien: Funktion der Systeme für vernünftiges Handeln in hochkomplexerUmwelt

– Strukturell-funktionale Systemtheorie: Welche Prozesse sind in dem Sinne funktional, dass siebestehende Strukturen erhalten können?

– Funktional-strukturelle Systemtheorie: Welche Strukturen soll ein System im Hinblick auf dieZiele der Individuen annehmen?

• Merkmale dieser Systemtheorien:

– Verbundenheit der Elemente, System ist ganzheitlich(bei Änderungen an Elementen oder Be-ziehungen anderes System)

– Zielorientierung(v.a. bei kybernetischer Systemtheorie)

– Regulierung

– Transformation von Inputs innerhalb eines Systems in Outputs

– oft hierarchisch geordnet Subsysteme

– Entropie

– differenziert

– Äquifinalität: von einem bestimmten Anfangszustand kann nicht eindeutig auf einen bestimm-ten Endzustand geschlossen werden und umgekehrt

Kapitel 2

Strategische Unternehmensplanung

2.1 Grundbegriffe

2.1.1 Strategie und strategische Planung

• Strategos (Heerführer) Kunst der Heerführung

• C. v. Clausewitz:

– „Der Gebrauch des Gefechts zum Zwecke des Krieges“

– Politische Orientierung der Militärstrategie

• Interpretation der strategischen Planung „als eine sämtliche Bereiche durchdringende, jedoch nur diewesentlichen Elemente des Erfolgs und seiner Sicherung heraushebende Gesamtunternehmenspla-nung [...], wobei langfristige und auf den Erfolg nachhaltig wirkende Entscheidungen im Vorder-grund ihrer Erörterung stehen.“(W. Wittmann 1982)

• Strategische Planung als „[...] Prozeß der Festlegung der wichtigsten Ziele einer Organisation sowieder Richtlinien und Strategien, anhand derer Beschaffung, Einsatz und Disposition der zur Errei-chung dieser Ziele notwendigen Ressourcen erfolgt. Die strategischen Ziele sind im allgemeinenlangfristig ausgerichtet, gelegentlich sind sie auch kurzfristig; sie bestimmen die Art der zu wählen-den Handlungsalternativen, während über Strategien die Verteilung der Ressourcen erfolgt.“(G.A.Steiner 1971)

• Strategische Planung befaßt sich „[...] mit der qualitativen und/oder quantitativen Abgrenzung vonzentralen Ziel- und Aktionsräumen des Unternehmens speziell unter dem Aspekt der Erschließungund/oder Sicherung ihrer lebenswichtigen Erfolgspotentiale.“(N. Szyperski/U. Winand 1980)

• „Strategien geben Antwort auf zwei grundsätzliche Fragen („Grundfragen der strategischen Pla-nung“):

1. In welchen Geschäftsfeldern wollen wir tätig sein?

2. Wie wollen wir den Wettbewerb in dem(n) Geschäftsfeld(ern) bestreiten?“

(H. Steinmann/G. Schreyögg 1990)

• Strategien sind „[...] Planungs- oder Entscheidungsergebnisse [...] die vor ihrer Ausführung im Rah-men einer Planung noch weiter spezifiziert und detailliert werden oder die zumindest eine (durchzeitlich-vertikale Interdependenzen bedingte) Maßnahmenkette darstellen“(K.-I. Voigt 1992)

• Zusammenfassung nach Spengler:

11

KAPITEL 2. STRATEGISCHE UNTERNEHMENSPLANUNG 12

Strategie:

• ein Bündel abstrakter Maßnahmen,(z.B. „Expansionsstrategie“)

• das Freiheitsgrade für in späteren Zeitpunkten zu konkretisierende Maßnahmen( Umweltdynamik)beläßt und

• das an globalen Orientierungsmustern ausgerichtet ist

• sowie wesentliche Relevanz für die Weiterentwicklung des Systems(nicht aufUnternehmen als System begrenzt)aufweist, für das es konzipiert wird(Bestands- und Effizienzziele)

• kann auch kurzfristig sein, langfristig sind aber immer die Erfolgswirkungen

Strategische Planung:Bewußte, frühzeitige und geordnete Vorbereitung eines zuimplementierenden Bündels abstrakter Maßnahmen ... Planung von Strategien

bzw. Strategieplanung

2.1.2 Elementarkategorien strategischen Handelns

als Hilfe für die Strategieformulierung, siehe Abbildungen2.1und2.2

Kon

ditio

nen:

Bel

ange

des

Bet

riebe

s

Erfordernissedes Betriebes

Bedürfnisseder Stakeholder

Möglichkeitender

Stakeholders

Möglichkeiten des

Betriebes

Konditionen:Interessen

Konditionen:

Belange der

Stakeholders

Konditionen:Möglichkeiten

strate-gischeZiele

strate-gischeEffekte

alternativeStrategien

(Selektivität) (Kausalität)

Abbildung 2.1: Elementarkategorien strategischen Handelns (1)

Potentialität:Möglichkeit, die zur Wirklichkeit werden kann


Orientie-rung bwl.Maßnahmen an den

Primäre bwl.Bezugspro- bleme Faktorbereit-

stellungFaktorergiebig-

keit

Belangendes

Betriebes

Erforder-nissen desBetriebes

Möglich-keiten desBetriebes

Deckungkonkreter

Faktorbedarfe

Durchsetzung expliziterErgiebigkeits-

ansprüche(z.B. bestimmte Qualitätbei Produktbestellung)

Ausnutzung vonMarktchancen

Verwertung von"Ausbeutungs"-

chancen(Wie kann mit den

Arbeitskräftenumgegangen werden?)

Belangender

Stake-holders

Bedürfnis-sen derStake-holders

Möglich-keiten der

Stake-holders

Befriedigungvon Erhaltungs-

bedürfnissen

Befriedigungvon Entfaltungs-

bedürfnissen(z.B. Lieferant

will expandieren)

Ausschöpfungvon Stakeholder-potentiallitäten

(z.B.: Kann Zulie-ferer Just in Time

liefern?)

Nutzung vonVerhaltens-repertoires

(Verhalten animierenoder tolerieren?)

stru

ctur

e fo

llow

s st

rate

gySt

rate

gy fo

llow

s st

ruct

ure

Abbildung 2.2: Elementarkategorien strategischen Handelns (2)

2.1.3 Merkmale strategischer Planungen

in Anlehnung an Ch. Scholz 1987. Siehe dazu Abb.2.3 22.04.2003

• Simplizität: methodische Beschränkung auf das Wesentliche

– Komplexitätsreduktion: Verdichtung(nicht Vernichtung!)von Informationen

– Potentialkonzentration: Hinwendung zu Potentialzielen

• Proaktivität: Frühzeitigkeit in Planung und Aktion

– Kontingenzaktivität: Methode der flexiblen Planung verwenden(Planung von FlexibilitätVorausdenken für unvorhergesehene Fälle; nicht von vornherein feste Maßnahmen planen)

– Initiativaktivität: Sofortige Aktion bei Bedrohungen oder Chancen

• Relevanz: inhaltlich besonders wichtige Sachverhalte

– Holismus: System als Ganzes steht im Vordergrund

– Elementarismus: bezogen auf mehrere essentielle(besonders wichtige)Segmente

2.1.4 Exemplarische Differenzierungen betrieblicher Strategien:

siehe dazu Tabelle2.1


Merkmale strate-gischer Planungen

SimplizitätRelevanz

Proaktivität

Elementarismus

Holismus

Komplexitäts-reduktion

Potential-konzen-tration

Kontingenz-aktivität

Initiativ-aktivität

Abbildung 2.3: Merkmale strategischer Planungen

Differenzierungs- (exemplarische) Strategie-kriterium bezeichungen

Betriebliche Funktionen Absatz-, Produkt(ions)-, Finanzierungs-,oder Objekte Personalstrategien

Organisationale Unternehmens-, Geschäftsbereichs-,Geltungsbereiche FunktionsbereichsstrategienVeränderung von Expansions-, Stagnations-, Konsolidierungs(gesünder werden)-,

Objektausprägungen Kontraktionsstrategien(verkleinern)Verhalten gegenüber Offensiv-, Defensiv-,

Konkurrenten NeutralitätsstrategienProdukt- Marktdurchdringungs-, Marktentwicklungs-,

Marktentwicklung Produktentwicklungs, DiversifikationsstrategienKoalitionsbildung Unabhängigkeits-, Kooperations-,

Beteiligungs-, Akquisitionsstrategien

Tabelle 2.1: Exemplarische Differenzierungen betrieblicher Strategien

Bisherige Märkte Neue Märkte

Bisherige Produkte Marktdurchdringung MarktentwicklungNeue Produkte Produktentwicklung Diversifikation

(horizontal, vertikal bzw. lateral)

Tabelle 2.2: Produkt-/Marktstrategien nach Ansoff


2.1.5 Produkt-/Markstrategien

nach Ansoff 1957. (vgl. dazu Tabelle2.2)Zu den verschiedenen Arten der Diversifikation:

• horizontal: enge produktionsmäßige Verbindung mit bisherigem Produkt(ions)programm (z.B. Mo-fas Motorräder)

• vertikal: Integration/Verbindung vor- und nachgelagerter Fabrikationsstufen (z.B. Halbwaren In-vestitionsgüter)

• lateral: gänzlich neues (z.B. Nasentropfen Kaffetassen)

2.1.6 Arten von Interdependenzen(als „Ursache“ für Entscheidungen):

in Anlehnung an Voigt 1993.

Interdependenz:gegenseitige Abhängigkeit

• Sachliche Interdependenzen: Abhängigkeit aus zwingenden Gründen, z.B. Naturgesetze oder Res-sourcenknappheit (x + y ≤ 100)

• Erfolgsinterdependenzen: Maßnahmen beeinflussen sich gegenseitig in ihrem Erfolgsbeitrag (z.B.Verkauf von Autos und Autoradios)

• zeitlich-horizontale Interdependenzen: beziehen sich auf gleiche Planungsperiode

• zeitlich-vertikale Interdependenzen: periodenübergreifend (z.B. Werbung, Investition und Ertrag)

„Erfordernis“ der simultanen (langfristigen Unternehmens-Gesamt-)Planung

2.1.7 Langristige Unternehmensplanung

Einschränkungen(Machbarkeit und Effizienz)

• Quantifizierungsprobleme:

– Zurechnungsprobleme

– Probleme bei Prognose

– unterschiedliche Meßbarkeitsstufen, Skalen

Exkurs: Skalenarten

1. Nominalskalen

∗ nur Zugehörigkeit bzw. Nichtzugehörigkeit (Identität, Diversität)

∗ keine Rangordnung

∗ keine arithmetischen Operationen

∗ z.B. Religion, Steuerklasse, verschiedene Umweltzustände ohne Wahrscheinlichkei-ten

2. Ordinalskalen

∗ Identität + Rangfolge

∗ keine arithmetischen Operationen

∗ z.B. Schulnoten

3. Intervallskalen

∗ Identität + Rangfolge + Abstand


∗ bis auf Skalennullpunkt und Maßeinheit eindeutig festgelegt

∗ arithmetische Operationen + Addition und Subtraktion von Skalenwertdifferenzen

∗ z.B. Temperatur inC oderFahrenheit, Kalenderzeit, kardinale Nutzenmaße

4. Verhältnisskalen

∗ eindeutiger, natürlicher Nullpunkt bis auf Maßeinheit eindeutig bestimmt

∗ alle arithmetischen Operationen

∗ z.B. Körpergröße, Länge

5. absolute Skalen

∗ eindeutig bestimmt, z.B. relative Häufigkeiten

∗ alle arithmetischen Operationen

• Datenbeschaffungs- und -übermittlungsprobleme und Problem der Einordnung hinsichtlich ihrer Gü-te

• Lösungsprobleme: z.B. Modell zu groß, Computer bräuchte zu lange für Generierung der Lösung,obwohl Problem grundsätzlich lösbar ist

Kompromißlösungen(zeitlich und sachlich)

• Sukzessive Planung: keine Simultanplanung

• Hierarchische Planung: keine Simultanplanung, Zerstückelung des Gesamtproblems in Teilproble-me, ohne Gesamtoptimum zu verfehlen

2.1.8 Elemente des strategischen Planungsprozesses

siehe Abb.2.4

Bestimmungstrategischer

Ziele

Ermittlungstrategischer

Daten

Generierung Bewertung Auswahl

strategischer Alternativen

Abbildung 2.4: Elemente des strategischen Planungsprozesses

2.1.9 Arten strategischer Ziele:

• Existenzziele: Fortbestand des Unternehmens

– Stabilität: Abwendung von Risiken, Absicherung der Liquidität

– Flexibilität: Chancen nutzen können

• Effizienzziele


– wirtschaftliche Effizienz: z.B. Gewinn, Deckungsbeitrag, CashFlow

– Zufriedenheit der Stakeholder: u.a. Kapitalgeber(Shareholder Value), Verbraucher, Arbeitneh-mer(Erhalt der Arbeitsplätze)oder Gesellschaft(Umweltaspekte)

2.2 Strategisches Umfeld

2.2.1 Bereiche der Umweltanalyse

in Anlehnung an Steinmann/Schreyögg

Strategisches Umfeld

• Externe Umwelt

– Analyse der globalen Umwelt: technologische, politisch-rechtliche, ökonomische und gesell-schaftliche Umweltbedingungen

– Markt- und Geschäftsfeldanalyse: engere ökon. Umwelt, Herausfilterung wichtiger Faktoren Bedrohung durch neue Anbieter, Markteintrittsbarrieren, Lieferanten, Substitute der eigenenProdukte, Konkurrenten, Staat

• Interne Umwelt

– Ressourcenanalyse: im Sinne der Analyse der Unternehmenspotentiale und deren Nutzung

– Konkurrentenanalyse: Einschätzung der eigenen Potentiale im Lichte der Konkurrenz Ab-leitung kritischer Erfolgsfaktoren, z.B. Lieferleistung, Distributionsdichte, Preis, Werbung oderQualität

2.2.2 Analysemethoden für die Umweltanalyse

in Anlehnung an Staehle

• Informationsgewinnung

– Scanning-Techniken: z.B. Environmental Scanning(vgl. Tabelle2.3)

– Früherkennungssysteme: Erkennung von Risikenund Chancen Beobachtung von externenund internen Frühindikatoren

• Analyse und Prognose

– Analytische Methoden: z.B. Stärken-Schwächen-Analyse, Potential-Lücken-Analyse, Kenn-zahlensysteme

– Prognostische Methoden: z.B. Analogieschlussmethode, Trendextrapolation, Indikatormethode(beste Methode Indikator: Leitgröße, die der Suchgröße mit zeitlichen Vorlauf vorausgeht)

– Heuristische Methoden: z.B. Brainstorming

– Bewertende Methoden: z.B. Nutzwertanalyse

– Messende und schätzende Methoden: Wahrscheinlichkeitsrechnung (Clusteranalyse, Korrelati-onsanalyse)

• Strategiefolgenabschätzung

– Technology-Assessment: Bewertung der Technologie

– Gesellschaftsbezogene Rechnungslegung Sozialbilanzen

– Ökobilanzen


fallweise periodisch kontinuierlich

Auslöser Krise Planungsphasen Problembewusstsein(ständig beobachten zu müssen)

Sachbereich Spezielle Ereignisse Ein ausgewählter Ein Umwelt(sub)systemBereich von Ereignissen

Zeitbezug Vergangenheit Gegenwart ZukunftAusrichtung Reaktion Antizipation (Vorhersage) AntizipationSuchmedium Ad-hoc-Studien Aktualisierte Studien Strukturiertes

(„zu dem Zweck“) Suchsystem

Tabelle 2.3: Grundformen des Environmental Scanning (nach Scholz 1987)

2.2.3 Delphi-Methode29.04.2003

• Expertenurteil(man befragt quasi das Orakel)

• Varianten: Einzel- oder Gruppenbefragungen(eventueller Vorteil bei Einzelbefragungen kann sein,dass dabei keine Konkurrenz und auch kein Konformitätsdruck entsteht, dagegen steht jedoch derVorteil der Gruppe, dass bei mehr Meinungen bessere Auskünfte zu erzielen sein dürften)

• Merkmale:

– Experten unterschiedlicher Fachdisziplinen

– Anonyme Befragung

– Statistische Auswertung

– Mehrere Befragungsrunden mit kontrolliertem Informationsfeedback

• Vorteil: relativ schnell und fundiert

• Nachteil: Gefahr hoher Subjektivität

2.2.4 Cross-Impact-Analyse

• Interdependenzen/Interaktionen zwischen Beobachtungsfeldern

• Expertenschätzungen bzgl.

– Richtung der Beziehungen(Wohin entwickelt sich bestimmtes Umweltsegment?)

– Stärke des Einflusses

– Diffusionszeit(Wie lang ist Time-Lag, bis Effekt auf anderes Gebiet übergreift? Zeit, bisWirkung eintritt)

• Cross-Impact-Matrix

– Ergebnisdarstellung

– Randspalte: Ursachenfelder

– Kopfzeile: Wirkungsfelder

– siehe Tabellen2.4und2.5


Ereignis E1 E2 E3E1 - E1 ist zwingende Voraus- E1 erhöht Eintrittswahr-

setzung für E2 scheinlichkeit für E3E2 E2 kann nicht vor E1 auf- - E2 verstärkt E3 bei unver-

treten, beeinflusst nicht den änderter Eintrittswahr-Verlauf von E1 scheinlichkeit

E3 Keine Beziehung Keine Beziehung -E4 Keine Beziehung E4 reduziert Wirkung E4 reduziert Eintrittswahr-

von E2 scheinlichkeit von E3

Tabelle 2.4: Beispiel für Cross-Impact-Matrix in Anlehnung an Scholz (1987)

Rückgang des Lokerung des Wirtschaftliche NutzbarkeitEreignis Ölverbrauchs OPEC-Kartells von Windkraftwerken

(Preissenkung)Rückgang des - verstärkend, abschwächend, verzögerndÖlverbrauchs beschleunigend

Lockerung des OPEC- abschwächend, - abschwächend,Kartells (Preissenkung) verzögernd verzögernd

Wirtschaftliche Nutzbarkeit verstärkend, verstärkend -von Windkraftwerken beschleunigend beschleunigend

Tabelle 2.5: Beispiel für Cross-Impact-Matrix in Anlehnung an Staehle (1991)

2.2.5 Szenariotechnik

Szenario:konsistente Beschreibung denkbarer Zukunftszustände; hypothetischeSequenz von Ereignissen

• zur Bestimmung der Szenarien werden häufig Kreativitätstechniken eingesetzt

• Schrittfolge (in Anlehnung an Geschka/Hammer 1986, Staehle 1991):

1. Strukturierung und Definition des Untersuchungsfeldes(z.B. Entwicklung des Rohölpreises)

2. Identifizierung und Strukturierung der wichtigsten Einflussbereiche auf das Untersuchungsfeld

3. Ermittlung von Entwicklungstendenzen und kritischen Deskriptoren(Beschreibungsfaktoren)für die Umfelder

4. Bildung und Auswahl alternativer konsistenter Annahmenbündel(die sich gegenseitig aus-schließen)

5. Interpretation der ausgewählten Umfeldszenarien

6. Einführung und Auswirkungsanalyse signifikanter Störereignisse

7. Ausarbeiten der Szenarien bzw. Ableitung von Konsequenzen für das Untersuchungsfeld- - -

8. Konzipieren von Maßnahmen

• Visualisierung häufig als Trichter vgl. dazu Abb.2.5

– meist Beschränkung auf zwei Extrem- und 2 bis 3 weitere Szenarien

– je weiter in der Zukunft, desto mehr Szenarien Komplexität

– Kontingenz: wir wissen nicht, welches Szenario eintritt

– Dynamik: je dynamischer, desto weiter liegen Szenarien auseinander


Zeit

Dat

enen

twic

klun

g

Extremszenario 1

Extremszenario 2

Szenario S1

Szenario S2

Störereignis

Abbildung 2.5: Szenariotrichter

• Vernetzungsmatrix als Instrument der Einflußanalyse (in Anlehnung an v. Reibnitz 1989):

– verschiedene Einflußfaktoren werden einander in einer Matrix gegenüber gestellt

– in jedes Feld wird der Einfluss des Faktors in der Spalte auf den Faktor in der Zeile eingetragen

– die letze Spalte bzw. Zeile enthält die Aktiv- bzw. Passivsumme für den jeweiligen Faktor,äußerst rechts unten werden diese dann zur kumulierten Gesamtsumme aufsummiert

– Grafisch ist das in Tabelle2.6dargestellt

Absatzm. Wettbewerb Technologie Gesellsch. Wirtsch. AktivsummeAbsatzmärkte x 2 1 0 0 3Wettbewerb 2 x 1 0 0 3Technologie 2 2 x 1 2 7Gesellschaft 2 1 1 x 1 5Wirtschaft 2 2 1 1 x 6

Passivsumme 8 7 4 2 3 24

Tabelle 2.6: Beispiel einer Vernetzungsmatrix

• System-Grid als Instrument der Einflußanalyse (in Anlehnung an v. Reibnitz 1989):

– in einem Diagramm werden auf der Ordinate die Aktivsumme und auf der Abszisse die Pas-sivsumme jedes Einflussfaktors abgetragen

– das Diagramm wird in beiden Dimensionen durch das Maximum begrenzt, welches ein Ein-flussfaktor erreichen kann

– weiterhin erfolgt eine Trennung des 2-dimensionalen Raumes durch die Ziffer, die sich bei Di-vision der Gesamtsumme durch die Anzahl Faktoren ergibt(also den durchschnittlichen Ein-fluss)

– die jetzt in 4 Sektoren aufgeteilten Faktoren lassen sich jetzt als Treibende(links oben), Kri-tische oder ambivalente(rechts oben), Getriebene oder passive(rechts unten)und Pufferndebzw. niedrig ambivalente(links unten)Faktoren einteilen


– man sollte sich nun v.a. um die Aktiven Faktoren bemühen(z.T. auch um sehr aktive KritischeFaktoren)und passive oder puffernde Elemente nicht bearbeiten

– ein Beispiel für ein System-Grid kann auf Anlage 37-18 betrachtet werden

• Deskriptoren:

– sind das strategische Umfeld charakterisierende Kenngrößen

– quantitative(metrisch: Anzahl Mitarbeiter, Gewinne, Inflationsrate)und qualitative(nicht me-trisch: Mitarbeiterqualifikation, Image, Zufriedenheit)Deskriptoren

– kritische(nicht eindeutig einschätzbar)und unkritische Deskriptoren

• Erstellung von Rohszenarien:

– Aggregation alternativer Ausprägungen der kritischen Deskriptoren zu konsistenten (Annah-men-)Bündeln

– paarweiser Vergleich: gegenseitige Verstärkung, Abschwächung, Neutralität

– in realistischen Fällen ist DV-Unterstützung notwendig

– Ziel: Auswahl von Rohszenarien mit möglichst hoher Konsistenz, Unterschiedlichkeit undWahrscheinlichkeit

– Verfahren zur Erstellung von Rohszenarien (in Anlehnung an Heinecke/Schwager 1995): Manunterscheidet vor allem zwischen Konsistenzanalyse(ohne Wahrscheinlichkeitsbewertung)undder Cross-Impact-Analyse(mit Wahrscheinlichkeitsbewertung), welche sich wiederum in diekorrelierte und die (statische oder dynamische) kausale Cross-Impact-Analyse gliedern lässt

• Konsistenzmaße (Beispiele):

1. nach v. Reibnitz:

– +2 := Beziehung des Deskriptorenpaares ist konsistent mit wechselseitiger Verstärkung

– +1 := Beziehung des Deskriptorenpaares ist konsistent ohne wechselseitige Verstärkung

– 0 := Beziehung des Deskriptorenpaares ist neutral

– -1 := Beziehung des Deskriptorenpaares ist teilweise inkonsistent

– -2 := Beziehung des Deskriptorenpaares ist absolut inkonsistent

2. nach Götze:

– 1 := totale Inkonsistenz des Deskriptorenpaares

– 2 := partielle Inkonsistenz des Deskriptorenpaares

– 3 := neutrales Deskriptorenpaar

– 4 := gegenseitig begünstigendes Deskriptorenpaar

– 5 := sehr stark gegenseitig verstärkendes Deskriptorenpaar

• Konsistenzmatrix in Anlehnung an Heinecke/Schwager 1995: einer entsprechenden Skala(s.o.)wirdnun die Konsistenz eines jeden Deskriptorenpaares in eine Matrix eingetragen, nachzulesen in Ta-belle2.7

• für jedes Annahmenbündel kann nun ein durchschnittliches Konsistenzmaß, welches sich aus derKonsistenzmatrix ergibt, angegeben und in eine Rangfolge gebracht werden

• Gütekriterien für Szenarien in Anlehnung an Heinecke/Schwager 1995:

– Verständlichkeit

∗ Klarheit und Transparenz

∗ Zusammenhang

∗ Angemessenheit


– Relevanz

∗ Entscheidungsfunktion(durch Szenarien sollen ja Entscheidungen möglich gemacht wer-den)

∗ Orientierungsfunktion(an/für Maßnahmen)∗ Relevanz in verschiedenen Planungsprozessen

– Stabilität

– inhaltliche Gründlichkeit

∗ Fehlerlosigkeit∗ Glaubwürdigkeit∗ Vollständigkeit∗ Erfassung der Systemzusammenhänge∗ Darstellung der Entwicklungspfade∗ Informationsgehalt

– Verhältnis der Szenarien

∗ Unterschiedlichkeit∗ Gleichartigkeit(hinsichtlich der Darstellungsform: nicht Äpfel mit Birnen vergleichen)

1.1 1.2 2.1 2.2 2.3 3.1 3.2 4.1 4.2 5.1 5.2 6.1 6.2 6.31.1 x1.2 x x2.1 2 4 x2.2 3 3 x x2.3 4 2 x x x3.1 2 4 5 3 2 x3.2 4 2 1 2 5 x x4.1 4 2 5 3 1 3 3 x4.2 2 4 2 3 4 3 3 x x5.1 5 2 4 3 1 5 2 2 4 x5.2 2 4 2 3 5 2 4 4 2 x x6.1 2 4 5 3 1 4 2 5 1 2 4 x6.2 3 3 3 4 2 3 3 4 2 3 3 x x6.3 5 1 1 3 3 2 4 1 5 4 2 x x x

Tabelle 2.7: Beispiel einer Konsistenzmatrix in Anl. an Heinecke/Schwager 1995

• Vorteile der Szenario-Technik (Götze 1993)

– Erstellung mehrerer konsistenter Zukunftsbilder, Auseinandersetzung mit der Unsicherheit derZukunft

– Identifikation möglicher Strukturbrüche/Störereignisse

– Einbeziehung qualitativer Aussagen möglich

– Untersuchung umfassender Umweltsysteme und der Interdependenzen ihrer Elemente wird an-geregt(z.B. mit der Cross-Impact-Analyse)

– Zwingt zur Offenlegung von Annahmen

– Motivation und Kommunikation der Beteiligten sowie das Verständnis der Zukunftsperspekti-ven werden verbessert

– Integration weiterer Planungs- und Prognoseelemente

– Flexibilität der Methodik

– Lerneffekte


2.2.6 Exkurs: Kreativitätstechniken

Kreativitätstechniken dienen u.a. dazu, verschiedene Experten oder Teammitglieder auf einen Nenner zubringen und eine Entscheidung bzw. eine Idee zur Lösung eines Problems herbei zu führen. In Tabelle2.8wird eine Übersicht über die unterschiedlichen Methoden gegeben.

Kriterien Brainstorming Brainwriting Mind Mapping MorphologieTransforma- Induktion Induktion Deduktion Deduktiontionsmethode

Dauer 15-20 Min. für 30 Min. für abhängig vom abhängig vomIdeenfindung Ideenfindung Thema Thema

insg. ca. 45 Min. insg. ca. 60 Min.Teilnehmerzahl ca. 5-10 mind. 5 ca.1-15 ca. 1-15

Problemlage Suchprobleme Suchprobleme Analyse- und Konstellations-Suchprobleme und Auswahl-

problemeMaterial/ Kärtchensammlung 6 Formblätter Stammbaum Morphologischer

Visualisierung oder Flipchart „Methode 635“ KastenVerfahrens- Prinzip der Prinzip der Prinzip der Prinzip der

prinzip Assoziation Assoziation Bildhaftigkeit und NeukombinationAnalogiebildung bekannter

MöglichkeitenTyp gruppenorientiertes gruppenorientiertes Einzel- und Einzel- und

Verfahren Verfahren (räuml./ Gruppenarbeit Gruppenarbeitzeitl. getrennteBearb. möglich)

Tabelle 2.8: Überblick Kreativitätstechniken

Intuitiv-kreative Methoden

• Ideenentwicklung durch spontane Assoziationen und Analogiebildungen

• vollständige Dokumentation und Visualisierung

• z.B. Brainstorming, Brainwriting, Mind Mapping, Synektik

Systematisch-analytische Methoden

• systematische Erfassung, Ordnung und Gliederung von problemrelevanten Elementen

• Systematisierung der Lösungsmöglichkeiten

• z.B. Morphologie, Ishikawa-Diagramm, Relevanzbaumanalyse

Brainstorming

• von A.F. Osborn 1938 entwickelt

• kreative Konferenz mit dem Ziel, Ideen zu produzieren, die zur Problemlösung führen könnten

• baut auf Assoziationspsychologie auf

• sichere und leicht akzeptierbare Vorstellungen sollen überwunden werden „Wand des Gewöhnli-chen durchbrechen“

• Prinzipien:


– Zurückstellung der Beurteilung

– Quantität erzeugt Qualität

– erst nach Sitzung Bewertung und Kritik

– Sitzung determiniert durch Ort, Hilfsmittel, Teilnehmerstruktur und Zeitplan(Zeitrahmen ca.15 - 20 min. pro Sitzung)

– Empfehlung: 5 - 10 Teilnehmer

– Ort störungsfrei (z.B. Handyfrei)

– Ideen knapp und kurz halten

• siehe Abb.2.6

Brainstorming

Spielregeln

FreieEinfälle

Quantitätvor Qualität

KeinKonkurrenzdenken

KeineKritik

Sitzungsort

Hilfsmittel

Teilnehmer-struktur

Zeitplan

Abbildung 2.6: Brainstorming

Brainwriting Methode 635

• Teilnehmer schreiben ihre Ideen selbst nieder

• wichtige Lösungsansätze ergeben sich dadurch, dass Teilnehmer die Ausgangsidee eines anderenTeilnehmers aufgreifen und weiterentwickeln

• Spielregeln: 6 Teilnehmer tragen in 3 vorgegebene Problemlösungsfelder je eine Idee ein; für diese3 Lösungen werden 5 Minuten vorgegeben

• danach „öffentliche“ Auswertung in der Gruppe

Mind Mapping

• Visualisierungsmethode, um unterschiedliche Ideen, Aufgaben und Probleme strukturiert darzustel-len

• bildhafte Gedächtnisstützen

• ganzheitliche Arbeitsmethode

• Sichtbarmachung kreativer Denkprozesse

• Verbindung von logischem Überlegen mit assoziativem, kreativem Denken

• siehe Abb.2.7


Thema Hauptast

Hauptast

Hauptast

Hauptast

Zweig

Zweig

Zweig

Zweig

Zweig Zweig

Zweig

Unterzweig

Zweig

Zweig

Unterzweig

Komplex

Abbildung 2.7: Struktur der Mind Map

Morphologie 06.05.2003

• Morphologie: Gestaltungs- und Strukturlehre

• systematische Vorgehensweise, um Denken und Handeln in geordnete Formen für Problemlösungenzu bringen

• Morphologischer Kasten:

– Zerlegung des Gesamtproblems in seine Einzelelemente, um dann für jedes Einzelelement alledenkbaren Lösungen zu suchen

– Kombination von Einzellösungen zu einer Gesamtlösung

– Prozessablauf des morphologischen Kastens:

1. Genaue Umschreibung, Analyse und Definition des Problems

2. Zerlegung des Problems in seine Einzelelemente

3. Suche nach Lösungsmöglichkeiten für jedes Element

4. Analyse im morphologischen Kasten

5. Bewertung und Optimierung der Elemente auf Grund bestimmter Wertsysteme

6. Auswahl der optimalen Lösung und Weiterverfolgung derselben bis zur Realisierung

– siehe Abb.2.8zur Erarbeitung einer Werbekonzeption

Ishikawa-Diagramm

• auch als Fischgräten- oder Ursache-Wirkungs-Diagramm bezeichnet

• Strukturierungsmethode für Ursachenforschung eines Problems

• Haupteinflussgrößen:

– Mensch

– Maschine

– Methode


Erareitung einer Werbekonzeption

Marktanalyse

Festlegen derZielgruppe

Budgetfestlegen

Stärken-/Schwächen-Analyse

Medium Out of HomePlakatTV

weiblichmännlichGeschäftskundenPrivatkunden

WasWie

Abbildung 2.8: Morphologischer Kasten

– Material

• Erstellen eines Ishikawa-Diagramms:

– Problemfall festlegen

– Ursachen sammeln

– Einflussgrößen festlegen

– Ishikawa-Diagramm ordnen

– Bewertung des Diagramms

• siehe Abb.2.9

Mensch Methode

Material Maschine

SchlechteKopien

Händeschmutzig

keineEinweisung

Maschinen-überlastung Positionieren des

Originals

Grad derAbweichung

Helligkeitder Lampe

Lampe verschmutzt

Verwendungsdauer

SchlechteFlüssigkeit

Lichtdurchlässigkeit

Deutlichkeitdes Originals

Walzenzustand

Abbildung 2.9: Ishikawa-Diagramm


Relevanzbaumanalyse Bei der Relevanzbaumanalyse wird ein relativ allgemeines Ziel nacheinandervon oben nach unten verfeinert. So z.B. „Den städtischen Wohnungsbedarf befriedigen“ in „BestehendeGebäude renovieren“ und „Neue Gebäude bauen“. Jeweils eins dieser Ziele bzw. Vorhaben wird dannweiter verfeinert, wodurch nacheinander immer detailliertere Niveaus entstehen.

2.2.7 Gap-Analyse (Kreikebaum)13.05.2003

Ein Ansatz, um Lücken im eigenen Geschäftsfeld aufzuzeigen. Unterschieden wird dabei zwischen stra-tegischen und operativen Lücken (vgl. dazu Abb.2.10). Letztere sind i. d. R. durch eine forcierte Markt-durchdringung in bestimmten Produkt- und Marktfeldern zu reduzieren. Zum Beheben von strategischenLücken gilt es jedoch, (neue) Marktentwicklung, Produktentwicklung und Diversifikation zu betreiben;also Chancen der Umwelt und Stärken des Unternehmens zu nutzen.

Die Gap-Analyse ist keinrichtigesAnalyseverfahren, sondern zeigt eher auf, wohin es mit dem Unter-nehmen gehen kann, wenn man alle Chancen nutzt.

Zeit

Um

satz

Neugeschäft

Entwicklungsgrenze

PotentiellesBasisgeschäft

Basisgeschäft

strategischeLücke

operativeLücke

Abbildung 2.10: Gap-analyse

2.2.8 Produktlebenszyklus

In diesem Diagramm wird der Umsatz gegen die Zeit abgetragen. Dabei werden 4 Phasen unterschieden.In der Einführungwird ein Produkt eingeführt und hat sich beschleunigende Umsatzzuwächse. Um die-se Phase zu unterstützen, sind niedrige Einführungspreise und viel Werbung zu empfehlen. ImWachstumwächst der Umsatz weiter. Hier ist es durchaus ratsam, die Preise zu erhöhen. Auf alle Fälle sollte in dieProduktionsanlagen investiert werden. In derReifesteht der Umsatz auf seinem Zenit. Spätestens in derDegenerationsphase sollte viel in Forschung und Entwicklung investiert werden, um alsbald ein Ablöse-produkt parat zu haben. Außerdem könnte viel Werbung nötig sein, um die Degeneration und damit einrapides Absinken des Umsatzes hinauszuzögern.(Da wahrscheinlich jeder dieses Konzept kennt, wird aufeine bildhafte Darstellung verzichtet.)

2.2.9 Erfahrungskurve

Dieses Konzept wurde von der Boston Consulting Group entwickelt und zielt darauf ab, dass mit Ver-dopplung der kumulierten Produktionsmenge eines Gutes die (inflationsbereinigten) Stückkosten um einengewissen Prozentsatz (durchschnittlich 20-30%) zurückgehen. Zur Unterstützung dieses Effektes lassensich Managementmaßnahmen ableiten:


• Auslastung der bestehenden und Aufbau neuer Kapazitäten economies of scalerealisieren

• Ausnutzung des Lernkurveneffektes Fertigungszeit kann durch Übung reduziert werden

• Technischer Fortschritt und Rationalisierung Verbesserung der Ablauforganisation, der Maschi-nentechnologie und Substitution von Arbeit durch Kapital

• Materialverbesserung Fehlerreduktion und Reduzierung von Toleranzen höhere Qualitätsan-sprüche

2.2.10 Das PIMS-Programm

• Profit Impact of Market Strategy

• 1972 bei General Electric entwickelt

• 1975 Strategic Planning Institute (SPI) gegründet

• Mitgliedsfirmen finanzieren SPI

• Mitgliedsfirmen liefern Daten über strategische Geschäftseinheiten (SGE)

– Beschreibung der SGE

– Bilanz- und GuV-Daten

– Marktdaten

– Informationen über Wettbewerber

– Schätzungen über die Entwicklung von Daten

• Empirische Untersuchungen

• Berücksichtigung von „Marktgesetzen“

• insgesamt werden 37 Faktoren abgebildet, v. a. der Return on Investment (Verhältnis Gewinn zuKapitaleinsatz) und CashFlow (tatsächlich in flüssigen Mitteln erzielter Überschuß)

• Benefit für die Unternehmen: eine Fülle von Daten über andere Firmen

2.2.11 Portfolio-Methode

Hoher relativer Cash Cows StarsMarktanteil

Geringer relativer Arme Hunde FragezeichenMarktanteil

Geringes zukünftiges MarktwachstumHohes zukünftiges Marktwachstum

Tabelle 2.9: Portfolio-Methode

Von der Boston Consulting Group entwickeltes Konzept, um Produkte in 4 Quartale einordnen zukönnen (vgl. dazu Tab.2.9). Problematisch an diesem Ansatz ist jedoch, dass das Marktwachstum nurschwer einzuschätzen und die Einteilung derWelt in nur 4 Quadranten zu simpel ist.

Normstrategien:

• Investieren: bei den Stars und z. T. bei den Fragezeichen(ungenutzte Chance Marktanteil erhöhen)

• Marktanteil halten und Gewinne abschöpfen: bei den Cash-Cows(reife Märkte mit sehr guter Wett-bewerbsposition dienen der Finanzierung für andere Felder/Produkte)

• desinvestieren/aus Markt zurückziehen: z. T. bei den Fragezeichen


2.3 Strategische Entscheidungen

2.3.1 Formen der Unbestimmtheit, Fuzzy-Theorien und deren Anwendungsgebie-te

Siehe dazu Abb.2.11.

Unbestimmtheit (Kontingenz)

Unsicherheit(Eintreten der Ereignisse

unbestimmt)

Unschärfe(Unsicherheit derEreignisse selbst)

Unsicherheit i.e.S.(keine Wahrschein-lichkeiten bekannt;

MinMax, Laplace etc.)

Risiko(Wahrscheinlichkeiten

bekannt; Max. desErwartungswertes,Bernoulli-Prinzip)

terminologische(Ereignisse in ihrer

Größe vage/unscharfbeschrieben, z.B.

hoher Gewinn)

relationale(Verhältnisse zwischen

Objekten, z.B.A ist viel größer als B)

Fuzzy-Maßtheorie(Theorie unscharfer Maße, z.B.

Wahrscheinlichkeitstheorie;Wahrscheinlichkeit: ein bestimmtes Fuzzy-Maß)

Fuzzy-Mengentheorie(Theorie unscharfer Mengen)

Entscheidungstheorie Spieltheorie

gegen die Natur(Zufall)

gegen rational handelnde Gegenspieler(man entwickelt besondere Strategien)

Spiele

Abbildung 2.11: Unbestimmtheit

Ausgewählte theoretische Ansätze im Bereich der Fuzzy-Maße und -mengen (Überblick)

• Klassische Ereignismengen

– (Klassische) Wahrscheinlichkeitstheorie

– LPI-Theorie

– Evidenztheorie (Dempster-Shafer-Theorie)

– Possibilitätstheorie(Angabe von Möglichkeiten)

• unscharfe Ereignismengen

– Wahrscheinlichkeiten von Fuzzy-Ereignissen

– Möglichkeit von Fuzzy-Ereignissen

2.3.2 Unscharfe Menge (fuzzy set)

Definition Ist X eine klassische Menge mit den Elementenx, dann ist die unscharfe MengeA auf Xeine Menge geordneter Zweitupel

A = (x, µA(x))|x ∈ X mit µA : X → R+


Beispiel SeiX = 0, 1, 2, 3, 4, 5 eine (klassische) Menge von Gewinnausprägungen (Angaben in Mio.GE), die hinsichtlich einer unscharfen Aussage „der Gewinnx ist hoch“ zu bewerten ist.

Die unscharfe MengeA der „hohen“ Gewinne aufX kann dann z.B. wie folgt formuliert werden:

A = (0; 0), (1; 0), (2; 0, 2), (3; 0, 4), (4; 1), (5; 1)

abgestufte Zugehörigkeitswerte zu „hohe Gewinne“

Beispiele für relationale Unschärfe

a · x≤b und a · x≤b

Die erste Gleichung bedeutet etwa:a · x ungefähr≤ b , z. B. Produkt aus Stückkosten und Produktions-menge soll ungefähr kleiner als das Budget sein(in gewissem Umfang sind Budgetüberschreitungen OK).Im Prinzip werden also zwei Forderungen gestellt (z.B. bei der Beladung von Schiffen): a mal x soll bmöglichst nicht überschreiten, aber auf keinen Fall darf b+d überschritten werden.

In der zweiten Gleichung kommt noch terminologische Unschärfe hinzu, z.B. ca. 4 Mio. GE Budgetund ca. 300 GE Stückkosten...

2.3.3 Wahrscheinlichkeitstheoretische Grundlagen

Wahrscheinlichkeitsbegriffe

• objektive Wahrscheinlichkeiten

– klassischer Wahrscheinlichkeitsbegriff (a)

– statistischer Wahrscheinlichkeitsbegriff (b)

• subjektive Wahrscheinlichkeiten (c)

(a) Def. 1:

Prob(A) =Zahl der günstigsten FälleZahl aller möglichen Fälle

z. B. ein Sack mit roten und blauen Kugeln und man gewinnt immer, wenn man eine rote Kugel ziehtProb(rot) = Anz. rote Kugeln

Gesamtanz. Kugeln(b) Def. 2:

Prob(A) = limn→∞

absolute Häufigkeit beinVersuchenn

z. B. unendlich mal Würfeln Prob(A) = 16

(c) Ermittlung über (in)direkte Verfahren, z. B. äquivalente Lotterien etc.

2.3.4 Kolmogoroffsche Axiome

• Wahrscheinlichkeiten haben maßtheoretischen Anforderungen (den sog. Kolmogoroffschen Axio-men) zu genügen

• Diese basieren aufσ-Algebren:

– σ-Algebren sind Systeme von Teilmengen (deren Elemente werden Ereignisse bzw. Elementa-rereignisse genannt)


– Ergebnisraum (sicheres Ereignis): irgend eins der Elementarereignisse muss eintreten, z. B.eine Zahl zwischen 1 bis 6 beim Würfeln, Bsp.:

Θ = 1, 2, 3, 4, 5, 6A1 = 2, 4, 6 gerade

A2 = 6A3 = 2, 3, 5 Primzahlen

|P (Θ)| = 64 Potenzmenge

|F | = 32

– Bedingungen:

∗ Das sichere und das unmögliche (∅) Ereignis gehören zurσ-Algebra

∗ Jedes zu einem Ereignis komplementäre Ereignis gehört zurσ-Algebra

∗ Alle Vereinigungsmengen der Ereignisse gehören zurσ-Algebra

– Formal: Ein SystemF ⊆ P (θ) von Teilmengen einer klassischen Menge heißtσ-Algebra aufdem Ergebnisraumθ, wenn die folgenden Bedingungen erfüllt sind:

∅ ∈ F ∧ θ ∈ F (2.1)

A ∈ F ⇒ AC ∈ F (2.2)

Ai ∈ F (i ∈ I) ⇒⋃i∈I

Ai ∈ F , mit I als höchstens abzählbare Indexmenge(2.3)

• Axiome:

– Die Wahrscheinlichkeit eines Ereignisses ist nicht-negativ

– Die Wahrscheinlichkeit des sicheren Ereignisses beträgt 1

– Die Wahrscheinlichkeit der Vereinigung disjunkter Ereignisse ergibt sich aus der Summe derWahrscheinlichkeiten der Einzelereignisse (σ-Additivität)

• Formal: Eine FunktionProb : F → [0, 1] heißt Wahrscheinlichkeitsmaß auf einer EreignisalgebraF , wenn die folgenden Bedingungen erfüllt sind:

A ∈ F ⇒ Prob(A) ≥ 0 (2.4)

Prob(θ) = 1 (2.5)

A1, A2, ... ∈ F undAi ∩Aj = ∅ ∀i 6= j (2.6)

⇒ Prob

(⋃i

Ai

)=∑

i

Prob(Ai)

Es ist unmittelbar einsichtig, dass aus2.6 in Verbindung mit2.5die Beziehungen

Prob(AC) = 1− Prob(A) sowie (2.7)

Prob(∅) = 0 (2.8)

folgen.

2.3.5 Grundlagen der LPI-Theorie20.05.2003

• L inearePartielleInformation nach Menges und Kofler

• Intervallwahrscheinlichkeiten (z. B.0 ≤ w1 ≤ 0, 6; 0, 2 ≤ w2 ≤ 0, 8) gut für langfristige Progno-sen geeignet, da häufig keine „Punktwahrscheinlichkeiten“ bekannt sind


• komparative Wahrscheinlichkeiten (z. B.w1 ≤ w2)

• additiv verknüpfte Wahrscheinlichkeiten (z. B.w1 + w2 ≥ w3)

• Verteilungssimplex

– J := j|j = 1, 2, ..., J Menge aller Umweltzustände

– w|w′ = (w1, ..., wJ) Menge der potentiellen Verteilungen überJ , dabei istw ein Vektorundw′ der transponierte Vektor

– V (J)w|wj ≥ 0;∑

j wj = 1 := Verteilungsmatrix

• der Informationsstand des Entscheidungsträgers kann als Teilmenge des Verteilungssimplex inter-pretiert werden:T (w) ⊆ V (J)

• 3 Fälle:

– Fall des Risikos:T (w) : genau ein Punkt im Verteilungssimplex

– Fall der Unsicherheit i.e.S.:T (w) : gesamter Verteilungssimplex

– partielle Information:T (w) : echte Teilmenge des Verteilungssimplex, wobei gelten muss:|T (w)| > 1

• Die TeilmengeT (w) ⊆ V (J) wird als LPI(w) bezeichnet, sofern sie als Lösungsmenge eineslinearen Ungleichungssystems der Art

A ·w ≥ b;w ≥ ~0;J∑

j=1

wj = 1; mit A : mxJ ;w : J x 1;b : m x 1;m > J

darstellbar ist.w hat also J Zeilen und 1 Spalte,A hat m Zeilen(Anzahl der Restriktionen für jewei-liges Restriktionensystem(= LPI(w))) und J Spalten.b entspricht dem rechten Randvektor.

• Aufgrund der Linearitätseigenschaft erzeugt ein solches Ungleichungssystem einen konvexen Poly-eder. Im Fall zweier (Umwelt-)Zustände ergibt sich für LPI(w) eine Gerade. Abbildung2.12zeigtein Diagramm fürLPI(w) := V (2) (entspricht dem gesamten Verteilungssimplex, also der Unsi-cherheit i.e.S.)und LPI(w) := (w1 ≥ w2). Im zweiten Diagramm ist nur die nicht-gestrichelteLinie zu beachten. Im Fall von drei Umweltzuständen läßt sich das Ungleichungssystem durch einsogenanntes baryzentrisches Dreieck darstellen (vgl. Abb.2.13). Nähere Ausführungen dazu auf denAnlagen 52 und 53 von Prof. Spengler.

w1 w1

w1w1

1

1 1

1

Abbildung 2.12: Beispiel für LPI(w) bei zwei Umweltzuständen


Abbildung 2.13: Beispiel eines baryzentrischen Dreiecks

Darstellung der LPI(w) in Form der Eck- bzw. Extremalpunktematrix [M(LPI)]

• FürLPI(w) := (w1 + w2 ≥ w3) gilt: M(LPI) =

1 0 0 0, 50 1 0, 5 00 0 0, 5 0, 5

• Bezeichnet man die Menge der Eckpunkte derLPI(w) mit ω|ω = 1, 2, ...,Ω und mit wjω die

Wahrscheinlichkeit des Zustandsj im Eckpunktω, dann besitzt die Extremalpunktematrix allgemeinfolgende Gestalt:

M(LPI) =

w11 . . . w1ω . . . w1Ω

......

...wj1 . . . wjω . . . wjΩ

......

...wJ1 . . . wJω . . . wJΩ

• In Fällen, in denenLPI(w) := (w1 ≤ w2 ≤ . . . ≤ wJ) gilt (schwache Ordnung), gilt:

M(w1 ≤ w2 ≤ . . . ≤ wJ) =

1/J 0 0 . . . 0

1/J 1/J − 1 0... 0

...... 1/J − 2

... 0...

......

... 01/J 1/J − 1 1/J − 2 . . . 1

• In Fällen, in denen Intervallangaben über die Wahrscheinlichkeiten vorliegen[LPI(w) := (wj ≤

wj ≤ wj ;∀j ∈ J)], ist die Verteilungw′ = (w1, w2, ..., wJ) genau dann eine Eckpunkteverteilung,wennJ − 1 Komponentenwj von w die Wertewj oderwj annehmen, die Residualkomponente


einen Wert in Höhe der Differenz zu 1 annimmt und die folgenden zusätzlichen Bedingungen erfülltsind:

0 ≤ wj ≤ 1 ∀ j ∈ J (2.9)

0 ≤ wj ≤ 1 ∀ j ∈ J (2.10)

wj ≤ wj ∀ j ∈ J (2.11)∑j∈J

wj ≤ 1 ≤∑j∈J

wj (2.12)

J∑j′=1

wj′ + (wj − wj) ≤ 1 ∀ j ∈ J (2.13)

J∑j′=1

wj′︸︷︷︸alle Obergrenzen

−(wj − wj) ≥ 1 ∀ j ∈ J (2.14)

• DaJ Möglichkeiten existieren, jeweils einwj als „Restkomponente“ auszuwählen sowie2J−1 Mög-lichkeiten, den anderenwj′ jeweils Schrankenwerte zuzuordnen, sind insgesamtJ · 2J−1 Versuchedurchzuführen und auf Konsistenz zu prüfen, um die Eckpunktematrix bestimmen zu können.

• Beispiel:

FürLPI(w) :=

0 ≤ w1 ≤ 0, 10, 5 ≤ w2 ≤ 0, 6 sind3 · 22 = 12 Versuche zu prüfen

0, 3 ≤ w3 ≤ 0, 5

• Die Versuche werden hier nicht einzeln aufgeführt, man siehe dazu Anlage 56. Für jeden Versuchwird dabei eine Obergrenze (z. B.w1) und eine Untergrenze (z. B.w2) festgelegt, die letzte Kompo-nente (hier im Beispielw3) errechnet sich aus der Additivität zu eins. Bisweilen gelingt das nicht, dadie Restkomponente dann nicht in ihrem Wertebereich läge. Man spricht dann von einem unzulässi-gem Versuch. Alle zulässigen Versuche (Doppeltnennungen werden ignoriert) werden dann in einerExtremalpunktematrix zusammengefasst:

M(LPI) =

0 0 0, 1 0, 10, 5 0, 6 0, 5 0, 60, 5 0, 4 0, 4 0, 3

Zu den Bedingungen2.13und 2.14

• LPI(w), die zwar2.9- 2.12erfüllen, erfüllen nicht notwendigerweise auch2.13oder2.14. In Fällen,in denen gegen die beiden letztgenannten Restriktionen verstoßen wird, sind die Intervallbreiten nachMaßgabe folgender Vorschriften zu verringern:

w∗j = min

wj ; 1−∑

i∈Jj

wi

w∗j = max

wj ; 1−∑

i∈Jj

wi

• Beispiel: Für

LPI(w :=

0, 1 ≤ w1 ≤ 0, 40, 2 ≤ w2 ≤ 0, 60, 3 ≤ w3 ≤ 0, 8


sind die Bedingungen2.9- 2.12sowie2.14erfüllt. Verletzt ist jedoch die Bedingung2.13für j = 3,denn

∑Jj′=1 wj′ +(w3−w3) = 1, 1. w3 ist somit zu verringern aufw∗

3 = min(0, 8; 1−0, 3) = 0, 7.Dies ist unmittelbar einsichtig, da im vorliegenden Beispielw1 ≥ 0, 1 und w2 ≥ 0, 2 gilt, sodassw3 ≤ 0, 71 sein muss.

Entscheidungen unter LPI-Bedingungen siehe dazu Tab.2.10. 27.05.2003

LPI(w) = LPI(w1, ..., wJ)j = 1 ... j ... j = J

i = 1 u11 ... u1j ... u1J

......

......

i ui1 ... uij ... uiJ

......

......

i = I uI1 ... uIj ... uIJ

Tabelle 2.10: Entscheidungsmatrix bei LPI-Bedingungen

• Bei scharfen Wahrscheinlichkeitenwj und Anwendung des Bernoulli-Prinzips gilt für den Nutzen-erwartungswert:

Ei =J∑

j=1

uij · wj

• In Matrixschreibweise ergibt sich der Vektor der Nutzenerwartungswerte(E) aus der Operation:

EIx1 = UIxJ ·wJx1

• Unter LPI-Bedingungen liegtE, da die Matrix der Nutzenwerte(U) mit der Extremalpunktematrixzu multiplizieren ist, in Matrixform vor, sodass wir für jede Handlungsalternative - und damit injeder Zeile der MatrixE - ein Erwartungswertintervall erhalten. Bezeichnet man die Anzahl derExtremalpunkte wiederum mitΩ, dann gilt:

EIxΩ = UIxJ ·M(LPI)JxΩ

• Entscheidungsprinzipien:

– LPI-Hurwicz-Prinzip

– LPI-Hodges-Lehmann-Regel

– etc.

– Max Emin-Prinzip:

maxi

minw∈LPI(w)

J∑j=1

uij · wj

[Wähle zunächst für jede Alternative diejenige (Wahrscheinlichkeits-)Verteilung, die den mini-malen Nutzenerwartungswert verspricht und wähle dann jene Alternative, bei der das maximaleMinimum erreicht wird!]

– LPI-Laplace-Prinzip:

M(LPI)JxΩ · λΩx12 = M∗(LPI)Jx1

3 ; mit λ′ := (1/Ω, ..., 1/Ω)1xΩ

1Die Grenze wird quasi auf einen Extremalpunkt verschoben2Gleichgewichtsvektor mitΩ Zeilen und 1 Spalte3neuer Extremalpunktevektor


Beispiel LPI-Laplace-Prinzip Siehe dazu folgende Gleichung:

M(LPI) · λ =

0 0 0, 1 0, 10, 5 0, 6 0, 5 0, 60, 5 0, 4 0, 4 0, 3

·

0, 250, 250, 250, 25

=

0, 050, 550, 4

= M∗(LPI) ≈ mittl. Punktwahrscheinlichkeit

Beispiel MaxEmin-Prinzip siehe dazu die Matrix2.11

Wahrscheinlichkeiten0, 42 ≤ w1 ≤ 0, 72 0, 06 ≤ w2 ≤ 0, 24 0, 02 ≤ w3 ≤ 0, 12 0, 14 ≤ w4 ≤ 0, 36

i = 1 200 500 500 800i = 2 400 400 400 400i = 3 400 400 200 500

Tabelle 2.11: Entscheidungsmatrix bei MaxEmin-Prinzip

Bei 4 · 24−1 = 32 zu prüfenden Kombinationen ergibt sich folgende Extremalpunktematrix(20 Kom-binationen waren entweder unzulässig oder wären doppelt):

M(LPI) =

0, 72 0, 72 0, 72 0, 42 0, 42 0, 42 0, 42 0, 6 0, 46 0, 5 0, 68 0, 560, 06 0, 06 0, 12 0, 24 0, 24 0, 1 0, 2 0, 24 0, 06 0, 24 0, 06 0, 060, 02 0, 08 0, 02 0, 12 0, 02 0, 12 0, 02 0, 02 0, 12 0, 12 0, 12 0, 020, 2 0, 14 0, 14 0, 22 0, 32 0, 36 0, 36 0, 14 0, 36 0, 14 0, 14 0, 36

Für die Erwartungswerte gilt:

E(1) = U(1) ·M(LPI) = (200 500 500 800) ·M(LPI)= (344 326 326 440 470 482 482 362 470 392 338 440)⇒ Emin(1) = 326

E(2) = U(2) ·M(LPI) = (400 400 400 400) ·M(LPI) = (400 ... 400) ⇒ Emin(2) = 400E(3) = U(3) ·M(LPI) = (400 400 200 500) ·

= (416 398 410 398 428 412 432 410 412 390 390 432)⇒ Emin(3) = 390

Damaxi Emin(i) = 400 gilt, wird Handlungsalternativei = 2 empfohlen.

2.3.6 Grundlagen der Dempster-Shafer-Theorie

• Theorie der Hinweise, Theorie des plausiblen Schließens, Evidenztheorie

• Jakob Bernoulli: Ars conjectandi (1713) Idee: Wahrscheinlichkeiten müssen sich nicht zwingendzu 1 addieren

• Beispiel (siehe dazu Tab.2.12): Außendienstmitarbeiter hat im vergangenen Monat das Umsatzzielnicht erreicht. Der Vorgesetzte erwägt 3 Ursachen:

(1) Der Mitarbeiter hat 5 Tage (krankheitsbedingt) gefehlt.(er war wirklich nicht da, aber ist dasder Grund?)


Sicherheit der Indikationsicher nicht sicher

Auftreten des sicher - (1)Indikators nicht sicher (2) (3)

Tabelle 2.12: Indikatoren

(2) Der Mitarbeiter ist unzureichend qualifiziert.(Falls das so ist, ist das ganz sicher der Grund.)

(3) Der Mitarbeiter war mit anderen Aufgaben überlastet.

• 2 weitere Indikatoren (siehe dazu Tab.2.13): Kann ich etwas über den Sachverhaltundüber dessenGegenteil auseinemIndikator aussagen?

Aussage über das Komplement eines Sachverhaltsmöglich nicht möglich

gemischte Beweisgründe reine Beweisgründe

Tabelle 2.13: Indikatoren

• Bausteine des Shaferschen Ansatzes:

– Basiswahrscheinlichkeitsfunktion

∗ Glaubwürdigkeitsfunktion: einen Sachverhalt „positiv“ stützende Aspekte(das, was füreinen Sachverhalt spricht)

∗ Plausibilitätsfunktion: sowohl „positiv“ als auch „schwach“ stützende Aspekte(auch das,was nicht gegen einen Sachverhalt spricht)

• Zentraler Gegenstand der Evidenztheorie: Qualifizierung von - für und/oder gegen eine Hypothesesprechenden - Argumenten in Form von Wahrscheinlichkeitsurteilen

• Sie kann als sinnvolle Vorstufe zur Ermittlung von Intervallwahrscheinlichkeiten aufgefaßt werden(die z.B. durch Anwendung der LPI-Theorie zu verarbeiten sind)

• „Ein Indiz und ein Alibi können beide in gewissem Maß zu plausiblen Schuld- bzw. Unschulds-vermutungen führen“ [Spies (1993, S. 173)], denn aus einem IndizA mag man zu einem gewissenGrade eine berechtigte Schuldvermutung ableiten, ohne dass dieses Indiz irgendeinen Hinweis fürdie Unschuld eines Verdächtigen verspricht

• Der degree of belief(Glaubwürdigkeitsgrad)dieses Hinweises[Bel(A)] für die Schuld des Ver-dächtigen ist in einem solchen Fall positiv, der degree of belief für dessen Unschuld[Bel(AC)]4

beträgt jedoch 0. Glaubwürdigkeits- und Plausibilitätsgrade konstituieren somit Intervalle, die auchals Plausibilitäts-, Verdachts- oder Unterstützungsintervalle bezeichnet werden und „[...] den Unter-schied zwischen unmittelbarbelastenden und den nicht unmittelbarentlastenden Verdachtsmomen-ten [...]“ repräsentieren [Spies (1993, S. 181 f.)].

Def. 1: Eine Funktionµ : P(Θ) → [0, 1] heißt Basiswahrscheinlichkeitsfunktion der endlichen MengeΘ,wenn ein Mengensystema1, ..., an|µ(ai) > 0 ⊆ P(Θ) existiert, sodass

µ(∅) = 0 (2.15)∑ai⊆Θ

µ(ai) = 1 (2.16)

4AC ist das Komplement zu A


• Die Mengenai werden auch als Brennpunkte, fokale Elemente oder Fokalmengen bezeichnet. Überdas Eintreten dieser (nicht notwendigerweise disjunkten) Mengen kann sich der Entscheidungsträ-ger ein „traditionelles“ (additives) - und in diesem Sinne exaktes - Wahrscheinlichkeitsurteil[µ(ai)]bilden, wobei als Fokalmengen nur Teilmengen des UniversumsΘ mit positiver Eintrittswahrschein-lichkeit in Betracht kommen.

Def. 2: Mit µ als Basiswahrscheinlichkeitsfunktion heißt eine FunktionBel : P(Θ) → [0, 1] Glaubwürdig-keitsfunktion5, wenn gilt

Bel(A) =∑

ai⊆A

µ(ai) ∀A ∈ P(Θ). (2.17)

Def. 3: Mit µ als Basiswahrscheinlichkeitsfunktion heißt eine FunktionPl : P(Θ) → [0, 1] Plausibilitäts-funktion, wenn gilt

Pl(A) =∑

ai∩A 6=∅

µ(ai) ∀A ∈ P(Θ). (2.18)

Bel(A) ≤ PL(A) (2.19)

Bel(A) = 1− Pl(AC) (2.20)

Pl(A) = 1−Bel(AC) (2.21)

• Beispiel: Eine Unternehmung erwägt, ein neues Produkt in ihr Programm aufzunehmen. Die Ent-scheidung hängt maßgeblich von der für die nächsten 5 Jahre zu erwartenden Nachfrage ab. ZwecksEinschätzung der Nachfrageentwicklung wird ein aus 20 Personen bestehendes Expertengremiumeingerichtet, das nach eingehenden Marktanalysen zu folgendem Ergebnis gelangt: 4 Experten rech-nen für die nächsten 5 Jahre mit einer durchschnittlichen Nachfrage von 50 bis 70 Einheiten, 10Experten erwarten eine Nachfrage von 60 bis 80 und 6 Gremiumsmitglieder rechnen mit einer durch-schnittlichen Nachfrage von über 70 bis 90 Einheiten. Zur weiteren grafischen Veranschaulichungder Glaubwürdigkeits- und Plausibilitätsgrade siehe Anlage 67.

a1 = [50, 70] µ(a1) = 0, 2 (4 von 20 Experten)

a2 = [60, 80] µ(a1) = 0, 5a3 = (70, 90] µ(a1) = 0, 3A = [50, 70] B = [70, 90]

Bel(A) =∑

ai⊆A

µ(ai) = µ(a1) = 0, 2

Bel(B) = 0, 3

Pl(A) =∑

ai∩A 6=∅

µ(ai) = µ(a1) + µ(a2) = 0, 7

Pl(B) = 0, 8

03.06.2003

• Beispiel(Strat 1992): Ein Entscheidungsträger überlegt, ob er für einen Einsatz von 6 GE an einemGlücksrad drehen soll, das wie folgt in zehn gleich große Gelder aufgeteilt ist: Bei viel Felderngewinnt man eine GE, bei zwei Feldern 5 GE, bei weiteren zwei Feldern 10 GE und bei einem Feldgewinnt man 20 GE. Das zehnte Feld ist verdeckt und es ist lediglich bekannt, dass hier 1 GE, 5 GE,

5Es tragen zuBel(A) solche Ereignisse bei, die für den Sachverhalt A sprechen; z.B. A = Schuld eines Verdächtigen


10 GE oder 20 GE gewonnen werden können. Unter Berücksichtigung von2.15- 2.18gilt:

Θ = 1, 5, 10, 20;µ(1) = 0, 4; µ(5) = 0, 2

µ(10) = 0, 2; µ(20) = 0, 1µ(1; 5; 10; 20) = 0, 1

[Bel(1);PL(1)] = [0, 4; 0, 5][Bel(5);PL(5)] = [0, 2; 0, 3]

[Bel(10);PL(10)] = [0, 2; 0, 3][Bel(20);PL(20)] = [0, 1; 0, 2]

µ(1; 5; 10; 20) steht für das verdeckte FeldBel(1): Summieren allerµ’s, die das Ereignis positiv unterstützen, also die, die eine Teilmengedes Ereignisses sindPL(1)]: Summieren über alles, was den Verdacht schwach stützt, also über alles, was eine nichtleere Schnittmenge mit dem Ereignis hat[Bel(1);PL(1)]: Unterstützungsintervall

Strat berechnet auf der Basis der ermittelten Basiswahrscheinlichkeiten, die hier mit den Glaubwür-digkeitsgraden identisch sind, ein Erwartungsintervall des GlücksradesE(x) = [E∗(x), E∗(x)]. DieIntervallgrenzen bestimmt er nach Maßgabe folgender Vorschriften:

E∗(x) =∑

ai⊆Θ

inf(ai) · µ(ai) sowie (2.22)

E∗(x) =∑

ai⊆Θ

sup(ai) · µ(ai) (2.23)

E(x) = [1 · 0, 4 + 5 · 0, 2 + 10 · 0, 2 + 1 · 0, 1; 1 · 0, 4 + 5 · 0, 2 + 10 · 0, 2 + 20 · 0, 1]= [5, 5; 7, 4]

Um zu einer eindeutigen Entscheidung gelangen zu können, schlägt Strat die Verwendung eines Pa-rametersρ vor, wobeiρ die Wahrscheinlichkeit (im Urteil des Entscheidungsträgers) dafür ist, dasssich die Natur im Sinne des Entscheiders verhält.(ρ ist dabei nach dem subjektiven Empfinden desEntscheiders zu bestimmen)Im Beispiel verbirgt sich hinter dem verdeckten Feld mit der Wahr-scheinlichkeitρ ein Ertrag in Höhe von 20 GE und mit einer Wahrscheinlichkeit1−ρ ein Ertrag von1 GE. Für den resultierenden Erwartungswert(E′(x)) gilt:

E′(x) = E∗(x) + ρ · [E∗(x)− E∗(x)] (2.24)

= 5, 5 + ρ · 1, 9

Bei einem Einsatz von 6 GE ist eine Spielbeteiligung für den Entscheidungsträger sinnvoll, sofernρ ≥ 6−5,5

1,9 = 0, 2632 gilt. Strat berechnet die Erwartungswertintervalle ausschließlich auf der Basisder Glaubwürdigkeitsgrade, obwohl Plausibilitätsgrade ebenfalls zur Verfügung stehen [recht ein-geschränkte Anwendung der Dempster-Shafer-Theorie(zumal hier mitρ nur die 20 GE beachtetwerden, nicht aber die 10 GE, die ja ebenfalls positiv wären)].

insgesamt ist die Dempster-Shafer-Theorie vor allem dazu gut geeignet, um die Grenzen der Wahr-scheinlichkeitsintervalle zu bestimmen, die man ja für die LPI-Theorie benötigt

2.3.7 Grundlagen der Possibilitätstheorie

• von L.A. Zadeh begründet

• Wahrscheinlichkeiten bringen zum Ausdruck, zu welchem Grade ein künftiger Zustand der Welt derwahrezu seinscheint


• Possibilitätswerte sind Urteile des Entscheidungsträgers darüber, ob und zu welchem Grade er denEintritt eines Umweltzustandes fürmöglichhält

• In natürlich-sprachlicher Ausdrucksweise stellen Möglichkeitsurteile im Vergleich zu Wahrschein-lichkeitsurteilen schwächere Bewertungen dar, denn es gelten die folgenden Beziehungen: Ein Er-eignis, das

– als möglich angesehen wird, muss nicht wahrscheinlich sein

– als wahrscheinlich beurteilt wird, muss auch möglich sein

– unmöglich ist, kann nicht wahrscheinlich sein

– als unwahrscheinlich eingestuft wird, kann trotzdem möglich sein

Def. 1: Eine FunktionPoss : F → [0, 1] heißt Possibilitätsmaß auf einer EreignisalgebraF, wenn diefolgenden Bedingungen erfüllt sind:

Poss(∅) = 0 (2.25)

Poss(Θ) = 1 (2.26)

A1, A2, ... ∈ F ⇒ Poss

(⋃i

Ai

)= supiPoss(Ai) (2.27)

Für den Fall, dassΘ eine endliche Menge darstellt, wird2.27selbstverständlich ersetzt6 durch:

A,B ⊆ Θ ⇒ Poss(A ∪B) = maxPoss(A), Poss(B) (2.28)

• Die Wahrscheinlichkeit eines Ereignisses kann nicht größer sein als dessen Möglichkeit, d.h. es gilt

Poss(A) ≥ Prob(A) ∀A ∈ F (2.29)

Unter Beachtung der bereits oben notierten Gleichung

Prob(A) + Prob(AC) = 1 ∀A ∈ F (2.7) folgt i.V.m. 2.29die Ungleichung

Poss(A) + Poss(AC) ≥ 1 ∀A ∈ F (2.30)

die Bedingung derσ-Additivität muss (im Gegensatz zu Kolmogoroffschen Wahrscheinlichkeiten)für Possibilitäten nicht notwendigerweise erfüllt sein

• Poss(A) = 1 bedeutet, dass man die Realisation des EreignissesA auf jeden Fall für möglich hält,während die stärkere BewertungProb(A) = 1 bedeutet, dass das EreignisA mit Sicherheit (alsotatsächlich) eintreten wird

• Ein weiterer Unterschied zwischen den beiden Maßen ergibt sich aus den Gleichungen2.287 und2.68

A,B ⊆ Θ ⇒ Poss(A ∪B) = maxPoss(A), Poss(B) und

A1, A2, ... ∈ F undAi ∩Aj = ∅ ∀i 6= j

⇒ Prob

(⋃i

Ai

)=∑

i

Prob(Ai)

Possibilitäten müssen im Gegensatz zu den notwendig metrisch skalierten Wahrscheinlichkeiten(Stichwort: Additivität) lediglich ordinal skaliert sein (Stichwort: Maximumbildung)

6denn sup(remum)und inf(inum)gelten nur bei nicht abgeschlossenen Mengen7ordinal skaliert8metrisch skaliert


• In der Possibilitätstheorie wird mit dem sog. Nezessitätsmaß(Notwendigkeitsmaß)ein weiteres - undzwar ein zum Possibilitätsmaß duales - Maß verwendet. Das Nezessitätsmaß ist wie folgt definiert:

Def. 2: Eine FunktionNec : F → [0, 1] heißt Notwendigkeits- oder Nezessitätsmaß auf einer Ereignisalge-braF, wenn die folgenden Bedingungen erfüllt sind:

Nec(∅) = 0 (2.31)

Nec(Θ) = 1 (2.32)

A1, A2, ... ∈ F ⇒ Nec

(⋂i

Ai

)= inf

iNec(Ai) (2.33)

Für den Fall, dassΘ eine endliche Menge darstellt, wird2.33durch2.34ersetzt:

A,B ⊆ Θ ⇒ Nec(A ∩B) = minNec(A), Nec(B) (2.34)

Es gilt:∀A ∈ P(Θ) Nec(A) = 1− Poss(AC) (2.35)

Der Notwendigkeitsgrad des Eintretens eines Ereignisses ist gleich dem Sicherheitsgrad dafür, dassdas Gegenereignis nicht eintritt. [„A ist notwendig“9 entspricht „Nicht-A ist unmöglich“(EreignisA ist notwendig, wenn das Gegenteil unmöglich ist), wobei der Grad von „Nicht-A ist unmöglich“gleich der Differenz aus 1 und dem Grad von „Nicht-A ist möglich“(Poss(AC)).] Bsp.: Der Grad,zu dem sich eine Person notwendig in einem Unternehmen bewirbt, ist gleich dem Grad, zu welchemes unmöglich ist, dass sich die Person nicht bewirbt.

• Des weiteren gelten folgende Beziehungen:

maxPoss(A), Poss(AC) = 1 ∀A ∈ F sowie (2.36)

minNec(A), Nec(AC) = 0 ∀A ∈ F gilt, woraus die Beziehungen (2.37)

Poss(A) ≥ Nec(A) ∀A ∈ F sowie (2.38)

Nec(A) > 0 ⇒ Poss(A) = 1 ∀A ∈ F und (2.39)

Poss(A) < 1 ⇒ Nec(A) = 0 ∀A ∈ F folgen. (2.40)

Außerdem ergibt sich (z.B.) aus2.35i.V.m. 2.30die Ungleichung

Nec(A) + Nec(AC) ≤ 1 ∀A ∈ F (in Wahrscheinlichkeitstheorie: = 1) (2.41)

• Zwischen der Nezessität und der Possibilität eines Ereignisses ist dessen Wahrscheinlichkeit ange-siedelt, d.h. es gilt

Nec(A) ≤ Prob(A) ≤ Poss(A) ∀A ∈ F (2.42)

2.3.8 Grundlagen der flexiblen Planung

• Planungssituationen mit zeitlich-vertikalen Interdependenzen10, in denen zu Beginn des Planungs-zeitraums die Konsequenzen der künftig zu treffenden Entscheidungen zwar nicht mit Sicherheitbekannt sind, aber Auswirkungen auf die Optimalität der Aktionenfolge entfalten

• Ziel der flexiblen Planung: Bestimmung eines optimalen Gesamtplans fürsequentielleEntschei-dungsprobleme

• Generierung von Eventualplänen

9tritt notwendig ein, halten wir für notwendig10Entscheidungen von heute haben Einfluss auf die Zukunft, diese hat Einfluss auf Entscheidungen heute entlang des Zeitstrahls;

im Gegensatz dazu zeitlich-horizontal: innerhalb einer Periode, gegenseitige Abhängigkeiten zwischen allen Entscheidungen, die ineiner Periode getroffen werden, z. B. Werbung - mehr verkaufen - mehr produzieren


• Entscheidungsprobleme können nach dem Prinzip der flexiblen Planung in grundsätzlich drei Vari-anten gelöst werden, und zwar auf Basis eines Entscheidungsbaumes - entweder(a) mittels des sog.Roll-back-Verfahrens oder(b) mittels einer Entscheidungsmatrix - und(c) auf Basis eines Zustands-baumes mittels eines gemischt-ganzzahligen mathematischen Programms

• Diese drei Prozeduren führen jeweils zum gleichen Ergebnis, sofern der Entscheidungsträger überein exaktes Wahrscheinlichkeitsurteil verfügt.(nicht zwangsläufig, wenn lediglich Wahrscheinlich-keitsintervalle vorliegen, können unterschiedliche Ergebnisse auftreten)

Zu (a) Entscheidungsbaum bei diskreten Alternativen: siehe dazu Abb.2.15. Umweltzuständezj werdenals Kreise, EntscheidungenAi als Quadrate und der jeweilige Nutzen einer AlternativeNi in Formvon Ergebnisknoten als Rauten dargestellt. An die Kanten werden die Wahrscheinlichkeitenwj|j−dafür, dass Zustandj eintritt, wenn in der Vorperiode der Zustandj− eingetreten ist, geschrieben.

• Zunächst wird für jeden Entscheidungsknoten des ZeitpunktesT die nutzenmaximale Handlungsal-ternative bestimmt. Anschließend ermittelt man durch Multiplikation der bedingten Wahrscheinlich-keiten mit den jeweiligen Nutzenwerten diejenige Alternative, die den Erwartungswert des Nutzensim ZeitpunktT − 1 maximiert. Diese Prozedur wird danach für die ZeitpunkteT − 2, T − 3 bist = 1 fortgeführt, so dass man (nur) für den Zeitpunktt = 1 zu einer eindeutig festgelegten Hand-lungsalternative gelangt, während die Alternativenwahl der Folgezeitpunkte von dem (dann) jeweilseintretenden Umweltzustand abhängt(Eventualprinzip für Zukunft wird immer dann entschieden,wenn neue Informationen vorliegen) Rollback-Verfahren

Zu (b) Die optimale Entscheidungssequenz kann auch mittels einer Entscheidungsmatrix bestimmt wer-den. In der Randspalte dieser Matrix werden alternative Aktionsfolgen und in der Kopfzeile werdenZustandsfolgen sowie die korrespondierenden bedingten Wahrscheinlichkeiten eingetragen. Im Zen-trum der Matrix notiert man die Nutzenwerte der jeweiligen Folgen alternativer Teilaktionen beialternativen Umweltentwicklungen und kann auf Basis dieser Werte diejenige Aktionenfolge be-rechnen, die den maximalen Nutzenerwartungswert verspricht. Siehe dazu Tab.2.14

Zu (c) Bei stetigen Alternativenräumen können die unter (a) und (b) skizzierten Verfahren nicht angewendetwerden. Eine grafische Darstellung dieses „Entscheidungsbaumes“ bei stetigen Alternativen entneh-me man Anlage 7711.

Beispiel in Anlehnung an Laux 1982, S. 263 ff. 17.06.2003

• Ein Investor hat in einem drei Perioden umfassenden Planungszeitraum Entscheidungen über Auf-tragsannahmen und Sachinvestitionen zu treffen. Über die Auftragsentwicklung liegen Wahrschein-lichkeitsurteile vor.

• Beginnzeitpunkte der einzelnen Perioden werden mitt = 1, 2, 3 bezeichnet. Nur in diesen Zeitpunk-ten können Aufträge eingehen, wobei sofort über deren Annahme entschieden werden muss undjeder zu Periodenbeginn angenommene Auftrag bis zum jeweiligen Periodenende zu erledigen ist.

• Für jeden angenommenen Auftrag wird eine Produktionsanlage benötigt. Bis dato sind noch keineProduktionsanlagen vorhanden. In jedem Zeitpunktt = 1, 2, 3 können Anlagen gekauft werden, diejeweils bis zum Ende des Planungszeitraums genutzt werden können, anschließend wertlos sind undAnschaffungskosten in Höhe von 500 GE verursachen.

• Pro erledigtem Auftrag wird ein Deckungsbeitrag in Höhe von 300 GE realisiert. Zinsüberlegungenwerden nicht angestellt.

• Der (risikoneutrale) Investor strebt die Maximierung des Erwartungswertes des Nettoerfolges an.Der Nettoerfolg ergibt sich aus der Differenz aus Gesamtdeckungsbeitrag und Gesamtanschaffungs-kosten.

11Da dieser in der Vorlesung eher nur überflogen wurde, verzichtet der Autor auf eine Abbildung.


2 Auftr.

1

2

3

4

5

6

7

1 Auftr.

2 Auftr.

1 Auftr.

2 Auftr.

1 Auftr.

2 Auftr.

0,7

0,8

0,2

0,3 0,2

0,8

t=1 t=2 t=3 t

Abbildung 2.14: Zustandsbaum

• Die Auftragsentwicklung ist in dem Zustandsbaum in Abbildung2.14dargestellt. In den Umweltzu-ständenj = 2, j = 4 undj = 6 geht jeweils ein Auftrag, in den Zuständenj = 1, j = 3, j = 5 undj = 7 gehen jeweils zwei Aufträge ein. An den Kanten sind die bedingten Wahrscheinlichkeiten derverschiedenen Umweltzustände angegeben.

• Problemlösung über das Roll back-Verfahren: Vgl. dazu Abbildung2.15. Hier werden jedoch nichtalle Alternativen abgebildet, sondern lediglich die dominanten Strategien(man könnte schließlichnie Aufträge annehmen und permanent Maschinen aufbauen)! X bezeichnet die Anzahl der ange-nommenen Aufträge, Y die Anzahl zu kaufender Maschinen. Die Rauten an der rechten Seite stellenErgebnisknoten dar. Der erste (200) errechnet sich z.B. durch die 4 angenommenen Aufträge (1200)abzüglich der 2 angeschafften Maschinen (-1000). Beim Roll back-Verfahren werden von rechtsnach links die Erwartungswerte der Nettoerfolge der jeweiligen Entscheidungsfolge ausgerechnet.Der obere Ast (Erwartungswert: 404) wird von dem unteren (412) dominiert. Die gestrichelte Liniestellt die optimale Sequenz dar.

• Problemlösung mittels der Entscheidungsmatrix: siehe Tabelle2.14

w2|1 · w4|2 = 0, 56 w2|1 · w5|2 = 0, 14 w3|1 · w6|3 = 0, 06 w3|1 · w7|3 = 0, 24Zustände: 1,2,4 Zustände: 1,2,5 Zustände: 1,3,6 Zustände: 1,3,7 µ

i = 1 200 500 500 800 404i = 2 400 400 400 400 400i = 3 400 400 200 500 412

Tabelle 2.14: Entscheidungsmatrix

In den Zeilen stehen am Ende die Nettoerfolge der drei Strategien:

– i=1: Kaufe nur 1x 2 Maschinen und nehme immer alle Aufträge an

– i=2: In t=1 wird eine Anlage gekauft, je 1 Auftrag wird in den Folgeperioden angenommen

– i=3: In t=1 wird eine Anlage gekauft und ein Auftrag angenommen; geht int2 ein Auftrag ein,nehmen wir in Zukunft je einen Auftrag an; gehen int2 zwei Aufträge ein, nehmen wir zweian und kaufen noch eine Maschine, danach nehmen wir je nach Nachfrage an.

Optimale Alternative:i = 3, denn bei dieser Aktionsfolge stellt sich mit 412 GE im Zeitpunktt = 1der höchste Erwartungswert des Nettoerfolges ein.


t=1 t=2 t=3 t

412

260

740

400

440

X=1

X=1

X=2

200

500

500

800

400

400

400

400

200

500

X=1

X=1

X=1

X=1

X=1

X=1

X=1

X=1

X=1

X=2

X=2

X=2

X=2

X=2

Y=0

Y=2

Y=1

Y=0

Y=0

Y=0

Y=1

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

200

500

500

800

400

400

400

400

200

500

t=4

i=1

i=3

i=3

i=2

0,7

0,7

0,3

0,3

0,8

0,8

0,8

0,8

0,8

0,2

0,2

0,2

0,2

0,2

Abbildung 2.15: Entscheidungsbaum

• Problemlösung über ein gemischt-ganzzahliges Programm:x1 := Zahl der in Zeitpunkt 1 anzunehmenden Aufträgexj(j = 2, 3) := Zahl der in Zeitpunkt 2 anzunehmenden Aufträge,

falls dann Zustand 2 bzw. 3 eintrittxj(j = 4, ..., 7) := Zahl der in Zeitpunkt 3 anzunehmenden Aufträge,

falls dann Zustandj eintrittyj := Zahl der in Zeitpunkt 1 anzuschaffenden Anlagenyj(j = 2, 3) := Zahl der in Zeitpunkt 2 anzuschaffenden Anlagen,

falls dann Zustand 2 bzw. 3 eintrittNEj(j = 4, ..., 7) := Nettoerfolg bei Realisation der zu Zustandj

führenden Zustandsfolge............

Zielfunktion :0, 56 ·NE4 + 0, 14 ·NE5 + 0, 06 ·NE6 + 0, 24 ·NE6 → max!

RestriktionenNettoerfolgsdefinitionen:

300(x1 + x2 + x4)− 500(y1 + y2) = NE4

300(x1 + x2 + x5)− 500(y1 + y2) = NE5

300(x1 + x3 + x6)− 500(y1 + y3) = NE6

300(x1 + x3 + x7)− 500(y1 + y3) = NE7

Obergrenzen für die Auftragsannahme:x1 ≤ 2, x2 ≤ 1, x3 ≤ 2, x4 ≤ 1, x5 ≤ 2, x6 ≤ 1, x7 ≤ 2


Abstimmung „Auftragsannahme↔ Anlagenbeschaffung“x1 ≤ y1, x2 ≤ y1 + y2, x3 ≤ y1 + y3, x4 ≤ y1 + y2;x5 ≤ y1 + y2, x6 ≤ y1 + y3, x7 ≤ y1 + y3

Nichtnegativitäts- und Ganzzahligkeitsbedinungen:x1, x2, x3, x4, x5, x6, x7, y1, y2, y3 ∈ N0

Ergebnis:y2 = 0, x1 = x2 = x4 = x5 = x6 = y1 = y3 = 1sowiex3 = x7 = 2 (i = 3)

Kritik an der flexiblen Planung:

• (Zu) hoher Aufwand

• Beschränkte Prognosemöglichkeiten

Flexible Planung bei linearer partieller Information

• Hierbei werden im Wesentlichen die Wahrscheinlichkeiten durch Wahrscheinlichkeitsintervalle er-setzt. Vgl. dazu Abb.2.16und Tab.2.15.

2 Auftr.

j=4

j=5

j=6

1 Auftr.

2 Auftr.

1 Auftr.

2 Auftr.

1 Auftr.

2 Auftr.

0,6 <= w2|1 <= 0,8

t=1 t=2 t=3 t

0,7 <= w4|2 <= 0,9

0,1 <= w5|2 <= 0,3

0,1 <= w6|3 <= 0,3

0,2 <= w3|1 <= 0,4

0,7 <= w7|3 <= 0,9 j=7

j=3

j=2

j=1

Abbildung 2.16: Zustandsbaum bei linearer partieller Information

Wahrscheinlichkeiten0, 42 ≤ w∗

4|2 ≤ 0, 72 0, 06 ≤ w∗5|2 ≤ 0, 24 0, 02 ≤ w∗

6|3 ≤ 0, 12 0, 14 ≤ w∗7|3 ≤ 0, 36

ZustandsfolgenZustände: 1,2,4 Zustände: 1,2,5 Zustände: 1,3,6 Zustände: 1,3,7

i = 1 200 500 500 800i = 2 400 400 400 400i = 3 400 400 200 500

Tabelle 2.15: Entscheidungsmatrix bei linearer partieller Information

• Bezeichnet man mitj− den unmittelbaren Vorgängerzustand von Umweltzustandj und mitJ∗j dieMenge der zu einer Zustandsfolge gehörenden Umweltzustände, dann ergeben sich die in der Kopf-


zeile der Matrix angegebenen Intervallgrenzen[w∗j|j−, w∗

j|j−] für die Wahrscheinlichkeiten der je-weiligen Zustandsfolgen(w∗

j|j−) aus folgenden Operationen:

w∗j|j− =

∏j∗∈J∗

j

wj∗|j∗− sowie w∗j|j− =

∏j∗∈J∗

j

wj∗|j∗−

Die Intervallgrenzen der Wahrscheinlichkeiten ergeben sich also aus der Multiplikation der entspre-chenden Werte aus dem Zustandsbaum. So z.B. die0, 42 aus0, 6 · 0, 7. 23.06.2003

• Bei 4 · 24−1 = 32 zu prüfenden Kombinationen ergibt sich folgende Extremalpunktematrix(20Kombinationen waren entweder unzulässig oder wären doppelt):

M(LPI) =

0, 72 0, 72 0, 72 0, 42 0, 42 0, 42 0, 42 0, 6 0, 46 0, 5 0, 68 0, 560, 06 0, 06 0, 12 0, 24 0, 24 0, 1 0, 2 0, 24 0, 06 0, 24 0, 06 0, 060, 02 0, 08 0, 02 0, 12 0, 02 0, 12 0, 02 0, 02 0, 12 0, 12 0, 12 0, 020, 2 0, 14 0, 14 0, 22 0, 32 0, 36 0, 36 0, 14 0, 36 0, 14 0, 14 0, 36

Bei Anwendung des MaxEmin−Prinzips erhält man über Operationen des Typs

E(i) = U(i) ·M(LPI)

die folgenden Erwartungswerte:

E(1) = U(1) ·M(LPI) = (200 500 500 800) ·M(LPI)= (344 326 326 440 470 482 482 362 470 392 338 440)⇒ Emin(1) = 326

E(2) = U(2) ·M(LPI) = (400 400 400 400) ·M(LPI) = (400 ... 400) ⇒ Emin(2) = 400E(3) = U(3) ·M(LPI) = (400 400 200 500) ·

= (416 398 410 398 428 412 432 410 412 390 390 432)⇒ Emin(3) = 390

Damaxi Emin(i) = 400 gilt, wird Aktionsfolgei = 2 empfohlen.

• Formulierung als gemischt-ganzzahliges Programm

(mit E := Erwartungswert des Mindest-Nettoerfolges):

Zielfunktion:E → max!Restriktionen:

Nettoerfolgsdefinition, Obergrenzen für die Auftragsannahme, Restriktionen zur Abstimmung vonAuftragsannahme und Anlagenbeschaffung, Nichtnegativitäts- und Ganzzahligkeitsbedingungen so-wie Obergrenzen für den Erwartungswert des Nettoerfolges (NE):

E ≤ 0, 72NE4 + 0, 06NE5 + 0, 02NE6 + 0, 2NE7 NE, die zum Zustand 4,5,6

E ≤ 0, 72NE4 + 0, 06NE5 + 0, 08NE6 + 0, 14NE7 und 7 führen

E ≤ 0, 72NE4 + 0, 12NE5 + 0, 02NE6 + 0, 14NE7

E ≤ 0, 42NE4 + 0, 24NE5 + 0, 12NE6 + 0, 22NE7

E ≤ 0, 42NE4 + 0, 24NE5 + 0, 02NE6 + 0, 32NE7

E ≤ 0, 42NE4 + 0, 1NE5 + 0, 12NE6 + 0, 36NE7

E ≤ 0, 72NE4 + 0, 2NE5 + 0, 02NE6 + 0, 36NE7

E ≤ 0, 6NE4 + 0, 24NE5 + 0, 02NE6 + 0, 14NE7

E ≤ 0, 46NE4 + 0, 06NE5 + 0, 12NE6 + 0, 36NE7

E ≤ 0, 5NE4 + 0, 24NE5 + 0, 12NE6 + 0, 14NE7

E ≤ 0, 68NE4 + 0, 06NE5 + 0, 12NE6 + 0, 14NE7

E ≤ 0, 56NE4 + 0, 06NE5 + 0, 02NE6 + 0, 36NE7


man sucht den kleinsten Wert des Nettoerfolges Anwendung des MaxEmin−Prinzips...

Nichtnegativitätsbedingung für den Erwartungswert des Mindest-Nettoerfolges:E ≥ 0

Als Ergebnis erhält man:

x1 = x2 = x3 = x4 = x5 = x6 = x7 = y1 = 1 sowie y2 = y3 = 0

und damit wiederumi = 2 als optimale Aktionsfolge (E = 400).

• Rollback-Verfahren bei linearer partieller Information: man siehe hierzu Abb.2.17.

t=1 t=2 t=3 t

402

230

710

400

410

X=1

X=1

X=2

200

500

500

800

400

400

400

400

200

500

X=1

X=1

X=1

X=1

X=1

X=1

X=1

X=1

X=1

X=2

X=2

X=2

X=2

X=2

Y=0

Y=2

Y=1

Y=0

Y=0

Y=0

Y=1

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

Y=0

200

500

500

800

400

400

400

400

200

500

t=4

i=1

i=3

i=3

i=2

w4|2

w5|2

w4|2

w5|2

w6|3

w7|3

w6|3

w6|3

w7|3

w7|3

w2|1

w3|1

w2|1

w3|1

*

Abbildung 2.17: Entscheidungsbaum bei linearer partieller Information

Für die Wahrscheinlichkeitenwj|j− gelten die Beschränkungen, die aus Abb.2.16abzulesen sind.Für das Sternchen rechts oben soll exemplarisch die Extremalpunktematrix dargestellt werden. Dafolgendes gilt:

0, 7 ≤ w4|2 ≤ 0, 9 und

0, 1 ≤ w5|2 ≤ 0, 3

lassen sich folgende 4 Versuche ableiten:

w4|2 w4|2 w4|2 w4|2w5|2 w5|2 w5|2 w5|20, 7 0, 9 0, 9 0, 70, 3 0, 1 0, 1 0, 3

Daraus ergeben sich für diesen Fall lediglich zwei Extremalpunkte:

M(LPI) =[

0, 7 0, 90, 3 0, 1

]Daher auch der erwartete Erfolg:


230 = min((

200500

)·M

)→ kleinster Wert aus Matrixmultiplikation

optimale Zustandsfolge:i = 3 statt bisheri = 2

Unterschied zu anderen Verfahren: hier werden die Wahrscheinlichkeiten durch verschiedene Ex-tremalpunktematrizen getrennt berücksichtigt

Pessimismus-Tendenz des MaxEmin−Prinzips wird verstärkt (in jedem Zeitpunkt wird maximalerMindest-Wert verwendet) Informationsvernichtung im LPI-Fall nicht Rollback-, sondern dieanderen beiden Verfahren verwenden

2.4 Spezifika des strategischen Umfeldes, Erfordernisse und Metho-den der strategischen Planung

Man siehe hier zusammen fassend Abb.2.18

hohes Maß anDynamik

hohes Maß anKontingenz

hohes Maß anKomplexität

Strategisches Umfeld

Erfordernis zurVerarbeitung vager

Informationen

Erfordernis zurEntwicklung

robuster Strategien

Erfordernis zurVerarbeitung kom-

plexer Daten-szenarien und

Bearbeitung differen-zierter Strategie-

alternativen

Erfordernisse

Fuzzy-Maß- undFuzzy-Mengen-

Theorie

Lineare undgemischt-ganzzahlige

Programmierung

FlexiblePlanung

Methoden

*1

*2

Abbildung 2.18: Spezifika

Zu *1 Informationen über zukünftige Umweltzustände und deren Eintritt und über die Ereignisse selbst

Zu *2 Strategien, die nicht gleich umfallen, wenn was unvorhergesehenes geschieht(andere Zustandsfolge) Eventualpläne flexible Planung statt starrer Planung

Kapitel 3

Operative Unternehmensplanung

3.1 Grundbegriffe

in Anlehnung an Steinmann/Schreyögg 1990, S. 213 ff.) 01.07.2003

Operative Planung:hat (instrumentelle) Vollzugsfunktion für die strategischePlanung

Prinzip strategischer Vorsteuerung:„Die strategische Maßnahmenplanung musssoweit konkretisiert werden, dass die für den Erfolg der Strategie kritischen

Handlungsorientierungen im alltäglichen Handlungsvollzug der Unternehmung nichtverfehlt werden.“

Prinzip operativer Flexibilität:„Jede weitere Durchplanung der strategischenMaßnahmen im Sinne einer integrierten Gesamtplanung läuft Gefahr, der operativen

Planung den Handlungsspielraum zu nehmen, den sie benötigt, um einerseits dieerforderlichen Maßnahmen zur Verwirklichung der Strategie sachlich so wählen undzeitlich terminieren zu können, wie es die unmittelbare Handlungssituation erfordert,und andererseits die sonstigen Funktionen [...] zu erfüllen, die sich den operativen

Sub-Systemen stellen.“

3.2 Gegenstände operativer Planungen

in Anlehnung an Steinmann/Schreyögg 1990, S. 213 ff.)

• Operative Beschaffungsplanung (z.B. Losgrößenbestimmung)

• Operative Produktionsplanung (z.B. Vollzugs- und Prozessplanung)

• Operative Absatzplanung (z.B. Distributionskanäle, Preispolitik)

• Kurzfristige Finanzplanung (Finanzielles Gleichgewicht, Prognose der Ein- und Ausgaben)

• Planbilanzierung (Prognose von Aufwänden und Erträgen prognostische GuV)

• Betriebsergebnisplanung (Ermittlung des Plan-Gesamt-Deckungsbeitrages, Plan-Gesamt-Fixkosten)

49

KAPITEL 3. OPERATIVE UNTERNEHMENSPLANUNG 50

3.3 Modelltypen operativer Planung

Planungsmodelle

• Optimierungsmodelle (beste Lösung finden)

• Satisfizierungsmodelle (dem Anspruchsniveau genügende Lösung)

• Approximierunsmodelle (Näherungslösungen)

Modelle mit unterstützender Funktion

• Simulationsmodelle (Simulation von Entscheidungen)

• Prognosemodelle

• Deterministische Ermittlungsmodelle (bestimmte Größenberechnen)

Documents

Mitschrift zur Vorlesung „Grundlagen der … · Mitschrift zur Vorlesung „Grundlagen der Unternehmensführung“ ... Inhaltsverzeichnis ii Abbildungsverzeichnis iii Tabellenverzeichnis