Springer-Lehrbuch
Wolfgang Domschke Armin Scholl
Grundlagen der Betriebswirtschaftslehre Eine Einführung aus entscheidungsorientierter Sicht Dritte, verbesserte Auflage mit 106 Abbildungen und 79 Tabellen
123
Professor Dr. Wolfgang Domschke Technische Universität Darmstadt Institut für Betriebswirtschaftslehre Fachgebiet Operations Research Hochschulstraße 1 64289 Darmstadt E-mail:
[email protected] Professor Dr. Armin Scholl Friedrich-Schiller-Universität Jena Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Betriebswirtschaftliche Entscheidungsanalyse Carl-Zeiss-Straße 3 07743 Jena E-mail:
[email protected]
Bibliografische Information Der Deutschen Bibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.ddb.de abrufbar.
ISBN 3-540-25047-6 3.Auflage Springer Berlin Heidelberg New York ISBN 3-540-43993-5 2. Auflage Springer Berlin Heidelberg New York Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich vergütungspflichtig.Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtsgesetzes. Springer ist ein Unternehmen von Springer Science+Business Media springer.de © Springer-Verlag Berlin Heidelberg 2000, 2003, 2005 Printed in Italy Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: design & production GmbH Herstellung: Helmut Petri Druck: Legoprint SPIN 11399605
Gedruckt auf säurefreiem Papier – 42/3153 – 5 4 3 2 1 0
Vorwort zur 3. Auflage Das im Jahr 2000 erschienene Lehrbuch wurde in der ersten und zweiten Auflage erfreulich gut angenommen, so dass wir es weiter unter das folgende Motto stellen: Lernen heißt nicht, ein Fass zu füllen, sondern eine Flamme zu entzünden. Heraklet Wir haben daher – wie schon bei der zweiten Auflage – lediglich einige notwendige Korrekturen und Anpassungen (Umstellung auf die neue Währung und Rechtschreibung sowie v.a. steuerliche Neuregelungen) vorgenommen, die bewährte Kürze der Darstellung jedoch beibehalten. Für eine Reihe wertvoller Verbesserungsvorschläge danken wir O. Betsch, T. Böttcher, K. Disselbeck, S. Girlich, A. Groh, R. Helm, R. Klein, R. Kolisch, G. Mayer, A. Petrick, C. Schneeweiß, H. Stadtler und B. Wagner sehr herzlich. Darmstadt und Jena, im Februar 2005
Wolfgang Domschke und Armin Scholl
Aus dem Vorwort zur 1. Auflage Das Buch gibt eine komprimierte, mit anschaulichen Beispielen versehene Darstellung der wichtigsten Grundlagen der modernen Betriebswirtschaftslehre (BWL). Sein Umfang ist so bemessen, dass es für einführende Vorlesungen im Grund- und Hauptstudium mit vier bis sechs Semesterwochenstunden geeignet ist. Durch ein umfangreiches Sachregister kann es auch als Nachschlagewerk dienen. Es richtet sich v.a. an Studierende der BWL, des Wirtschaftsingenieurwesens, der Wirtschaftsinformatik und -mathematik sowie an Studierende anderer Fachrichtungen mit Schwerpunkt oder Vertiefung in betriebswirtschaftlichen Fächern. Außerdem können es Praktiker zur Hand nehmen, um Anregungen für die Planung und Gestaltung betriebswirtschaftlicher Aufgaben zu gewinnen. Neben der für ein einführendes Lehrbuch unabdingbaren Erläuterung elementarer betriebswirtschaftlicher Begriffe und Zusammenhänge liegt – im Sinne einer entscheidungsorientierten Sicht der BWL – ein Schwerpunkt des Buches auf der Beschreibung einfacher modellgestützter Konzepte der Unternehmensplanung. Dies ist auch an der Gliederung erkennbar: Nach Klärung wesentlicher Grundbegriffe in Kap. 1 folgen zunächst in Kap. 2 umfangreiche Ausführungen zu Planung und Entscheidung, die im Sinne einer zukunftssichernden Gestaltung von Unternehmen Kernaufgaben des Managements darstellen. In den Kapiteln 3 bis 8 werden Aufgaben, Zusammenhänge, Problemstellungen und Gestaltungsmöglichkeiten der üblicherweise unterschiedenen betrieblichen Funktionen Produktion, Beschaffung/ Logistik, Absatz, Investition und Finanzierung, Rechnungswesen sowie Unterneh-
VI
Vorwort
mensführung beschrieben. Am Ende jedes Kapitels ist eine Auswahl weiterführender Lehrbücher angegeben, die zur Vertiefung des jeweiligen Stoffes geeignet sind. Zwei Gründe für dieses (n+1)-te einführende BWL-Lehrbuch: Der Umfang entspricht einer (vier- bis sechsstündigen) einführenden Vorlesung zur BWL sicherlich eher als viele der etablierten Standardwerke, die den drei- bis vierfachen Umfang haben. Die meisten der bisher vorliegenden Bücher konzentrieren sich auf die Beschreibung grundlegender Zusammenhänge und Probleme, vernachlässigen jedoch Möglichkeiten zur Problemlösung und Entscheidungsvorbereitung. Im Besonderen trifft dies auf quantitative Ansätze zu, wie sie im Rahmen einer modellgestützten Planung verfolgt werden. Nach einer anfänglichen Euphorie in den 60er Jahren traten sie aufgrund überzogener Erwartungen (Optimierung von Unternehmensgesamtmodellen) und noch mangelnder EDV-Unterstützung stark in den Hintergrund. Wir sind jedoch davon überzeugt, dass schon die möglichst exakte Abbildung eines betriebswirtschaftlichen Entscheidungsproblems in einem Modell zu einer tiefen Durchdringung der Zusammenhänge zwingt, selbst wenn dessen Lösung an fehlenden Daten oder nicht leistungsfähigen Verfahren scheitern sollte. Darüber hinaus verbessern sich die Anwendungsmöglichkeiten der modellgestützten Planung durch die rasante Entwicklung der Computerhard- und -software in den letzten Jahren zusehends. So implementieren Anbieter von betriebswirtschaftlicher Standardsoftware (z.B. SAP) derzeit umfangreiche modellgestützte Planungsmodule, mit deren Hilfe eine erheblich verbesserte Entscheidungsunterstützung angestrebt wird. Dieser Entwicklung Rechnung tragend, soll das vorliegende Buch – neben der Vermittlung betriebswirtschaftlicher Grundlagen – durch Darstellung ausgewählter Modelle und Lösungsansätze zur weiteren intensiven Auseinandersetzung mit derartigen Planungskonzepten anregen. Um dem Charakter einer Einführung in die BWL gerecht zu werden, beschränken wir uns dabei auf (sehr) schlichte Grundmodelle, die zur Schulung des modellbasierten Denkens bestens geeignet sind, zu deren Verständnis der Leser jedoch keine tiefergehenden mathematischen Kenntnisse benötigt. Außerdem verzichten wir auf die Darstellung ausgefeilter Lösungsverfahren. Fast alle der dargestellten Modelle sind mit kommerzieller Standardsoftware lösbar, auf die wir im Text hinweisen. Danken möchten wir unseren Mitarbeitern bzw. Kollegen Frau Dipl.-Math. Gabriela Krispin und Herrn Dr. Robert Klein für die Unterstützung und Diskussionsbereitschaft bei der Manuskripterstellung. Unser Dank gilt ferner Herrn Kollegen Prof. Dr. Dr. h.c. Hans-Jürgen Wurl, der uns wertvolle Hinweise zur Verbesserung unserer Ausführungen zum Rechnungswesen gegeben hat. Schließlich danken wir Herrn Karl Heinz Scholl sehr herzlich für die Überprüfung der Endfassung auf Einhaltung der (alten) Rechtschreibregeln. Darmstadt, im August 1999
Wolfgang Domschke und Armin Scholl
Inhaltsverzeichnis
Vorwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . V Symbole und Abkürzungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . XVII
1
Gegenstand der Betriebswirtschaftslehre . . . . . . . . . . 1
1.1 1.1.1 1.1.2
Wirtschaften und ökonomisches Prinzip . . . . . . . . . . . . . . . . . . . . . 1 Einteilung von Gütern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 Ökonomisches Prinzip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 1.2.1 1.2.2 1.2.3 1.2.4 1.2.5 1.2.5.1 1.2.5.2 1.2.5.3 1.2.5.3.1 1.2.5.3.2 1.2.5.4 1.2.5.5 1.2.6
Betrieb und Unternehmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einteilung von Wirtschaftseinheiten . . . . . . . . . . . . . . . . . . . . . . . . . . Betriebliche Funktionen und Umsatzprozess . . . . . . . . . . . . . . . . . . . Klassifikation von Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Unternehmensziele. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rechtsformen von Unternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einzelunternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Personengesellschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitalgesellschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gesellschaft mit beschränkter Haftung (GmbH) . . . . . . . . . . . . . . . . Aktiengesellschaft (AG) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Misch- und Sonderformen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gesellschaftsformen europäischen Gesellschaftsrechts. . . . . . . . . . . Unternehmensverbindungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 4 5 7 8 9 11 11 12 13 14 15 16 17
1.3 1.3.1 1.3.2 1.3.3
Betriebswirtschaftslehre als Wissenschaft. . . . . . . . . . . . . . . . . . . Zur Geschichte der Betriebswirtschaftslehre . . . . . . . . . . . . . . . . . . . Beziehungen zu anderen Wissenschaften . . . . . . . . . . . . . . . . . . . . . Teilgebiete der Betriebswirtschaftslehre . . . . . . . . . . . . . . . . . . . . . .
18 18 19 20
VIII
Inhaltsverzeichnis
2
Planung und Entscheidung . . . . . . . . . . . . . . . . . . . . . 23
2.1 2.1.1 2.1.2 2.1.2.1 2.1.2.2 2.1.2.3 2.1.3
Grundlagen der Planung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Begriff der Planung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Phasen der Planung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Alternativenermittlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bewertung und Auswahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Planungsreichweite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24 24 25 26 27 28 28
2.2 2.2.1 2.2.2 2.2.2.1 2.2.2.2 2.2.2.3 2.2.3 2.2.3.1 2.2.3.1.1 2.2.3.1.2 2.2.3.1.3 2.2.3.2 2.2.3.3 2.2.4 2.2.4.1 2.2.4.2 2.2.5
Modelle und modellgestützte Planung . . . . . . . . . . . . . . . . . . . . . . Modellbegriff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einteilung von Modellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einsatzzweck von Modellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Qualitative und quantitative Modelle. . . . . . . . . . . . . . . . . . . . . . . . . Unterteilungsmöglichkeiten nach der Art der Abstraktion . . . . . . . . Quantitative Entscheidungsmodelle. . . . . . . . . . . . . . . . . . . . . . . . . . Deterministische einkriterielle Optimierungsmodelle . . . . . . . . . . . . Beispiele linearer Optimierungsmodelle . . . . . . . . . . . . . . . . . . . . . . Beispiel eines binären linearen Optimierungsmodells. . . . . . . . . . . . Beispiel eines nichtlinearen Optimierungsmodells . . . . . . . . . . . . . . Deterministische multikriterielle Optimierungsmodelle . . . . . . . . . . Stochastische Optimierungsmodelle . . . . . . . . . . . . . . . . . . . . . . . . . Modellgestützte Planung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Struktureigenschaften von Entscheidungsproblemen . . . . . . . . . . . . Planung als modellgestützter Strukturierungsprozess . . . . . . . . . . . . Planungs- und Entscheidungsmethoden . . . . . . . . . . . . . . . . . . . . . .
29 30 30 30 31 32 33 34 35 38 38 39 39 40 40 42 46
2.3 2.3.1 2.3.2 2.3.2.1 2.3.2.2 2.3.3 2.3.3.1 2.3.3.2 2.3.4 2.3.4.1
Grundlagen der Entscheidungstheorie . . . . . . . . . . . . . . . . . . . . . Das Grundmodell der Entscheidungstheorie . . . . . . . . . . . . . . . . . . . Entscheidung bei Unsicherheit und einem Ziel . . . . . . . . . . . . . . . . . Lösungsmöglichkeiten bei Risiko . . . . . . . . . . . . . . . . . . . . . . . . . . . Lösungsmöglichkeiten bei Ungewissheit. . . . . . . . . . . . . . . . . . . . . . Entscheidung bei Sicherheit und mehreren Zielen . . . . . . . . . . . . . . Zielbeziehungen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lösung von Zielkonflikten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nutzentheorie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nutzenermittlung bei Sicherheit und einem Ziel . . . . . . . . . . . . . . . .
47 48 49 50 53 54 55 56 59 59
Inhaltsverzeichnis
IX
2.3.4.2 2.3.4.3 2.3.4.3.1 2.3.4.3.2 2.3.4.3.3 2.3.5
Nutzenermittlung bei Sicherheit und mehreren Zielen . . . . . . . . . . . Nutzenermittlung bei Unsicherheit und einem Ziel. . . . . . . . . . . . . . Einführende Beispiele und Bernoulli-Prinzip . . . . . . . . . . . . . . . . . . Möglichkeiten der Ermittlung von Risikonutzenfunktionen . . . . . . . Axiome des Bernoulli-Prinzips . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mehrstufige Entscheidungsprobleme. . . . . . . . . . . . . . . . . . . . . . . . .
61 63 63 65 68 69
2.4 2.4.1 2.4.1.1 2.4.1.2 2.4.1.2.1 2.4.1.2.2 2.4.1.2.3 2.4.2 2.4.3 2.4.4
Grundlagen der Optimierung (Operations Research) . . . . . . . . . Lineare Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Allgemeines Modell und Simplex-Algorithmus . . . . . . . . . . . . . . . . Spezielle lineare Optimierungsmodelle . . . . . . . . . . . . . . . . . . . . . . . Einige graphentheoretische Grundlagen . . . . . . . . . . . . . . . . . . . . . . Kürzeste-Wege-Probleme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Das klassische Transportproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . Ganzzahlige und kombinatorische Optimierung . . . . . . . . . . . . . . . . Bemerkungen zur nichtlinearen Optimierung . . . . . . . . . . . . . . . . . . Standardsoftware für Optimierungsprobleme . . . . . . . . . . . . . . . . . .
72 73 73 75 75 76 78 79 82 83
3
Produktion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.1 3.1.1 3.1.2 3.1.2.1 3.1.2.2 3.1.3 3.1.3.1 3.1.3.2 3.1.3.3 3.1.3.4 3.1.4 3.1.5
Produktionstheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grundlegende Begriffe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Substitutionale Produktionsfunktionen . . . . . . . . . . . . . . . . . . . . . . . Das Ertragsgesetz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Neoklassische Produktionsfunktionen . . . . . . . . . . . . . . . . . . . . . . . . Limitationale Produktionsfunktionen . . . . . . . . . . . . . . . . . . . . . . . . Die Leontief-Produktionsfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . Kombination mehrerer linearer Technologien . . . . . . . . . . . . . . . . . . Nichtlinear-limitationale Produktionsfunktionen . . . . . . . . . . . . . . . Mehrstufige Leontief-Produktionsfunktion . . . . . . . . . . . . . . . . . . . . Die Produktionsfunktion von Gutenberg . . . . . . . . . . . . . . . . . . . . . . Weitere Produktionsfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
85 85 88 88 90 92 93 94 94 95 96 99
3.2 3.2.1 3.2.2 3.2.3 3.2.4
Kostentheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grundlagen der Kostentheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kostenfunktionen bei substitutionalen Produktionsfunktionen . . . . Kostenfunktionen bei linear-limitationalen Produktionsfunktionen Kostenfunktionen auf Basis der Gutenberg-Produktionsfunktion . .
100 100 104 107 108
X
Inhaltsverzeichnis
3.3 3.3.1 3.3.2 3.3.3 3.3.4 3.3.5
Grundbegriffe der Produktionsplanung . . . . . . . . . . . . . . . . . . . Gegenstand der Produktionsplanung . . . . . . . . . . . . . . . . . . . . . . . . Produktionsformen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Produktionsprogrammplanung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bereitstellungsplanung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Produktionsprozessplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
109 109 110 112 113 114
3.4 3.4.1 3.4.2 3.4.3
Planung des aktuellen Produktionsprogramms . . . . . . . . . . . . . Ein einperiodiges, einstufiges Modell (Standardansatz) . . . . . . . . . Ein mehrperiodiges, einstufiges Modell . . . . . . . . . . . . . . . . . . . . . Ein mehrstufiges Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
116 116 117 119
3.5 3.5.1 3.5.2 3.5.2.1 3.5.2.2 3.5.3 3.5.4
Ausgewählte Aufgaben der Produktionsprozessplanung . . . . . . Ziele der Produktionsprozessplanung . . . . . . . . . . . . . . . . . . . . . . . Durchlaufterminierung mit Hilfe der Netzplantechnik . . . . . . . . . . Strukturplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zeitplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapazitätsplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbelegungsplanung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
119 120 121 122 124 126 128
3.6 3.6.1 3.6.2
Konzepte der Produktionsplanung und -steuerung (PPS). . . . . 130 Entwicklungsstand von PPS-Systemen . . . . . . . . . . . . . . . . . . . . . . 130 Alternative Ansätze für PPS-Systeme und neuere Entwicklungen . 132
4
Materialwirtschaft und Logistik . . . . . . . . . . . . . . . . 135
4.1
Grundlegende Begriffe und Definitionen. . . . . . . . . . . . . . . . . . . 135
4.2 4.2.1 4.2.2 4.2.2.1 4.2.2.1.1 4.2.2.1.2 4.2.2.1.3 4.2.2.1.4 4.2.2.2
Materialbedarfsplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ABC- und XYZ-Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Methoden der Materialbedarfsermittlung . . . . . . . . . . . . . . . . . . . . Verbrauchsorientierte Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Regressionsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gleitende Durchschnitte und exponentielle Glättung . . . . . . . . . . . Zeitreihenanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Programmorientierte Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . .
138 138 140 140 140 142 144 146 149
Inhaltsverzeichnis
XI
4.3 4.3.1 4.3.2 4.3.2.1 4.3.2.1.1 4.3.2.1.2 4.3.2.2 4.3.3 4.3.3.1 4.3.3.2 4.3.3.3
Bestellmengen- und Losgrößenplanung. . . . . . . . . . . . . . . . . . . . Klassifikation und Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . Statisch-deterministische Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . Einstufige Einproduktmodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Das klassische Bestellmengenmodell (EOQ-Modell) . . . . . . . . . . . Ein Modell mit endlicher Fertigungsgeschwindigkeit. . . . . . . . . . . Das Mehrproduktmodell ELSP . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dynamisch-deterministische Modelle . . . . . . . . . . . . . . . . . . . . . . . Das Grundmodell von Wagner und Whitin . . . . . . . . . . . . . . . . . . . Exakte Lösung durch Bestimmung kürzester Wege . . . . . . . . . . . . Heuristische Lösung mittels sukzessiver Loserweiterung . . . . . . . .
150 151 154 154 155 156 158 161 162 163 165
4.4 4.4.1 4.4.2 4.4.3 4.4.4
Transport- und Tourenplanung . . . . . . . . . . . . . . . . . . . . . . . . . . Aufgabenstellung der Tourenplanung . . . . . . . . . . . . . . . . . . . . . . . Charakteristika von Tourenproblemen. . . . . . . . . . . . . . . . . . . . . . . Zwei Grundprobleme der Tourenplanung . . . . . . . . . . . . . . . . . . . . Heuristische Verfahren für CVRP . . . . . . . . . . . . . . . . . . . . . . . . . .
166 166 167 170 171
4.5 4.5.1 4.5.2
Standort- und Strukturplanung . . . . . . . . . . . . . . . . . . . . . . . . . . 173 Das Steiner-Weber-Modell. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174 Das unkapazitierte Warehouse Location-Problem (WLP). . . . . . . . 176
5
Absatz und Marketing . . . . . . . . . . . . . . . . . . . . . . . . 179
5.1 5.1.1 5.1.2 5.1.3 5.1.4 5.1.5 5.1.6
Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wichtige Begriffe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Absatzpolitisches Instrumentarium . . . . . . . . . . . . . . . . . . . . . . . . . Marktforschung und Marketingforschung . . . . . . . . . . . . . . . . . . . . Situationsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Marktsegmentierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Marktformen und -verhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
179 179 181 181 183 186 187
5.2 5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 5.2.6
Preis- bzw. Kontrahierungspolitik . . . . . . . . . . . . . . . . . . . . . . . . Allgemeines zur Preisgestaltung . . . . . . . . . . . . . . . . . . . . . . . . . . . Grundlagen der Preistheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Preisbestimmung beim Angebotsmonopol . . . . . . . . . . . . . . . . . . . Preisbestimmung bei atomistischer Konkurrenz . . . . . . . . . . . . . . . Preisbestimmung bei polypolistischer Konkurrenz . . . . . . . . . . . . . Preisbestimmung beim Angebotsoligopol . . . . . . . . . . . . . . . . . . . .
188 188 189 192 193 194 195
XII
Inhaltsverzeichnis
5.2.7 5.2.7.1 5.2.7.2 5.2.7.3 5.2.8
Preisbestimmung in der Praxis . . . . . . . . . . . . . . . . . . . . . . . . . . . . Preispolitische Prinzipien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Preispolitische Strategien. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Simultane Festlegung von Preisen mehrerer Produkte . . . . . . . . . . Gestaltung von Vertragskonditionen . . . . . . . . . . . . . . . . . . . . . . . .
196 196 198 200 202
5.3 5.3.1 5.3.2 5.3.3 5.3.3.1 5.3.3.2 5.3.4 5.3.5
Produktpolitik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gestaltung von Produkten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Handlungsmöglichkeiten der Produktpolitik . . . . . . . . . . . . . . . . . . Analyse von Produkten und Absatzprogrammen . . . . . . . . . . . . . . Produktlebenszyklus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Analyse des Absatzprogramms . . . . . . . . . . . . . . . . . . . . . . . . . . . . Planung des Absatzprogramms . . . . . . . . . . . . . . . . . . . . . . . . . . . . Forschung und Entwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
204 205 206 206 207 208 209 211
5.4 5.4.1 5.4.1.1 5.4.1.2 5.4.2 5.4.2.1 5.4.2.2
Distributionspolitik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Akquisitorische Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Formen von Absatzkanälen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Auswahl und Gestaltung von Absatzkanälen . . . . . . . . . . . . . . . . . Distributions-Logistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distributionsnetze und Standortplanung . . . . . . . . . . . . . . . . . . . . . Verpackung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
212 213 213 215 217 217 219
5.5 5.5.1 5.5.1.1 5.5.1.2 5.5.2 5.5.3 5.5.4 5.5.5
Kommunikationspolitik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Werbung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Festlegung des Werbebudgets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Auswahl von Werbemedien (Media-Selektion) . . . . . . . . . . . . . . . . Verkaufsförderung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Public Relations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Persönlicher Verkauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Customer Relationship Management (CRM) . . . . . . . . . . . . . . . . .
219 219 220 222 224 225 225 225
5.6 5.6.1 5.6.2
Optimierung des Marketing-Mix . . . . . . . . . . . . . . . . . . . . . . . . . 226 Das Modell von Dorfmann und Steiner . . . . . . . . . . . . . . . . . . . . . . 227 Ein einfaches lineares Optimierungsmodell . . . . . . . . . . . . . . . . . . 228
Inhaltsverzeichnis
XIII
6
Investition und Finanzierung . . . . . . . . . . . . . . . . . . 231
6.1 6.1.1 6.1.2 6.1.3 6.1.4 6.1.4.1 6.1.4.2 6.1.5
Grundlegende Begriffe und Zusammenhänge . . . . . . . . . . . . . . Zum Begriff der Investition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zum Begriff der Finanzierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Formen der (externen) Eigenfinanzierung . . . . . . . . . . . . . . . . . . . . Formen der (externen) Fremdfinanzierung . . . . . . . . . . . . . . . . . . . Kurzfristige Fremdfinanzierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . Langfristige Fremdfinanzierung . . . . . . . . . . . . . . . . . . . . . . . . . . . Formen der Innenfinanzierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
231 231 233 236 239 240 242 243
6.2 6.2.1 6.2.1.1 6.2.1.2 6.2.1.3 6.2.1.4 6.2.2 6.2.2.1 6.2.2.2 6.2.2.3 6.2.2.4 6.2.3 6.2.3.1 6.2.3.2 6.2.3.3
Verfahren zur Beurteilung von Einzelinvestitionen . . . . . . . . . . Statische Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gewinnvergleichsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kostenvergleichsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rentabilitätsvergleichsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . Amortisationsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dynamische Verfahren. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitalwertmethode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Annuitätenmethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Interne Zinsfußmethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vollständige Investitions- und Finanzpläne . . . . . . . . . . . . . . . . . . . Berücksichtigung von Unsicherheit der Daten . . . . . . . . . . . . . . . . Korrekturverfahren. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sensitivitätsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Risikoanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
246 247 247 249 249 250 251 252 254 255 256 258 258 259 260
6.3 6.3.1 6.3.2
Entscheidungen über die Nutzungsdauer . . . . . . . . . . . . . . . . . . 261 Nutzungsdauer einer einmaligen Investition . . . . . . . . . . . . . . . . . . 262 Nutzungsdauern bei Investitionsketten . . . . . . . . . . . . . . . . . . . . . . 263
6.4 6.4.1 6.4.2
Finanzplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 Strategische Finanzplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 Kurzfristige Finanzplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
6.5 6.5.1 6.5.2 6.5.3
Investitions- und Finanzprogrammplanung . . . . . . . . . . . . . . . . Investitionsprogrammplanung bei festem Budget . . . . . . . . . . . . . . Simultane Investitions- und Finanzprogrammplanung . . . . . . . . . . Portfolio-Selektion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
270 270 274 276
XIV
Inhaltsverzeichnis
6.5.3.1 6.5.3.2 6.5.3.3
Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277 Effiziente Portfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278 Optimierungsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
7
Rechnungswesen und Steuern . . . . . . . . . . . . . . . . . . 281
7.1 7.1.1 7.1.2 7.1.3 7.1.3.1 7.1.3.2 7.1.4 7.1.4.1 7.1.4.2 7.1.4.3 7.1.5 7.1.5.1 7.1.5.2 7.1.5.3
Finanzbuchhaltung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Definitorische Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Die Bilanz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Buchungen während des Geschäftsjahres . . . . . . . . . . . . . . . . . . . . Eröffnung von Bestandskonten . . . . . . . . . . . . . . . . . . . . . . . . . . . . Verbuchung von Geschäftsvorfällen . . . . . . . . . . . . . . . . . . . . . . . . Jahresabschluss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inventur und Inventar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gewinn- und Verlust-Rechnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . Schlussbilanz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Prinzipien und Bewertungsfragen der Finanzbuchhaltung . . . . . . . Rechtsgrundlagen und Prinzipien ordnungsmäßiger Buchführung . Internationale Rechnungslegungsvorschriften. . . . . . . . . . . . . . . . . Bewertung von und Abschreibung auf Anlagen . . . . . . . . . . . . . . .
283 283 284 287 287 288 290 290 292 293 294 294 296 296
7.2 7.2.1 7.2.1.1 7.2.1.2 7.2.1.3 7.2.2 7.2.2.1 7.2.2.2 7.2.2.2.1 7.2.2.2.2 7.2.2.3 7.2.2.3.1 7.2.2.3.2 7.2.2.3.3 7.2.2.3.4 7.2.2.4 7.2.2.4.1
Kosten- und Erfolgsrechnung (KER). . . . . . . . . . . . . . . . . . . . . . Definitorische Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pagatorische und wertmäßige Kosten . . . . . . . . . . . . . . . . . . . . . . . Opportunitätskosten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Die Begriffspaare Kosten/Aufwand und Leistung/Ertrag . . . . . . . . Kostenrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Elemente und prinzipieller Ablauf der Kostenrechnung . . . . . . . . . Kostenartenrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gliederung der Kostenarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Erfassung der einzelnen Kostenarten. . . . . . . . . . . . . . . . . . . . . . . . Kostenstellenrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kriterien für die Bildung von Kostenstellen . . . . . . . . . . . . . . . . . . Arten von Kostenstellen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Der Betriebsabrechnungsbogen (BAB) . . . . . . . . . . . . . . . . . . . . . . Verfahren der innerbetrieblichen Leistungsverrechnung . . . . . . . . . Kostenträgerstückrechnung (Kalkulation) . . . . . . . . . . . . . . . . . . . . Überblick und Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
300 300 300 303 305 308 308 310 310 310 312 312 313 313 316 319 319
Inhaltsverzeichnis
XV
7.2.2.4.2 7.2.2.4.3 7.2.2.4.4 7.2.2.5 7.2.3 7.2.3.1 7.2.3.2 7.2.3.3 7.2.3.4 7.2.4
Divisionskalkulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zuschlagskalkulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kalkulation von Kuppelprodukten. . . . . . . . . . . . . . . . . . . . . . . . . . Verschiedene Systeme der Kostenrechnung . . . . . . . . . . . . . . . . . . Kurzfristige Erfolgsrechnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gesamtkostenverfahren (GKV) auf Vollkostenbasis . . . . . . . . . . . . Umsatzkostenverfahren (UKV) auf Vollkostenbasis . . . . . . . . . . . . Deckungsbeitragsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einbeziehung der KER in das Schema der Finanzbuchhaltung. . . .
320 322 324 325 327 327 328 328 330 331
7.3 7.3.1 7.3.2 7.3.3 7.3.4 7.3.5 7.3.6 7.3.7
Steuern des Unternehmens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Charakterisierung von Steuern. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Steuerarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einkommensteuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Körperschaftsteuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gewerbesteuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Umsatzsteuer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Weitere Steuerarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
332 332 333 335 337 338 338 339
8
Unternehmensführung (Management). . . . . . . . . . . 341
8.1 8.1.1 8.1.2 8.1.3
Grundlegende Begriffe und Zusammenhänge . . . . . . . . . . . . . . Funktionen, Aufgaben und Teilsysteme des Managements. . . . . . . Ebenen des Managements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Führungsstile und Management-by-Konzepte . . . . . . . . . . . . . . . . .
8.2 8.2.1 8.2.2
Unternehmenspolitik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346 Erfassung und Analyse der Ausgangslage. . . . . . . . . . . . . . . . . . . . 347 Ausgestaltung der Unternehmenspolitik . . . . . . . . . . . . . . . . . . . . . 348
8.3
Planung und Kontrolle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
8.4 8.4.1 8.4.1.1 8.4.1.1.1 8.4.1.1.2 8.4.1.1.3
Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aufbauorganisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Organisatorische Differenzierung . . . . . . . . . . . . . . . . . . . . . . . . . . Aufgabenanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aufgabensynthese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Abteilungsbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
341 342 344 344
351 353 354 354 355 356
XVI
Inhaltsverzeichnis
8.4.1.2 8.4.2 8.4.2.1 8.4.2.2 8.4.3
Organisatorische Integration und Koordination. . . . . . . . . . . . . . . . Ablauf- oder Prozessorganisation . . . . . . . . . . . . . . . . . . . . . . . . . . Aufgabenbereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Prozessanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Instrumente oder Hilfsmittel im Bereich Organisation . . . . . . . . . .
357 360 360 361 362
8.5 8.5.1 8.5.1.1 8.5.1.2 8.5.2 8.5.3 8.5.3.1 8.5.3.2 8.5.4 8.5.4.1 8.5.4.2 8.5.4.2.1 8.5.4.2.2 8.5.4.2.3 8.5.4.3 8.5.5
Personalmanagement. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Personalbedarfsplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ermittlung des quantitativen Personalbedarfs . . . . . . . . . . . . . . . . . Ermittlung des qualitativen Personalbedarfs . . . . . . . . . . . . . . . . . . Personalbeschaffung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Personaleinsatzplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Personaleinführung und -einarbeitung. . . . . . . . . . . . . . . . . . . . . . . Personalzuordnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vergütungs- und Sozialpolitik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vergütungs- oder Entgeltpolitik. . . . . . . . . . . . . . . . . . . . . . . . . . . . Lohnformen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zeitlohn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Akkordlohn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Prämienlohn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sozialpolitik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Personalmotivation und -entwicklung . . . . . . . . . . . . . . . . . . . . . . .
363 363 364 365 366 367 367 368 369 369 372 372 373 374 374 375
8.6
Information und Informationsmanagement . . . . . . . . . . . . . . . . 376
8.7 8.7.1 8.7.2 8.7.2.1 8.7.2.2 8.7.2.3 8.7.2.4 8.7.2.5 8.7.2.6
Controlling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Begriff und Aufgaben des Controlling. . . . . . . . . . . . . . . . . . . . . . . Koordinationsaufgaben und -instrumente . . . . . . . . . . . . . . . . . . . . Kennzahlensysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Koordination innerhalb des Planungssystems . . . . . . . . . . . . . . . . . Koordination innerhalb des Informationssystems . . . . . . . . . . . . . . Koordination durch Verrechnungspreise . . . . . . . . . . . . . . . . . . . . . Koordination durch Budgetierung . . . . . . . . . . . . . . . . . . . . . . . . . . Koordination in den Bereichen Organisation und Personal. . . . . . .
378 379 380 381 382 383 384 386 388
Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391 Sachverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
Symbole und Abkürzungen
Symbole: {}
leere Menge
P
Erwartungswert
V, V
2
Standardabweichung, Varianz
x
kleinste ganze Zahl größer oder gleich x (aufrunden)
x
größte ganze Zahl kleiner oder gleich x (abrunden)
x , V
¦
n x j=1 j
Absolutbetrag der Zahl x bzw. Mächtigkeit der Menge V Summe; = x1 + x2 + } + xn Vektor; = x1 x2 } xn
x df ------ = f ' y dy wf----wy
Differentialquotient; Ableitung von f nach y partielle Ableitung von f nach y
, +
Menge der reellen bzw. nichtnegativen reellen Zahlen
' , '+
Menge der ganzen bzw. nichtnegativen ganzen Zahlen
n + ,
n '+
Menge der nichtnegativen reellen bzw. ganzzahligen Vektoren mit jeweils n Komponenten
A»B
A ist wichtiger als B; A wird gegenüber B präferiert
AaB
A und B sind gleich wichtig; weder A noch B werden präferiert
G = V E
Graph mit Knotenmenge V und Pfeilmenge E
K(x), U(x)
Kosten bzw. Umsatz in Abhängigkeit von der Menge x
G(x), DB(x) Gewinn bzw. Deckungsbeitrag in Abhängigkeit von der Menge x
XVIII
Symbole und Abkürzungen
Abkürzungen: AfA AG AktG BAB BGB BWL CVRP
Absetzungen für Abnutzung Aktiengesellschaft Aktiengesetz Betriebsabrechnungsbogen Bürgerliches Gesetzbuch Betriebswirtschaftslehre Capacitated Vehicle RoutingProblem (Tourenplanung) d.h. das heißt € Euro EDV Elektron. Datenverarbeitung ELSP Economic Lot Scheduling Problem, Sortenwechselproblem EK Eigenkapital EOQ Economic Order Quantity, Andlersche Losgröße ESt Einkommensteuer EW Endwert EZB Europäische Zentralbank F&E Forschung und Entwicklung FK Fremdkapital GE Geldeinheit(en) GewSt Gewerbesteuer ggf. gegebenenfalls GK Gemeinkosten GKV Gesamtkostenverfahren GmbH Gesellschaft mit beschränkter Haftung GoB Grundsätze ordnungsmäßiger Buchführung GuV Gewinn und Verlust HGB Handelsgesetzbuch i.A. im Allgemeinen
i.e.S. IM i.w.S. JIT KE KER KG KSt KW LE LP
im engeren Sinne Informationsmanagement im weiteren Sinne just-in-time Kapazitätseinheit(en) Kosten- und Erfolgsrechnung Kommanditgesellschaft Körperschaftsteuer Kapitalwert Längeneinheit(en) lineare Programmierung (= lineare Optimierung) ME Mengeneinheit(en) M€ Millionen Euro NPT Netzplantechnik OHG Offene Handelsgesellschaft OR Operations Research PPS Produktionsplanung und -steuerung RAP Rechnungsabgrenzungsposten SGE strategische Geschäftseinheit s.o., s.u. siehe oben, siehe unten T€ Tausend Euro TPP (klassisches) Transportproblem UKV Umsatzkostenverfahren USt Umsatzsteuer u.U. unter Umständen v.a. vor allem vgl. vergleiche WLP unkapazitiertes Warehouse Location-Problem ZB Zahlungsmittelbestand z.B. zum Beispiel
1 Gegenstand der Betriebswirtschaftslehre
Die Betriebswirtschaftslehre (BWL) befasst sich mit dem wirtschaftlichen Handeln von Betrieben. Daher gehen wir zunächst in Kap. 1.1 auf Aspekte des Wirtschaftens und in Kap. 1.2 auf Wesen, Aufgaben und Klassifikationen von Betrieben ein, bevor wir uns in Kap. 1.3 mit der Betriebswirtschaftslehre als wissenschaftlicher Disziplin auseinandersetzen. Zur Ergänzung unserer knappen Ausführungen vgl. u.a. Kistner und Steven (2002, Teil 1), Wöhe und Döring (2002, Abschnitt 1), Schierenbeck (2003, Einleitung und Teil 1), Thommen und Achleitner (2003, Teil1) sowie Bea et al. (2004, Kap. 1).
1.1 Wirtschaften und ökonomisches Prinzip Unter Wirtschaften versteht man allgemein sämtliche Tätigkeiten von Menschen, die der Befriedigung von Bedürfnissen dienen. Bedürfnisse sind der Wunsch nach Veränderung (Beseitigung, Einschränkung) von als negativ empfundenen Mangelzuständen. Aus einem Bedürfnis entsteht durch Auswahl von Mitteln zur Bedürfnisbefriedigung ein konkreter Bedarf. Derartige Mittel werden als Güter bezeichnet und lassen sich in freie Güter (z.B. Luft) und knappe bzw. Wirtschaftsgüter (z.B. Nahrung, Rohstoffe) einteilen. Man erhält knappe Güter in der Regel nur durch Erbringen einer Gegenleistung, die zumeist in Form der Bezahlung mit Geld erfolgt. 1.1.1 Einteilung von Gütern Wirtschaftsgüter lassen sich u.a. wie folgt kategorisieren: • Nach ihrer Beschaffenheit in materielle Güter (körperliche Gegenstände oder
Sachen) und immaterielle Güter (Dienstleistungen, Informationen, Rechte und andere immaterielle Werte wie z.B. das Firmenimage). • Nach ihrer Verwendung in Konsumgüter (z.B. Kleidung, Nahrungsmittel), die
unmittelbar zur Bedürfnisbefriedigung dienen, und in Produktionsgüter bzw. Produktionsfaktoren (s.u.), die mittel- oder unmittelbar zur Herstellung von Konsumgütern und damit auch zur Bedürfnisbefriedigung benötigt werden.
2
1 Gegenstand der Betriebswirtschaftslehre
• Nach ihrer Wiederverwendbarkeit in Gebrauchsgüter (z.B. Kleidung, Maschi-
nen), die wiederholt bei Produktion oder Konsum eingesetzt werden können, und in Verbrauchsgüter (z.B. Benzin, Nahrung), die nur einmal einsetzbar sind und dabei unter- bzw. in andere Güter eingehen. In der BWL sind die Produktionsfaktoren von besonderem Interesse. Dabei kann es sich um Arbeitsmittel (Güter, mit deren Hilfe Verrichtungen vorgenommen werden; z.B. Maschinen, Betriebsstoffe) oder um Objekte bzw. Werkstücke (Güter, an denen Verrichtungen vorgenommen werden) handeln. In der Volkswirtschaftslehre (VWL) unterscheidet man v.a. die Produktionsfaktoren Arbeit, Boden und Kapital. In der BWL unterteilt man (nach Gutenberg) die Produktionsfaktoren in: • Menschliche Arbeitskraft: Sie lässt sich nach Art der Verrichtung und dem
Objektbezug in ausführende und dispositive Arbeit unterteilen. • Betriebsmittel: Zum Vollzug der Produktion eingesetzte Arbeitsmittel wie
maschinelle Anlagen, Grundstücke, Gebäude, Werkzeuge sowie in jüngster Zeit auch Informationen (siehe Kap. 8.6), Algorithmen, Computer-Codes. Es handelt sich ebenso wie bei menschlicher Arbeitskraft um Gebrauchsgüter bzw. Potentialfaktoren. • Werkstoffe (Material): Bei der Produktion verbrauchte oder in Produkte einge-
hende Güter (Verbrauchsgüter bzw. Repetierfaktoren). Sie lassen sich unterteilen in Roh-, Hilfs- und Betriebsstoffe sowie Vorprodukte. Rohstoffe und Vorprodukte (= Halbfabrikate) gehen als wesentliche Bestandteile in das zu erzeugende Produkt ein, während Hilfsstoffe nur untergeordnete Bestandteile darstellen. Betriebsstoffe wie Diesel, Strom und Schmiermittel dienen zum Betrieb von maschinellen Anlagen bzw. zur Erhaltung ihrer Funktionsfähigkeit. Betriebsmittel, ausführende menschliche Arbeit und Werkstoffe werden als elementare Faktoren und dispositive menschliche Arbeit als dispositiver Faktor bezeichnet (vgl. Abb. 1.1). Letzterer entspricht der betrieblichen Funktion der Unternehmensführung; vgl. Kap. 8. Produktionsfaktoren
elementare Faktoren
ausführende Arbeit
Betriebsmittel
dispositiver Faktor
Werkstoffe
Abb. 1.1: Einteilung der Produktionsfaktoren
Beispiel: Zur Einteilung von Produktionsfaktoren betrachten wir eine Schreinerei, die z.B. über folgende Betriebsmittel verfügt: Gebäude mit Werkstatt und Büroräumen, Maschinen (z.B. Säge- und Fräsmaschinen), Werkzeuge (z.B. Hämmer). Dis-
1.1 Wirtschaften und ökonomisches Prinzip
3
positive Tätigkeiten verrichten der Meister (Eigentümer) und eine Büroangestellte, die ausführende Arbeit der Möbelherstellung übernehmen angestellte Schreiner. Hergestellt werden die Produkte Tische, Stühle und Schränke in verschiedenen Varianten, wofür eine Vielzahl von Werkstoffen nötig ist: Als Rohstoffe dienen verschiedene Typen von Holzplatten und -brettern sowie Lacken. Darüber hinaus gehen als Vorprodukte z.B. in die Schränke zugekaufte Beschläge und Schlösser ein. Als Hilfsstoffe werden z.B. Holzleim, Nägel und Schrauben benötigt. Zum Betrieb und zur Instandhaltung der Maschinen werden die Betriebsstoffe Strom, Schmiermittel sowie schnell verschleißende Werkzeuge (z.B. Sägeblätter) eingesetzt. 1.1.2 Ökonomisches Prinzip Aufgrund der Knappheit der meisten Güter (nicht einmal Wasser oder Luft sind tatsächlich noch beliebig verfügbar) ergibt sich die Notwendigkeit des Wirtschaftens, das nun präziser als Entscheiden über die Verwendung knapper Güter definiert werden kann. Diese Entscheidungen sind von den Wirtschaftseinheiten (private und öffentliche Haushalte sowie Betriebe; vgl. Kap. 1.2) zu treffen. Allen rationalen Entscheidungen von Wirtschaftseinheiten liegt das ökonomische bzw. Wirtschaftlichkeitsprinzip zugrunde, das sich in drei Ausprägungen formulieren lässt: • Maximumprinzip: Mit einem gegebenen Aufwand an knappen Gütern ist ein
maximaler Ertrag zu erwirtschaften. • Minimumprinzip: Ein angestrebter (gewünschter) Ertrag soll mit minimalem
Aufwand an knappen Gütern erzielt werden. • Allgemeines Extremumprinzip: Es ist ein möglichst günstiges Verhältnis
zwischen Aufwand und Ertrag zu erreichen. Zur konkreten Ausgestaltung des ökonomischen Prinzips muss festgelegt werden, was unter Aufwand und Ertrag zu verstehen ist. Bei mengenmäßiger Betrachtung sind z.B. die zur Herstellung eines oder mehrerer Konsumgüter eingesetzten Mengen verschiedener Produktionsfaktoren als Aufwand und die hergestellten Mengen der Produkte als Ertrag anzusehen.1 Das Maximumprinzip verlangt, dass mit gegebenen Einsatzmengen maximale Herstellmengen realisiert werden. Beim Minimumprinzip werden die Herstellmengen vorgegeben, und die Einsatzmengen sind möglichst gering zu halten. Im allgemeinen Fall besteht die Aussage darin, ein möglichst gutes Verhältnis zwischen Einsatz- und Herstellmengen zu erzielen. Derartige Überlegungen sind Gegenstand der Produktionstheorie, die in Kap. 3.1 ausführlich behandelt wird; vgl. v.a. Def. 3.1 bis 3.3. 1 Zur genaueren Definition der Begriffe Aufwand, Ertrag, Kosten, Erlöse, Preise und Gewinn vgl. Kap. 7.2.1.1 sowie unsere Ausführungen zur Kostentheorie in Kap. 3.2. Die hier für den Produktionsbereich getroffenen Aussagen lassen sich auch auf andere Bereiche übertragen.
4
1 Gegenstand der Betriebswirtschaftslehre
Bei wertmäßiger Betrachtung spielt v.a. die Bewertung von Gütern durch Preise (Markt- oder Verrechnungspreise) eine Rolle. Durch den Gütereinsatz entstehen Kosten, durch Verkauf hergestellter Mengen lassen sich Erlöse erzielen. Das Maximumprinzip fordert, die Produktion so zu gestalten, dass bei gegebenen Kosten die erzielten Erlöse maximal sind. Beim Minimumprinzip geht es um die Minimierung der Kosten bei gegebenen Erlösen, während das allgemeine Extremumprinzip eine maximale Differenz zwischen Erlösen und Kosten (= Gewinn) anstrebt. Das ökonomische Prinzip besteht also grundsätzlich darin, den Gewinn zu maximieren.
1.2 Betrieb und Unternehmen 1.2.1 Einteilung von Wirtschaftseinheiten Über die Verwendung knapper Güter entscheiden Wirtschaftseinheiten, die sich nach der Art der Verwendung in Haushalte und Betriebe einteilen lassen. Haushalte entscheiden über die Verwendung von Konsumgütern unmittelbar zur Bedürfnisbefriedigung. Während private Haushalte auf die Deckung ihres Eigenbedarfs (konkretisierte Individualbedürfnisse) ausgerichtet sind, haben öffentliche Haushalte (Staat, Gemeinden) die Befriedigung von Kollektivbedürfnissen (der Staatsbürger oder Einwohner einer Gemeinde) zur Aufgabe. Die Zielsetzung besteht in der Maximierung des durch den Konsum erzielbaren Nutzens. Betriebe sind planvoll organisierte Wirtschaftseinheiten zur Herstellung von Sachgütern und Dienstleistungen. Sie haben über den Einsatz von (Produktions-) Gütern zu entscheiden. Dabei besteht der Betriebszweck in der Befriedigung der Bedürfnisse Dritter, und es wird ein Formal- oder Erfolgsziel, z.B. die Minimierung der Kosten oder die langfristige Maximierung des Gewinnes, verfolgt. Betriebe und alle ihre Teilbereiche stellen Systeme dar, d.h. Gesamtheiten von Elementen (z.B. Personen, Stellen, Abteilungen) und deren Beziehungen zueinander. In privaten Betrieben werden Entscheidungen durch private Träger getroffen, das benötigte Kapital wird durch private Investoren aufgebracht. Dabei steht das Formalziel der langfristigen Gewinnmaximierung (erwerbswirtschaftliches Prinzip) im Vordergrund (vgl. Kap. 1.2.4). Öffentliche Betriebe sind in Trägerschaft der öffentlichen Hand (Bund, Länder, Gemeinden). Das Formalziel besteht häufig in der Minimierung der Kosten bei (hinreichender) Erfüllung des Betriebszwecks, d.h. der Befriedigung kollektiver Bedürfnisse. Beispiele für öffentliche Betriebe sind Versorgungsbetriebe (Gas, Wasser, Abfall), Verkehrsbetriebe, Krankenhäuser, Museen, die Armee, Schwimmbäder. In vielen Fällen arbeiten derartige Betriebe nicht einmal kostendeckend. Betriebe, die teilweise in öffentlicher und teilweise in privater Hand sind, bezeichnet man als gemischtwirtschaftliche Betriebe (z.B. die Deutsche Telekom AG).
1.2 Betrieb und Unternehmen
Tab. 1.1 zeigt eine Einteilung der Wirtschaftseinheiten nach der Trägerschaft und der Art der Bedarfsdeckung; vgl. Thommen und Achleitner (2003, S. 36). Wir wollen private Betriebe auch als Unternehmen bezeichnen, die sich somit (nach Gutenberg) durch folgende Prinzipien charakterisieren lassen:
private Träger öffentliche Hand
5
Deckung des Eigenbedarfs Fremdbedarfs (Konsumtion) (Produktion) private Betriebe private = Unternehmen Haushalte gemischtwirtschaftl. Betriebe öffentliche öffentliche Haushalte Betriebe
Tab. 1.1: Einteilung von Wirtschaftseinheiten
• Erwerbswirtschaftliches Prinzip: Zielsetzung der langfristigen Gewinnmaxi-
mierung. • Autonomieprinzip: Der Unternehmer kann frei über die von ihm zu erbringen-
den Leistungen entscheiden. • Prinzip des Privateigentums, aus dem sich der Anspruch auf Alleinbestimmung
ergibt. Dieser wird jedoch durch Mitbestimmungsrechte der Arbeitnehmer (nach dem Betriebsverfassungs- und dem Mitbestimmungsgesetz) aufgeweicht. Die genannten Prinzipien lassen erkennen, dass es sich bei Unternehmen um Betriebe in marktwirtschaftlichen Systemen handelt. In Plan- bzw. Zentralverwaltungswirtschaften werden Betriebe als Organe der Volkswirtschaft gesehen, die in Gemeineigentum sind und zur Erfüllung staatlicher Pläne beizutragen haben. In der betriebswirtschaftlichen Literatur werden neben den angegebenen auch andere Definitionen der Begriffe Betrieb und Unternehmen verwendet; für eine ausführliche Diskussion siehe z.B. Wöhe und Döring (2002, S. 12 ff.). Bei den folgenden Betrachtungen konzentrieren wir uns auf Unternehmen, die der primäre Untersuchungsgegenstand der Betriebswirtschaftslehre sind; viele Aussagen und Zusammenhänge lassen sich jedoch auf öffentliche und gemischtwirtschaftliche Betriebe unmittelbar übertragen. Daher sprechen wir gelegentlich anstelle von Unternehmen auch vom allgemeineren Begriff des Betriebes. 1.2.2 Betriebliche Funktionen und Umsatzprozess Abb. 1.2 zeigt die betrieblichen Funktionsbereiche sowie den grundsätzlichen Ablauf des Umsatzprozesses eines (Produktions-) Unternehmens; vgl. Kistner und Steven (2002, S. 19). Im Mittelpunkt des Unternehmens steht der Funktionsbereich Produktion (Leistungserstellung). Dort werden Produktionsfaktoren miteinander so kombiniert und transformiert, dass Produkte (materielle Güter und Dienstleistungen) entstehen. Die Produktion ist Gegenstand unserer Ausführungen in Kap. 3.
6
1 Gegenstand der Betriebswirtschaftslehre
Leistungsbereich
Bescha ffung markt s-
Unternehmen Produktionsfaktoren
Produktion
Produkte
internes
Beschaffung
Rechnungswesen
Absatz
Ab s ma atzrkt
externes Finanzmittel
Finanzierung
Erlöse
Finanzbereich
Kapitalmarkt/Staat Abb. 1.2: Betriebliche Funktionsbereiche und Umsatzprozess
Die erstellten Produkte werden auf Absatzmärkten verkauft, wodurch Geld in das Unternehmen in Form von Erlösen (= Umsätzen) zurückfließt. Dies ist Aufgabe des betrieblichen Funktionsbereiches Absatz bzw. Marketing (vgl. Kap. 5). Die Erlöse können zur Beschaffung bzw. Bezahlung von Produktionsfaktoren eingesetzt werden. Dabei sind gemäß der Einteilung der Produktionsfaktoren die Beschaffung von Betriebsmitteln (= Investition; vgl. Kap. 6), die Beschaffung von Personal bzw. Bereitstellung menschlicher Arbeitsleistung (vgl. Kap. 8.5) und der Einkauf (und die Lagerung) von Werkstoffen (Materialwirtschaft, Kap. 4) zu unterscheiden. Mit der Steuerung und Kontrolle sämtlicher Güterbewegungen im Bereich der Beschaffung, der Produktion und des Absatzes befasst sich die Logistik (Kap. 4), die somit eine mehrere Funktionsbereiche übergreifende Querschnittsfunktion darstellt. Neben Erlösen bildet der Kapitalmarkt eine mögliche Quelle zur Beschaffung von Finanzmitteln (Geld); der zugehörige betriebliche Funktionsbereich ist die Finanzierung (Kap. 6). Auf dem Kapitalmarkt kann Geld in Form von Eigenkapital (Einlagen von Eigentümern des Unternehmens) oder Fremdkapital (Kredite) aufgenommen werden. Die Bereitstellung von Kapital muss bezahlt werden (Zinsen auf Fremdkapital, Dividenden auf Eigenkapital). Außerdem müssen Kredite getilgt und Steuern an den Staat abgeführt werden. Überschüssige Finanzmittel lassen sich auf dem Kapitalmarkt anlegen, wodurch Zinsen erwirtschaftet werden, die dem Unternehmen zufließen. In bestimmten Fällen erhält das Unternehmen Finanzmittel vom Staat (Subventionen). Den beschriebenen Kreislauf, der den Leistungsbereich (Beschaffen von Produktionsfaktoren, Erstellen und Verwerten von Produkten) und den Finanzbereich
1.2 Betrieb und Unternehmen
7
(Aufnehmen, Einsetzen, Erwirtschaften und Anlegen von Finanzmitteln) betrifft, bezeichnet man als (güter- und finanzwirtschaftlichen) Umsatzprozess des Unternehmens. Das Rechnungswesen (Kap. 7) dient zur Erfassung und Kontrolle der Geld- und Güterbewegungen, d.h. des gesamten Umsatzprozesses, im Unternehmen. Das interne Rechnungswesen (Betriebsbuchhaltung) erfasst die mengenmäßigen Güterflüsse und -bestände des Leistungsbereichs und nimmt Bewertungen dieser Größen vor. Das externe Rechnungswesen (Finanzbuchhaltung) erfasst Bestände und Veränderungen von Vermögen und Kapital, wobei sich deren Bewertungen aus früheren und gegenwärtigen Zahlungsvorgängen des Finanzbereichs ergeben. Zur Steuerung und Kontrolle des Umsatzprozesses dient der übergeordnete Funktionsbereich der Führung bzw. des Managements (= dispositiver Faktor), der ebenso wie die Logistik eine Querschnittsfunktion repräsentiert. Seine Aufgaben bestehen in der Formulierung von Zielen, der Planung, der Entscheidung, der Aufgabenverteilung und der Kontrolle. Zur arbeitsteiligen Erfüllung seiner Aufgaben muss das Unternehmen im Rahmen der Organisation in verschiedene Teilbereiche gegliedert werden, welche miteinander zu verknüpfen und aufeinander abzustimmen sind. Eng damit verknüpft sind Fragen des Personalmanagements. Außerdem ist es notwendig, die benötigten Informationen zu beschaffen und aufzubereiten (Informationsmanagement). Im Rahmen der Koordination der verschiedenen Führungsteilsysteme kommt dem Controlling eine besondere Bedeutung zu. Der entscheidungsorientierten Ausrichtung des Buches entsprechend, gehen wir in Kap. 2 auf die zentralen Führungsaufgaben Planung und Entscheidung ein, während die übrigen Führungsteilsysteme und deren Koordination im abschließenden Kap. 8 behandelt werden. Obige Erläuterungen zeigen, dass die Umwelt des Unternehmens (neben der ökologischen Umwelt) aus den Lieferanten (Beschaffung), den Arbeitnehmern (Personal), den Kunden und Konkurrenten (Absatz), den Kapitalgebern (Finanzierung) sowie dem Staat (Steuern, Subventionen, gesetzliche Regelungen) besteht. 1.2.3 Klassifikation von Unternehmen Unternehmen lassen sich nach verschiedenen Kriterien klassifizieren: • Nach der Art der erstellten Leistung: Produktionsunternehmen (Gewinnung von
Rohstoffen, Aufbereitung oder Verarbeitung von Gütern), Dienstleistungsunternehmen (z.B. Logistikdienstleister, Versicherungen, Banken), Handelsunternehmen (Groß- und Einzelhändler; vgl. Kap. 5.4.1). • Nach Branchen: Z.B. Baugewerbe, Handel, verarbeitendes Gewerbe, Verkehr,
Kreditinstitute. • Nach der Rechtsform: Personengesellschaften, Kapitalgesellschaften (vgl. Kap.
1.2.5).
8
1 Gegenstand der Betriebswirtschaftslehre
• Nach
der Größe: Z.B. BeschäfBilanzJahresgemessen durch Anzahl der tigte summe umsatz Beschäftigten, Umsatz, klein d 50 d 4 015 M€ d 8 03 M€ Börsenwert, Bilanzsumme; bei Kapitalgesellschaften mittel d 250 d 16 06 M€ d 32 12 M€ erfolgt gemäß § 267 HGB groß > 250 > 16,06 M€ > 32,12 M€ die Zuordnung zu Klein-, Tab. 1.2: Größeneinteilung von Unternehmen Mittel- oder Großunternehmen, sofern mindestens zwei der in Tab. 1.2 angegebenen Kriterien erfüllt sind (M€ = Millionen Euro).
• Nach dem Formalziel: Profit-Organisationen (Ziel der Gewinnmaximierung),
Nonprofit-Organisationen (Ziel der Kostendeckung). • Nach dem Standort bzw. der geographischen Ausbreitung: Lokale, regionale,
nationale, internationale, multinationale Unternehmen. 1.2.4 Unternehmensziele Neben dem bislang in den Mittelpunkt gestellten Unternehmensziel der langfristigen Gewinnmaximierung können Unternehmen weitere Ziele verfolgen. In der Regel besitzen sie ein Zielsystem bzw. eine Zielhierarchie. Einfluss auf dieses Zielsystem haben vorwiegend die Eigentümer, aber auch angestellte Geschäftsführer und sonstige Mitarbeiter sowie u.U. Geber von Großkrediten. Ziele lassen sich einteilen in Formal- bzw. Erfolgsziele und Sachziele (Betriebszweck). Dabei sind die Erfolgsziele im Hinblick auf den wirtschaftlichen Erfolg eines Unternehmens als übergeordnet anzusehen, während sich Sachziele auf die konkrete Steuerung der einzelnen Funktionsbereiche im Umsatzprozess beziehen; vgl. z.B. Thommen und Achleitner (2003, Kap. 1-3). Bei der Formulierung von Erfolgszielen kann man sich gemäß dem ökonomischen Prinzip (vgl. Kap. 1.1.2) an verschiedenen Erfolgskenngrößen orientieren: • Produktivität: Diese mengenorientierte Kenngröße bestimmt ein Verhältnis
zwischen einer hergestellten Menge (Ausbringungsmenge) und der Einsatzmenge eines Produktionsfaktors bzw. der Gesamteinsatzmenge mehrerer Faktoren. Beispiele für Produktivitätskennzahlen sind die Arbeitsproduktivität (z.B. Anzahl ausgeführter Arbeitsgänge pro Arbeitsstunde) und die Maschinenproduktivität (z.B. Anzahl gefertigter Produkte pro Maschinenstunde). • Wirtschaftlichkeit: Sie misst das Verhältnis aus Ertrag und Aufwand bzw.
Erlösen und Kosten, die jeweils Bewertungen von Ausbringungs- und Einsatzmengen zum Ausdruck bringen. • Gewinn: Er ist als Differenz aus Erlösen und Kosten ebenfalls eine wertmäßige
Kenngröße. Der Gewinn ist das Einkommen des Unternehmens.
1.2 Betrieb und Unternehmen
9
• Umsatzrentabilität: Diese Kenngröße ergibt sich als Verhältnis aus Gewinn
und erzielten Erlösen (Umsatz). Sie misst, welcher Anteil am Umsatz nach Abzug der Kosten als Einkommen des Unternehmens übrigbleibt. • (Gesamt-) Kapitalrentabilität oder Return on Investment: Sie ist der Quoti-
ent aus Gewinn zuzüglich der Fremdkapitalzinsen und durchschnittlich eingesetztem (Gesamt-) Kapital und stellt somit ein Maß für die Verzinsung des im Unternehmen gebundenen Geldes dar. Daher wird sie häufig in Prozent ausgedrückt. Die Kapitalrentabilität und verschiedene Variationen (wie die Eigenkapital- und die Fremdkapitalrentabilität) sind wichtige Kennzahlen zur Beurteilung des gesamten Unternehmens, einzelner Unternehmensbereiche oder einzelner Investitionsobjekte (vgl. Kap. 6.4.1 und 8.7.2.1). Sachziele lassen sich unterteilen in: • Leistungsziele: Markt- und Produktziele z.B. in Bezug auf den Umsatz, die Pro-
duktqualität, die Marktstellung, das Unternehmensimage, die Art der Produkte. • Finanzziele: Hierbei stehen die Erhaltung der Zahlungsfähigkeit (Liquidität) des
Unternehmens sowie die Kapitalverfügbarkeit und -struktur im Mittelpunkt; vgl. Kap. 6.1.2 und Kap. 6.4. • Führungsziele: Ziele im Zusammenhang mit Führungsstil, Arbeitsteilung, Kon-
trolle usw. • Soziale Ziele: Personalbezogene Ziele wie gerechte Entlohnung, günstige
Arbeitsbedingungen und -zeiten oder umfassende Sozialleistungen sowie gesellschaftsbezogene Ziele (z.B. Sozialsponsoring). • Ökologische Ziele: Ziele im Bereich des Umweltschutzes (z.B. Gewässerrein-
heit, Emissions- und Abfallbegrenzung). Weitere Aussagen zu Zielen, insbesondere zu Zielbeziehungen und der Formulierung von Zielen finden sich in Kap. 2.3.3. 1.2.5 Rechtsformen von Unternehmen Unternehmen können verschiedene Rechtsformen aufweisen, über die in der Regel die Eigentümer bzw. Gründer entscheiden. Diese Entscheidung erfolgt unter Beachtung einer Vielzahl betriebswirtschaftlicher, steuerlicher, haftungsrechtlicher und sonstiger Gesichtspunkte; zu nennen sind v.a.: • Haftung: Wer haftet für Verbindlichkeiten in welcher Höhe? • Kapitalbeschaffung: Auf welche Weise und in welcher Höhe lässt sich Kapital
beschaffen? • Unternehmensleitung: Wer ist zur Geschäftsleitung und zur Vertretung des
Unternehmens nach außen berechtigt?
10
1 Gegenstand der Betriebswirtschaftslehre
• Gewinn- und Verlustbeteiligung sowie Entnahmerechte: Wer ist in welcher
Weise am Gewinn / Verlust beteiligt? Wer darf welche Summen zu welchem Zeitpunkt entnehmen? • Publizitäts- und Prüfungspflichten: Welchen Anforderungen unterliegt das
Unternehmen im Hinblick auf die Veröffentlichung von Unternehmensergebnissen und welchen Prüfungen muss es sich unterziehen? • Steuerbelastung und Kosten der Rechtsform: Welche Steuern sind nach Art und
Höhe relevant? Welche Kosten (für Gründung, Kapitalerhöhung usw.) entstehen aufgrund der gewählten Rechtsform? • Flexibilität: Was geschieht im Fall einer Änderung der Gesellschafterverhält-
nisse? Auf welche Weise ist eine Umwandlung in eine andere Rechtsform möglich? Rechtliche Regelungen über Möglichkeiten zur Gestaltung von Rechtsformen finden sich insbesondere im Bürgerlichen Gesetzbuch (BGB), im Handelsgesetzbuch (HGB), im Aktiengesetz (AktG), im GmbH-Gesetz (GmbHG) sowie im Genossenschaftsgesetz (GenG). In der Neufassung des HGB vom 1.7.1998 wird praktisch jeder Gewerbetreibende ohne Rücksicht auf seine gewerbliche Tätigkeit oder Branchenzugehörigkeit als Kaufmann bezeichnet, wodurch die frühere Unterscheidung in Soll-, Kann-, Mussund Minderkaufleute entfällt; vgl. z.B. Driesen (1998) und Schmidt (1998). Dementsprechend unterliegen fast alle Unternehmen (auch Dienstleistungsunternehmen) als Handelsgewerbe dem Handelsrecht und sind im amtlich geführten und öffentlich einsehbaren Handelsregister einzutragen. Ausnahmen hiervon stellen Freiberufler sowie bestimmte Kleingewerbetreibende dar, die sich freiwillig eintragen lassen können. Im Handelsregister werden u.a. die Firma und die gewählte Rechtsform sowie je nach Form die Gesellschafter bzw. Gründer und deren Einlageverpflichtungen eingetragen. Die Firma ist der Name, unter dem das Unternehmen betrieben wird und Rechtsgeschäfte eingegangen werden können. Bei der Wahl dieses Namens sind bestimmte Anforderungen zu beachten; vgl. Kögel (1998): Kennzeichnungs- und Unterscheidungskraft, Täuschungsverbot, Rechtsformzusatz. Nach neuem Recht kann es sich dabei um Personennamen, Sach- und sogar Phantasiebezeichnungen handeln. Abb. 1.3 zeigt eine Übersicht der wichtigsten Rechtsformen, die sich nach den Inhabern v.a. in Einzelunternehmen, Personen- und Kapitalgesellschaften sowie Mischund Sonderformen unterteilen lassen. Im Folgenden besprechen wir einige wichtige Rechtsformen; vgl. ergänzend z.B. Stehle und Stehle (2001), Kistner und Steven (2002, Kap. 3-2.2), Wöhe und Döring (2002, Kap. 2-B), Bea et al. (2004, Kap. 42.4) sowie aus juristischer Sicht (Gesellschaftsrecht) Klunzinger (1999) oder Kraft und Kreutz (2000).
1.2 Betrieb und Unternehmen
11
Unternehmensformen
Einzelunternehmen
Personengesellschaften
KG OHG GbR Stille G.
Mischf.
KGaA
GmbH
GmbH & Co. KG
Kapitalgesellschaften
AG
SE
Sonstige
Genoss. Öff. B. EWIV
AG & Co. KG
Abb. 1.3: Übersicht über Rechtsformen von Unternehmen; vgl. Stehle und Stehle (2001)
1.2.5.1 Einzelunternehmen Eine Person (Einzelkaufmann) bringt das Eigenkapital (EK) vollständig alleine auf, führt die Geschäfte und haftet mit seinem gesamten Vermögen. Die Gründung erfolgt mit Aufnahme der Geschäfte. Als Firmenzusatz ist "e.K.", "e.Kfm." oder "e.Kfr." anzugeben. Das Unternehmen endet bei Tod des Kaufmanns, bei Verkauf, Insolvenz oder Einbringung in andere Unternehmen. 1.2.5.2 Personengesellschaften Bei Personengesellschaften wird das Unternehmen von einem oder mehreren Inhabern (Gesellschaftern) selbst betrieben. Sie erbringen das EK und haften persönlich für die Verbindlichkeiten des Unternehmens. Steuerlich werden sowohl die Gesellschafter (z.B. über die Einkommensteuer) als auch das Unternehmen (z.B. durch Gewerbe- und Grundsteuer) belastet; vgl. Kap. 7.3. Es gibt verschiedene Formen von Personengesellschaften, deren Eigenschaften im BGB und im HGB geregelt sind: • Offene Handelsgesellschaft (OHG): Die OHG ist ein Zusammenschluss
mehrerer Kaufleute, die ein Handelsgewerbe unter einer gemeinsamen Firma mit Zusatz "OHG" betreiben. Die Gesellschafter haften mit ihrem gesamten Vermögen in gesamtschuldnerischer Weise, d.h. ein Gläubiger kann den ihm zustehenden Betrag von einem beliebigen Gesellschafter fordern. Intern können sich daraus Ausgleichsansprüche ergeben. Die Gründung erfolgt durch einen formlosen Gesellschaftsvertrag. Zur Geschäftsführung sind alle Gesellschafter berechtigt und verpflichtet. Die Vertretung nach außen kann prinzipiell durch jeden Gesellschafter erfolgen. Die Gewinn- bzw. Verlustbeteiligung kann im Gesellschaftsvertrag geregelt werden, andernfalls kommt § 121 HGB zur Anwendung. Danach werden zunächst die
12
1 Gegenstand der Betriebswirtschaftslehre
Kapitalanteile zu 4 % verzinst, der Rest des Gewinns wird (wie der Verlust) nach Köpfen verteilt. Die Auflösung erfolgt u.a. bei Fristablauf oder Insolvenz. • Kommanditgesellschaft (KG): Der Hauptunterschied zur OHG besteht darin,
dass sich die Gesellschafter in die Gruppe der vollhaftenden Komplementäre und der beschränkt haftenden Kommanditisten aufteilen. Erstere sind den Gesellschaftern der OHG vergleichbar. Letztere haften nur in Höhe ihrer Kommanditeinlage und sind nicht geschäftsführungsberechtigt. Der Firma ist das Kürzel "KG" anzufügen. Gewinn- und Verlustbeteiligung sollten im Gesellschaftsvertrag angemessen geregelt sein; andernfalls sieht § 168 HGB eine Verzinsung der Kapitalanteile mit 4 % und eine angemessene Verteilung weiterer Gewinne vor. Verluste können den Kommanditisten grundsätzlich nur bis zur Höhe ihrer Kommanditeinlage zugerechnet werden. • Stille Gesellschaft: Hierbei kann sich eine Person oder ein Unternehmen mit
einer Kapitaleinlage an einem anderen Unternehmen beteiligen, ohne nach außen als Gesellschafter erkennbar zu sein (reine Innengesellschaft). Dem "stillen" Gesellschafter stehen ähnliche Rechte wie einem Kommanditisten zu. Er ist obligatorisch am Gewinn zu beteiligen, während eine Verlustbeteiligung ausschließbar ist. Im Insolvenzfall besitzt er gegenüber dem Hauptgesellschafter eine (zumindest seiner Einlage entsprechende) Forderung. • Gesellschaft bürgerlichen Rechts (BGB-Gesellschaft): Sie ist ein Zusammen-
schluss natürlicher oder juristischer Personen, der zeitlich befristet auf die Erreichung eines gemeinsamen Zwecks ausgerichtet ist (z.B. Tippgemeinschaft, Bankenkonsortium). Die Gründung erfolgt durch einen formlosen Gesellschaftsvertrag; die Auflösung ergibt sich in der Regel mit Erreichen des Gründungszwecks. Alle Gesellschafter haften unbeschränkt und gesamtschuldnerisch. Sofern im Vertrag nichts anderes festgelegt wird, erfolgt die Geschäftsführung gemeinschaftlich und wird der Gewinn nach Köpfen geteilt. Die BGB-Gesellschaft muss nicht im Handelsregister eingetragen werden. Eine auf Dauer angelegte Variante der BGB-Gesellschaft für Freiberufler wie Ärzte, Heilpraktiker und Journalisten ist die Partnerschaftsgesellschaft. Sie wird durch das Partnerschaftsgesetz vom 1.7.1995 geregelt. 1.2.5.3 Kapitalgesellschaften Kapitalgesellschaften sind juristische Personen mit eigener Rechtspersönlichkeit, bei denen die Haftung auf das Gesellschaftsvermögen beschränkt ist. Die Gesellschafter (Anteilseigner) sind lediglich der Gesellschaft gegenüber zur Zahlung ihrer Einlagen verpflichtet. Ein wesentliches Merkmal von Kapitalgesellschaften ist die Trennung von Kapitalaufbringung und Unternehmensleitung, da letztere in der Regel nicht von den Gesellschaftern, sondern von angestellten Geschäftsführern wahrgenommen wird. In der Satzung einer Kapitalgesellschaft wird ein Nennkapital festgelegt, dessen Änderung bestimmten Regeln folgen muss. Das Eigenkapital umfasst darüber
1.2 Betrieb und Unternehmen
13
hinaus bestimmte Rücklagen (vgl. Kap. 7.1.2). Die Festschreibung und Bekanntgabe des Nennkapitals dient v.a. dem Schutz der Gläubiger, die Haftungsbeschränkung auf das Nennkapital dem Schutz der Anteilseigner. Für Kapitalgesellschaften (v.a. für große) gelten strenge Vorschriften bezüglich der Publikation des Jahresabschlusses (Bilanz, GuV-Rechnung, Anhang, Lagebericht; vgl. Kap. 7.1.4) und dessen Prüfung (externe Rechnungsprüfung). Daher ergeben sich höhere rechtsformbedingte Kosten als bei Personengesellschaften (z.B. durch die notarielle Beurkundung des Gesellschaftsvertrags). Als juristische Person ist eine Kapitalgesellschaft selbständiges Steuersubjekt; auf ihr Einkommen wird die Körperschaftsteuer erhoben (vgl. Kap. 7.3.4). 1.2.5.3.1 Gesellschaft mit beschränkter Haftung (GmbH) Die GmbH wird durch einen notariell beurkundeten Gesellschaftsvertrag gegründet. Ihre Firma muss mit dem Zusatz "mit beschränkter Haftung" (mbH) versehen sein. Das Nennkapital der GmbH wird als Stammkapital bezeichnet und muss mindestens 25.000 € (und mindestens 100 € je Gesellschafter) betragen. Die Geschäftsanteile entsprechen den übernommenen Stammeinlagen und können durch notariell beurkundete Abtretungsverträge veräußert werden. Bei der Gründung müssen insgesamt mindestens 12.500 € und von jeder Stammeinlage mindestens ein Viertel einbezahlt sein. Bei einer Ein-Personen-GmbH müssen Sicherheiten für nicht erfolgte Einlagen erbracht werden. Die Haftung der Gesellschafter ist auf deren Stammeinlagen beschränkt. Eine GmbH wird aufgelöst, wenn eine ggf. vereinbarte Frist abgelaufen ist, die Gesellschafterversammlung dies mit 3/4-Mehrheit beschließt oder wenn Insolvenz eintritt. Das GmbH-Gesetz sieht drei Organe vor, die handlungsberechtigt im Namen der GmbH sind: • Ein oder mehrere Geschäftsführer (auch Anteilseigner) nehmen die Führung der
Geschäfte und die Vertretung der GmbH nach außen wahr. Sie werden von der Gesellschafterversammlung bestellt und können von dieser auch wieder abberufen werden. Die Geschäftsführer erhalten ein festes Gehalt sowie u.U. eine Beteiligung am Gewinn. • Ein Aufsichtsrat wird gebildet, wenn der Gesellschaftsvertrag oder Vorschriften
des Mitbestimmungs-, Betriebsverfassungs- oder Montanmitbestimmungsgesetzes dies vorsehen. Er kontrolliert die Geschäftsführung. • Die Gesellschafterversammlung hat v.a. die Aufgaben der Bestellung und
Kontrolle der Geschäftsführung, der Feststellung des Jahresabschlusses, der Verteilung der Gewinne (im Verhältnis der Geschäftsanteile) und der Erteilung von Handlungsvollmachten wahrzunehmen. Beschlüsse werden mit einfacher Stimmenmehrheit (1 Stimme pro 50 € Stammeinlage) gefasst. Für Veränderun-
14
1 Gegenstand der Betriebswirtschaftslehre
gen des Stammkapitals sind eine 3/4-Mehrheit und eine Modifikation des Gesellschaftsvertrages erforderlich. 1.2.5.3.2 Aktiengesellschaft (AG) Aktiengesellschaften sind auf eine größere Anzahl von Anteilseignern (Aktionäre) angelegt als Personengesellschaften und GmbHs. Zum Schutz der Gläubiger und v.a. auch der Aktionäre unterliegen sie scharfen gesetzlichen Regelungen (AktG). Die Firma einer AG soll den Unternehmensgegenstand benennen und muss den Zusatz "Aktiengesellschaft" (AG) enthalten. Das Nennkapital wird als Grundkapital bezeichnet und muss mindestens 50.000 € betragen. Es wird auf Aktien mit einem Nennwert von mindestens 1 € (pro Stück) verteilt, die von den Aktionären erworben werden können; weitere Informationen über Erwerb und Typen von Aktien finden sich in Kap. 6.1.3. Durch die Aktien werden Vermögensrechte (Anspruch auf Gewinne und Liquidationserlöse, Aktienbezugsrechte) sowie Verwaltungsrechte (Teilnahme, Rede- und Stimmrecht auf der Hauptversammlung) verbrieft. Die Organe der AG sind Vorstand, Aufsichtsrat und Hauptversammlung: • Der Vorstand wird vom Aufsichtsrat für höchstens fünf Jahre bestellt, hat die
Geschäfte der AG zu führen und die Gesellschaft nach außen zu vertreten. Er muss dem Aufsichtsrat regelmäßig Bericht über laufende Geschäfte und die aktuelle wirtschaftliche Lage erstatten. Bei bedrohlichen Verlusterwartungen oder Insolvenzgefahr hat er ohne Verzögerung eine außerordentliche Hauptversammlung einzuberufen. Neben einem regelmäßigen Gehalt erhalten die Vorstandsmitglieder eine Gewinnbeteiligung. Nach dem Mitbestimmungsgesetz von 1976 muss (in ihm unterworfenen Unternehmen mit mehr als 2000 Arbeitnehmern) dem Vorstand ein Arbeitsdirektor, d.h. ein Arbeitnehmervertreter für das Ressort Personal- und Sozialwesen, angehören. • Der Aufsichtsrat hat 3 bis 21 Mitglieder, von denen in Unternehmen mit mehr
als 500 Arbeitnehmern zwei Drittel durch die Hauptversammlung und ein Drittel durch die Arbeitnehmer gewählt werden (je zur Hälfte bei Unternehmen der Montanindustrie: paritätische Mitbestimmung). Der Aufsichtsrat wählt und kontrolliert den Vorstand (mit weitreichender Kontrollbefugnis). Eine Vergütung für Aufsichtsratsmitglieder erfolgt aus dem Jahresüberschuss. • Die Hauptversammlung der Aktionäre wird mindestens einmal jährlich einberu-
fen und entscheidet über die Entlastung von Vorstand und Aufsichtsrat sowie die Gewinnverwendung, bestellt den Aufsichtsrat (außer den Arbeitnehmervertretern) und die Abschlussprüfer. Mit 3/4-Mehrheit kann sie Satzungsänderungen sowie die Unternehmensauflösung beschließen. Die Gründung einer AG ist streng reglementiert und umfasst v.a. die Festlegung einer Satzung, die Einzahlung des Grundkapitals, Prüfungen sowie die Eintragung
1.2 Betrieb und Unternehmen
15
in das Handelsregister. Mögliche Gründe zur Auflösung der AG entsprechen denjenigen bei der GmbH. Die Abwicklung des aufgelösten Unternehmens erfolgt i.d.R. durch den Vorstand, indem sämtliche Vermögensgegenstände liquidiert werden. Verbleibt nach der Begleichung von Verbindlichkeiten ein Resterlös, so ist dieser an die Aktionäre auszuschütten. 1.2.5.4 Misch- und Sonderformen Zwischen Personen- und Kapitalgesellschaften gibt es im Wesentlichen drei Mischformen: • Die Kommanditgesellschaft auf Aktien (KGaA) ist eine juristische Person, bei
der mindestens ein Gesellschafter (Komplementär) persönlich haftet und die Geschäftsführung sowie Vertretung nach außen wahrnimmt. Die anderen Gesellschafter (Kommanditaktionäre) halten Anteile am Grundkapital in Form von Aktien. Ebenso wie bei der AG gibt es eine Hauptversammlung und einen Aufsichtsrat, der jedoch nicht den Vorstand bestimmen kann. • Bei der GmbH & Co. KG handelt es sich um eine KG, deren Komplementär eine
GmbH ist. Dadurch wird die persönliche Haftung für alle Gesellschafter ausgeschlossen (die Kommanditisten haften ohnehin nicht persönlich). Die Geschäftsführung und Vertretung der GmbH & Co. KG werden durch die Geschäftsführer der GmbH wahrgenommen. Die Gewinnverteilung erfolgt wie bei der KG. Eine analoge Konstruktion führt zu einer AG & Co. KG. Neben Personen- und Kapitalgesellschaften sowie Mischformen sind v.a. Genossenschaften und öffentliche Betriebe zu nennen. • Genossenschaften sind juristische Personen in Form wirtschaftlicher Vereine
mit variabler Anzahl an Gesellschaftern (Mitgliedern). Ihr primärer Betriebszweck besteht in der gegenseitigen Förderung der Mitglieder und erst nachrangig in der Gewinnerzielung. Das Grundkapital schwankt mit der Mitgliederanzahl. Gegenüber den Gläubigern haftet nur das Vermögen der Genossenschaft. Alle Mitglieder besitzen unabhängig von der Höhe ihres Kapitalanteils eine Stimme in der Generalversammlung, die bei mehr als 3.000 Mitgliedern aus Vertretern der einzelnen Mitglieder zusammengesetzt ist (Vertreterversammlung). Die General- bzw. Vertreterversammlung beschließt über den Jahresabschluss und wählt Vorstand sowie Aufsichtsrat, die ähnliche Funktionen wie bei der AG haben. Wichtige Genossenschaftsarten sind Warenbezugsgenossenschaften, Kreditgenossenschaften (Volks- und Raiffeisenbanken), Absatzgenossenschaften (Molkereigenossenschaften, Raiffeisen) und Verkehrsgenossenschaften. • Öffentliche Betriebe sind keine Unternehmen im engeren Sinne (vgl. Kap.
1.2.1). Sie befinden sich vollständig oder überwiegend im Eigentum der öffentlichen Hand. Sie können in privatrechtlicher Form (z.B. als AG oder GmbH) oder in nicht privatrechtlicher Form (z.B. als Eigenbetriebe oder öffentlich-rechtli-
16
1 Gegenstand der Betriebswirtschaftslehre
che Körperschaften) geführt werden. V.a. letztere dienen in der Regel – ebenso wie Genossenschaften – der Erfüllung bestimmter Gemeinschaftsaufgaben (z.B. Wasserversorgung, Verkehr) und weniger dem Gewinnstreben. Häufig handelt es sich sogar um Zuschussbetriebe, die nicht kostendeckend arbeiten. 1.2.5.5 Gesellschaftsformen des europäischen Gesellschaftsrechts Durch EU-Verordnungen sind bisher zwei supranationale Gesellschaftsformen geschaffen bzw. konzipiert worden, die Europäische Wirtschaftliche Interessenvereinigung und die Europäische Aktiengesellschaft. Zu umfassenderen Ausführungen vgl. z.B. Schwarz (2000, Teil 4), Habersack (2003, § 11 und 12) sowie Theisen und Wenz (2005). • Die Europäische Wirtschaftliche Interessenvereinigung (EWIV) bietet seit
1989 eine flexible Gesellschaftsform für Unternehmen, die gemeinsam grenzüberschreitend kooperieren wollen; zählt also streng genommen zu Unternehmensverbindungen, auf die wir in Kap. 1.2.6 näher eingehen. Sie ist v.a. für kleine und mittelständische Unternehmen gedacht. Die Gründung erfolgt durch Vertrag zwischen mindestens zwei Unternehmen aus mindestens zwei verschiedenen Ländern und Eintrag in eines der nationalen Handelsregister. Für die Gründung ist kein besonders Kapital erforderlich. Organe der EWIV sind die Mitgliederversammlung und die Geschäftsführung; weitere Organe sind möglich. Die EWIV hat keinen eigenen Erwerbszweck, sondern dient der Verbesserung der wirtschaftlichen Tätigkeit ihrer Mitglieder. Mögliche Gewinne aus der Tätigkeit der EWIV werden auf die Mitglieder verteilt und von diesen versteuert. Für Verbindlichkeiten haften die Mitglieder unbeschränkt und gesamtschuldnerisch. Die EWIV-Verordnung enthält eine Reihe von Verboten (z.B. darf eine EWIV maximal 500 Mitarbeiter beschäftigen), ermöglicht aber auch großen Gestaltungsspielraum. Im Jahre 2001 gab es europaweit bereits mehr als 1000 EWIVs, die Hälfte davon in Belgien und Frankreich. Beispiele für EWIVs sind Vereinigungen von Rechtsanwaltskanzleien oder der deutsch-französische Fernsehsender "arte". • Die Europäische Aktiengesellschaft (Societas Europaea, kurz SE) ist gemäß
der SE-Verordnung (EG-Verordnung Nr. 2157/2001 vom 8.10.2001) seit dem 8.10.2004 als Rechtsform wählbar. Sie kann durch Umwandlung einer nationalen AG mit mindestens einer Tochtergesellschaft in einem anderen EU-Mitgliedsstaat, durch Zusammenschluss mehrerer Unternehmen, Gründung einer gemeinsamen Tochtergesellschaft oder einer Holding entstehen. Sind mehrere Unternehmen beteiligt, so müssen diese ihre Sitze in mindestens zwei verschiedenen EU-Mitgliedsstaaten haben. Die SE ist eine juristische Person mit einem Grundkapital von mindestens 120.000 €. Es besteht Wahlfreiheit zwischen der "dualistischen" Leitungsform
1.2 Betrieb und Unternehmen
17
der deutschen AG (Aufsichtsrat und Vorstand) und der im angelsächsischen Raum verbreiteten "monistischen" Leitungsform, bei der ein Verwaltungsrat gleichzeitig Leitungs- und Kontrollfunktion hat. Die SE-Verordnung stellt ein Grundgerüst dar, das durch zusätzliche (u.a. nationale) rechtliche Regelungen weiter ausgefüllt werden muss. In Deutschland wurde dies mit dem Gesetz zur Einführung der Europäischen Gesellschaft (SEEG) vom 22.12.2004 getan. 1.2.6 Unternehmensverbindungen Unternehmen können untereinander Verbindungen eingehen, um ein stärkeres Wachstum zu erzielen (z.B. durch Übernahme eines Konkurrenten: Unternehmenskonzentration), Synergieeffekte mit anderen Unternehmen auszunutzen oder das Geschäftsrisiko zu streuen (zusätzliche Produkte und Absatzmärkte). In Abhängigkeit von der Produktions- oder Handelsstufe kann man unterscheiden: • Horizontale Verbindung: Die beteiligten Unternehmen gehören derselben Stufe an (z.B. mehrere Supermärkte oder mehrere Bäckereien). • Vertikale Verbindung: Es verbinden sich Unternehmen aufeinanderfolgender Stufen (z.B. Mühle und Bäckerei). • Laterale Verbindung: Die Unternehmen gehören unterschiedlichen Branchen an (z.B. Schuhgeschäft und Bäckerei). Die wichtigsten Arten von Unternehmensverbindungen sind: • Konsortium: Dabei handelt es sich um eine Verbindung auf Zeit zur Abwick-
lung fest definierter Projekte. Beispiele hierfür sind große Bauprojekte oder Aktienemissionen. Als Rechtsform kommt v.a. die BGB-Gesellschaft in Frage. • Kartell: Durch eine derartige Verbindung wird der Wettbewerb unter den betei-
ligten, rechtlich selbständigen Unternehmen eingeschränkt, um bestimmte Marktmechanismen gemeinsam kontrollieren zu können. Wesentliche Typen sind Preiskartelle (verschiedene Formen der Preisbindung), Syndikate (gemeinsame Verkaufsorganisationen) und Exportkartelle (Stärkung der internationalen Wettbewerbsfähigkeit); vgl. z.B. Thommen und Achleitner (2003, Kap. 12.6.3.2). • Strategische Allianz: Innerhalb eines Kooperationsbereichs wird die Hand-
lungsfähigkeit der beteiligten Unternehmen stark eingeschränkt. Dies betrifft v.a. die Bereiche Marktwahl, Wettbewerbsposition und Know-how. Mit derartigen Allianzen versucht man, dauerhafte Wettbewerbsvorteile gegenüber der Konkurrenz zu erreichen. Dies ist insbesondere wegen der zunehmenden Globalisierung der Wirtschaft, sich stetig verkürzenden Produktlebensdauern und Handelsbeschränkungen in einigen Ländern von Bedeutung. Eine wichtige Form der strategischen Allianz ist das Joint Venture. Dabei werden bestimmte Funktionsbereiche (z.B. Produktion, Absatz) der beteiligten Unternehmen in einer rechtlich selbständigen Einheit zusammengeschlossen.
18
1 Gegenstand der Betriebswirtschaftslehre
• Konzern: Hierbei werden mehrere rechtlich selbständig bleibende Unterneh-
men unter einer gemeinsamen Leitung zusammengefasst. • Fusion: Zwei oder mehr Kapitalgesellschaften verschmelzen unter vollständiger
Aufgabe ihrer rechtlichen und wirtschaftlichen Selbständigkeit zu einem neuen Unternehmen. Manche Formen von Unternehmensverbindungen sind in bestimmten Fällen gesetzlich verboten oder bedürfen der staatlichen Kontrolle, insbesondere dann, wenn sie darauf angelegt sind, das Funktionieren des marktwirtschaftlichen Wettbewerbs zu beschränken (Gesetz gegen Wettbewerbsbeschränkungen, Zusammenschlusskontrolle durch das Bundeskartellamt). Vgl. zu Unternehmensverbindungen v.a. die ausführlichen Darstellungen in Wöhe und Döring (2002, Kap. 2-D) oder Thommen und Achleitner (2003, Kap. 1-2.6) sowie zu den besonderen Aspekten internationaler Verbindungen Lucks und Meckl (2002).
1.3 Betriebswirtschaftslehre als Wissenschaft Die Betriebswirtschaftslehre (BWL) ist die Wissenschaft vom Wirtschaften der Betriebe bzw. Unternehmen und deren Beziehungen zur Umwelt (Konkurrenten, Kunden, Lieferanten, Staat, Kapitalmarkt, Arbeitnehmer; vgl. Kap. 1.2.2). Vereinfachend kann man drei mögliche Ausprägungen bzw. Erkenntnisziele der BWL unterscheiden: 1) Beschreibende (deskriptive) BWL: Unternehmen und unternehmerisches Handeln sollen beschrieben und erklärt werden. Es werden keine Empfehlungen und Anleitungen zum Handeln erarbeitet. 2) Praktisch-normative (entscheidungsorientierte) BWL: Sie strebt die Beschreibung und Erklärung, aber auch die Gestaltung des Unternehmensablaufs durch unternehmerische Entscheidungen an. Formalziele werden als gegeben unterstellt. 3) Bekennend- bzw. ethisch-normative BWL: In Ergänzung zur praktischnormativen BWL steht hierbei die Diskussion erstrebenswerter Formalziele (neben der reinen Gewinnmaximierung), wie z.B. Sozialziele für Arbeitnehmer, im Vordergrund. 1.3.1 Zur Geschichte der Betriebswirtschaftslehre Im Folgenden geben wir einige Hinweise auf die historische Entwicklung der BWL; zu ausführlichen Darstellungen siehe Wöhe und Döring (2002, S. 56 ff.) oder Brockhoff (2002).
1.3 Betriebswirtschaftslehre als Wissenschaft
19
Als erster Vorläufer der BWL ist die Handels- und Rechentechnik von handels- und landwirtschaftlichen Betrieben anzusehen, die wie alle frühen Ansätze rein deskriptiv (vergangene Vorgänge beschreibend) war. Die erste gedruckte doppelte Buchführung (jeder Geschäftsvorfall wird auf zwei Konten verbucht) stammt von dem Mathematiker Luca Pacioli (Venedig, 1494). Im Mittelalter gab die Handlungswissenschaft (damaliger Name der BWL) Verhaltensregeln für einzelne Fälle; sie wurde als Kameralwissenschaft (= Volkswirtschafts- und Finanzpolitik und Handlungswissenschaft) gelehrt. Im Vordergrund stand die Gestaltung der Staatseinkünfte (Staat = Adel und Klerus). Ab dem 18. Jahrhundert verselbständigte sich die Volkswirtschaftslehre und erlebte einen Aufschwung. Die Handlungswissenschaft erlitt dagegen wegen Ressentiments einen Niedergang; sie wurde als "Profitlehre" angesehen. Der Aufschwung der BWL kam mit der Gründung der Handelshochschulen (1898 in Leipzig, St. Gallen, Aachen, Wien und weitere kurz danach). Es folgte die Fortentwicklung zur Allgemeinen Betriebswirtschaftslehre mit Problemen des Industriebetriebs im Mittelpunkt. Anfang des 20. Jahrhunderts endete die Phase bloßer Beschreibung von Sachverhalten und Rechenverfahren (rein deskriptive BWL). Nicklisch befürwortete eine ethisch-normative BWL (weg von der BWL als Profitlehre). Diese Auffassung fand aber keine breite Resonanz. Stattdessen wurde überwiegend eine praktisch-normative BWL befürwortet. Einige wichtige Vertreter und Richtungen der BWL im 20. Jahrhundert sind: • Schmalenbach (Arbeiten um 1912): Er erzielte Fortschritte im Rechnungswe-
sen (Kontenrahmen, Bilanzierung, Kostenrechnung). • Gutenberg (3 Bände ab 1951): Produktions- und Kostentheorie, Produktions-
funktionen; Absatztheorie; Finanzierung. • Heinen (ab Ende der 60er Jahre): Er stellte die Entscheidungsprozesse im
Betrieb in den Mittelpunkt der Betrachtungen und prägte den Begriff "entscheidungsorientierte BWL". Einer solchen Sicht der BWL folgen wir im vorliegenden Buch. 1.3.2 Beziehungen zu anderen Wissenschaften Die BWL ist eine Teildisziplin der Wirtschaftswissenschaften, die zu den Sozialwissenschaften zählen. Letztere bemühen sich darum, das menschliche Verhalten zu erklären, zu prognostizieren und rational zu gestalten. Gemeinsam mit den Naturwissenschaften konstituieren die Sozialwissenschaften die Gruppe der Realwissenschaften; vgl. Abb. 1.4.
20
1 Gegenstand der Betriebswirtschaftslehre
Wissenschaften
Idealwissenschaften (z.B. Mathematik)
Realwissenschaften
Naturwissenschaften
Informatik
...
Ingenieurwissenschaften
Sozialwissenschaften
Wirtschaftswissenschaften BWL
Rechtswissenschaft Psychologie Soziologie
VWL
Abb. 1.4: Einordnung der BWL in den Zusammenhang der Wissenschaften
Die Volkswirtschaftslehre (VWL) besteht aus zwei Hauptzweigen: • Mikroökonomie: Sie untersucht verschiedene Aspekte des Handelns in und von Betrieben (z.B. Preistheorie) sowie Entscheidungsprobleme von Haushalten. • Makroökonomie: Sie betrachtet Auswirkungen staatlicher Aktivitäten auf das Handeln von Betrieben und Haushalten. Weitere Teilgebiete der VWL sind z.B. die Außenhandelstheorie, die Finanzwissenschaft und die Wirtschaftspolitik. Die BWL hat außer zur VWL enge Beziehungen zur • Mathematik: Mathematische Modelle, Operations Research; vgl. u.a. Kap. 2.4. • Statistik: Entscheidungstheorie, Kap. 2.3; Warenprüfung, Prognoserechnungen. • Rechtswissenschaft: Steuern, Rechtsformen von Betrieben usw. • Informatik: Bereitstellung von EDV (Hard- und Software) für verschiedene Aufgaben, z.B. Entscheidungsunterstützungs- und Managementinformationssysteme, Berichtswesen, Rechnungswesen. • Soziologie und Psychologie: Erklärung von Verhaltensweisen der Wirtschaftssubjekte. • Ingenieurwissenschaften: Erklärung technischer Zusammenhänge, z.B. im Bereich der Produktion. 1.3.3 Teilgebiete der Betriebswirtschaftslehre Die BWL wird gelegentlich nach Wirtschaftszweigen (Branchen) in Wirtschaftszweiglehren, üblicherweise jedoch nach den betrieblichen Funktionen in Funktionslehren unterteilt.
1.3 Betriebswirtschaftslehre als Wissenschaft
21
Wirtschaftszweiglehren sind v.a. Industrie-, Handels-, Bank-, Versicherungs-, Verkehrsbetriebslehre, Wirtschaftsprüfung und Steuerwesen sowie die BWL der öffentlichen Betriebe (und Verwaltungen). Eine mögliche Gliederung, die sich v.a. an Funktionslehren (vgl. Kap. 1.2.2) orientiert, ist die folgende: 1) Produktions- oder Fertigungswirtschaft 2) Materialwirtschaft und Logistik (Beschaffung, Lagerhaltung, Transport) 3) Absatz oder Marketing (inkl. Forschung und Entwicklung) 4) Investition und Finanzierung 5) Rechnungswesen 6) Unternehmensführung, weiter unterteilbar in: • Organisation • Personalwesen • Unternehmensplanung (inkl. Operations Research und Statistik) • Controlling • Informationsmanagement oder Wirtschaftsinformatik 1) - 5) stellen klassische Teilgebiete der BWL dar, mit deren Inhalten wir uns in Kap. 3 bis 7 des vorliegenden Buches ausführlich beschäftigen. Das Gebiet der Unternehmensführung wird an den größeren wirtschaftswissenschaftlichen Fakultäten oft im Hinblick auf die wichtigsten Teilsysteme bzw. -funktionen (vgl. unser Kap. 8.1.1) weiter unterteilt. V.a. Organisation, Personal und Unternehmenspolitik (manchenorts auch Unternehmensplanung) werden als spezielle Betriebswirtschaftslehren gesondert angeboten. Controlling wird zumeist mit dem Rechnungswesen verknüpft, da es wichtige Daten und Informationen aus diesem Bereich bezieht. Die Statistik gehört wie die Mathematik zu den propädeutischen Fächern eines wirtschaftswissenschaftlichen Studiengangs. Eine Sonderstellung nehmen das Operations Research und die Wirtschaftsinformatik ein. Die Erkenntnisse aus beiden Gebieten dienen der Unterstützung des Führungssystems von Unternehmen. Operations Research (OR) hat im Laufe der 60er Jahre Eingang in wirtschaftswissenschaftliche Fakultäten gefunden. Gegenstand des Faches ist die modellgestützte Planung (vgl. die näheren Ausführungen in Kap. 2.4). Anwendung finden seine Methoden v.a. (aber nicht nur) in den Funktionsbereichen Produktion, Logistik, Investition und Finanzierung, so dass sie mittlerweile auch in diesen betriebswirtschaftlichen Teilgebieten gelehrt werden. Die Wirtschaftsinformatik (WI), auf die wir im vorliegenden Buch im Rahmen der Behandlung des Informationsmanagements in Kap. 8.6 nur am Rande eingehen, hat u.a. folgende Fragestellungen zum Gegenstand; vgl. Fink et al. (2001, S. 1 ff.) oder Stahlknecht und Hasenkamp (2005, S. 8 f.):
22
1 Gegenstand der Betriebswirtschaftslehre
• (Aufstellen von Kriterien zur) Auswahl geeigneter Hardware und Standardsoft-
ware für EDV-Anwendungen im betriebswirtschaftlichen Bereich. • Beschäftigung mit betriebswirtschaftlichen Administrations-, Dispositions-,
Planungs- und Informationssystemen. • Entwicklung von Computerprogrammen für die genannten Systeme unter
Nutzung der Prinzipien, Methoden und Verfahren des Software Engineering. Die WI hat im Zuge der Computerisierung seit den 70er Jahren Einzug in wirtschaftswissenschaftliche Fakultäten gehalten. Wie beim OR ist zu erwarten, dass Erkenntnisse aus diesem Gebiet immer weiter in die einzelnen Funktionslehren diffundieren. Müller-Merbach (1992) zeigt unterschiedliche Aufgaben und Gemeinsamkeiten von OR und WI auf, denen wir uns anschließen können: Das Fach OR hat Grundlagen auf den Gebieten Planungsmathematik, -modelle und -methodik zu legen. Entsprechend sollte WI das technische und fachliche Rüstzeug zum Programmieren sowie den Umgang mit Computerhard- und -software lehren. Darauf aufbauend ist zu vermitteln, wie im Zusammenwirken beider Gebiete reale Planungsprobleme einer Lösung zugeführt werden können. Im Rahmen des OR steht dabei die Modellbildung und Verfahrensentwicklung und im Rahmen der WI die computergestützte Umsetzung im Mittelpunkt.
Weiterführende Literatur zu Kapitel 1 Bea et al. (2001, 2002, 2004) Bitz et al. (2005) Brockhoff (2002) Busse von Colbe und Laßmann (1991) Diederich (1992) Kistner und Steven (2002) Klunzinger (1999)
Kraft und Kreutz (2000) Schierenbeck (2003) Specht und Balderjahn (2005) Spremann (2002) Stehle und Stehle (2001) Thommen und Achleitner (2003) Wöhe und Döring (2002)
2 Planung und Entscheidung
Planung ist ein Kernelement menschlichen Wirtschaftens und nimmt daher in der Betriebswirtschaftslehre und der Unternehmenspraxis eine zentrale Stellung ein. Sie dient der Vorbereitung von Entscheidungen, die Ausgangspunkt jedes unternehmerischen Handelns sind. Da Planung als Querschnittsfunktion über sämtliche betrieblichen Funktionsbereiche von Bedeutung ist, stellen wir unseren Ausführungen, bei denen wir uns in Kap. 3 bis 8 intensiv mit einzelnen Funktionsbereichen beschäftigen, ein Kapitel über Planung und Entscheidung voran. Das Konzept unseres Buches folgt dem Ansatz einer entscheidungsorientierten BWL.1 Dabei wird die BWL als praktisch-normative Wissenschaft (vgl. Kap. 1.3) gesehen, die dem betrieblichen Entscheidungsträger zweckmäßige und geeignete Vorschläge im Hinblick auf die bestmögliche Erreichung seiner Ziele geben soll. Daher steht die Planung (Entscheidungsvorbereitung und -unterstützung), die sich auf sämtliche einer dispositiven Gestaltung zugänglichen Sachverhalte bezieht, im Mittelpunkt der Betrachtung. Aufgrund ihres dispositiven Charakters ist sie eine Subfunktion des betrieblichen Funktionsbereiches Führung, auf den wir in Kap. 8 ausführlich eingehen. Im vorliegenden Kap. 2 konzentrieren wir uns auf die für die folgenden Kapitel erforderlichen Grundlagen der Planung. In Kap. 2.1 definieren wir den Begriff der Planung und beschreiben den prinzipiellen Planungsprozess. Kap. 2.2 dient der Darstellung von Modellen als wichtigen Planungsgrundlagen und der Planung als modellgestützter Strukturierungsaufgabe. Anschließend geben wir knappe Einführungen in die betriebswirtschaftlichen Teilgebiete Entscheidungstheorie (Kap. 2.3) und Operations Research (Kap. 2.4), die sich mit entsprechenden Modellen und Lösungsmethoden beschäftigen. 1 Dieses betriebswirtschaftliche Wissenschaftsprogramms wurde gegen Ende der 60er Jahre von Heinen begründet; vgl. Heinen (1971). Im Gegensatz zu Heinen, der eine verhaltenswissenschaftlich orientierte Ausprägung der entscheidungsorientierten BWL favorisierte, gehen wir von einer entscheidungstheoretischen Ausprägung aus. Dementsprechend beschäftigen wir uns weniger mit der Beschreibung und Erklärung des menschlichen Entscheidungsverhaltens als mit der Entwicklung von Empfehlungen für rationales wirtschaftliches Handeln. Zur Unterscheidung dieser beiden Richtungen der entscheidungsorientierten BWL vgl. Hentze et al. (2001, S. 75).
24
2 Planung und Entscheidung
2.1 Grundlagen der Planung Zunächst gehen wir auf den (in der Literatur uneinheitlich gebrauchten) Begriff der Planung ein. Anschließend stellen wir den Planungsprozess anhand eines Phasenmodells dar und diskutieren Aspekte der Planungsreichweite. 2.1.1 Begriff der Planung Anlass und Ausgangspunkt der Planung ist das Vorliegen oder erwartete Eintreten bestimmter Zustände, die von einem Betroffenen (Planer, Planungsträger) im Vergleich zu anderen Zuständen als nicht befriedigend empfunden werden. Allgemein spricht man von einem (Entscheidungs-) Problem, das auf einer Abweichung eines derzeitigen oder erwarteten Zustandes von einem angestrebten beruht. Die Aufgabe der Planung besteht darin, geeignete Maßnahmen zur (möglichst weitgehenden) Erreichung des angestrebten Zustandes zu ermitteln. Dies bedeutet, dass unter Beachtung aller relevanten Informationen eine Lösung des Problems zu bestimmen ist. (Entscheidungs-) Probleme sind demnach durch folgende Größen und Zusammenhänge beschreibbar, unter deren Beachtung sich Planung vollzieht: • Ausgangssituation des zu planenden Systems: Es handelt sich um Sachverhalte,
die vom Planenden nicht beeinflusst werden können und als Informationen bzw. Daten in die Planung eingehen. • Handlungsalternativen: Darunter versteht man die verschiedenen verfügbaren
Gestaltungsmöglichkeiten zur Erreichung des angestrebten Zustandes. Das bedeutet, Handlungsalternativen wirken auf beeinflussbare Tatbestände des Systems ein, die daher auch als Variablen bezeichnet werden. Die Variablen und die Daten stehen in bestimmten Wirkungszusammenhängen. • Zielsetzung: Der angestrebte Zustand wird durch verschiedene Ziele bzw. Ziel-
vorgaben beschrieben, die von der subjektiven Einschätzung des Planungsträgers abhängen. Derartige Ziele können miteinander in Konkurrenz stehen (vgl. Kap. 2.3.3.1). • Handlungsergebnisse: Die Handlungsalternativen werden danach beurteilt,
inwieweit sie unter Beachtung der Wirkungszusammenhänge zur Erreichung der vorgegebenen Ziele beitragen. Anhand dieser prinzipiellen Überlegungen lassen sich wesentliche Merkmale der Planung identifizieren; vgl. z.B. Pfohl und Stölzle (1997, Kap. 1.1): • Planung ist zukunftsorientiert. Sie zielt auf die Erreichung zukünftiger Zustände
bzw. die Befriedigung bestimmter Bedürfnisse ab. Dabei unterliegt sie in der Regel der Schwierigkeit, dass zukünftige Entwicklungen unsicher und schwer prognostizierbar sind. Diese Unvollkommenheit der verfügbaren Informationen wächst mit zunehmender Planungsreichweite.
2.1 Grundlagen der Planung
25
• Planung dient der Gestaltung von Objekten bzw. Systemen nach den Vorstellun-
gen und dem Willen des Planungsträgers. • Planung ist ein subjektiver Prozess in Bezug auf die Auswahl des Planungsge-
genstandes, die Zielsetzungen, die Planungsmethoden und die Beurteilung der Ergebnisse. • Planung erfordert die Sammlung, Speicherung, Auswahl, Verarbeitung und
Übertragung vielfältiger Informationen. Diese Informationen beziehen sich auf die Planungssituation (Istzustand und erwartete zukünftige Zustände) sowie auf das Planungsobjekt im Hinblick auf mögliche Handlungsalternativen und deren Wirkungen. • Planung ist ein (mehr oder weniger) rationaler Prozess, der auf die Erreichung
bestimmter Ziele ausgerichtet ist. Als Folge dessen wird die Planung zumeist in einer systematischen Weise durchgeführt. Sie lässt sich jedoch nicht in ein bestimmtes Schema pressen, da in vielen Planungssituationen – aufgrund der Unvollkommenheit der Informationen – Intuition und Kreativität der Planungsträger erforderlich sind. • Planung dient der Vorbereitung von Entscheidungen und Handlungen durch
gedankliche Vorwegnahme zukünftiger Entwicklungen. Die genannten Merkmale zusammenfassend, kann folgende Definition von Planung vorgenommen werden:2 Definition 2.1: Planung ist ein von Planungsträgern auf der Grundlage unvollkommener Informationen durchgeführter, grundsätzlich systematischer und rationaler Prozess zur Lösung von (Entscheidungs-) Problemen unter Beachtung subjektiver Ziele. Planung ist insbesondere dann von Bedeutung und unterliegt gleichzeitig großen Schwierigkeiten, wenn es sich um Entscheidungsprobleme mit großer zeitlicher Reichweite, stark veränderlicher, unsicherer Umwelt und großem Informationsbedarf handelt. Probleme mit derartigen Eigenschaften sind typisch für viele betriebswirtschaftliche Entscheidungssituationen. Sie sind schlecht strukturiert und komplex und erfordern daher innovative Lösungsansätze. 2.1.2 Phasen der Planung Den Planungsprozess bzw. -ablauf teilt man üblicherweise in verschiedene Phasen ein, die sich jedoch nicht strikt voneinander trennen lassen. Ebensowenig müssen diese Phasen in einer fest vorgegebenen Reihenfolge durchlaufen werden. Stattdessen zeigen empirische Untersuchungen, dass verschiedene Reihenfolgen sowie Rückkopplungen zwischen den Phasen üblich und zweckmäßig sind (vgl. Witte 2 Ähnliche Definitionen geben z.B. Adam (1996, Kap. 1.1), Berens und Delfmann (2002, S. 11) sowie Klein und Scholl (2004, Kap. 1.1).
26
2 Planung und Entscheidung
(1993) sowie Kap. 2.2.4.2). Dennoch ist die Phaseneinteilung der Planung – auch im Hinblick auf die Abfolge der Phasen – ein wichtiges Hilfsmittel zur Darstellung der prinzipiellen Struktur des Planungsprozesses. Man kann folgende Phasen unterscheiden:3 • Erkennen von (Entscheidungs-) Problemen. • Problemanalyse: Beschreibung und Strukturierung des Problems, ggf. Zerlegen
komplexer Probleme in handhabbare Teilprobleme. • Zielbildung: Festlegen konkreter Planungsziele bzw. Zielkriterien im Sinne der
übergeordneten Unternehmensziele (vgl. Kap. 1.2.4). • Prognose zukünftiger Entwicklungen und sich daraus ergebender Daten. • Alternativensuche: Erkennen von möglichen Handlungsalternativen unter
Berücksichtigung bestehender Restriktionen. • Bewertung der Alternativen im Hinblick auf die prognostizierten Daten und die
zugrunde liegenden Ziele. • Entscheidung: Auswahl der zu realisierenden Alternative(n).
Die angegebenen Planungsphasen lassen sich zu den drei Hauptphasen Problemstellung, Alternativenermittlung, Bewertung und Auswahl zusammenfassen (vgl. z.B. Pfohl (1977, Kap. 4.1.1)), die wir im Folgenden etwas genauer analysieren. 2.1.2.1 Problemstellung Diese Phase dient der Feststellung und Definition eines Entscheidungsproblems auf der Grundlage von Anregungsinformationen. Derartige Informationen, die auf die Existenz von Problemen hindeuten, können unternehmensintern (z.B. Qualitätsmängel in der Produktion) oder außerhalb des Unternehmens (z.B. wirtschaftlichere Produktionsverfahren der Konkurrenz) entstehen. Dabei spielen neben vergangenheitsorientierten (Kontroll-) Informationen, die bereits existierende Probleme beschreiben, auch zukunftsbezogene Informationen, die zukünftig entstehende Probleme antizipieren, eine wichtige Rolle. Nach der Ursache ihrer Entstehung lassen sich fünf Arten von Anregungsinformationen unterscheiden; vgl. Pfohl (1977, Kap. 1.3.1.1): • Soll-Ist-Abweichungen: Falls im Rahmen der Kontrolle (vgl. Kap. 8.3) Abwei-
chungen festgestellt werden, die außerhalb eines Toleranzbereiches liegen, ist eine erneute Planung erforderlich. • Änderung von Handlungsalternativen: Während der Planung oder der Planaus-
führung können neue Möglichkeiten der Problemlösung bekannt werden, oder es kann sich herausstellen, dass Handlungsalternativen nicht auf die vorgesehene Weise realisierbar sind. 3 Vgl. z.B. Fandel (1983), Schierenbeck (2003 Kap. 4.A.2) sowie Klein und Scholl (2004, Kap. 1.3).
2.1 Grundlagen der Planung
27
• Änderung von Daten: Sich im Zeitablauf präzisierende Informationen führen zu
einer Veränderung der den bisherigen Planungen zugrunde liegenden Datenbasis, so dass u.U. eine Neuplanung erforderlich wird. • Änderung von Zielvorstellungen und Präferenzen: Falls sich die Maßstäbe zur
Beurteilung einer Problemsituation oder eines Lösungsansatzes ändern, ist ebenfalls eine Neuplanung bzw. eine Planüberprüfung angezeigt. • Folgeprobleme: Problemlösungen führen fast immer zum Entstehen weiterer
Entscheidungsprobleme. Z.B. stellt sich die Frage nach der wirtschaftlichsten Nutzungsdauer einer neu angeschafften Maschine, d.h. nach dem besten Zeitpunkt, die Maschine gegen eine Folgeinvestition auszutauschen. Die Phase der Problemstellung lässt sich (idealtypisch) in drei Teilphasen unterteilen (vgl. Pfohl und Stölzle (1997, Kap. 4.1.2)): • Problemerkenntnis: Zunächst sind anhand der vorhandenen Anregungsinforma-
tionen die Symptome der Problemsituation zu erfassen und die Dringlichkeit einer Problemlösung, auch unter dem Aspekt der Durchsetzbarkeit einer solchen, zu untersuchen. • Problemanalyse: Die Analyse besteht vorwiegend darin, ein Verständnis für die
Problemursachen zu entwickeln sowie grundsätzliche Wirkungszusammenhänge und Veränderungsmöglichkeiten zu erkennen. • Problemformulierung: Sie besteht in einer genauen Beschreibung des angestreb-
ten Zustandes und der bei der Problemlösung zu beachtenden Restriktionen. Außerdem sind Ziele zur Bewertung von Handlungsalternativen zu formulieren. 2.1.2.2 Alternativenermittlung Ausgehend von den in der Phase der Problemstellung gewonnenen Entscheidungsinformationen (Ziele, Wirkungszusammenhänge, Beschränkungen, Ansatzpunkte zur Problemlösung; vgl. Sieben und Schildbach (1994, Kap. II.A.1)), sind geeignete Möglichkeiten zur Problembeseitigung (Handlungsalternativen, Lösungsansätze und -konzepte) zu suchen, grundsätzlich zu beurteilen und genau zu formulieren: • Alternativensuche: Zunächst sind unterschiedliche adäquate (Handlungs-) Alter-
nativen zu ermitteln. Dazu sind einerseits ein systematisches Vorgehen und andererseits kreative Intuition erforderlich. Diese Aufgabe wird umso schwieriger, je schlechter strukturiert die Planungssituation ist (vgl. Kap. 2.2.4.1). • Alternativenanalyse: Die generierten Alternativen sind im Hinblick auf ihre
Wirksamkeit zur Problemlösung und ihre Durchsetzbarkeit zu untersuchen. Diese Analyse umfasst – insbesondere unter Beachtung der Unsicherheit geltender Rahmenbedingungen – die Untersuchung der Wirkungssicherheit und der Anpassungsfähigkeit der Alternativen an veränderte Bedingungen sowie bestehende Risiken. Außerdem sind potentielle (negative) Auswirkungen auf andere Problembereiche (z.B. bei gemeinsamer Nutzung knapper Kapazitäten durch
28
2 Planung und Entscheidung
verschiedene getrennt geplante Produktionsprozesse) zu beachten. Derartige Analysen erfordern das Vorhandensein vernünftiger Prognosen über zukünftige Entwicklungen (z.B. von Faktorverbräuchen oder Beschaffungspreisen). • Alternativenfestlegung: Die im Rahmen der Analyse als problemlösungsadäquat
identifizierten Alternativen werden im Hinblick auf die erforderlichen Maßnahmen und benötigten Ressourcen sowie Zuständigkeiten weiter konkretisiert und formuliert. 2.1.2.3 Bewertung und Auswahl Diese Phase dient der Bewertung der Alternativen (Lösungsvorschläge) und der Entscheidung über die zu realisierende Alternative. Dabei sind folgende Aspekte zu beachten: • Nutzen: Die Beurteilung der Zielwirkungen der Handlungsalternativen ist in der
Regel von der subjektiven Einschätzung des/der Entscheidungsträger(s) abhängig, so dass die Ergebnisse der Alternativen in subjektive Nutzengrößen transformiert werden müssen. Mit der Ermittlung von Nutzengrößen beschäftigen wir uns in Kap. 2.3.4. • Zielkonflikte: Bei mehreren, miteinander konkurrierenden Zielen ist es erforder-
lich, Maßnahmen zur Auflösung der sich ergebenden Zielkonflikte zu treffen (vgl. Kap. 2.3.3). Dabei sind mehrwertige Nutzengrößen (ein Wert für jedes Ziel) mit Hilfe von Entscheidungsregeln zu einer Nutzengröße zu aggregieren, um zu einer Rangordnung der Alternativen und letztendlich der Auswahl der besten ("optimalen") Alternative zu gelangen. 2.1.3 Planungsreichweite Da Planung zumeist unter der Bedingung unvollkommener Information stattfindet, ist die zeitliche Reichweite des zu erstellenden Plans ein wesentliches Merkmal für die Art der Planung und die an sie zu stellenden Anforderungen. Je größer die zeitliche Reichweite des Plans ist, desto geringer ist in der Regel die Verlässlichkeit der Informationen. Daher werden bei langfristiger Betrachtung eher grobe, aggregierte Pläne und bei kurzfristiger Betrachtung genaue Detailpläne erstellt. Unter den genannten Aspekten unterscheidet man drei Hauptebenen der Planung, die im Sinne einer sukzessiven Verfeinerung in einem hierarchischen Zusammenhang stehen:4 • strategische (langfristige) Planung • taktische (mittelfristige) Planung • operative (kurzfristige) Planung 4 Vgl. z.B. Domschke et al. (1997, S. 2 f.), Zäpfel (2001, Kap. A.2.2.2), Klein und Scholl (2004, Kap. 1.4.6). Manche Autoren unterscheiden nur die beiden Ebenen strategische und operative Planung, wobei diese durch die sehr kurzfristig angelegte Steuerung ergänzt werden; z.B. Homburg (2000, Kap. 1), Wöhe und Döring (2002, S. 103 ff.). Ebenso sind detailliertere Einteilungen möglich; vgl. z.B. Schneeweiß (1992, Kap. 2.2).
2.2 Modelle und modellgestützte Planung
29
Unter strategischer Planung versteht man den langfristig (2 bis 10 Jahre) orientierten Prozess der Lösungssuche für weit in die Zukunft wirkende und in der Zukunft entstehende (Entscheidungs-) Probleme. Ihre Hauptaufgabe besteht in der Wahrung existierender und der Erschließung neuer Erfolgspotentiale, um die Lebensfähigkeit des Unternehmens zu sichern (vgl. Kap. 8.2). Bei der strategischen Planung untersucht man daher einerseits das eigene Unternehmen in Bezug auf Stärken und Schwächen, andererseits werden Umweltbedingungen (exogene Einflüsse) und dabei insbesondere konkurrierende Unternehmen analysiert. Das Ziel der strategischen Planung besteht also darin, zukünftige Strategien (Handlungsrichtungen) so festzulegen, dass durch die Ausnutzung der unternehmensspezifischen Stärken unter Beachtung der prognostizierten Entwicklung von Umweltbedingungen Wettbewerbsvorteile für das Unternehmen entstehen. Bei der strategischen Planung werden z.B. Entscheidungen über die Branchenzugehörigkeit und die Art des Vertriebssystems getroffen. Aufgrund der Unsicherheiten über zukünftige Entwicklungen sind langfristige Probleme zumeist schlecht strukturiert (vgl. Kap. 2.2.4.1). Daher können strategische Pläne oft nur vage formuliert werden. Die taktische Planung besitzt eine Reichweite von mehreren Monaten bis zu 2 Jahren. Auf Basis der im Rahmen der strategischen Planung entwickelten Handlungsrichtungen sind hierbei vor allem Entscheidungen über das Leistungsprogramm, die bereitzustellenden Potentialfaktoren sowie die Organisation des Unternehmens zu treffen. Hierzu gehören Fragen bezüglich Kapitalausstattung, Investition, Personal und Informationssystemen. Die taktische Planung dient also der Konkretisierung und Ausgestaltung der durch die strategische Planung vorgegebenen Rahmendaten. Im Rahmen der operativen Planung wird eine konkrete, kurzfristig orientierte Detailplanung auf Wochen-, Tage- oder Stundenbasis vorgenommen. Dies geschieht auf Grundlage der Vorgaben aus den vorgelagerten Planungsstufen. Hierbei wird in der Regel eine starke Dekomposition im Hinblick auf einzelne Kompetenzbereiche vorgenommen. Aufgrund der Fristigkeit und der Aufgabenzerlegung handelt es sich bei operativen Planungsproblemen im Gegensatz zu denjenigen auf anderen Planungsstufen am ehesten um wohldefinierte, deterministische Fragestellungen (vgl. Kap. 2.2.4.1).
2.2 Modelle und modellgestützte Planung Entscheidungsprobleme beziehen sich in der Regel auf die Gestaltung komplexer realer Systeme (z.B. Produktionssystem, Werk, gesamtes Unternehmen), die aus einer Vielzahl von miteinander in Beziehung stehenden Elementen bestehen. Bei der Planung ist es daher kaum möglich, sämtliche Sachverhalte und Zusammenhänge zu erfassen und zu berücksichtigen. Stattdessen ist es sinnvoll, die Planung anhand eines Modells vorzunehmen. Zum Modellbegriff und zur modellgestützten Planung vgl. Klein und Scholl (2004, Kap. 2).
30
2 Planung und Entscheidung
2.2.1 Modellbegriff Ein Modell ist ein (vereinfachtes) Abbild eines realen Systems oder Problems (= Urbild). Erfolgt die Abbildung derart, dass jedem Element bzw. jeder Beziehung zwischen Elementen des realen Systems ein Element bzw. eine Beziehung im Modell gegenübersteht und umgekehrt, so spricht man von einem isomorphen oder strukturgleichen Modell. Bei der Planung erforderliche Vereinfachungen gegenüber dem realen System ergeben sich im Wege der Abstraktion durch Vernachlässigung von weniger wichtigen realen Elementen und/oder Beziehungen im Modell. Durch Verzicht auf derartige Informationen werden komplexe Bestandteile des Urbildes im Modell vereinfacht dargestellt oder verschiedene Bestandteile, die im Urbild unterscheidbar sind, zu einem einzigen Bestandteil des Modells zusammengefasst. Aufgrund dieser "mehreindeutigen" Abbildung vom realen System zum Modell, bei der jedoch die Grundstruktur des Urbildes beibehalten wird, spricht man von einem homomorphen oder strukturähnlichen Modell. In der Vereinfachung besteht gleichsam der Vorteil und der Nachteil der Modellbildung. Gelingt es, die für die Planung entscheidenden Merkmale in das Modell zu übertragen und die irrelevanten zu vernachlässigen, so ist es sehr viel leichter, die planungsrelevanten Aspekte und Zusammenhänge zu durchschauen als in einem isomorphen Modell. Vernachlässigt man jedoch wesentliche Systemkomponenten, so kann dies zu ungünstigen Planungsergebnissen führen. Aus diesem Grund ist es sinnvoll und erforderlich, die mit Hilfe eines Modells gewonnenen Ergebnisse anhand des realen Systems oder eines weniger abstrahierenden Modells zu evaluieren. Prinzipiell bestimmt die gewünschte Genauigkeit der gesuchten Problemlösung das mögliche Ausmaß der Abstraktion, da diese die Komplexität des Modells und seiner planerischen Auswertung determiniert. Darüber hinaus ist es erforderlich, die Genauigkeit einzuschränken, wenn die für eine genauere Abbildung benötigten Informationen nicht im entsprechenden Detaillierungsgrad beschaffbar sind oder ihre Beschaffung unverhältnismäßig hohe Kosten verursacht. Ein höheres Abstraktionsniveau ist v.a. dann unkritisch, wenn vernachlässigte Elemente einen geringen Einfluss auf die Güte von Lösungen haben. 2.2.2 Einteilung von Modellen In Abhängigkeit von der zugrunde liegenden Entscheidungssituation, dem Einsatzzweck eines Modells sowie den verfügbaren Informationen lassen sich verschiedene Typen von Modellen unterscheiden. Diese können dementsprechend nach verschiedenen Kriterien klassifiziert werden; vgl. z.B. Adam und Witte (1976). 2.2.2.1 Einsatzzweck von Modellen Je nach Einsatzzweck lassen sich verschiedene Typen von Modellen unterscheiden:
2.2 Modelle und modellgestützte Planung
31
• Beschreibungsmodelle dienen lediglich zur Darstellung der Elemente und deren
Beziehungen in realen Systemen. Sie enthalten jedoch keine Hypothesen über reale Wirkungszusammenhänge und erlauben daher keine Erklärung oder Prognose realer Vorgänge. Ein Beispiel für ein Beschreibungsmodell ist die Finanzbuchhaltung eines Unternehmens, die Bestände und Veränderungen an Zahlungsmitteln und Gütern in Form von Buchungssätzen und Konten abbildet. • Erklärungs- oder Kausalmodelle untersuchen Ursache-Wirkungs-Zusammen-
hänge zwischen Parametern (auch bezeichnet als exogene Variablen) und davon abhängigen Variablen, um das Systemverhalten zu erklären bzw. Hypothesen über dieses Verhalten aufzustellen. Z.B. wird mit Hilfe von Produktionsfunktionen versucht, die Abhängigkeit des Output (Variable) eines Produktionssystems vom Input (Parameter) zu erklären. Eine derartige Abbildung ist in der Regel sehr vereinfachend, da von vielen organisatorischen und technologischen Details abstrahiert wird; vgl. Kap. 3.1.1. • Prognosemodelle dienen zum einen der Vorhersage zukünftiger Daten (Ent-
wicklungsprognose), zum anderen der Abschätzung von Auswirkungen möglicher Handlungsalternativen (Wirkungsprognose). • Entscheidungs- bzw. Optimierungsmodelle unterscheiden sich von Erklärungs-
oder Prognosemodellen dadurch, dass sie zusätzlich zu den zu erklärenden Ursache-Wirkungs-Beziehungen Zielrelationen zur Bewertung und Auswahl von Handlungsmöglichkeiten beinhalten. Ein Entscheidungsmodell ist folglich eine formale Darstellung eines Entscheidungsproblems, bei dem die im Hinblick auf die zu verfolgenden Ziele günstigste realisierbare Lösung auszuwählen ist. • Simulationsmodelle sind spezielle Prognosemodelle für komplexe Systeme, bei
denen Ursache-Wirkungs-Beziehungen nicht auf analytischem Wege einfach beschrieben werden können und die häufig stochastischen (zufälligen) Einflüssen unterliegen. Anhand eines Simulationsmodells wird das Systemverhalten durchgespielt, um auf diese Weise die Konsequenzen einzelner Handlungsmöglichkeiten zu untersuchen, ohne diese tatsächlich realisieren und damit mögliche negative Auswirkungen auf das reale System in Kauf nehmen zu müssen. Simulationsmodelle sind zwar keine Entscheidungsmodelle i.e.S., sie erlauben jedoch, verschiedene sinnvolle Handlungsalternativen im Hinblick auf ihre Zielwirkung zu untersuchen. Daher kann in Fällen, in denen das Lösen eines Entscheidungsmodells zu aufwendig ist, eine Menge von Handlungsalternativen simulativ untersucht und unter diesen die im Hinblick auf die Ziele günstigste ausgewählt werden. Z.B. kann auf diese Weise die Konfiguration von Produktions- und innerbetrieblichen Transportsystemen und ihre Wirkung auf Durchlaufzeiten der Produkte untersucht und verbessert werden. 2.2.2.2 Qualitative und quantitative Modelle • In quantitativen (mathematischen) Modellen werden sämtliche im Modell abge-
bildeten Aspekte eines realen Entscheidungsproblems durch kardinal messbare
32
2 Planung und Entscheidung
(metrische) Informationen, d.h. durch reelle Zahlen, beschrieben. Elemente des realen Systems werden durch Daten(parameter) und Variablen dargestellt und in Form von Gleichungen oder Ungleichungen auf strukturerhaltende Weise miteinander verknüpft. Quantitative Modelle können mit mathematischen Methoden ausgewertet werden, um bestimmte Kenngrößen des realen Systems bzw. Lösungen des Entscheidungsproblems zu ermitteln. Mit derartigen Methoden beschäftigt sich das Operations Research (vgl. Kap. 2.4). • Qualitative Modelle beinhalten – neben quantitativen Zusammenhängen – ver-
bale Problembeschreibungen anhand qualitativer (d.h. ordinal oder nominal messbarer) Informationen.5 Diese basieren häufig auf subjektiven Einschätzungen und beschränken sich zumeist auf die Darstellung grundlegender Zusammenhänge und Tendenzen. Bedeutsam sind (rein) qualitative Modelle v.a. in der strategischen (langfristigen) Planung, um elementare Strategien abzuleiten. Relevante Kenngrößen und Zusammenhänge qualitativer Modelle lassen sich aufgrund ihrer partiellen Unbestimmtheit nicht ohne weiteres analysieren. Daher ist zu ihrer formalen Auswertung eine Quantifizierung der qualitativen Informationen erforderlich. Dabei müssen ggf. unvergleichbare Merkmalsausprägungen künstlich in eine Rangfolge mit fest definiertem Abstand gebracht werden, so dass die mit Hilfe des quantifizierten Modells erzielten Aussagen stets kritisch hinterfragt werden müssen. 2.2.2.3 Unterteilungsmöglichkeiten nach der Art der Abstraktion • Bei einem deterministischen Modell geht man davon aus, dass alle dem Modell
zugrunde liegenden Informationen mit Sicherheit bekannt (deterministisch) sind. Demgegenüber handelt es sich um ein stochastisches Modell, wenn die Ausprägungen relevanter Daten unsicher sind und sich lediglich durch Zufallsvariablen bzw. alternative zukünftige Umweltlagen abbilden lassen; vgl. Kap. 2.3.1. • Fast alle durch ein Modell abgebildeten realen Systeme existieren im Zeitablauf
und unterliegen entsprechenden dynamischen Veränderungen ihrer Daten. Abstrahiert man von der zeitlichen Entwicklung des Systems, so erhält man ein statisches Modell. Bezieht man den Zeitaspekt jedoch in die Modellierung ein, so liegt ein dynamisches Modell vor. Dabei kann eine diskrete oder kontinuierliche Zeiteinteilung zugrunde liegen. In Bezug auf die Planungsergebnisse ist bei dynamischen Modellen die Wahl des Planungszeitraums von großer Bedeutung, insbesondere wenn von unsicheren oder unvollständig bekannten zukünftigen Informationen ausgegangen werden muss. Daher ist es häufig erforderlich, 5 Bei ordinal messbaren Informationen können verschiedene Merkmalsausprägungen in eine Rangfolge gebracht werden (z.B. Hemdengrößen S, M, L, XL), während bei nominal messbaren Informationen lediglich eine Unterscheidung der Ausprägungen (z.B. Farben, Formen) möglich ist; vgl. zu diesen Begriffen Bamberg und Baur (2001, Kap. 2.3).
2.2 Modelle und modellgestützte Planung
33
die Planung von Zeit zu Zeit mit sich verschiebendem Planungszeitraum und aktualisierten Informationen im Rahmen einer rollierenden Planung zu wiederholen bzw. zu modifizieren; vgl. z.B. Steven (1994 b, Kap. 2.4). • Von einem Totalmodell sprechen wir, wenn ein abzubildendes reales System in
seiner Gesamtheit modelliert wird.6 Die Aufstellung eines Totalmodells und die simultane Planung aller Systemteile ist jedoch in der Regel nicht möglich und auch nicht sinnvoll, so dass zumeist Partialmodelle betrachtet werden, die sich jeweils auf einen bestimmten Ausschnitt des realen Systems und/oder auf eine gewisse zeitliche Reichweite der Planung beschränken. Dabei besteht jedoch die Schwierigkeit, die für die jeweilige Planungsaufgabe wesentlichen Systemelemente auszuwählen und Lösungen für verschiedene Partialmodelle zu einer konsistenten und günstigen Lösung der Gesamtaufgabe zusammenzufügen. Dazu verwendet man häufig ein sukzessives Vorgehen, bei dem die Lösung des einen Partialmodells als feststehende Größe in die Daten des nächsten (untergeordneten) Modells eingeht. Ein wichtiges Sukzessivplanungskonzept, bei dem die Partialmodelle in einem hierarchischen Zusammenhang stehen und im Sinne von Vor- und Rückkopplung miteinander verknüpft werden, ist die hierarchische Planung; vgl. z.B. Stadtler (1988) oder Steven (1994 b).
2.2.3 Quantitative Entscheidungsmodelle Im Rahmen der Planung verwendet man v.a. Entscheidungsmodelle, da sich Planung zumeist nicht auf die Beschreibung bzw. Analyse realer Systeme beschränkt, sondern Entscheidungen über die Erreichung des angestrebten Zustandes zu treffen sind. Um konkrete Pläne ermitteln zu können, ist zumindest für Teilaspekte der Entscheidungssituation ein quantitatives Entscheidungsmodell (= Optimierungsmodell) zu formulieren und zu lösen, da eine tatsächliche Optimierung nur anhand eines solchen Modells erfolgen kann. Optimierungsmodelle bestehen aus einer Menge von Alternativen (zulässigen Lösungen) und mindestens einer zu maximierenden oder minimierenden Zielfunktion, mit deren Hilfe eine oder mehrere optimale Lösungen identifiziert werden können. Die Menge der zulässigen Lösungen kann explizit vorgegeben7 oder implizit in Form eines Systems von Restriktionen (Nebenbedingungen) definiert sein. In Abhängigkeit von der Art der verfügbaren Daten, den Eigenschaften und der Anzahl der Zielfunktionen sowie der Struktur der Lösungsmenge lassen sich Optimierungsmodelle in verschiedene Klassen unterteilen. Die folgende Darstellung verschiedener grundsätzlicher Modellklassen gibt nur einen vereinfachenden, auf die wesentlichen Aspekte reduzierten Einblick. Weitergehende Ausführungen finden sich z.B. in Dinkelbach (1982, Kap. 1), Rieper (1992, 6 Ein stark aggregiertes Totalmodell eines (Produktions-) Unternehmens in Form eines graphischen Beschreibungsmodells findet sich in Abb. 1.2 auf Seite 6. 7 Z.B. im Grundmodell der Entscheidungstheorie; vgl. Kap. 2.3.1.
34
2 Planung und Entscheidung
Kap. B), Hillier und Lieberman (1997, Kap. 2), Homburg (2000, Kap. IV), Klein und Scholl (2004, Kap. 2.2 und 2.3) oder Domschke und Drexl (2005, Kap. 1). Definition 2.2: Als Modellinstanz bezeichnen wir die konkrete Ausgestaltung eines Modells durch Vorgabe von Werten für alle Parameter. Jede Lösung einer Instanz eines Optimierungsmodells, die sämtliche Restriktionen erfüllt, wird als zulässige Lösung bezeichnet. Eine zulässige Lösung heißt optimal, wenn es keine andere zulässige Lösung gibt, die hinsichtlich der Zielfunktion(en) besser bewertet ist. 2.2.3.1 Deterministische einkriterielle Optimierungsmodelle Im einfachsten Fall handelt es sich um ein deterministisches Modell mit einer einzigen zu maximierenden oder zu minimierenden Zielfunktion.8 Wie in Kap. 2.2.2.3 dargestellt, bedeutet dies, dass die dem Modell zugrunde liegenden Daten und Wirkungszusammenhänge mit Sicherheit bekannt sind bzw. hinreichend genau prognostiziert werden können und daher die Lösungsmenge eindeutig definiert werden kann. Die gesuchte optimale Lösung (bzw. eine von mehreren) lässt sich aufgrund der Zielfunktion eindeutig identifizieren. Durch die Formeln (2.1) - (2.3) wird ein allgemeines deterministisches einkriterielles Optimierungsmodell abgebildet; vgl. Domschke und Drexl (2005, Kap. 1.2.2). Maximiere (oder Minimiere) F x
(2.1)
unter den Nebenbedingungen t ½ gi x ® = ¾ 0 ¯ d ¿
für i = 1,...,m
xW
(2.2) (2.3)
Die Zielfunktion wird durch (2.1) repräsentiert, während (2.2) und (2.3) die Menge zulässiger Lösungen definieren. Dabei bedeuten: x
Variablenvektor (Lösung) mit n Komponenten; x = x1 x2 } xn
Fx
Zielfunktion
gi x
Funktionen zur Beschreibung von Restriktionen
W
Wertebereiche der Variablen; W = W1 u W2 u } u Wn
In Abhängigkeit von der Art der angegebenen Größen lässt sich eine weitere Einteilung deterministischer Optimierungsmodelle vornehmen:
8 Modelle mit einer Zielfunktion bezeichnen wir als einkriteriell. Eine zu minimierende Zielfunktion lässt sich durch Multiplikation aller Koeffizienten mit -1 in eine zu maximierende umwandeln.
2.2 Modelle und modellgestützte Planung
35
• Ein lineares Optimierungsmodell (LP-Modell) liegt vor, wenn F x und sämt-
liche gi x lineare Funktionen sind und die Variablen x1,...,xn (nichtnegative) n reelle Zahlenwerte annehmen dürfen (d.h. W = + ). • Ein ganzzahliges lineares Optimierungsmodell ergibt sich, falls ebenfalls nur
lineare Funktionen zu betrachten und die Variablen auf ganzzahlige Werte zu n beschränken sind (d.h. W = '+ ). Falls nur für einige Variablen Ganzzahligkeit gefordert wird, sprechen wir von einem gemischt-ganzzahligen LP-Modell. Besteht die Ganzzahligkeitsforderung darin, dass alle bzw. einige Variablen nur die binären Werte 0 oder 1 annehmen dürfen, so handelt es sich um ein binäres bzw. gemischt-binäres Modell. • Ist die Zielfunktion oder mindestens eine der Restriktionsfunktionen nichtlinear,
so sprechen wir von einem nichtlinearen Optimierungsmodell. Ebenso wie bei linearen Modellen kann es sich um reellwertige, ganzzahlige und/oder binäre Variablen handeln, so dass wiederum verschiedene Modelltypen unterscheidbar sind. 2.2.3.1.1 Beispiele linearer Optimierungsmodelle Produktionsprogrammplanung: Wir betrachten ein Grundmodell der Produktionsprogrammplanung, auf das wir in Kap. 3.4.1 ausführlicher eingehen: Unter Verwendung von drei verschiedenen Potentialfaktoren9 (z.B. Arbeit, Maschine 1, Maschine 2) können zwei Produkte P1 und P2 hergestellt werden. Die Bedarfe der beiden Produkte an Produktionsfaktoren (pro ME des Produktes), deren Kapazitäten und der Deckungsbeitrag der Produkte (= Preis – variable Kosten, in GE pro ME) sind Tab. 2.1 zu entnehmen.
Produkte
Faktoren
DB
1
2
3
P1
1
6
0
1
P2
1
9
1
2
Kapazität
100
720
60
Tab. 2.1: Daten Produktionsplanung
Frage: Wie viele ME beider Produkte sind herzustellen, so dass die Summe der Deckungsbeiträge maximiert wird ? Wir überführen dieses verbal formulierte Modell zunächst in ein lineares Optimierungsmodell. Als zu bestimmende Variablen wählen wir: x1
zu fertigende ME von Produkt P1
x2
zu fertigende ME von Produkt P2
Die Lösungsmenge X (Menge zulässiger Lösungen) wird durch folgende Nebenbedingungen beschränkt: 9 Vgl. zu Produktionsfaktoren Kap. 1.1.1.
36
2 Planung und Entscheidung
x1 + x2 d 100
wegen Kapazitätsrestriktion für Faktor 1
(2.4)
6x1 + 9x2 d 720
wegen Kapazitätsrestriktion für Faktor 2
(2.5)
x2 d 60
wegen Kapazitätsrestriktion für Faktor 3
(2.6)
Sinnvollerweise müssen ferner so genannte Nichtnegativitätsbedingungen gelten: x 1 x 2 t 0 (2.7) Die Zielfunktion lautet: Maximiere DB x1 x2 = x1 + 2x2
(2.8)
Durch die lineare Zielfunktion (2.8) und die linearen Nebenbedingungen (2.4) - (2.7) wird ein lineares Optimierungsmodell formuliert. Genauer gesagt handelt es sich um eine Instanz des Modells, da die Parameter der Zielfunktion und der Nebenbedingungen konkrete Zahlen sind. x2
x2
100
100 (2.4) 80
(2.4)
(2.6) 60 DB=80 40 x1 + x2 d 100
20 100
x1
Abb. 2.1: Zulässiger Bereich bei einer Nebenbedingung
(2.8)
20
DB(x*)
X
(2.5) 40
60
80
100
x1
Abb. 2.2: Lösungsmenge X und Iso-Gewinnlinien
Da die Modellinstanz nur zwei Variablen aufweist, lässt sie sich graphisch lösen; vgl. Abb. 2.1 und Abb. 2.2.10 Dazu überlegen wir uns zunächst, welche Punkte x = x1 x2 hinsichtlich jeder einzelnen Nebenbedingung zulässig sind. Den zulässigen Bereich bzgl. Nebenbedingung (2.4) erhalten wir, indem wir uns überlegen, welche Punkte die Bedingung als Gleichung erfüllen. Es handelt sich um alle Punkte auf der Geraden, die durch x = (100,0) und x = (0,100) verläuft. Ferner erfüllt der Ursprung die gegebene Ungleichung, so dass wir den in Abb. 2.1 durch einen Pfeil angedeuteten Halbraum erhal10 Zu Verfahren und Software für allgemeinere Modelle der linearen Optimierung, v.a. den Simplex-Algorithmus, vgl. Kap. 2.4.1.1, Kap. 2.4.4 sowie Domschke und Drexl (2005, Kap. 2).
2.2 Modelle und modellgestützte Planung
37
ten. Die Menge X der zulässigen Lösungen der Modellinstanz entspricht dem Durchschnitt der Lösungsmengen aller Nebenbedingungen (in Abb. 2.2 durch Schattierung des Randes angedeuteter Bereich). Danach zeichnen wir eine Linie gleichen Gewinns (Iso-Gewinnlinie), z.B. für DB = 80; sie schneidet die Abszisse im Punkt (80,0) und die Ordinate in (0,40). Gesucht ist ein Punkt, der einen maximalen Gesamtdeckungsbeitrag erzielt. Dazu ist die IsoGewinnlinie so lange parallel (in diesem Fall nach oben) zu verschieben, bis der zulässige Bereich gerade noch berührt wird. Wir erhalten die optimale Lösung x*= x 1 = 30 x 2 = 60 mit DB(x*) = 150 GE als zugehörigem Gesamtdeckungsbeitrag. Klassisches Transportproblem (TPP): Das TPP lässt sich wie folgt beschreiben (siehe Abb. 2.3): Im Angebotsort (oder beim Anbieter) Ai (i = 1,...,m) sind ai ME eines bestimmten Gutes verfügbar. Im Nachfrageort (oder beim Nachfrager) Bj (j = 1,...,n) werden bj ME dieses Gutes benötigt. Hinsichtlich der Angebots- und Nachfragemengen gelte die Beziehung ¦ ai = ¦ bj . j i Die Kosten für den Transport einer ME von Ai nach Bj betragen cij GE. Gesucht ist ein kostenminimaler Transportplan so, dass alle Bedarfe befriedigt (und damit zugleich alle Angebote ausgeschöpft) werden.
Anbieter a1
A1
ai
Ai
am Am
Nachfrager B1 b1 cij
Bj bj
Bn bn
Abb. 2.3: Transportbeziehungen
Bezeichnen wir mit xij die von Ai nach Bj zu transportierenden ME, so lässt sich das Problem als lineares Optimierungsmodell wie folgt formulieren: m
Minimiere K x = ¦i = 1
n
¦j = 1 cij xij
(2.9)
unter den Nebenbedingungen n
für i = 1,...,m
(2.10)
¦i = 1 xij = bj
m
für j = 1,...,n
(2.11)
xij t 0
für alle i und j
(2.12)
¦j = 1 xij = ai
Dieses Modell, für das sich in der Literatur der Begriff "klassisches Transportproblem" durchgesetzt hat, stellt für viele reale Probleme eine Vereinfachung dar. Einerseits können mehrere Anbieter zu einer Anbieterregion und/oder mehrere Nachfrager zu einer Nachfragerregion aggregiert sein. Andererseits sind die Transportkosten cij häufig nicht linear, sondern zumeist eine degressiv wachsende Funktion der
38
2 Planung und Entscheidung
zu transportierenden Menge xij ; die Linearisierung ist jedoch in vielen Fällen eine akzeptierbare Vereinfachung in Bezug auf die Lösbarkeit des Modells. Die vom Modell geforderte Gleichung ¦ ai = ¦ bj stellt in der Regel keine Einschränkung j i dar, da sie sich durch Einführen eines fiktiven Anbieters oder Nachfragers erfüllen lässt; vgl. z.B. Domschke (1995, Kap. 6.4). Ein einfaches Lösungsverfahren wird in Kap. 2.4.1.2.3 beschrieben. 2.2.3.1.2 Beispiel eines binären linearen Optimierungsmodells Das Rucksack- oder Knapsack-Problem ist eines der schlichtesten Entscheidungsprobleme, das sich als binäres lineares Optimierungsmodell formulieren und wie folgt beschreiben lässt; vgl. z.B. Domschke et al. (1996) sowie Kap. 6.5.1: Ein Wanderer kann in seinem Rucksack unterschiedlich nützliche Gegenstände verschiedenen Gewichts mitnehmen. Seine Aufgabe besteht darin, eine Teilmenge der Gegenstände so auszuwählen, dass er bei einzuhaltendem Höchstgewicht des Rucksacks einen maximalen Gesamtnutzen erzielt. Bezeichnen wir die Anzahl der verfügbaren Gegenstände mit n, den Nutzen von Gegenstand j=1,...,n mit uj , sein Gewicht mit gj und das Höchstgewicht des Rucksacks mit G, so lässt sich das Knapsack-Problem durch das binäre lineare Optimierungsmodell (2.13) - (2.15) abbilden. Dabei verwenden wir Binärvariablen xj , die für jeden Gegenstand anzeigen, ob er mitgenommen werden soll ( xj = 1 ) oder nicht ( xj = 0 ). n
Maximiere U x = ¦j = 1 uj xj
(2.13)
unter den Nebenbedingungen n
¦j = 1 gj xj d G xj ^ 0 1 `
(2.14) für j = 1,...,n
(2.15)
Mit der Zielfunktion (2.13) wird der maximale Gesamtnutzen angestrebt, während die Nebenbedingung (2.14) die Einhaltung der Gewichtsrestriktion garantiert. (2.15) definiert die Binärvariablen. Trotz seiner Schlichtheit ist dieses Modell bei verschiedenen ökonomischen Fragestellungen von Bedeutung. Beispiele sind: Investitionsprogrammplanung bei festem Budget (vgl. hierzu sowie zu heuristischen Lösungsverfahren Kap. 6.5.1), Produktionsprogrammplanung bei einem Engpassfaktor (vgl. Kap. 8.7.2.4) oder Auswahl von Werbemedien (vgl. Kap. 5.5.1.2). 2.2.3.1.3 Beispiel eines nichtlinearen Optimierungsmodells Das so genannte Steiner-Weber-Problem besteht darin, einen Standort für ein Zentrallager so zu bestimmen, dass die Gesamtkosten der Belieferung aller n Kunden minimal sind.11 Am zu ermittelnden Standort des Zentrallagers soll zugleich die 11 Vgl. Domschke und Drexl (1996, Kap. 5.2.3) sowie Kap. 4.5.1.
2.2 Modelle und modellgestützte Planung
39
Produktionsstätte für die Herstellung eines beliebig teilbaren Gutes entstehen. Die Kunden j = 1,...,n befinden sich an Koordinaten uj vj einer homogenen Fläche (Ebene) und weisen Bedarfe von bj ME des Gutes pro Periode auf. Jeder Punkt der Ebene kommt als potentieller Standort für den Betrieb (Produktionsstätte + Lager) in Frage. Die Transportkosten zwischen je zwei Punkten ui vi und uj vj der Ebene sind proportional zur Transportmenge und zur zurückzulegenden Entfernung und betragen einheitlich c GE pro ME und LE. Zur Entfernungsmessung wird die Euklidische Metrik (Luftlinienentfernung) verwendet: 2
d i j := ui – uj + vi – vj
2
(2.16)
Gesucht sind die Koordinaten x*,y* für den optimalen Standort des Betriebes, so dass die Kunden kostenminimal beliefert werden können. Das beschriebene Entscheidungsproblem wird durch das nichtlineare Optimierungsmodell (2.17) abgebildet, das keine einschränkenden Nebenbedingungen aufweist und die zu minimierenden Gesamtkosten der Belieferung gemäß der zugrunde gelegten Euklidischen Entfernungsmessung berechnet. n
2
Minimiere K x y = c ¦j = 1 bj x – uj + y – vj
2
mit x y
(2.17)
2.2.3.2 Deterministische multikriterielle Optimierungsmodelle Sind mehrere Zielfunktionen bzw. -kriterien simultan zu betrachten, so handelt es sich um ein (deterministisches) multikriterielles Optimierungsmodell. Anstelle einer einzelnen Zielfunktion ist ein Vektor F x = F1 x F2 x } Fk x von Zielfunktionen zu "maximieren", weswegen man auch von Vektoroptimierungsmodell spricht; vgl. Dinkelbach (1982, Kap. 3.1.2). Neben derartigen Extremierungszielen können Satisfizierungsziele und Approximationsziele auftreten; vgl. Riess (1996, Kap. 2). Bei ersteren ist lediglich ein gewisser Schwellenwert (Anspruchsniveau) zu erreichen, so dass sich Satisfizierungsziele durch Nebenbedingungen abbilden lassen. Bei Approximationszielen wird eine möglichst weitgehende Annäherung an einen vorgegebenen Wert angestrebt. Dies kann durch Minimierung bestimmter Abstandsmaße formuliert und damit auch als Extremierungsziel behandelt werden. Mit Beziehungen zwischen Zielen sowie Möglichkeiten der Lösung von Zielkonflikten beschäftigen wir uns in Kap. 2.3.3. 2.2.3.3 Stochastische Optimierungsmodelle Wenn nicht davon ausgegangen werden kann, dass die dem Modell zugrunde liegenden Daten vollständig bekannt und sicher sind, so ergibt sich ein stochastisches Optimierungsmodell; vgl. z.B. Dinkelbach und Kleine (1996, Kap. 3) oder Scholl (2001, Kap. 3.2.3). An die Stelle eines einzigen, deterministischen Wertes treten bei unsicheren Modellparametern mehrwertige Informationen. Allgemein kann man
40
2 Planung und Entscheidung
davon ausgehen, dass mehrere zukünftige Umweltlagen (Szenarien) mit bestimmten Wahrscheinlichkeiten für möglich gehalten werden, d.h. dem stochastischen Optimierungsmodell liegen mehrere mögliche Modellinstanzen zugrunde. Ebenso wie bei Zielkonflikten in multikriteriellen Modellen lässt sich nicht ohne weiteres ein lösbares Optimierungsmodell aufstellen, da aufgrund der unvollkommenen Information weder die Optimalität noch die Zulässigkeit einer Lösung eindeutig feststellbar sind. Ein einfaches stochastisches Optimierungsmodell und Lösungsmöglichkeiten beschreiben wir in Kap. 2.3.1 und 2.3.2. Wie deterministische Modelle lassen sich stochastische z.B. in ein- und multikriterielle, lineare, (gemischt-) ganzzahlige, (gemischt-) binäre und nichtlineare Modelle unterteilen. 2.2.4 Modellgestützte Planung Reale Entscheidungssituationen weisen sehr unterschiedliche Eigenschaften auf, insbesondere im Hinblick auf ihre Strukturiertheit. Mit entsprechenden Struktureigenschaften bzw. Strukturdefekten befassen wir uns in Kap. 2.2.4.1. Anschließend beschreiben wir in Kap. 2.2.4.2 die Planung als Prozess der modellgestützten Strukturierung und Lösung von Entscheidungsproblemen. 2.2.4.1 Struktureigenschaften von Entscheidungsproblemen In Abhängigkeit von der Struktur der Entscheidungssituation – beschrieben durch Eigenschaften von Daten, Variablen, Wirkungszusammenhängen und Zielsetzungen (vgl. Kap. 2.1.1) – lassen sich verschiedene Typen von Problemen angeben, die unterschiedliche Anforderungen an die Planung stellen. Abb. 2.4 beinhaltet eine entsprechende Klassifikation von Entscheidungsproblemen, bei der von oben nach unten der Grad der Strukturiertheit des Problems zunimmt bzw. Anzahl und Ausmaß von Strukturdefekten abnehmen.12 Grundsätzlich gilt, dass eine Planung umso leichter fällt, je besser ein Entscheidungsproblem strukturiert ist. Von einem abgrenzungsdefekten Problem spricht man, wenn dem Planer die Problemvariablen nicht (vollständig) bekannt sind. Das heißt, es ist unklar, welche Maßnahmen geeignet sind und in welchem Bereich des realen Systems diese anzusetzen haben, um zu einer Problembeseitigung beizutragen. Ist die Menge der Variablen bzw. der Handlungsalternativen jedoch vollständig bekannt oder kann sie ermittelt und sinnvoll eingeschränkt werden, so wollen wir das Entscheidungsproblem als abgrenzungsdefiniert bezeichnen. Eine weitere Art eines Strukturdefekts besteht darin, dass die einem Entscheidungsproblem zugrunde liegenden Daten und/oder Wirkungszusammenhänge zwischen Daten und Variablen nicht bekannt oder unsicher sind. In diesem Fall liegt ein wir12 Zu ähnlichen Einteilungen von Strukturdefekten vgl. Rieper (1992, S. 57 ff.), Adam (1996, Kap. 1.1), Scholl (2001, Kap. 2.3) oder Klein und Scholl (2004, Kap. 2.4).
2.2 Modelle und modellgestützte Planung
41
Entscheidungsproblem bekannt
Art und Anzahl der Variablen
abgrenzungsdefiniert Daten und Wirkungszusammenhänge
wirkungsdefiniert möglich
Bewertung der Handlungsalternativen
bewertungsdefiniert eindeutige operationale Zielfunktion
zielsetzungsdefiniert verfügbar
effizientes Lösungsverfahren
effizient lösbar
unbekannt oder unsicher
wirkungsdefekt nur teilweise möglich
bewertungsdefekt nicht vorhanden
zielsetzungsdefekt nicht verfügbar
Wohlstrukturiertheit
vorhanden
abgrenzungsdefekt Strukturdefekte
bekannt
nicht vollständig bekannt
lösungsdefekt
Abb. 2.4: Strukturdefekte von Entscheidungsproblemen
kungsdefektes Problem vor. Ist ein derartiger Strukturdefekt nicht vorhanden oder lässt er sich aus dem zu lösenden Entscheidungsproblem geeignet eliminieren, so handelt es sich um ein wirkungsdefiniertes oder scharf definiertes Problem. Kennt man mögliche Handlungsalternativen und die relevanten Wirkungszusammenhänge, so stellt sich die Frage nach der Bewertung der Alternativen anhand eines oder mehrerer Zielkriterien. Ist die Angabe solcher Werte, die den Beitrag einer Alternative zur Erreichung des jeweiligen Ziels quantifizieren, nicht (unmittelbar) möglich, so handelt es sich um einen Bewertungsdefekt. Derartige Defekte spielen in fast allen realen Entscheidungssituationen eine Rolle, so z.B. bei der Bewertung von Lagerbeständen bzw. Fehlmengen, bei der Erfassung qualitativer Maße wie der Kundenzufriedenheit und bei der Bewertung von Engpasskapazitäten mit Hilfe von Opportunitätskosten. Liegen Bewertungsdefekte nicht vor oder sind sie überwunden, so sprechen wir von einem bewertungsdefinierten Problem. Liegen dem Entscheidungsproblem mehrere konfliktäre Ziele zugrunde oder steht das anzustrebende Niveau der Zielgröße(n) nicht fest, so kann trotz der Bewertungsdefiniertheit des Problems in der Regel keine der Handlungsalternativen als optimal identifiziert werden. In diesem Fall sprechen wir von einem zielsetzungsdefekten Problem, das sich prinzipiell als multikriterielles Optimierungsmodell formulieren
42
2 Planung und Entscheidung
lässt (vgl. Kap. 2.2.3.2). Ist nur eine operationale Zielsetzung zu beachten, sind mehrere operationale Zielsetzungen zueinander komplementär oder lässt sich der Zielkonflikt auflösen, so handelt es sich um ein zielsetzungsdefiniertes oder wohldefiniertes Problem. Das Problem lässt sich als einkriterielles Optimierungsmodell formulieren (vgl. Kap. 2.2.3.1). Existiert zur Lösung eines solchen Modells ein effizientes Lösungsverfahren, so sprechen wir von einem wohlstrukturierten bzw. effizient lösbaren Problem, ansonsten davon, dass es lösungsdefekt ist. Ein Lösungsverfahren wird als effizient bezeichnet, wenn es – unabhängig von der konkreten Modellinstanz (Ausprägung der Daten) – eine optimale Lösung des Modells in akzeptabler Rechenzeit auf einem Computer ermittelt (vgl. zu einer präziseren Begriffsfassung im Sinne der Komplexitätstheorie Kap. 2.4.2). Wohlstrukturiert sind z.B. sämtliche Probleme, die sich als lineares Optimierungsmodell mit reellwertigen Variablen (vgl. Kap. 2.2.3.1) formulieren lassen. In dieser Klasse sind u.a. Kürzeste-Wege-Probleme sowie das klassische Transportproblem enthalten. Ebenfalls wohlstrukturiert sind einzelne Probleme, die nur durch ganzzahlige und/oder nichtlineare Modelle abgebildet werden können, jedoch eine besondere Modellstruktur aufweisen (z.B. lineares Zuordnungsproblem, WagnerWhitin-Problem; vgl. Kap. 8.5.3.2 sowie Kap. 4.3.3.1). Demgegenüber sind z.B. viele kombinatorische Problemstellungen, deren Lösungen aus Kombinationen oder Reihenfolgen bestimmter Problemelemente bestehen und die als ganzzahlige lineare oder nichtlineare Optimierungsmodelle formulierbar sind, lösungsdefekt. Bekannte Beispiele sind das Knapsack-Problem (vgl. Kap. 2.2.3.1.2) und Tourenplanungsprobleme (vgl. Kap. 4.4.3). 2.2.4.2 Planung als modellgestützter Strukturierungsprozess Entscheidungsträger sind nur selten in der Lage, ein reales Entscheidungsproblem unmittelbar und ohne große Verluste an Abbildungsgenauigkeit in ein (quantitatives) Modell zu übertragen und dieses mit Hilfe geeigneter Methoden in einem Schritt (optimal) zu lösen. Dies liegt daran, dass komplexe reale Entscheidungsprobleme häufig mehrere oder alle der zuvor dargestellten Typen von Strukturdefekten aufweisen und somit weit von der wünschenswerten Wohlstrukturiertheit entfernt sind. Daher besteht eine vordringliche Aufgabe jeder systematischen Planung darin, diese Strukturdefekte in einem fortgesetzten Modellierungs- bzw. Abstraktionsprozess möglichst weitgehend zu überwinden. Dabei ist jedoch darauf zu achten, dass derartige Strukturierungsbemühungen nicht zu gravierenden Abbildungsfehlern und Informationsverlusten führen. Somit ist der Rückübertragung bzw. -übertragbarkeit von (Modell-) Lösungen auf das reale Problem besondere Beachtung zu schenken. Im Prozess der Problemstrukturierung sind neben objektivierbaren Zusammenhängen auch subjektive Einschätzungen von Bedeutung. Somit kann Planung sowohl als heuristisch-kreativer Prozess anhand qualitativer Informationen als auch als
2.2 Modelle und modellgestützte Planung
43
systematisch-rationaler Prozess anhand quantitativer Informationen aufgefasst werden. Die Problemstrukturierung ist v.a. deshalb eine schwierige Aufgabe, weil sich Abgrenzungs-, Wirkungs-, Bewertungs- und Zielsetzungsdefekte gegenseitig beeinflussen und daher möglichst gleichzeitig zu überwinden sind, um zu einer die reale Entscheidungssituation adäquat widerspiegelnden Definition eines lösbaren Problems bzw. Modells zu gelangen. Aus Komplexitätsgründen wird dies in der Regel dennoch in einem iterativen Prozess geschehen müssen, bei dem sukzessive Veränderungen und Verfeinerungen von Problembeschreibung, Handlungsalternativen, Bewertungsgrundlagen und erkannten Wirkungszusammenhängen unter Berücksichtigung (zumeist) unsicherer Daten vorzunehmen sind. Grundsätzlich erfolgt die Strukturierung entlang der in Abb. 2.4 dargestellten Hierarchie von Problemdefekten, jedoch sind unter Beachtung von Interdependenzen beliebige Rückschritte (feed back) und Vorgriffe (feed forward) denkbar und häufig auch notwendig. Modifikation
empfundenes reales Entscheidungsproblem
verbales Modell
Generierung und Vorauswahl von Handlungsalternativen
Bessere Handlungsalternativen?
Datenprognose und Ermittlung der Wirkungszusammenhänge
Variablen des Modells Feed back
Feed forward
abgrenzungsdefiniertes Probl.
Erklärungs-, Prognose-, Simulationsmodell
wirkungsdefiniertes Problem Bewertung durch Kriterienauswahl und Nutzenermittlung
Bewertungsmaßstäbe?
multikriterielles Optimierungsmodell
zielsetzungsdefiniertes Probl. Optimierung
Feed back
Feed forward
bewertungsdefiniertes Probl. Auflösen von Zielkonflikten, Operationalisierung
Sicherheit der Prognose und der Wirkungszusammenhänge?
Präferenzen?
einkriterielles Optimierungsmodell Rückübertragung der Lösung
Lösung / Plan Abb. 2.5: Prozess der Strukturierung
44
2 Planung und Entscheidung
Abb. 2.5 stellt den skizzierten prinzipiellen Ablauf des Planungsprozesses in komplexen Entscheidungssituationen dar. Im Idealfall gelingt es, von einem schlechtstrukturierten zu einem wohlstrukturierten Entscheidungsproblem zu gelangen, für das mit Hilfe eines einkriteriellen deterministischen Optimierungsmodells eine optimale Lösung ermittelt werden kann. Zuerst sind Abgrenzungsdefekte zu beseitigen, da ohne Kenntnis von Handlungsalternativen nicht klar ist, welche Wirkungszusammenhänge zu analysieren sind, welche Daten benötigt werden und was bewertet werden soll. Liegen Handlungsalternativen vor bzw. ist eine erste Teilmenge möglicher Handlungsalternativen ermittelt, so sind die Variablen des Modells definiert, und es kann eine Analyse der verfügbaren Daten und der relevanten Wirkungszusammenhänge erfolgen. Dies geschieht unter besonderer Berücksichtigung der Unvollkommenheit der Informationen. Dadurch ergibt sich ein System von Restriktionen zur Beschreibung der Entscheidungssituation, d.h. ein Erklärungsmodell, das in Form eines Prognosebzw. Simulationsmodells zur Analyse der Wirkung von Handlungsalternativen (Wirkungsprognose) eingesetzt werden kann. In Abhängigkeit von den ermittelten bzw. prognostizierten Daten und Wirkungszusammenhängen erfolgt eine weitergehende Strukturierung durch Konkretisierung von Zielen und Ermittlung subjektiver Nutzengrößen im Hinblick auf die Überwindung von Bewertungsdefekten. Daraus ergibt sich in der Regel ein multikriterielles Entscheidungsmodell mit Zielkonflikten und nur teilweise operationalisierten Zielen. Durch Verdichtung von Nutzengrößen bzw. Auflösung von Zielkonflikten und Operationalisierung der Ziele gelangt man zu einem einkriteriellen (deterministischen) Optimierungsmodell, anhand dessen eine konkrete Lösung ermittelt werden kann. Ob es möglich ist, eine optimale Lösung zu identifizieren, hängt davon ab, ob das Problem bzw. das zugehörige Modell wohlstrukturiert ist oder nicht. In jedem der beschriebenen Schritte sind mehr oder weniger weitreichende Entscheidungen über die Beseitigung von Strukturdefekten zu treffen, die zum Nachlassen der Abbildungsgenauigkeit des ursprünglichen Problems durch das sich ergebende Modell führen können. Daher ist in jedem Schritt zu überprüfen, ob die durch die bessere Strukturiertheit des Modells gewonnenen Analyse- und Optimierungsmöglichkeiten den Verlust an Problemnähe aufwiegen können. Insofern sind Rückkopplungen (feed back) zur Überprüfung der getroffenen Entscheidungen erforderlich. Insbesondere ist es wichtig, ermittelte Lösungen auf das ursprünglich identifizierte Entscheidungsproblem bzw. das zugehörige verbale Modell von Ebene zu Ebene zurückzuübertragen und ihre jeweiligen Wirkungen zu analysieren. Stellt sich dabei heraus, dass die Lösung nicht in ausreichendem Maße zur Überwindung des Problems beiträgt, sind Modifikationen der auf den verschiedenen Ebenen getroffenen Strukturierungsentscheidungen vorzunehmen, wodurch sich ein weiterer Planungszyklus ergibt. Das schließt ggf. auch die Modifikation der ursprünglichen Problemdefinition und des diese abbildenden verbalen Modells ein.
2.2 Modelle und modellgestützte Planung
45
Insbesondere wird man jedoch Veränderungen an den Handlungsalternativen überprüfen müssen.13 Aufgrund der Interdependenzen zwischen den Ebenen kann es sinnvoll sein, in jedem Schritt die zu treffenden Strukturierungsentscheidungen durch Vorkopplungen (feed forward) zu überprüfen. Z.B. wird man bei der Generierung von Handlungsalternativen zumindest grobe Vorstellungen über die sich ergebenden Wirkungszusammenhänge und Nutzenbewertungen haben müssen. Da man im Rahmen einer Vorkopplung spätere Strukturierungsschritte gedanklich vorwegnimmt, spricht man hierbei auch von Antizipation. Die Berücksichtigung bzw. Überwindung der Unsicherheit von Daten lässt sich keinem der in Abb. 2.5 enthaltenen Strukturierungsschritte eindeutig zuordnen. Prinzipiell ist es möglich, die Datenunsicherheit im Zuge der Beseitigung von Wirkungsdefekten aus der Betrachtung zu eliminieren. In diesem Fall geht man von Prognosen für die Daten aus und schätzt für jeden relevanten Parameter eine feste, erwartete Ausprägung. Dadurch gelangt man zu deterministischen (Erklärungs- und Optimierungs-) Modellen. Es besteht jedoch auch die Möglichkeit, aus Prognosen über die Datenentwicklung (Entwicklungsprognosen) mehrwertige Erwartungen für die Parameter zu schätzen und diese im Modell zu berücksichtigen. In diesem Fall ergibt sich ein stochastisches (Erklärungs-) Modell (vgl. Kap. 2.2.3.3). Die Datenunsicherheit muss dann im Zuge der Formulierung von Bewertungsgrundlagen und/oder der Auflösung der Zielkonflikte überwunden werden, da sich eine optimale Lösung (i.e.S.) nur für deterministische Probleme bzw. Modelle ermitteln lässt. In bestimmten Entscheidungssituationen ist eine mathematische Modellformulierung nicht sinnvoll, nicht möglich oder nicht notwendig. Dies gilt etwa dann, wenn von vornherein nur wenige Handlungsmöglichkeiten zur Auswahl stehen, die sich nach bestimmten qualitativen Kriterien in eine eindeutige Rangfolge bringen lassen. Ebenso sollte man auf eine mathematische Modellierung eher verzichten, wenn keine sinnvollen quantitativen Daten beschaffbar sind bzw. deren Ermittlung unverhältnismäßig teuer ist. In solchen Fällen können bestimmte Strukturierungsschritte entfallen. Jedoch besteht auch dann die Notwendigkeit, die Problemstellung so weit zu strukturieren und damit geistig zu durchdringen, dass die rationale Auswahl einer Lösung möglich ist.
13 Eine besonders auf diesen Aspekt ausgerichtete Beschreibung des Prozesses der modellgestützten Planung gibt Schneeweiß (1992, Kap. 1). Einem zweistufigen Prozess der Modellbildung (1. Überführung des realen Problems in ein Realmodell, 2. Formalisierung und Vereinfachung in einem Formalmodell) steht ein ebenfalls zweigeteilter Validierungsprozess gegenüber. Im Rahmen einer empirischen Validierung ist die Gültigkeit der bei der Erstellung des Realmodells aufgestellten Hypothesen zu prüfen. Die Entscheidungsvalidierung dient dazu, die Eignung des Formalmodells als Relaxation des Realmodells zu überprüfen.
46
2 Planung und Entscheidung
Der beschriebene Prozess der Planung muss auch unter dem Aspekt der durch ihn verursachten Kosten gesehen werden. Häufig lässt sich eine problemadäquate und zu sehr guten Entscheidungen führende Planung zwar prinzipiell durchführen, die dadurch entstehenden Kosten stehen jedoch in keinem Verhältnis zu der durch die Planung erzielten Verbesserung des Problemzustandes. Daher ist in jedem Strukturierungsschritt abzuwägen, ob die erzielbaren Erkenntnisgewinne den Aufwand an dafür erforderlichen Ressourcen (Planer, Informationen, Geräte, Softwareprogramme usw.) rechtfertigen. Insbesondere betrifft dies Kosten der Informationsbeschaffung und der Entwicklung und Implementierung von Lösungsverfahren. 2.2.5 Planungs- und Entscheidungsmethoden Zur Ausführung der verschiedenen Planungsphasen bzw. Strukturierungsschritte existiert eine Vielzahl von Planungs- und Entscheidungsmethoden (oder -verfahren); in der Literatur wird oft auch von Managementtechniken gesprochen.14 Obwohl eine Klassifikation der Methoden nur schwer möglich ist, nehmen wir in Anlehnung an Schierenbeck (2003, Kap. 4.C) sowie Klein und Scholl (2004, Kap. 2.5) eine grobe Einteilung vor, die sich grundsätzlich an der in Kap. 2.2.4.2 beschriebenen Gliederung des Planungsprozesses in verschiedene Strukturierungsschritte orientiert.15 Dabei verzichten wir auf Darstellungen der Methoden und verweisen stattdessen auf die Literatur bzw. diejenigen Kapitel des Buches, in denen sie näher erörtert werden. Es werden folgende Methodenklassen unterschieden: • Analysetechniken: Methoden der System- und Problemanalyse zur Gewinnung
von Anregungsinformationen (u.a. Kennzahlensysteme, Stärken-/Schwächenanalyse, Portfolio-Analyse, Umsatzanalyse, Check-list-Verfahren, Benchmarking, Wertanalyse); vgl. z.B. Kap. 5.1.4. • Kreativitätstechniken: Techniken zur Generierung und Vorauswahl von Hand-
lungsalternativen in komplexen und neuartigen Problemsituationen, die bei der Ausschöpfung des kreativen Potentials der Planer und Entwickler helfen sollen (z.B. Brainstorming, Brainwriting, morphologische Methoden, Synektik); vgl. Haupt (2000, S. 61 ff.), Hentze et al. (2001, Kap. 2), Eisenführ und Weber (2003, Kap. 4.7) sowie Klein und Scholl (2004, Kap. 4.2). • Prognosemethoden: Sie dienen der Erstellung von Entwicklungs- und Wir-
kungsprognosen. Je nach Zweck und Fristigkeit handelt es sich um quantitative Ansätze (zeitreihenbasierte Methoden (Kap. 4.2.2.1), ökonometrische Methoden, neuronale Netze) oder um qualitative Methoden (z.B. Simulation, Beobachtungen und Befragungen). Zu letzterer Gruppe zählen auch Expertenbefragun14 Wir verwenden die Begriffe Methode, Technik und Verfahren weitgehend synonym. 15 Jede Gliederung von Planungsmethoden ist mehr oder weniger willkürlich, da viele Methoden nicht nur einen Zweck verfolgen, sondern den Anspruch erheben, ein umfassender Planungsansatz zu sein. Jedoch lassen sich die meisten Techniken gemäß ihrem Einsatzschwerpunkt einer bestimmten Klasse zuordnen.
2.3 Grundlagen der Entscheidungstheorie
47
gen mittels Szenario-Technik oder der Delphi-Methode, die v.a. im Rahmen der strategischen Planung von Bedeutung sind; vgl. Kap. 8.2.1. Übersichten über Prognosemethoden geben z.B. Hansmann (1983), Adam (1996, Kap. 4.1), Klein und Scholl (2004, Kap. 6) oder Mertens und Rässler (2005). • Bewertungstechniken: Bewertung von Handlungsalternativen, Auflösen von
Zielkonflikten und Operationalisierung von Zielkriterien (Ansätze der Entscheidungstheorie, multiattributive Wert- und Nutzentheorie); vgl. Kap. 2.3.4. • Optimierungsmethoden: Methoden des Operations Research zur Ermittlung
optimaler oder näherungsweise optimaler Lösungen für deterministische (oder stochastische) Optimierungsmodelle; vgl. Kap. 2.4. • Erhebungstechniken: Methoden der Datenerhebung (z.B. Fragebogen-, Inter-
view- und Stichprobentechnik); vgl. z.B. Kap. 5.1.3. • Darstellungstechniken: Darstellung von Problemen, Organisationsstrukturen,
Prozessen, Lösungen, Konzepten usw. mit graphischen Hilfsmitteln (z.B. Netzpläne, Ablaufpläne, Gantt-Diagramme, Organigramme, Stellenbeschreibungen, Entity Relationship-Modelle); vgl. Kap. 3.5.2 und Kap. 8.4.3. • Argumentations- oder Verhandlungstechniken: Methoden zur Präsentation von
Problemen, Konzepten und Ergebnissen sowie zur Durchführung von Verhandlungen; vgl. z.B. Neus (1998, Kap. II-3.4.1) sowie auch Kap. 8.7.2.
2.3 Grundlagen der Entscheidungstheorie Die Entscheidungstheorie oder -lehre befasst sich systematisch mit dem Treffen von Entscheidungen, die darin bestehen, eine Handlungsalternative zur Lösung von Entscheidungsproblemen aus einer Menge möglicher Alternativen auszuwählen. Man kann zwei Hauptrichtungen der Entscheidungstheorie unterscheiden; vgl. Sieben und Schildbach (1994, Kap. I.A): • Die normative (präskriptive) Entscheidungstheorie befasst sich mit der Ent-
wicklung von Richtlinien zur rationalen Auswahl von Handlungsalternativen. Dabei geht sie davon aus, dass Rationalität eine sinnvolle und zweckmäßige Grundeinstellung eines wirtschaftlich handelnden Entscheidungsträgers ist. Wird dem Entscheidungsträger die Wahl seiner Ziele überlassen, so handelt es sich um den praktisch-normativen Zweig der Entscheidungstheorie; werden zusätzlich Aussagen über zweckmäßige Ziele gemacht, so liegt der bekennendnormative Zweig vor. • Die empirisch-realistische (deskriptive) Entscheidungstheorie versucht, das Ent-
scheidungsverhalten von Menschen zu beschreiben und mittels empirisch gehaltvoller Hypothesen zu erklären. Sie weist daher enge Bezüge zur Soziologie und zur Psychologie auf.
48
2 Planung und Entscheidung
Wir geben im Folgenden einen Einblick in Modelle und Methoden der praktischnormativen Entscheidungstheorie; vgl. dazu sowie zu den anderen Zweigen der Entscheidungstheorie z.B. Sieben und Schildbach (1994), Laux (2003), Eisenführ und Weber (2003), Saliger (2003), Bamberg und Coenenberg (2004) oder Klein und Scholl (2004). Dabei beginnen wir mit dem so genannten Grundmodell und entsprechenden Lösungsmöglichkeiten; anschließend gehen wir auf Ansätze zur Messung von subjektiven Präferenzvorstellungen (Wert- und Nutzenfunktionen) und mehrstufige Entscheidungsprobleme ein. 2.3.1 Das Grundmodell der Entscheidungstheorie Das Grundmodell der Entscheidungstheorie geht davon aus, dass aus einer vorgegebenen Menge von Handlungsalternativen eine "optimale" auszuwählen ist. Im einzelnen besteht es aus folgenden Elementen: • (Handlungs-) Alternativen (= Aktionen = Strategien) a1 ,..., ai ,..., am , zwischen
denen der Entscheidungsträger wählen kann. Die m Alternativen sind bekannt. • Situationen (= Szenarien = Umweltlagen) s1 ,..., sj ,..., sn , von denen angenom-
men wird, dass sie der Entscheidungsträger nicht beeinflussen kann (z.B. die konjunkturelle Entwicklung). Eventuell sind Wahrscheinlichkeiten p1 ,..., pn für das Eintreten von s1 ,..., sn gegeben. Sind die denkbaren Situationen vollständig n erfasst, so gilt ¦j = 1 pj = 1 . • Ziele z1 ,..., zh ,..., zk (z.B. Umsatz-, Gewinn- oder Nutzenmaximierung, Kosten-
minimierung), die der Betrieb oder der Entscheidungsträger verfolgt. h
• Ergebnisse eij bezüglich Ziel zh bei Entscheidung ai und Situation sj (für alle
h, i, j). • Ergebnismatrix: Besitzt das Modell nur ein Ziel (gilt also k = 1), so wollen wir
diese Matrix mit E = ( eij ) bezeichnen und in der in Tab. 2.2 angegebenen Form darstellen. p1 s1 a1
pj ...
sj
pn ...
sn
e11
e1j
e1n
ei1
eij
ein
em1
emj
emn
... ai ... am
Tab. 2.2: Ergebnismatrix
2.3 Grundlagen der Entscheidungstheorie
49
Eventuell wird die Ergebnismatrix in eine Nutzenmatrix transformiert, indem man die eij mittels einer Nutzenfunktion bewertet; siehe Kap. 2.3.4. Um die transformierte Matrix von der Ergebnismatrix zu unterscheiden, bezeichnet man sie auch als Entscheidungsmatrix. In Abhängigkeit vom Informationsstand des Entscheidungsträgers sind drei Entscheidungssituationen möglich: • Entscheidung unter Sicherheit: Die eintretende Situation ist bekannt, so dass
es sich um ein deterministisches Entscheidungsmodell handelt (vgl. Kap. 2.2.2.3). • Entscheidung unter Risiko: Für die Umweltlagen sj sind Eintrittswahrschein-
lichkeiten pj bekannt; es liegt ein stochastisches Entscheidungsmodell vor. • Entscheidung unter Ungewissheit: Man kennt zwar die möglichen Umweltlagen, es gibt jedoch keine Informationen über die Eintrittswahrscheinlichkeiten. Die beiden letztgenannten Situationen fasst man auch unter dem Begriff der Entscheidung unter Unsicherheit zusammen.16 In den folgenden Abschnitten gehen wir auf Vorgehensweisen zur Alternativenwahl ein, die bei den verschiedenen Entscheidungssituationen sinnvoll und zweckmäßig sind. Dabei beschränken wir uns in Kap. 2.3.2 zunächst auf den Fall eines Zieles und beschreiben Lösungsansätze für Entscheidungen unter Risiko und Ungewissheit.17 Anschließend behandeln wir in Kap. 2.3.3 den Fall mehrerer Ziele bei Sicherheit. 2.3.2 Entscheidung bei Unsicherheit und einem Ziel Wir gehen von einer Ergebnismatrix der in Tab. 2.2 dargestellten Form aus und beginnen unsere Ausführungen mit einem Beispiel: Ein Betrieb plant die Erneuerung des Maschinenparks. Dabei bestehen die folgenden drei Investitionsmöglichkeiten: a1 : Ersatzinvestition a2 : Erweiterungsinvestition a3 : Rationalisierungsinvestition Als mögliche Umweltlagen (hier: Konjunkturentwicklung) werden erwartet: s1 : Rezession mit Eintrittswahrscheinlichkeit p1 = 0,1 s2 : Stagnation mit p2 = 0,2 16 In diesen Fällen liegen unterschiedlich schwere Wirkungsdefekte vor. 17 Im Fall der Sicherheit ist die Entscheidung bei einem Ziel trivial; es wird diejenige Handlungsalternative gewählt, die das höchste (sichere) Ergebnis aufweist. Die einzige Schwierigkeit ergibt sich bei der Bestimmung von Nutzenbewertungen (vgl. dazu Kap. 2.3.4.1). Nicht trivial ist die Entscheidung bei unendlicher bzw. durch ein Restriktionensystem gegebener Alternativenmenge. Solche Modelle und entsprechende Lösungsansätze werden vom Operations Research untersucht (vgl. dazu Kap. 2.4).
50
2 Planung und Entscheidung
s3 : langsames Wachstum mit p3 = 0,5 s4 : beschleunigtes Wachstum mit p4 = 0,2 Das Ziel besteht in der Maximierung des Umsatzes. Die Umsatzerwartungen (in T€) sind der Ergebnismatrix in Tab. 2.3 zu entnehmen (die Eintragungen in den letzten vier Spalten werden weiter unten erläutert). pj
0,1
0,2
0,5
0,2
s1
s2
s3
s4
P ai
V ai
U ai
) = P–V
a1
2
5
7
3
5,3
1,90
1,47
3,4
a2
6
3
5
4
4,5
0,92
0,71
3,6
a3
4
8
4
5
5,0
1,55
0,77
3,5
Tab. 2.3: Ergebnismatrix des Investitionsproblems
Wenn man ein derartiges Entscheidungsmodell mit einer zu maximierenden Zielsetzung analysiert, so kann man zunächst u.U. Alternativen eliminieren, die sich als ineffizient erweisen.18 Definition 2.3: Eine Alternative ai ist effizient, falls keine andere Alternative aq existiert, die eqj t eij für alle j = 1,...,n sowie eqj ! eij für mindestens ein j erfüllt. Andernfalls wird ai durch aq dominiert ( ai ist ineffizient); denn aq schneidet in allen Szenarien mindestens so gut wie und in mindestens einem Szenario besser ab als ai . Im Beispiel existiert keine ineffiziente Alternative. Eine weitere Aktion a4 mit Ergebnissen e41 = 2 , e42 = 4 , e43 = 7 und e44 = 3 würde jedoch durch a1 dominiert werden. 2.3.2.1 Lösungsmöglichkeiten bei Risiko In der Entscheidungssituation des Risikos sind Wahrscheinlichkeiten pj für das Eintreten der Szenarien j=1,...,n bekannt. Nun stellt sich die Frage, welche (effiziente) Alternative unter Ausnutzung der vorliegenden Informationen dem verfolgten Ziel am besten entspricht und somit auszuwählen ist. Dazu schlägt die Entscheidungstheorie die Verwendung bestimmter Entscheidungskriterien oder -regeln vor, zu deren Beschreibung wir einige Definitionen benötigen. n
Definition 2.4: Der Erwartungswert für Alternative ai ist P ai := ¦j = 1 pj eij . Es handelt sich um den Wert oder das Ergebnis, mit dem bei Wahl von Alternative ai durchschnittlich zu rechnen ist.19 18 Bei einem zu minimierenden Ziel sind die Ergebnisse eij mit –1 zu multiplizieren.
2.3 Grundlagen der Entscheidungstheorie
51
n
Definition 2.5: Durch die Standardabweichung V ai := ¦j = 1 pj eij – P ai 2 wird die mittlere Abweichung der einzelnen Ergebnisse vom Erwartungswert n
gemessen. Die Varianz V2 ai := ¦j = 1 pj eij – P ai 2 ist die quadrierte Standardabweichung. Die Varianz bzw. Standardabweichung wird üblicherweise als Maß für das mit einer Alternative verbundene Risiko (Möglichkeit der Erzielung ungünstiger Ergebnisse) verwendet. Da sie jedoch Abweichungen von eij gegenüber P ai nach oben und unten gleichermaßen berücksichtigt, erscheint die Semivarianz U2 ai bzw. deren positive Quadratwurzel U ai das geeignetere Risikomaß zu sein: n Definition 2.6: Die Semivarianz U2 ai = ¦j = 1 pj max ^ 0 P ai – eij ` 2 bezieht nur Ergebnisse eij ein, die den Erwartungswert P ai unterschreiten.20
Ist ein Entscheidungsträger daran interessiert, das größte durchschnittliche Ergebnis zu erzielen, so sollte er folgende Entscheidungsregel anwenden: • P -Regel: Wähle die Alternative ai , für die P ai := max ^ P ai i=1,} m `
gilt, d.h. für die der Erwartungswert P ai der Ergebnisse maximal ist. Ist er hingegen lediglich an einer Minimierung seines Risikos interessiert, so kann er eine der beiden folgenden Regeln verwenden: • V -Regel: Wähle eine Alternative ai , für die V ai := min ^ V ai i= 1 } m `
gilt, d.h. die Standardabweichung V ai bzw. die Varianz V2 ai minimal ist. • U -Regel: Wähle eine Alternative ai mit U ai := min ^ U ai i= 1 } m ` .
Beispiel: Für das Entscheidungsproblem in Tab. 2.3 liefert die P -Regel a1. Die V Regel sowie die U -Regel empfehlen die Alternative a2 . Die jeweils besten Werte sind grau unterlegt. Im Allgemeinen wird jedoch weder die Optimierung nach dem Ziel "Maximiere P" noch diejenige nach dem Ziel "Minimiere V oder U" den Präferenzen des Entscheidungsträgers entsprechen. Diese wird man eher durch eine Präferenzfunktion ) P V bzw. ) P U , die sowohl von P als auch von V bzw. U abhängt, beschreiben. Ein Beispiel dafür ist die in Tab. 2.3 enthaltene Funktion ) P V = P – V . Orientiert sich ein Entscheidungsträger an einer Präferenzfunktion ) P V bzw. ) P U , so sagt man auch, er wende die ( P , V )-Regel bzw. die ( P , U )-Regel an. Allgemein unterscheidet man Funktionen ) nach der durch sie ausgedrückten Risikoeinstellung des Entscheidungsträgers: 19 Streng genommen müsste man sagen, dass bei hinreichend häufiger Wiederholung derselben Entscheidungssituation bei Wahl von ai im Mittel mit diesem Ergebnis zu rechnen ist. Analoges gilt für die Standardabweichung. 20 Bei Minimierungszielen sind Überschreitungen des Erwartungswertes zu verwenden.
52
2 Planung und Entscheidung
• Wir sprechen von Risikosympathie oder -freude, wenn der Entscheidungsträger
Abweichungen vom Erwartungswert als Chance begreift und somit höhere Standardabweichungen besser bewertet als niedrigere. Dies gilt z.B. für die Präferenzfunktionen ) P V = 3P + V e 2 oder ) P V = P + V . • Risikoneutralität liegt vor, wenn die Abweichungen weder positiv noch negativ
bewertet werden; dies gilt für die P-Regel, also für ) P V = P . • Als Risikoaversion oder -scheu bezeichnen wir die Entscheidungshaltung, wenn
hohe Abweichungen als "Bedrohung" angesehen werden, wie dies z.B. durch die Präferenzfunktionen ) P V = P – V oder ) P U = 2P – U ausgedrückt wird.21 pj
0,5
0,1
0,1
0,3
s1
s2
s3
s4
P ai
V ai
U ai
a1
12
6
6
6
9
3,00
2,12
a2
10
1
9
10
9
2,68
2,53
Tab. 2.4: Beispiel für Risikoaversion
Bei Risikoscheu kann die Verwendung von U anstelle von V sinnvoll sein, wie die Ergebnismatrix in Tab. 2.4 zeigt. Bei Wahl von a1 ergibt sich ein Wert von mindestens 6, während die von der V -Regel präferierte Alternative a2 bei identischem Erwartungswert u.U. nur einen Wert von 1 liefert. ) = P+V
V
) =P
V
) =2
) =4
4
4
3
3
3
2
2
1
1
2 1
) =4 ) =2 1
2
3
4
Risikosympathie
P
1
2
3
) = P–V
V
4
4
P
Risikoneutralität
) =1
) =3
1
2
3
4
P
Risikoaversion
Abb. 2.6: Iso-Präferenzlinien
Risikoaversion findet man z.B. bei Versicherungsnehmern, Risikosympathie bei Glücksspielern. Abb. 2.6 zeigt Höhenlinien (Iso-Präferenzlinien) von Präferenzfunktionen dieser drei Typen. Im Falle der Risikosympathie erhöht sich – bei festem P – der Präferenzwert, d.h. man geht zu einer Höhenlinie mit größerem ) über, 21 Bei der P U -Regel ist im Gegensatz zur P V -Regel nur ein negatives Vorzeichen vor dem Streuungsmaß ( U bzw. U 2 ) sinnvoll. Es besteht grundsätzlich Risikoscheu.
2.3 Grundlagen der Entscheidungstheorie
53
wenn die Standardabweichung steigt; umgekehrt ist es bei der Risikoaversion. Bei Risikoneutralität ist der Präferenzwert unabhängig von der Standardabweichung. 2.3.2.2 Lösungsmöglichkeiten bei Ungewissheit Zur Entscheidung bei Ungewissheit wird in der Literatur eine Vielzahl verschiedener Entscheidungsregeln empfohlen. Wir wollen einige dieser Regeln darstellen, wobei wir die Ergebnisse eij als Gewinne (oder Zahlungen an den Entscheidungsträger) interpretieren. In Kap. 2.3.4.3.3 werden wir die Regeln dahingehend analysieren, ob sie bestimmte Axiome (Forderungen), die man sinnvollerweise an Entscheidungsregeln stellt, erfüllen. • Maximin-Regel: Jede Alternative ai wird mit ) ai := min ^ eij j= 1 } n `
bewertet; ) ai stellt den mit Alternative ai erzielbaren Mindestgewinn dar. Als beste Alternative ai wird diejenige ausgewählt, für die der "garantierte Mindestgewinn" maximal ist, d.h. für die gilt: ) ai := max ^ ) ai i= 1 } m `
(2.18)
Die Maximin-Regel drückt eine sehr risikoscheue Entscheidungshaltung aus. • Maximax-Regel: Jede Alternative ai wird mit ) ai := max^ eij j= 1 } n `
bewertet; ) ai ist der mit Alternative ai erzielbare Höchstgewinn. Als beste Alternative ai wird gemäß (2.18) diejenige ausgewählt, für die der Höchstgewinn maximal ist. Es handelt sich um eine Regel für einen sehr risikofreudigen, optimistischen Entscheidungsträger.
• Hurwicz-Regel: Mit einem vorzugebenden (Optimismus-) Parameter O > 0 1 @
berechnet man ) ai := O max eij + 1 – O min eij . j
j
Als beste Alternative ai wird gemäß (2.18) diejenige ausgewählt, für die die gewichtete Summe aus Mindest- und Höchstgewinn maximal ist. Mit wachsendem O steigt die Risikobereitschaft des Entscheidungsträgers. • Laplace-Regel: Jede Alternative ai wird mit ) ai :=
) ai :=
1--n
¦
n e j = 1 ij
n
¦j = 1 eij
oder mit
bewertet.
Als beste Alternative ai wird gemäß (2.18) diejenige ausgewählt, für die der durchschnittliche Gewinn am größten ist. Die Laplace-Regel geht davon aus, dass alle Umweltlagen sj gleiche Eintrittswahrscheinlichkeiten pj = 1--n- aufweisen, und entspricht damit der P -Regel. Beispiel: Wir betrachten die Ergebnismatrix in Tab. 2.5 (Gewinne in T€) und erhalten die angegebenen Werte für die vier vorgestellten Entscheidungsregeln. Der jeweils beste Wert ist grau unterlegt. Bei der Hurwicz-Regel verwenden wir O = 0,5. Jede Regel empfiehlt eine andere Alternative, so dass der Entscheidungsträger die zu berücksichtigende Regel mit großer Sorgfalt so auswählen muss, dass sie seine Risikoeinstellung bestmöglich widerspiegelt.
54
2 Planung und Entscheidung
s1
s2
s3
s4
min eij
max eij
Hurwicz
Laplace
a1
1
7
9
3
1
9
5
20
a2
6
4
5
4
4
6
5
19
a3
6
6
3
7
3
7
5
22
a4
4
8
3
5
3
8
5,5
20
Tab. 2.5: Ergebnismatrix und Präferenzwerte
• Regret- oder Savage-Niehans-Regel: Anhand der Ergebnis- oder Entschei-
dungsmatrix wird eine Opportunitätskosten- oder Regretmatrix R = ( rij ) mit rij := max^ eqj q= 1 } m ` – eij gebildet. Zur Bewertung von Alternative ai dient der größte Regret ) ai := max^ rij j= 1 } n ` . Als beste (optimale) Alternative ai wird diejenige mit dem kleinsten Wert ) ai identifiziert, d.h. es gilt ) ai := min ^ ) ai i= 1 } m ` . Der Regret rij gibt an, wie viel Gewinn man bei Eintreten von Szenario j gegenüber der besten Alternative verschenkt, wenn man ai wählt. Daher beschreibt ) ai den maximal (im ungünstigsten Fall) verschenkten Gewinn bei Wahl von ai . Bei der gewählten Alternative ist der maximal verschenkte Gewinn am geringsten. Somit handelt es sich genau genommen um eine Minimax-Regret-Regel. Ebenso lässt sich eine Maximax-, Hurwicz- oder Laplace-Regret-Regel definieren. Beispiel: Für obiges Beispiel s1 s2 s3 s4 erhalten wir die in Tab. 2.6 angegebene Regretmatrix. Als a1 5 1 0 4 Lösung ergibt sich, dass die a2 4 4 3 0 Handlungsalternative a2 auszuwählen ist, da diese im ungünsa3 0 2 6 0 tigsten Fall (bei Eintreten von a4 Szenario s2 oder s3 ) nur 4 T€ 2 0 6 2 vom maximal erzielbaren Tab. 2.6: Regretmatrix Gewinn verschenkt, ansonsten weniger. Die anderen Alternativen müssen Einbußen von bis zu 5 bzw. 6 T€ hinnehmen.
) ai 5 4 6 6
2.3.3 Entscheidung bei Sicherheit und mehreren Zielen In der Regel bestehen bei einem Entscheidungsproblem verschiedene Ziele (Zielsetzungen) z1 ,..., zk . Jede Handlungsalternative (= Lösung) ai führt hinsichtlich jedes Zieles zh (h =1,...,k) zu einem bestimmten Ergebnis ehi .22 Setzt man dieses Ergebnis in Bezug zu einem gewünschten oder bestmöglichen Ergebnis eh , so erhalten wir den Zielerreichungsgrad ghi := ehi e eh .
2.3 Grundlagen der Entscheidungstheorie
55
2.3.3.1 Zielbeziehungen Zwischen Zielen können unterschiedliche Arten von Beziehungen bestehen. Zwei Ziele zh und zp können sich zueinander wie folgt verhalten: 1) Komplementär: Mit Verbesserung des Zielerreichungsgrades von zh verbessert sich auch derjenige von zp und umgekehrt. Gehen wir davon aus, dass bezüglich zh eine Handlungsalternative ai günstiger als eine andere Handlungsalternative aq ist (d.h. ghi ! ghq ), so gilt dies bei Zielkomplementarität auch bezüglich zp (d.h. gpi ! gpq ). 2) Konkurrierend: Mit Verbesserung des Zielerreichungsgrades von zh verschlechtert sich derjenige von zp und umgekehrt. Im Falle ghi ! ghq gilt dann gpi gpq . 3) Indifferent: Mit Veränderung des Zielerreichungsgrades von zh ändert sich derjenige von zp nicht und umgekehrt. Im Falle ghi ! ghq gilt dann gpi = gpq . Abb. 2.7 verdeutlicht den Zusammenhang zwischen den Zielerreichungsgraden zweier Ziele zh und zp bei den verschiedenen Arten von Zielbeziehungen durch exemplarische Kurvenverläufe. Bei Zielkomplementarität erhöht sich mit wachsendem Zielerreichungsgrad des einen Ziels auch derjenige des zweiten, bei Zielkonkurrenz sinkt derjenige des zweiten, und bei Zielindifferenz verändert er sich nicht. g
p
g
g Zielkomplementarität
p
g
h
g
p
h
Zielkonkurrenz
g
h
Zielindifferenz
Abb. 2.7: Zielbeziehungen
Es sind (in Abhängigkeit von den in die Ziele bzw. in entsprechende Zielfunktionen eingehenden Variablen) auch wechselnde Beziehungen denkbar. Als Beispiel hierfür betrachten wir das Problem der Preisbildung eines Angebotsmonopolisten; vgl. Kap. 5.2.3. Hinsichtlich der beiden Ziele "Umsatzmaximierung" und "Gewinnmaximierung" gilt dort: Mit wachsender Absatzmenge x sind die Ziele zunächst 22 Wir gehen hier davon aus, dass eine Entscheidung unter Sicherheit vorliegt; daher entfällt der Index j für die Umweltlagen bei den Ergebnissen ehij . Außerdem unterstellen wir zu maximierende Ziele; liegen Minimierungsziele vor, können diese durch Multiplikation aller Bewertungen mit -1 in Maximierungsziele umgewandelt werden.
56
2 Planung und Entscheidung
komplementär, ab dem Cournot-Punkt xc konkurrierend und ab dem Umsatzmaximum xu wiederum komplementär (vgl. Abb. 5.4 auf Seite 192). Weitere Beispiele für Zielkonflikte sind: • Sie suchen ein Hotel unter den Zielsetzungen bzw. Beurteilungskriterien mög-
lichst niedriger Preis, ruhige Lage und zentrale Lage. • Beim in Kap. 2.2.3.1.1 geschilderten klassischen Transportproblem könnte eine
zweite Zielsetzung darin bestehen, einen Transportplan zu finden, bei dem die längste benutzte Transportverbindung möglichst kurz ist. Dadurch ergibt sich in der Regel ein Zielkonflikt mit der Zielsetzung der Gesamtkostenminimierung. 2.3.3.2 Lösung von Zielkonflikten Während die Entscheidung bei Zielkomplementarität oder -indifferenz durch das Vorhandensein mehrerer Ziele nicht erschwert wird, besteht bei Zielkonflikten die Problematik, dass keine Alternative existiert, die für alle Ziele optimal ist. Stattdessen ist es ohne weitere Annahmen lediglich möglich, effiziente Alternativen zu identifizieren: Definition 2.7: Analog zu Def. 2.3 bezeichnen wir – im Fall von Maximierungszielen – eine Alternative ai als effizient, wenn es keine andere Alternative aq gibt, die ghq t ghi für alle Ziele h = 1,...,k sowie ghq ! ghi für mindestens ein h erfüllt. Zur Auswahl der "besten" Alternative aus der Menge der effizienten lassen sich verschiedene Konzepte zur Lösung von Zielkonflikten einsetzen, die wir im Folgenden kurz beschreiben; vgl. dazu z.B. Dinkelbach (1982, Kap. 3), Hillier und Lieberman (1997, Kap. 8), Klein und Scholl (2004, Kap. 7.2) oder Domschke und Drexl (2005, Kap. 2.7). Lexikographische Ordnung: Man bildet eine Zielhierarchie A » B » C » } , wobei das mit A bezeichnete Ziel als das wichtigste, das mit B bezeichnete Ziel als das zweitwichtigste usw. erachtet wird. Nach Erstellung dieser lexikographischen Ordnung wird das Entscheidungsproblem in folgenden Schritten gelöst: 1) Optimiere das Problem ausschließlich bezüglich Ziel A. Die Menge der optimalen Lösungen (oder Alternativen) sei XA . 2) Optimiere das Problem ausschließlich bezüglich Ziel B, wobei nur XA als Menge der zulässigen Lösungen betrachtet wird. Die Menge der dabei erhaltenen optimalen Lösungen sei XB . 3) Optimiere das Problem ausschließlich bezüglich Ziel C, wobei nun nur XB als Menge der zulässigen Lösungen betrachtet wird. Führe diese Schritte so lange aus, bis nur noch eine optimale Lösung verbleibt oder keine weitere Zielsetzung zu berücksichtigen ist.
2.3 Grundlagen der Entscheidungstheorie
Beispiel: Tab. 2.7 enthält eine Ergebnismatrix mit fünf Alternativen und vier Zielen. Die Zielhierarchie sei z2 » z1 » z4 » z3 . 1) Optimal bezüglich z2 ist die Alternativenmenge ^ a1 ; a3 ` ; siehe graue Felder. Nur diese Alternativen liegen der Entscheidung bezüglich z1 zugrunde. 2) Die Alternativen a1 und a3 erbringen bezüglich z1 den gleichen Zielbeitrag 2, so dass keine von ihnen ausscheidet.
57
z1
z2
z3
z4
a1
2
4
10
6
a2
4
3
16
8
a3
2
4
10
17
a4
8
0
0
20
a5
14
2
12
8
Tab. 2.7: Zielfunktionswerte
3) Aufgrund des Zieles z4 scheidet Alternative a1 aus; optimal ist a3 . a3 ist die einzige verbliebene Alternative. Somit wird das Ziel z3 nicht mehr berücksichtigt. Zieldominanz: Eines der zu verfolgenden Ziele (i.A. das dem Entscheidungsträger wichtigste) wird zum dominierenden Hauptziel deklariert und in der Zielfunktion berücksichtigt. Alle übrigen Ziele werden zu Nebenzielen erklärt, bei denen ein bestimmtes Anspruchsniveau erfüllt werden muss. Man spricht auch von zu satisfizierenden Zielen. Für zu maximierende Nebenziele führt man eine mindestens zu erreichende untere Schranke, für zu minimierende Nebenziele eine höchstens annehmbare obere Schranke ein. Ein Problem besteht dabei in Folgendem: Durch ungeeignete (ungünstige) Schranken für Nebenziele wird unter Umständen der Zielerreichungsgrad des Hauptzieles zu sehr beschnitten, oder die Menge der zulässigen Lösungen ist sogar leer. Beispiel: Im obigen Problem werde z2 zum Hauptziel deklariert, die übrigen mögen als Nebenziele behandelt werden mit e1i t 3 bzw. e3i t 11 (3 und 11 als untere Schranken bei zu maximierenden Zielen) sowie e4i d 15 (dabei wird z4 hier als zu minimierendes Ziel interpretiert). Aufgrund der unteren und oberen Schranken sind nur die Alternativen ^ a2; a5 ` zulässig. Bezüglich z2 ist die Alternative a2 zu wählen. Zielgewichtung: Man gewichtet die k Ziele mit reellen Zahlen (Zielgewichten) O1 ,..., Oh ,..., Ok mit k 0 d Oh d 1 ; dabei sollte ¦h = 1 Oh = 1 gelten. Jede Alternative ai wird mit k ) ai = ¦h = 1 Oh ehi , d.h. der gewichteten Summe der Ergebnisse für alle Ziele, bewertet. Gewählt wird ai mit ) ai := max ^ ) ai i = 1 } m ` .
58
2 Planung und Entscheidung
Beispiel: Tab. 2.8 zeigt die bereits betrachtete Ergebnismatrix mit m = 5 und k = 4 sowie mögliche Zielgewichte Oh . Es ist die Alternative a5 zu wählen, da diese die höchste gewichtete Summe der Ergebnisse aufweist.
) ai <1 ai
z1
z2
z3
z4
a1
2
4
10
6
4,4
9
6
a2
4
3
16
8
5,6
10
6
a3
2
4
10
17
6,6
16
9
a4
8
0
0
20
6,4
25
12
a5
14
2
12
8
7,8
9
6
Oh 0,3 0,4 0,1 0,2 Als problematisch h 8 3 10 8 erweist sich die e Bestimmung geeigTab. 2.8: Zielgewichtung und Goal Programming neter Zielgewichte Oh , wenn die Ergebnisse der verschiedenen Ziele unterschiedliche Skalierungen oder Dimensionierungen aufweisen. Daher ist es häufig sinnvoller, die gewichtete Summe der Zielerreichungsgrade, d.h. ) ai = ¦k Oh ghi , zu maximieren. h=1
Goal-Programming: Hierbei werden gewünschte (z.B. die bestmöglichen) Ergebnisse eh bezüglich der einzelnen Ziele h =1,...,k vorgegeben. Gesucht ist dann diejenige Alternative ai , bei der die Summe <1 ai der absoluten Abweichungen von diesen Vorgaben minimiert wird: k
<1 ai := ¦h = 1 eh – ehi
(2.19)
Weisen die Ergebnisse der verschiedenen Ziele unterschiedliche Größenordnungen auf, so kann man zum Ausgleich dieser Unterschiede die Summanden zusätzlich mit Zielgewichten Oh multiplizieren und/oder Zielerreichungsgrade verwenden. Das beschriebene Abstandsmaß wird als L1 -Metrik (rechtwinklige Entfernungsmessung) bezeichnet. Allgemein kann man eine beliebige Lp -Metrik mit p t 1 verwenden, bei der die Abstandsmessung anhand der folgenden Funktion erfolgt:
p
k
¦h = 1
eh – ehi
p
(2.20)
Für p = 2 ergibt sich die Euklidische Entfernungsmessung (Luftlinienentfernung); für p o f erhalten wir die folgende Abstandsfunktion, bei der nur die größte Abweichung eines Ergebnisses vom Vorgabewert relevant ist und minimiert wird:
(2.21)
2.3 Grundlagen der Entscheidungstheorie
59
Beispiel: Tab. 2.8 zeigt die Berechnungen bei Verwendung der L1 -Metrik. Es ist Alternative a1 oder a5 zu wählen, da sie den kleinsten Abstand aufweisen. Für die Lf -Metrik schneidet neben den genannten auch Alternative a2 am besten ab. 2.3.4 Nutzentheorie Wir sind bislang stets davon ausgegangen, dass der Entscheidungsträger für jede Alternative ai und jedes Ziel zh ein Ergebnis ehi quantifizieren kann, das unmittelbar zur Bewertung der Handlungsalternativen dient. Dies ist jedoch nicht bei allen Arten von Zielen möglich. Z.B. lassen sich die Kundenzufriedenheit oder der subjektive Nutzen (Genuss, Freude), den ein bestimmtes Gut vermittelt, nicht ohne weiteres quantifizieren. Ebenso ist der von einem Entscheidungsträger empfundene Nutzenzuwachs, den eine zusätzliche GE an Gewinn hervorruft, abhängig von der bisherigen Höhe des Gewinns, so dass die absolute Ergebnishöhe nicht unreflektiert als Maß für die Vorteilhaftigkeit einer Alternative herangezogen werden kann. Aus den genannten Gründen ist es in vielen Fällen sinnvoll, die Ergebnisse ehi in Nutzenwerte u ehi zu überführen. Mit Methoden zur Ermittlung solcher Nutzenoder Präferenzfunktionen beschäftigt sich die Nutzentheorie, die dabei eine Reihe plausibler Anforderungen (Axiome) berücksichtigt.23 2.3.4.1 Nutzenermittlung bei Sicherheit und einem Ziel Mit Hilfe von Nutzenfunktionen werden die Präferenzen des Entscheidungsträgers mathematisch abgebildet, indem jedem Ergebnis (Ausprägung) x des betrachteten Ziels (Kriteriums) ein Nutzenwert u x zugeordnet wird.24 Dabei gilt u x ! u y , falls der Entscheidungsträger die Ausprägung x gegenüber der Ausprägung y präferiert (Schreibweise: x » y ). Im Falle u x = u y ist er zwischen x und y indifferent ( x a y ). Dabei wird in der Regel gefordert, dass die der Nutzenfunktion zugrunde liegende Präferenzordnung vollständig und transitiv ist. Das Axiom der Vollständigkeit bedeutet, dass der Entscheidungsträger für jedes Paar x und y von Ergebnissen eine Präferenz besitzt, d.h. er kann entscheiden, ob x » y , x « y oder x a y gilt. Transitivität bezieht sich darauf, dass im Falle von x » y und y » z auch x » z gilt. Ermöglicht eine Nutzenfunktion lediglich, die Ergebnisse eines Kriteriums in eine Rangfolge zu bringen, so handelt es sich um eine ordinale Nutzenfunktion. Bei einer kardinalen oder messbaren Nutzenfunktion hingegen ist die Nutzendifferenz u x – u y ein Maß für die Stärke der Präferenz von x gegenüber y; vgl. Eisenführ und Weber (2003, Kap. 5.1). 23 Zur Nutzentheorie vgl. z.B. Eisenführ und Weber (2003), Bamberg und Coenenberg (2004) sowie Klein und Scholl (2004, Kap. 3.2, 7 und 8). 24 Bei sicheren Erwartungen über die Daten spricht man in der modernen Entscheidungstheorie auch von Wertfunktionen; vgl. z.B. Eisenführ und Weber (2003, Kap. 5.1).
60
2 Planung und Entscheidung
Im Folgenden geben wir die Halbierungs- oder Medianmethode zur Bestimmung einer Nutzenfunktion bei einem (quantifizierbaren) Ziel und Sicherheit über die zukünftige Umweltlage an. Weitere Methoden beschreiben z.B. Eisenführ und Weber (2003, Kap. 5.2). Diese Entscheidungssituation ist zwar eher trivial, man erkennt jedoch die grundsätzliche Vorgehensweise zur Ermittlung von Nutzenfunktionen, die geeignet zur Abbildung subjektiver Präferenzen sind. Die Halbierungsmethode startet mit dem schlechtesten Ergebnis x0 und dem besten Ergebnis x1 und setzt u x0 = 0 sowie u x1 = 1 . In einem ersten Schritt wird der wertmäßige Mittelpunkt (Medianwert) x0 5 des Intervalls > x0 x1 @ gesucht, d.h. derjenige Wert, für den u x0 5 = 0 5 bzw. x0 o x0 5 a x0 5 o x1 gilt. Dabei bedeutet die Schreibweise x o y den Übergang von x nach y. Ist dieser wertmäßige Mittelpunkt gefunden, so kann durch sukzessive Intervallhalbierung für jedes der beiden Teilintervalle wiederum der wertmäßige Mittelpunkt x0 25 bzw. x0 75 bestimmt werden. Für das Intervall > x0 x0 5@ ist also x0 25 so zu bestimmen, dass x0 o x0 25 a x0 25 o x0 5 gilt. Damit liegt der Nutzenwert u x0 25 = 0 25 fest. Ebenso ist für > x0 5 x1@ derjenige Wert x0 75 zu finden, für den x0 5 o x0 75 a x0 75 o x1 und u x0 75 = 0 75 gilt. Diese Vorgehensweise kann bis zum Erreichen einer gewünschten Genauigkeit durch weitere Intervallhalbierungen fortgesetzt werden. u(x) Beispiel: Wir nehmen an, dass ein 1,0 gestresster Manager eine Nutzenfunktion 0,75 für die Dauer seines Karibikurlaubs (in 0,5 Tagen) aufstellen will. Er weiß, dass 0,25 der Urlaub aufgrund des langen Fluges 10 11 12 13 14 15 16 17 18 19 20 x mindestens 10 Tage Abb. 2.8: Nutzenfunktion für Karibikurlaub dauern sollte. Sein begrenztes Budget erlaubt jedoch keinen Urlaub, der länger als 20 Tage ist. Grundsätzlich geht er davon aus, dass innerhalb des so gegebenen Intervalls > x0 x1 @ = > 10 20 @ der Nutzen (Urlaubsvergnügen) mit jedem zusätzlichen Tag steigt. Daher kann er u x0 = 0 und u x1 = 1 setzen. Gemäß der Halbierungsmethode geht er davon aus, dass der Nutzenzuwachs bei einer Verlängerung des Urlaubs von 10 auf 13 Tage genauso groß ist wie bei einer Verlängerung von 13 auf 20 Tage, so dass sich u 13 = 0 5 ergibt. Im Intervall [10,13] ermittelt er den Wertmittelpunkt bei 11,2 Tagen, so dass u 11 2 = 0 25 zu setzen ist, während im Intervall [13,20] der Median bei 15,5 Tagen, d.h. u 15 5 = 0 75 , liegt. Nach einigen weiteren Überlegungen ergibt sich die in Abb. 2.8 dargestellte konkave Nutzenfunktion.
2.3 Grundlagen der Entscheidungstheorie
61
Bei einer konkaven Nutzenfunktion gilt, dass der Nutzenzuwachs durch eine zusätzliche Ergebniseinheit mit wachsendem Ergebnis abnimmt; es tritt ein Sättigungseffekt ein. Unter Umständen nimmt der Nutzen ab einem bestimmten Ergebnis sogar wieder ab. Eine konvexe Nutzenfunktion beschreibt hingegen den Sachverhalt, dass der zusätzliche Nutzen bei höherem (Ausgangs-) Ergebnis ansteigt. Häufig liegen gemischte Formen vor, bei denen konkave und konvexe Abschnitte wechseln; vgl. Abb. 2.10 b. Bei allen Methoden der Ermittlung von Nutzenfunktionen ist es sinnvoll, eine Konsistenzprüfung vorzunehmen. Z.B. kann nach dem subjektiven Wertmittelpunkt des Intervalls > x0 25 x0 75 @ gefragt werden, der (in etwa) dem Wert x0 5 entsprechen müsste. Um evtl. erkannte Inkonsistenzen zu beseitigen, ist ein interaktiver, iterativer Prozess der Modifikation von Nutzenwerten zu durchlaufen. Evtl. ist es auch erforderlich, unvollständige oder unscharfe Informationen (z.B. der Wertmittelpunkt x0 5 liegt zwischen 50 und 55) zu berücksichtigen. 2.3.4.2 Nutzenermittlung bei Sicherheit und mehreren Zielen Bei mehreren Zielen, zwischen denen Zielkonflikte bestehen, ergibt sich bei der (Gesamt-) Nutzenermittlung die zusätzliche Schwierigkeit, dass die verschiedenen Nutzenfunktionen zur Überwindung der Zielkonflikte verknüpft werden müssen. Dazu wird in der Regel von einem additiven Modell mit Gewichtung der Ziele ausgegangen (vgl. die Zielgewichtung in Kap. 2.3.3.2). Die im Folgenden beschriebene Nutzwertanalyse überlässt die Bestimmung der Nutz(en)werte und Zielgewichte vollständig der Intuition des Entscheidungsträgers. Demgegenüber versucht man im Rahmen der multiattributiven Nutzentheorie die Zielgewichte anhand von Austauschraten so festzulegen, dass sie die Nutzenbeiträge der verschiedenen Ziele zum Gesamtnutzen korrekt widerspiegeln. Vgl. dazu z.B. Schneeweiß (1991, Kap. 4.6), Eisenführ und Weber (2003, Kap. 6) sowie Klein und Scholl (2004, Kap. 7.3.2). Die Nutzwertanalyse (andere Bezeichnungen sind Scoring-Modell, Scoring-Verfahren und Punktbewertungsverfahren) ist ein in der Praxis sehr beliebtes Verfahrensprinzip. Es kommt v.a. dann zum Einsatz, wenn einige oder alle Ziele nicht ohne weiteres quantifizierbar sind. Einsatzmöglichkeiten finden sich dementsprechend z.B. bei der Bewertung von Forschungs- und Entwicklungsvorhaben oder Produktideen (vgl. Kap. 5.3.5), bei der Festlegung von Lohngruppen (vgl. Kap. 8.5.4.1) sowie bei der Beurteilung von Arbeitsplätzen, Standorten oder EDV-Systemen. Die Nutzwertanalyse bezieht subjektive Nutzenbewertungen des oder der Entscheidungsträger in Form von Punktwerten in die Beurteilung ein. Da sowohl für jedes Kriterium eine Beurteilung der Nutzenhöhe als auch die Bestimmung eines Gesamtnutzens einer Alternative durch Gewichtung der Ziele erfolgt, werden gleichzeitig Bewertungs- und Zielsetzungsdefekte beseitigt (vgl. Kap. 2.2.4.1). Im Folgenden beschreiben wir eine Grundversion der Nutzwertanalyse und geben einige Hinweise auf Varianten.25 Dabei gehen wir davon aus, dass eine Menge mög-
62
2 Planung und Entscheidung
licher Handlungsalternativen, indiziert mit i =1,...,m, anhand von Zielen (Kriterien) h =1,...,k zu beurteilen ist. Der Gesamtnutzen Ni einer Handlungsalternative ai , in den Zielgewichte Oh und Nutz(en)werte (zugeordnete Punktwerte) uih eingehen, wird gemäß einer additiven Zielgewichtung mit Hilfe von Formel (2.22) berechnet: k
Ni = ¦h = 1 Oh uih
(2.22)
Im ersten Schritt der Nutzwertanalyse sind die zu berücksichtigenden Ziele (Kriterien) zu formulieren. Dabei ist darauf zu achten, dass sie weitgehend unabhängig voneinander sind, d.h. dass zur Vergabe eines Nutzwertes für ein Kriterium nicht die Kenntnis der Ausprägung eines anderen Kriteriums erforderlich ist. Ansonsten bestehen positive oder negative Korrelationen zwischen den Kriterien, so dass eine additive Verknüpfung der Punktwerte gemäß (2.22) nicht adäquat wäre. Außerdem ist bei der Auswahl der Kriterien darauf zu achten, dass sie sich sinnvoll quantifizieren lassen, d.h. sie müssen mindestens ordinal skalierbar sein. Im zweiten Schritt erfolgt die Festlegung von Zielgewichten. Dabei gibt es verschiedene denkbare Vorgehensweisen: • In der Praxis wird häufig ein Vergleich aller Paare von Kriterien nach der relati-
ven Wichtigkeit vorgenommen. Als Gewicht Oh verwendet man den Quotienten aus der Anzahl von Fällen, in denen das Kriterium h als wichtiger als ein anderes Kriterium eingeschätzt wird, und der Gesamtanzahl k k – 1 e 2 der Vergleiche. Bei dieser Vorgehensweise besteht jedoch die Schwierigkeit, dass das Ausmaß der Bedeutungsunterschiede nicht in die Gewichtsbestimmung eingeht und dass das Hinzufügen von (irrelevanten) Kriterien zu einer Veränderung der Gewichte führt; vgl. Adam (1996, S. 416 f.). Außerdem ist es für Entscheidungsträger schwierig, die Transitivität der Vergleichsergebnisse zu garantieren, d.h. falls Kriterium a dem Kriterium b und b dem Kriterium c vorgezogen wird, so sollte auch a gegenüber c als wichtiger eingestuft werden (vgl. Kap. 2.3.4.1). • Eine zweite Vorgehensweise (Verteilungsmethode) besteht darin, dass eine
Gesamtpunktzahl von z.B. 100 Punkten auf die Kriterien verteilt wird. Dazu kann es sinnvoll sein, die Kriterien hierarchisch in Gruppen zusammenzufassen. Nun wird die Gesamtpunktzahl auf die verschiedenen Gruppen nach deren Wichtigkeit verteilt. Das gleiche geschieht innerhalb der Gruppen. Durch Division jeder Punktzahl durch die Gesamtpunktzahl (100) ergeben sich normierte Gewichte Oh , d.h. es gilt ¦ Oh = 1 . h
Im dritten Schritt erfolgt die Festlegung subjektiver Nutzwerte uih , wobei die Kriterien h=1,...,k unabhängig voneinander betrachtet werden. Auch hierfür gibt es verschiedene mögliche Vorgehensweisen: • Ein einfacher Ansatz besteht darin, die vorliegenden Handlungsalternativen
anhand ihrer Ausprägungen für ein Kriterium k in eine Rangfolge zu bringen. 25 Weitere Ansätze finden sich z.B. bei Zangemeister (1976) und Lillich (1991).
2.3 Grundlagen der Entscheidungstheorie
63
Die Alternative mit der am besten beurteilten Ausprägung erhält den Punktwert k, die nächste den Punktwert k-1 usw., so dass für jedes Kriterium die Punktwerte k,...,1 auf die Alternativen als Nutzwerte verteilt werden.26 • Eine andere Möglichkeit besteht darin, Punktwerte derart zuzuordnen, dass sie
den Erfüllungsgrad des Kriteriums widerspiegeln (etwa Punkte von 0 bis 100). Dabei ist es sinnvoll, die Nutzwerte zu normieren, so dass für jedes Kriterium derselbe maximale Nutzwert erreichbar ist. Ansonsten ergibt sich bei der anschließenden Gesamtnutzenbestimmung eine Verfälschung der Zielgewichtung. Abschließend wird für jede Handlungsalternative ai der Gesamtnutzen Ni gemäß (2.22) bestimmt. Diejenige mit höchstem Wert wird bezüglich der berücksichtigten Kriterien am besten beurteilt. Da in sämtlichen Schritten der Nutzwertanalyse subjektive Einschätzungen eingehen, ist es sinnvoll, die sich ergebende Reihung der Handlungsalternativen auf ihre Stabilität bei Veränderungen der Gewichte und Nutzenwerte zu überprüfen. Dazu können z.B. Sensitivitätsanalysen eingesetzt werden. Sind dem Anwender die durch die subjektiven Einflüsse bewirkten Einschränkungen bewusst, so kann die Nutzwertanalyse einen brauchbaren Beitrag zur Informationsverdichtung und Vorauswahl von Alternativen liefern. Dennoch ist zu beachten, dass die Nutzwerte als dimensionslose Zahlen schlecht interpretierbar sind und dass durch die Bildung des Gesamtnutzens Information verloren geht. Insbesondere wird unterstellt, dass eine schlechte Erfüllung eines Kriteriums durch eine sehr gute Erfüllung eines anderen Kriteriums kompensiert werden kann, was in vielen Fällen nicht sinnvoll ist. Daher sollten ggf. bestimmte Mindestmaße der Zielerfüllung einbezogen werden. Dies gilt insbesondere für schlecht quantifizierbare "weiche" Kriterien; vgl. z.B. Adam (1996, S. 421). 2.3.4.3 Nutzenermittlung bei Unsicherheit und einem Ziel Im Fall der Entscheidung unter Risiko ist es erforderlich, dass die Risikoeinstellung des Entscheidungsträgers bei der Bestimmung von Nutzenfunktionen mit einbezogen wird. Man spricht daher auch von Risikonutzenfunktion. 2.3.4.3.1 Einführende Beispiele und Bernoulli-Prinzip Wir wollen unsere Ausführungen mit einem einfachen Entscheidungsmodell beginnen, bei dem n = 2 gleich wahrscheinliche Umweltlagen zu berücksichtigen sind.27 Mit sechs möglichen Alternativen seien die in Tab. 2.9 angegebenen Gewinne (in T€) verbunden. 26 Bei gleich guter Kriteriumsausprägung mehrerer Alternativen erhalten diese einen mittleren Rangwert (z.B. 2,5 anstelle der Ränge 2 und 3). 27 Zu den Beispielen dieses Abschnitts vgl. Bamberg und Coenenberg (2004, Kap. 4.3).
64
2 Planung und Entscheidung
Die Frage ist, in welche Rangfolge ein Entscheidungsträger diese sechs Alternativen hinsichtlich seiner Präferenzen bringt.
p1 = 0 5 p2 = 0 5 s2 s1
Sicherlich gilt a1 a a2 , d.h. wegen gleicher Wahra1 300 –300 scheinlichkeit des Eintretens beider Umweltlagen ist a2 –300 300 a1 äquivalent zu a2 . Beide Aktionen werden jedoch durch a3 und diese sowohl durch a4 als auch durch a3 350 300 a5 dominiert. a4 400 400 Problematisch ist der Vergleich zwischen a4 , a5 und a6 , der je nach Risikopräferenz der Entscheidungsa5 350 450 träger unterschiedlich ausfällt. a6 0 800 Falls z.B. die Präferenzaussage a4 « a5 getroffen wird, so besitzt der Entscheidungsträger RisikosymTab. 2.9: Gewinnmatrix pathie, da er bei identischem Erwartungswert von 400 T€ die Alternative mit der größeren Varianz präferiert. Im Falle a5 « a4 ist der Entscheidungsträger risikoavers. Ein weiteres Beispiel ergibt sich bei der Frage, ob ein Gebäude gegen Brandschäden versichert werden soll. Dabei wollen wir lediglich die folgenden beiden Alternativen bzw. Umweltlagen unterscheiden: a1 : Abschluss einer Versicherung; Zahlung der Prämie P.
p1 = 10–4
p2 = 1 – 10–4
s1
s2
a1
–P
–P
a2
– 20 M€
0
Tab. 2.10: Verlustmatrix
a2 : Es wird kein Abschluss getätigt. s1 : Brand mit einem Totalschaden in Höhe von 20 M€. s2 : Kein Brand; bei a1 ergibt sich ein Verlust in Höhe der Prämie P. Die Ergebnismatrix aus Sicht des Versicherungsnehmers einschließlich der Wahrscheinlichkeiten p1 und p2 ist in Tab. 2.10 angegeben. Wir überlegen uns einen möglichen Wert für die Prämie P zunächst aus Sicht der Versicherung. Sie schließt wiederholt entsprechende Verträge ab und kann die Eintrittswahrscheinlichkeiten von Versicherungsfällen oft recht genau ermitteln. Der durchschnittlich zu erwartende Schaden ist: –4
–4
20.000.000 10 + 0 1 – 10 = 2.000 €; dieser Wert ist gleich – P a2 Als tatsächliche Prämie (sie muss die Verwaltungskosten mit abdecken) möge die Versicherung z.B. P = 2.500 € verlangen. Für den potentiellen Versicherungsnehmer stellt sich nun die Frage, ob er eine Versicherung abschließt, obwohl der Schadenserwartungswert – P a2 = 2.000 € kleiner als die Prämie P = 2.500 € ist. Die meisten Personen werden in einem solchen
2.3 Grundlagen der Entscheidungstheorie
65
Fall eine Versicherung abschließen, da sie sich angesichts des großen möglichen Verlustes risikoscheu verhalten und sich nicht nur am Erwartungswert orientieren. Bernoulli formulierte 1738 – auch aufgrund von Beobachtungen beim St. Petersburger Spiel28 – das Bernoulli-Prinzip: Es existiert eine auf der Menge der möglichen Auszahlungen definierte (Risiko-) Nutzenfunktion u: eij o IR , die jeder Auszahlung (allgemein jedem Ergebnis) eij einen Nutzen zuordnet. Als Entscheidungskriterium für eine Alternative ai soll der Nutzenerwartungswert Eu ai herangezogen werden, der wie folgt definiert ist: Eu ai := ¦nj = 1 u eij pj
(2.23)
Falls man eine solche Nutzenfunktion bestimmt hat, ist die Ermittlung des Nutzenerwartungswertes einfach. In unserem Versicherungsbeispiel gilt etwa: –4
–4
Eu a1 = u –2.500 10 + u –2.500 1 – 10 = u –2.500 –4
–4
Eu a2 = u –20.000.000 10 + u 0 1 – 10 2.3.4.3.2 Möglichkeiten der Ermittlung von Risikonutzenfunktionen Unter der Annahme, dass der Entscheidungsträger (völlig) rational handelt, kann man mit Hilfe einfacher Experimente versuchen, eine konsistente subjektive Nutzenfunktion zu ermitteln; vgl. Eisenführ und Weber (2003, Kap. 9.4), Bamberg und Coenenberg (2004, Kap. 4.3) oder Klein und Scholl (2004, Kap. 8.3). Dabei geht man stets von einfachen Entscheidungssituationen mit zwei Aktionen a1 und a2 aus: a1 : Die Aktion liefert mit Sicherheit die Auszahlung v. a2 : Die Aktion liefert mit Wahrscheinlichkeit (1 – p) eine Auszahlung x und mit Wahrscheinlichkeit p eine höhere Auszahlung y. Die Aktion a2 wird als (Basis-Referenz-) Lotterie bezeichnet und in der Form a2 = x; 1 – p | y ; p notiert. Der Erwartungswert der Auszahlungen der Lotterie berechnet sich gemäß E(x,y,p) := x 1 – p + y p . Je nach Risikoeinstellung wird ein Entscheidungsträger zwischen der Lotterie a2 und der sicheren Auszahlung v von Aktion a1 bei unterschiedlichen Werten von v indifferent sein, d.h. diese als gleich nützlich ansehen. Eine solche sichere Auszahlung v wird als Sicherheitsäquivalent der Lotterie a2 bezeichnet. Aufgrund der nutzenmäßigen Indifferenz zwischen v und der erwarteten Auszahlung der Lotterie 28 Bei diesem Spiel wird eine Münze (Vorderseite Zahl, Rückseite Wappen) so lange geworfen, bis erstmals Zahl oben liegt. Tritt diese Situation beim n-ten Wurf ein, so erhält der Spieler 2n GE. Welchen Einsatz würden Sie bei diesem Spiel jeweils wagen? Der Erwartungswert ist 2 e 2 + 4 e 4 + 8 e 8 + } = f . Bernoulli beobachtete, dass trotz des unendlichen Erwartungswertes kaum ein Spieler bereit war, mehr als 10 GE zu setzen.
66
2 Planung und Entscheidung
(abgekürzt durch v a E x y p ) ergibt sich folgender Zusammenhang, der zur Bestimmung eines Nutzenwertes u(v) verwendet werden kann: uv 1 = ux 1 – p + u y p Abb. 2.9 veranschaulicht den Zusammenhang anhand eines Entscheidungsbaumes, wie er in Kap. 2.3.5 eingeführt wird. Bei der Bestimmung einer subjektiven Nutzenfunktion mit Hilfe des Konzepts des Sicherheitsäquivalents wählt man x möglichst klein und y möglichst groß und ordnet diesen Ergebnissen die Nutzenwerte u x = 0 und u y = 1 zu. Durch diese zulässige Normierung (s.u.) vereinfacht sich (2.24) zu u v = p .
(2.24) v
a1 1-p
x
p
y
a2
Abb. 2.9: Entscheidungsbaum
Nun sind Nutzenwerte u e für einige Ergebnisse e aus dem Intervall > x y @ so zu bestimmen, dass sie die Risiko- und Wertpräferenzen des Entscheidungsträgers möglichst genau widerspiegeln. Dazu lassen sich verschiedene Methoden anwenden, bei denen jeweils drei der vier Größen x, y, p und v vorgegeben sind und die verbleibende Größe vom Entscheidungsträger erfragt wird. Im Folgenden skizzieren wir drei derartige Vorgehensweisen (zu diesen und weiteren Ansätzen vgl. z.B. Eisenführ und Weber (2003, Kap. 9.4)): • Mittelwert-Kettungs-Methode: Man wählt stets p = 0,5 und gibt die Werte x
und y vor. Nun fragt man den Entscheidungsträger nach dem Sicherheitsäquivalent v0 5 für die Lotterie a2 = x; 0 5 | y; 0,5 und setzt u v0 5 = 0 5 . Analog zur Vorgehensweise bei der Halbierungsmethode (vgl. Kap. 2.3.4.1) wird dieselbe Vorgehensweise auf die Intervalle > x v0 5 @ und > v0 5 y @ angewendet, um Sicherheitsäquivalente v0 25 mit u v0 25 = 0 25 und v0 75 mit u v0 75 = 0,75 zu bestimmen. Durch weitere Intervallhalbierung können zusätzliche Nutzenwerte ermittelt werden, bis sich die Form der Nutzenfunktion hinreichend genau erkennen lässt. • Fraktilmethode: Hierbei werden die Werte x und y stets konstant gehalten, und
es wird für verschiedene Wahrscheinlichkeiten (z.B. p = 0 2 ; 0 4 ; 0 6 ; 0 8 ) nach den Sicherheitsäquivalenten vp gefragt, wodurch sich Nutzenwerte u vp = p ergeben. • Methode variabler Wahrscheinlichkeiten: Man hält wiederum x und y kon-
stant und gibt verschiedene Sicherheitsäquivalente v (z.B. v = x + y – x i e 5 mit i =1, 2, 3, 4) vor. Für jeden Wert von v wird die Wahrscheinlichkeit pv erfragt, so dass v a E x y pv gilt. Es ergibt sich jeweils der Nutzenwert u v = pv . Mit Hilfe solcher Methoden ergeben sich einige Stützstellen der Nutzenfunktion u(e), die durch geradlinige Verbindung der Punkte zu einer stückweise linearen Funktion erweitert oder an die eine nichtlineare Funktion angepasst werden kann.
2.3 Grundlagen der Entscheidungstheorie
67
An der Form der Nutzenfunktion lässt sich die Risikoeinstellung des Entscheidungsträgers erkennen. Dies verdeutlicht Abb. 2.10 a, die eine Gerade für den Nutzenerwartungswert u x 1 – p + u y p der Lotterie und zwei Nutzenfunktionen darstellt. Bei der Nutzenfunktion u1 e liegt das Sicherheitsäquivalent v1 stets links vom Auszahlungserwartungswert E(x,y,p) bzw. die Nutzenfunktion oberhalb der Nutzenerwartungswertgerade. Bei dieser konkaven Funktion ist der Entscheidungsträger risikoscheu, da er die niedrigere sichere Auszahlung v1 als genauso wertvoll wie die höhere unsichere Auszahlung mit Erwartungswert E(x,y,p) empfindet. Die Differenz RP = E x y p – v1 wird als Risikoprämie bezeichnet, da das Risiko nur bei einer zusätzlich zu erwartenden Zahlung in Höhe von RP eingegangen wird. Liegt ein Sicherheitsäquivalent v2 stets rechts von E(x,y,p), so ist die Nutzenfunktion u2 e konvex und der Entscheidungsträger risikofreudig. Es ergibt sich eine negative Risikoprämie. u(e) 1
konkav u1(e)
u2(e) konvex
0,5
x=0 p=0
E(x,y,p) v2 y=10 p=1 a) konvex bzw. konkav v1
e
e b) nach Friedman und Savage
Abb. 2.10: Nutzenfunktionen
Jede Nutzenfunktion u(e) lässt sich in eine Funktion u e : = D u e + E mit D ! 0 und E linear transformieren, ohne dass sich dadurch die Rangfolge der Nutzenerwartungswerte der einzelnen Alternativen verändert. Die Addition von E entspricht einer Parallelverschiebung der Funktion, die Multiplikation mit D einer "Skalenverschiebung" (vergleichbar der Transformation einer Währung in eine andere). Also kann man – wie oben beschrieben – z.B. u x = 0 und u y = 1 als Extremwerte der zu ermittelnden Nutzenfunktion verwenden. In Abb. 2.10 b ist eine von Friedman und Savage empirisch ermittelte Nutzenfunktion dargestellt. Links und rechts befindet sich ein risikoaverser Teilbereich, in der Mitte ein risikofreudiger Abschnitt. Der linke risikoscheue Teil veranschaulicht das Verhalten von Personen im Hinblick auf drohende hohe Verluste (Versicherungsnehmer). Der risikofreudige Abschnitt veranschaulicht die Neigung vieler Personen, an Glücksspielen teilzunehmen, auch wenn der Gewinnerwartungswert negativ ist (bei nicht zu hohen Spieleinsätzen lockt der zwar recht unwahrscheinliche, aber
68
2 Planung und Entscheidung
hohe Gewinn). Ab einem gewissen Einsatz nimmt die Risikobereitschaft jedoch wieder ab (rechter konkaver Abschnitt). 2.3.4.3.3 Axiome des Bernoulli-Prinzips Axiome sind weitgehend anerkannte Forderungen, die man an Nutzen- und Präferenzfunktionen wie an Entscheidungsregeln stellt, wenn man davon sprechen will, dass der Entscheidungsträger rational handelt. Das Bernoulli-Prinzip erfüllt die folgenden drei wichtigen Axiome: 1) Ordnungsaxiom: Es beinhaltet die beiden Forderungen, dass die durch die Nutzen- bzw. Präferenzfunktion abgebildete Präferenzordnung vollständig und transitiv ist. Diese beiden Anforderungen haben wir bereits in Kap. 2.3.4.1 für Wertfunktionen bei Sicherheit und einem Ziel formuliert. Im Fall der Unsicherheit bedeutet Vollständigkeit, dass der Entscheidungsträger für jedes Paar a und b unsicherer Aktionen bzw. Lotterien angeben kann, ob a « b , a » b oder a a b gilt. Transitivität besagt, dass für drei unsichere Aktionen a, b und c aus a » b und b » c die Relation a » c folgen muss.29 2) Stetigkeitsaxiom: Für drei Ergebnisse x, v und y mit x « v « y gibt es eine Wahrscheinlichkeit p, so dass v a E x y p , d.h. u v = u x 1 – p + u y p , gilt. Dieses Axiom wird bei der Bestimmung einer Nutzenfunktion beim BernoulliPrinzip vorausgesetzt und benutzt (vgl. Kap. 2.3.4.3.2). 3) Substitutionsaxiom: Seien x, y und v mögliche Ergebnisse und p 0 1 eine Wahrscheinlichkeit. x » y gilt genau dann, wenn E x v p » E y v p ist. Diese Forderung lässt sich wie folgt erläutern: Hat man eine einzige Umweltlage s1 mit dem Ergebnis x bei Aktion a1 und y bei a2 gegeben, und wird x gegenüber y (bzw. a1 gegenüber a2 ) präferiert, so darf sich diese Präferenzrelation nicht verändern, wenn eine zweite Umweltlage mit dem (konstanten) Ergebnis v bei a1 und a2 hinzukommt. Das P - und das P V -Kriterium (vgl. Kap. 2.3.2.1) erfüllen die genannten Axiome nicht für alle Wahrscheinlichkeitsverteilungen. Auch Entscheidungsregeln bei Ungewissheit (vgl. Kap. 2.3.2.2) erfüllen nicht alle Axiome, wobei die LaplaceRegel eine Ausnahme bildet; vgl. Scholl (2001, Kap. 4.4). Beispiel: Die Hurwicz-Regel verstößt gegen das Substitutionsaxiom. Durch Hinzunahme einer Umweltlage sj mit identischem Ergebnis eij für alle Aktionen i darf sich die Bewertungsreihenfolge nicht ändern. Dies geschieht aber bei dem in Tab. 2.11 angegebenen Beispiel bei Wahl von O = 0 5. So lange nur die Umweltlagen s1 und s2 bekannt sind, ist a2 gemäß )1 ai die bessere Aktion, nach Hinzufügen von s3 ist es gemäß )2 ai die Alternative a1 . 29 Das Axiom der Transitivität kann z.B. bei Gruppen- oder Mehrzielentscheidungen verletzt sein, wird jedoch allgemein als Anforderung an rationales Verhalten akzeptiert.
2.3 Grundlagen der Entscheidungstheorie
s1
s2
s3
) 1 ai
)2 ai
a1
30
30
70
30
50
a2
20
50
70
35
45
69
Tab. 2.11: Hurwicz-Regel und Substitutionsaxiom
Bemerkung 2.1: Das Bernoulli- und das P V -Prinzip führen nur in Ausnahmefällen, d.h. bei speziellen Verläufen der Nutzenfunktion, zu denselben Entscheidungen (vgl. z.B. Bamberg und Coenenberg (2004, Kap. 4.8)). Daher ist bei der Anwendung der P V -Regel und anderer klassischer Entscheidungsregeln stets Vorsicht geboten. Bemerkung 2.2: In der betriebswirtschaftlichen Literatur wurde in den 70er und 80er Jahren eine intensive Diskussion über die Sinnhaftigkeit des Bernoulli-Prinzips als Ansatz zur Berücksichtigung des Risikos geführt. Dabei ging es vorrangig um die Frage, ob die Bernoulli-Nutzenfunktion lediglich die Höhenpräferenz (Präferenz in Bezug auf die Ergebnishöhe) oder gleichzeitig auch die Risikopräferenz des Entscheidungsträgers abbildet. Zu dieser Diskussion vgl. z.B. Dyckhoff (1993) oder Bamberg und Coenenberg (2004, Kap. 4.9). Mittlerweile hat sich größtenteils die Auffassung durchgesetzt, dass das Bernoulli-Prinzip sowohl Höhen- als auch Risikopräferenz in gemischter Form angemessen berücksichtigt. 2.3.5 Mehrstufige Entscheidungsprobleme Bislang haben wir stets unterstellt, dass eine einmalige Entscheidung zu treffen ist, d.h. wir sind von statischen Entscheidungsmodellen ausgegangen. Häufig beeinflussen jedoch zu einem Zeitpunkt getroffene Entscheidungen die Entscheidungsmöglichkeiten in späteren Perioden, so dass es sinnvoller ist, dynamische Modelle zu betrachten. Diese berücksichtigen sämtliche während eines bestimmten Planungszeitraums bestehenden Entscheidungszeitpunkte. Dabei wird versucht, die jeweiligen Entscheidungen so zu treffen, dass die Ziele über den gesamten Zeitraum bestmöglich erfüllt werden können. Es ist also eine optimale Folge von Entscheidungen zu bestimmen. • Im Fall sicherer Informationen geht man von einem Planungszeitraum mit T
Perioden t = 1,...,T aus, wobei in jeder Periode t eine Entscheidung zu treffen, d.h. eine Aktion at auszuwählen ist. Dabei entsteht ein Zielbeitrag (Auszahlung, Gewinn) et . Die Zielsetzung besteht darin, eine Entscheidungsfolge (Politik) a1 } aT zu finden, die die Summe der Zielbeiträge ¦t et maximiert oder minimiert. Die in jeder Periode t möglichen Aktionen sowie deren Zielbeiträge hängen vom Zustand zt – 1 des Systems am Ende der Vorperiode t–1 ab. Derartige Entscheidungsmodelle betrachtet man im Rahmen der dynamischen Optimierung bzw. Programmierung.
70
2 Planung und Entscheidung
• Im Fall der Unsicherheit können in jeder Periode verschiedene Umweltlagen
(Szenarien) eintreten, über deren Eintrittswahrscheinlichkeiten Informationen vorliegen (Risiko) oder nicht (Ungewissheit); vgl. Kap. 2.3.2. Daher hängt der Zielzustand zt einer Periode bzw. Entscheidungsstufe t außer von ihrem Anfangszustand zt – 1 und der Entscheidung at auch von der eintretenden Umweltlage st ab. Ebenso können auch die möglichen Umweltlagen von den getroffenen Entscheidungen abhängen. Dieser Sachverhalt lässt sich in einem stochastischen Entscheidungsbaum darstellen, der mit Methoden der stochastischen dynamischen Optimierung ausgewertet werden kann. Ein solcher Baum enthält – wie im deterministischen Fall – Entscheidungsknoten, die durch Kästchen abgebildet werden, und zusätzlich stochastische oder Zufallsknoten, die wir durch Kreise symbolisieren. Im Rahmen dieses einführenden Buches würde es zu weit führen, die deterministische und stochastische dynamische Optimierung ausführlich zu behandeln. Wir verweisen stattdessen z.B. auf Hillier und Lieberman (1997, Kap. 11) oder Domschke und Drexl (2005, Kap. 7) und beschränken uns auf die Darstellung eines einfachen zweiperiodigen stochastischen Entscheidungsproblems; vgl. Bamberg und Coenenberg (2004, Kap. 9.5). Es lässt sich anhand des Entscheidungsbaumes in Abb. 2.11 darstellen und wie folgt erläutern: 400
=0,1 Öl p kein Ö l p=0,9
400
Te st
au sfü hre n
P 0,85 Öl p= kein Ö P max^` ren l boh p=0,1 5 -100 iv nich sit P t boh po t ren s 6 e , T 0 p=1 P p=
-30
Te p=0 st , ne 4 ga tiv
P en bohr -100
P max^` nicht P bohr en
P max^`
in ke
0
p=1
st Te
0,55 P Öl p= kein Ö P max^` ohren l b p=0,4 5 -100 p=1 nich P P t boh ren p=1
Stufe 1
Stufe 2
Abb. 2.11: Entscheidungsbaum für Ölbohrproblem
0
0
0 0 400
0
0
2.3 Grundlagen der Entscheidungstheorie
71
Eine Ölgesellschaft besitzt Bohrrechte für ein Stück Land. Bevor sie zum Zeitpunkt t = 2 möglicherweise einen Bohrauftrag vergibt, kann sie im Zeitpunkt t = 1 einen seismischen Test ausführen lassen, der 30 T€ kostet. Ein solches Gutachten liefert nach Einschätzung von Experten des Unternehmens mit Wahrscheinlichkeit p = 0 6 ein positives und mit p = 0 4 ein negatives Ergebnis. Im Falle eines positiven Ergebnisses kommt mit der (bedingten) Wahrscheinlichkeit p = 0 85 tatsächlich Öl vor, das beim Bohren an der durch den Test empfohlenen Stelle auch gefunden wird. Bei einem negativen Ergebnis beträgt die (bedingte) Wahrscheinlichkeit lediglich p = 0 1. Wird ohne seismischen Test gebohrt, so ist die Wahrscheinlichkeit für einen Ölfund p = 0 55 . Der Bohrvorgang kostet 100 T€. Bei einem Ölfund können die Bohrrechte für 400 T€ verkauft werden, ansonsten sind sie wertlos. Das Planungsproblem besteht bei Anwendung des P-Kriteriums darin, eine Politik bzw. Entscheidungsfolge zu wählen, die zu maximalem erwarteten Gewinn (Verkaufserlös – Kosten für Gutachten und Bohren) führt. Die optimale Politik lässt sich wie im deterministischen Fall durch eine Rückwärtsrechnung (Roll Back-Verfahren) ermitteln. Dabei ist an den stochastischen Knoten der Gewinnerwartungswert P zu berechnen, der sich als Summe der mit den bedingten Wahrscheinlichkeiten gewichteten Gewinne der jeweiligen Teilpolitiken ergibt. An Entscheidungsknoten ist diejenige Aktion auszuwählen, die den höchsten erwarteten Gewinn verspricht. Dabei ergeben sich die in Abb. 2.11 dargestellten Berechnungen und folgende, in der Abbildung hervorgehobene Ergebnisse: • Falls der Test positiv ausfällt, sollte gebohrt werden; der Erwartungswert ist 240 T€, ansonsten 0. • Falls der Test negativ ausfällt, sollte nicht gebohrt werden; der Erwartungswert ist 0, ansonsten – 60 T€. • Führt man einen Test aus, so beträgt der Gewinnerwartungswert 114 T€. Falls kein Test ausgeführt wird, sollte dennoch gebohrt werden; der Erwartungswert ist 120 T€, ansonsten 0. Insgesamt ist der Test, wenn man sich allein an Erwartungswerten (120 T€ gegenüber 114 T€) orientiert, nicht zu empfehlen. Daher ist folgende Entscheidungsfolge optimal: Keinen Test ausführen, unmittelbar eine Bohrung vornehmen. Mit Hilfe stochastischer Entscheidungsbäume lassen sich verschiedene mögliche Zukunftsentwicklungen bei aktuellen Entscheidungen (zum Zeitpunkt t = 1) antizipierend einbeziehen. Die Entscheidungen bzw. Entscheidungsfolgen in späteren Perioden haben den Charakter von bedingten Eventualplänen, die bei Eintreten der entsprechenden Umweltentwicklung relevant werden. Daher spricht man auch von flexibler Planung (vgl. Laux (2003, Kap. IX)), die – im Gegensatz zu einer starren Planung – die Unsicherheit über die zukünftige Entwicklung explizit und mehrwertig berücksichtigt. Insbesondere werden bei der flexiblen Planung die Konsequenzen von Entscheidungen in Periode t = 1 für die Handlungsspielräume und -konsequenzen in späteren Perioden im Hinblick auf die insgesamt mögliche Zielerreichung beurteilt.
72
2 Planung und Entscheidung
Bemerkung 2.3: Neben dem Erwartungswert-Kriterium lassen sich auch andere Entscheidungskriterien bzw. (Bernoulli-) Nutzenfunktionen bei der Bestimmung der "optimalen" Entscheidungsfolge einsetzen; vgl. z.B. Eisenführ und Weber (2003, Kap. 9.5).
2.4 Grundlagen der Optimierung (Operations Research) Im Rahmen des Planungsprozesses entstehen vielfältige und in der Regel sehr komplexe Entscheidungsprobleme, zu deren Lösung die Anwendung modellgestützter Optimierungsmethoden erforderlich ist. Diese werden vom Operations Research bereitgestellt und ständig weiterentwickelt. Vgl. zu sämtlichen Ausführungen Domschke und Drexl (2005) sowie Domschke et al. (2005) oder auch Hillier und Lieberman (1997). Grundlage der Optimierung ist die Formulierung eines Entscheidungs- bzw. Optimierungsmodells, das die reale Entscheidungssituation möglichst genau widerspiegelt (vgl. Kap. 2.2.3). Für ein solches Modell bzw. die mit konkreten Daten versehene Modellinstanz ist mit Hilfe mathematischer Optimierungsmethoden bzw. -verfahren30 eine optimale, nahezu optimale oder zumindest zulässige Lösung zu ermitteln. Falls das Modell den realen Sachverhalt hinreichend genau abbildet, kann diese Lösung unmittelbar als Entscheidungsgrundlage dienen, ansonsten ist sie auf ihre Eignung zur Behebung des Problemzustandes zu untersuchen; ggf. sind Lösung bzw. Modell zu modifizieren (vgl. Kap. 2.2.4.2). Optimierungsverfahren lassen sich in exakte und heuristische Verfahren einteilen: • Exakte Verfahren gelangen für jede denkbare Instanz eines Modells in einer
endlichen Anzahl von Schritten garantiert zu einer optimalen Lösung. • Heuristische Verfahren (Heuristiken) bieten keine Garantie dafür, eine opti-
male Lösung der betrachteten Modellinstanz zu finden bzw. eine gefundene optimale Lösung als solche zu erkennen, und liefern daher meist suboptimale Lösungen. Im Folgenden beschreiben wir einige Grundlagen des Operations Research und orientieren uns dabei an der gängigen Gliederung nach Modelltypen, so dass wir die lineare, die ganzzahlig lineare (bzw. kombinatorische) sowie die nichtlineare Optimierung unterscheiden. Da die Einteilung der Verfahren in exakte und heuristische vorwiegend bei der Lösung ganzzahliger Optimierungsmodelle eine Rolle spielt, werden wir erst in Kap. 2.4.2 darauf genauer eingehen.
30 Anstelle von Verfahren oder Methode sprechen wir auch von Algorithmus, wenn die formale Beschreibung eines Verfahrens als Folge einzelner Schritte, die sich (leicht) in ein Computerprogramm überführen lassen, im Vordergrund steht.
2.4 Grundlagen der Optimierung (Operations Research)
73
2.4.1 Lineare Optimierung Der wichtigste und am weitesten entwickelte Teilbereich des Operations Research ist die lineare Optimierung bzw. lineare Programmierung (LP). Wir gehen im Folgenden zunächst kurz auf das allgemeine lineare Optimierungsmodell und den Simplex-Algorithmus als exaktes Lösungsverfahren ein, bevor wir spezielle lineare Optimierungsmodelle und zugehörige Lösungsverfahren diskutieren. Dabei beschränken wir uns aus Platzgründen auf ganz elementare Ansätze. 2.4.1.1 Allgemeines Modell und Simplex-Algorithmus Ein lineares Optimierungsmodell (LP-Modell) besteht im einfachsten Fall aus einer zu maximierenden linearen Zielfunktion und einer Menge linearer Nebenbedingungen; die Variablen sind reellwertig.31 Ausgehend von der allgemeinen Modellformulierung in Kap. 2.2.3.1 mit n Variablen und m Nebenbedingungen, lässt sich ein LP-Modell mit Hilfe des Lösungsvektors x = x1 } xn , des Vektors der Zielfunktionskoeffizienten c = c1 } cn , der m u n -Koeffizientenmatrix A und dem Vektor der rechten Seiten b = b1 } bm durch (2.25) formulieren. Maximiere F x = cTx unter den Nebenbedingungen Ax = b , x t 0
(2.25)
Bei (2.25) handelt es sich um die so genannte Normalform eines LP-Modells. Liegt ein Modell ursprünglich nicht in dieser Form vor, so kann es im Falle von Ungleichungen in den Nebenbedingungen durch Einführen von zusätzlichen Schlupfvariablen xj mit cj = 0 in die Normalform überführt werden. Ebenso können vorzeichenunbeschränkte Variablen durch zwei nichtnegative ersetzt werden, um zur Normalform zu gelangen. Gelten in (2.25) die Eigenschaften n ! m , b t 0 , cn – m + 1 = } = cn = 0 und A = > A' I @ mit einer m u n – m -Matrix A' und einer m u m -Einheitsmatrix I, so liegt das Modell in kanonischer Form vor. Ausgehend von der kanonischen Form lässt sich das LP-Modell bzw. die sich durch Einsetzen konkreter Daten in A, b und c ergebende Modellinstanz mit Hilfe des von Dantzig entwickelten (primalen) Simplex-Algorithmus optimal lösen. Dabei wird die Tatsache ausgenutzt, dass die durch die linearen Nebenbedingungen definierte Lösungsmenge ein konvexes Polyeder ist und mindestens eine optimale Lösung des LP-Modells in einem Eckpunkt (Schnittpunkt von Nebenbedingungen; s. Abb. 2.2 auf Seite 36) dieses Polyeders liegt. Der Simplex-Algorithmus startet in einem solchen Eckpunkt und geht in jeder Iteration zu einem benachbarten Eckpunkt über, falls dieser einen höheren Zielfunktionswert aufweist. Gibt es einen solchen benachbarten Eckpunkt nicht, so ist eine optimale Lösung erreicht.
31 Zur Lösung multikriterieller Modelle ist die Einführung einer Meta-Zielfunktion erforderlich, so dass ebenfalls ein einkriterielles Modell entsteht (vgl. Kap. 2.3.3). Eine zu minimierende Zielfunktion kann durch Multiplikation mit -1 in eine zu maximierende umgeformt werden.
74
2 Planung und Entscheidung
In jedem Eckpunkt hat das Modell kanonische Form, d.h. Ax = b ist nach m (Basis-) Variablen aufgelöst, und wir sprechen von zulässiger Basislösung. Lediglich Basisvariablen können einen positiven Wert aufweisen, während Nichtbasisvariablen stets den Wert 0 besitzen. Der Übergang von einem Eckpunkt (zulässige Basislösung) zu einem (einer) benachbarten erfolgt durch Austausch einer Basisvariablen gegen eine Nichtbasisvariable, d.h. durch eine entsprechende Transformation des Gleichungssystems, so dass der Zielfunktionswert möglichst stark ansteigt; zur genauen Vorgehensweise vgl. Domschke und Drexl (2005, Kap. 2.4). Beispiel: Die in Kap. 2.2.3.1.1 angegebene Modellinstanz (2.4) - (2.8) gelangt durch Einführen von Schlupfvariablen x3 bis x5 in kanonische Form: Maximiere DB x 1 x2 x3 x4 x5 = 1x1 + 2x2 + 0x3 + 0x4 + 0x5
(2.26)
unter den Nebenbedingungen 1 x1 + 1 x2 + 1 x3 + 0 x4 + 0 x5 = 100 6 x1 + 9 x2 + 0 x3 + 1 x4 + 0 x5 = 720
(2.27)
0 x1 + 1 x2 + 0 x3 + 0 x4 + 1 x5 = 60
(2.29)
x 1 x 2 x 3 x 4 x 5 t 0
(2.30)
(2.28)
Offensichtlich ist eine erste zulässige Basislösung durch x = 0 0 100 720 60 mit den Basisvariablen x3 , x4 und x5 sowie dem Zielfunktionswert (Deckungsbeitrag) DB(x) = 0 GE gegeben (vgl. Abb. 2.2 auf Seite 36). In der ersten Iteration des Simplex-Algorithmus wird z.B. die Basisvariable x5 durch die derzeitige Nichtbasisvariable x2 ersetzt. Dadurch gelangt man zur neuen Basislösung x = 0 60 40 180 0 mit DB(x) = 120 GE. In der zweiten Iteration wird x1 anstelle von x4 Basisvariable, wodurch die optimale Basislösung x = 30 60 10 0 0 mit DB(x*) = 150 GE entsteht. Liegt das Modell zu Beginn nicht in kanonischer Form vor, d.h. es ist keine zulässige Basislösung bekannt, so sind vor Anwendung des primalen Simplex-Algorithmus geeignete Transformationsschritte auszuführen. Bei Handrechnungen wird der Simplex-Algorithmus mit Hilfe eines Tableaus durchgeführt, das neben dem Gleichungssystem Ax = b auch eine Gleichung für die Zielfunktion und eine Variable für den Zielfunktionswert enthält. In Computerprogrammen wird der so genannte revidierte Simplex-Algorithmus eingesetzt, bei dem lediglich ein Teil des Tableaus gespeichert und transformiert werden muss; vgl. z.B. Hillier und Lieberman (1997, Kap. 5.2).
2.4 Grundlagen der Optimierung (Operations Research)
75
2.4.1.2 Spezielle lineare Optimierungsmodelle Viele grundlegende betriebswirtschaftliche Problemstellungen (v.a. aus dem Bereich der Logistik; vgl. Kap. 4) lassen sich als lineare Optimierungsmodelle mit spezieller Struktur formulieren. Dazu gehören z.B. Probleme der Bestimmung kürzester Wege sowie Transportprobleme, auf die wir im Folgenden kurz eingehen. Derartige Modelle sind mit dem Simplex-Algorithmus exakt lösbar; es gibt jedoch der Struktur angepasste und somit effizientere Verfahren. 2.4.1.2.1 Einige graphentheoretische Grundlagen Zur Erläuterung der genannten Problemstellungen benötigen wir einige Definitionen aus der Graphentheorie; vgl. auch Domschke und Drexl (2005, Kap. 3). Definition 2.8: Ein Graph (oder Netzwerk32) G besteht aus einer Menge V von Knoten (z.B. Orten) und einer Menge E von die Knoten verbindenden Kanten oder Pfeilen (= gerichtete Kanten). Eine Kante zwischen Knoten i und j wird als [i,j] und ein Pfeil von i nach j als (i,j) geschrieben. Ein ungerichteter Graph enthält nur Kanten, ein gerichteter nur Pfeile. Abkürzend schreiben wir für einen ungerichteten Graphen G = [V,E] und für einen gerichteten G = (V,E). Sowohl die Knoten als auch die Kanten können Bewertungen aufweisen (z.B. Angebotsmengen bei Knoten und Entfernungen oder Kapazitätsbeschränkungen bei Kanten). Definition 2.9: Ein Graph heißt vollständig, wenn jedes Knotenpaar durch eine Kante bzw. zwei entgegengesetzt gerichtete Pfeile verbunden ist. Definition 2.10: Ein Knoten i wird als Vorgänger eines anderen Knotens j bezeichnet, wenn ein Pfeil (i,j) in der Pfeilmenge E enthalten ist. Umgekehrt heißt j Nachfolger von i. In ungerichteten Graphen sprechen wir bei einer Kante [i,j] davon, dass i und j Nachbarn sind. Die Menge aller Vorgänger von Knoten i wird mit V(i), die Menge der Nachfolger mit N(i) und die Menge der Nachbarn mit NB(i) bezeichnet. Beispiele: In den vorangehenden Abschnitten haben wir bereits Graphen verwendet, ohne sie als solche zu bezeichnen. Die Übersichten über Produktionsfaktoren bzw. Wissenschaftsgebiete in Abb. 1.1 bzw. Abb. 1.4 stellen ungerichtete Graphen dar. In Abb. 2.3 werden die Transportbeziehungen im Rahmen des klassischen Transportproblems in Form eines gerichteten Graphen veranschaulicht. Der gerichtete Graph in Abb. 2.3 enthält neben Knoten und Pfeilen auch (Pfeil-) Bewertungen cij. Dort handelt es sich um Kosten, die der Transport einer ME von Knoten i nach Knoten j verursacht. Alternativ dazu könnte es sich um die von i nach
32 Die Begriffe Graph und Netzwerk werden zumeist synonym verwendet. Während wir in der Regel die Bezeichnung Graph verwenden, wird v.a. im Bereich der Logistik (siehe Kap. 4) häufiger von (Transport-, Verkehrs-, Distributions-) Netzwerk gesprochen.
76
2 Planung und Entscheidung
j zurückzulegende Entfernung handeln. Weitere Bewertungsmöglichkeiten erläutern wir, wenn dies in nachfolgenden Kapiteln erforderlich sein wird. Definition 2.11: Eine Folge von Knoten > j0 j1 } jt @ heißt Kette, wenn jedes Paar in der Folge benachbarter Knoten durch eine Kante (bzw. einen beliebig gerichteten Pfeil) verbunden ist. Im Falle j0 = jt handelt es sich um einen Kreis (geschlossene Kette). Im gerichteten Graphen bezeichnet man eine Folge von Knoten j0 j1 } jt als Weg, wenn Pfeile ji – 1 ji für i=1,...,t existieren. Ein geschlossener Weg ( j0 = jt ) heißt Zyklus. Definition 2.12: Die Länge eines Weges ergibt sich durch die Summe der Bewertungen seiner Pfeile. Unter allen Wegen von einem Knoten i zu einem Knoten j ist man an dem mit der geringsten Länge interessiert; man bezeichnet ihn als kürzesten Weg. Analog lassen sich Länge einer Kette und kürzeste Kette definieren. Definition 2.13: Ein Graph heißt zusammenhängend, wenn jedes Knotenpaar durch mindestens ein Kette verbunden ist. Einen zusammenhängenden Graphen, der keinen Kreis besitzt, bezeichnet man als Baum. Beispiele: Die in Abb. 2.9 und Abb. 2.11 dargestellten Entscheidungsbäume besitzen eine derart spezielle Struktur. 2.4.1.2.2 Kürzeste-Wege-Probleme Eine der Grundvoraussetzungen für eine effiziente Gestaltung von Transportsystemen ist die Kenntnis kürzester bzw. schnellster oder günstigster Wege. Ausgehend von einem (gerichteten) Graphen, der z.B. ein reales Straßennetz mit Orten als Knoten und Straßenverbindungen als Pfeilen repräsentiert, besteht das Kürzeste-WegeProblem grundsätzlich darin, für ein Paar von Knoten i und j einen kürzesten i und j verbindenden Weg zu identifizieren. Dabei kann es erforderlich sein, (1) kürzeste Wege von einem bestimmten Knoten zu allen anderen oder (2) zwischen allen Paaren unterschiedlicher Knoten zu bestimmen. In beiden Fällen lässt sich das Kürzeste-Wege-Problem als LP-Modell formulieren und mit den in Kap. 2.4.1.1 angesprochenen Verfahren lösen. Es existieren jedoch spezialisierte Verfahren, die die kürzesten Wege viel effizienter ermitteln. Im Fall (1) handelt es sich um Baumalgorithmen, im Fall (2) z.B. um den so genannten Tripel-Algorithmus; vgl. zu einer Verfahrensübersicht z.B. auch Domschke und Drexl (2005, Kap. 3.2). Wir skizzieren im Folgenden den Dijkstra-Algorithmus zur Bestimmung der kürzesten Wege von einem Knoten a zu allen anderen (Ziel-) Knoten j V – ^ a ` : Das Verfahren führt V – 1 Iterationen durch, an deren Ende jeweils für mindestens einen Knoten die kürzeste Entfernung sowie der kürzeste Weg von Knoten a aus feststeht. Handelt es sich nicht um einen vollständigen Graphen, so werden die Pfeilbewertungen cij nicht vorhandener Pfeile (i,j) auf einen hinreichend großen Wert M
2.4 Grundlagen der Optimierung (Operations Research)
77
gesetzt. Der Dijkstra-Algorithmus benötigt für jeden Knoten j die Variablen D(j) und R(j) zur Speicherung der (derzeit) kürzesten Entfernung und des Vorgängers im (derzeit) kürzesten Weg von a nach j. Außerdem wird eine Menge MK markierter Knoten verwendet. 12 In Iteration 1 erhält jeder 3 7 Zielknoten j die bisher 5 10 6 kürzeste Entfernung D j 10 7 4 4 3 = caj . Alle Knoten mit 3 5 5 8 D j M erhalten die Ein4 9 1 8 4 tragung R j = a und wer6 5 5 4 den in die anfänglich leere 7 6 4 Menge MK aufgenom10 2 6 men. Aus MK wird in 11 jeder weiteren Iteration Abb. 2.12: Gerichteter Graph mit Pfeilbewertungen derjenige Knoten h entnommen, der den kleinsten Wert von D(j) aufweist. Für Knoten h gibt D(h) die kürzeste Entfernung von Knoten a endgültig an. Nun wird für jeden Nachfolger von h, also für j N h , überprüft, ob sich über Knoten h eine Verkürzung der bisherigen Entfernung von Knoten a ergibt. Ist dies der Fall, gilt also D j ! D h + chj , so werden D j = D h + chj und R j = h gesetzt und der Knoten j der Menge MK hinzugefügt. Das Verfahren endet, sobald MK leer ist.
Beispiel: Wir betrachten den Graphen in Abb. 2.12 mit 8 Knoten und den an den Pfeilen notierten Pfeilbewertungen (Entfernungen) cij . Nun berechnen wir mit Hilfe des DijkstraAlgorithmus die kürzesten Wege von Knoten a = 1 zu allen anderen Knoten. Tab. 2.12 zeigt den Verfahrensablauf, wobei der jeweils am Beginn der nächsten Iteration aus der Menge MK ausgewählte Knoten durch Unterlegen der zugehörigen (endgültigen) Werte hervorgehoben ist. Es ergibt sich z.B., dass der kürzeste Weg von a = 1 zu Knoten 8 eine Länge von
It. 1 2 3 4 5 6 7
j
2
3
4
5
6
7
8
MK
D(j)
5
10
5
M
M
M
M
{2,3,4}
R(j)
1
1
1
–
–
–
–
h=2
D(j)
10
5
11
15
M
M {3,4,5,6}
R(j)
1
1
2
2
–
–
h=4
D(j)
8
8
15
M
M
{3,5,6}
R(j)
4
4
2
–
–
h=3
D(j)
8
15
20
M
{5,6,7}
R(j)
4
D(j)
2
3
–
h=5
15
14
M
{6,7}
5
R(j)
2
D(j)
15
R(j)
2
–
h=7
21
{6,8}
7
h=6
D(j)
21
{8}
R(j)
7
h=8
D(j)
5
8
5
8
15
14
21
R(j)
1
4
1
4
2
5
7
Ergebnis
Tab. 2.12: Ablauf des Dijkstra-Algorithmus
78
2 Planung und Entscheidung
21 aufweist und (in umgekehrter Reihenfolge) über die Knoten R(8) = 7, R(7) = 5, R(5) = 4 und R(4) = 1 verläuft. In Abb. 2.12 sind die von Knoten 1 ausgehenden kürzesten Wege hervorgehoben. 2.4.1.2.3 Das klassische Transportproblem In Kap. 2.2.3.1.1 haben wir das klassische Transportproblem (TPP) als Grundproblem der Transportplanung beschrieben und als LP-Modell formuliert. Zur Lösung des TPP gibt es eine Reihe von Verfahren, die sich in Eröffnungsheuristiken (Ermittlung einer zulässigen Anfangslösung) und exakte Verbesserungsverfahren (Ermittlung der optimalen Lösung) unterteilen lassen. Zur ersten Gruppe gehören u.a. die Nordwesteckenregel, die Vogelsche Approximationsmethode, die Spaltenminimum- und die Matrixminimummethode. Als Verbesserungsverfahren wird die MODI-Methode in verschiedenen Varianten eingesetzt. Eine detaillierte Beschreibung dieser Verfahren ist aus Platzgründen nicht möglich. Wir erörtern lediglich die sehr einfache Nordwesteckenregel und verweisen bezüglich der anderen Methoden z.B. auf Domschke (1995, Kap. 6) sowie Domschke und Drexl (2005, Kap. 4). Beispiel: Wir gehen von m = 3 Anbietern und n = 4 Nachfragern aus. Tab. 2.13 gibt die Transportkosten cij bei Transport einer ME von Anbieter i = 1,...,m zum Nachfrager j = 1,...,n an. Die auszuliefernden Angebotsmengen sind a1 = 6 , a2 = 7 und a3 = 6 , während als Nachfragemengen b1 = 2 , b2 = 5 , b3 = 7 und b4 = 5 zu befriedigen sind.
cij
1
2
3
4
1
5
15
14
21
2
8
18
11
18
3
4
14
9
16
Tab. 2.13: Transportkosten
Tab. 2.14 zeigt ein entsprechendes Transcij ai 1 2 3 4 porttableau, bei dem die Stück-Transportkos5 15 14 21 1 6 2 4 ten cij hochgestellt sind. Die Nordwest11 8 18 18 eckenregel beginnt – wie der Name besagt – 7 2 6 1 in der oberen linken (Nordwest-) Ecke des 4 14 9 16 6 3 1 5 Tableaus. Dort wird die größtmögliche bj 2 5 7 5 Transportmenge x11 = min ^ a1 b1 ` = 2 realisiert, und die verbleibenden Angebots- bzw. Tab. 2.14: Transporttableau Nachfragemengen werden entsprechend verringert ( a1 = 4 , b1 = 0 ). Wegen Befriedigung der Nachfrage von Nachfrager 1 schreitet das Verfahren nach rechts (Osten) zur zweiten Spalte fort. Nun werden die Transportmenge x12 = min ^ a1 b2 ` = 4 sowie die Restmengen a1 = 0 und b2 = 5 – 4 = 1 gesetzt, und man geht nach Süden zur zweiten Zeile über. Diese Vorgehensweise wird fortgesetzt, bis das südöstlichste Feld erreicht ist. Als Gesamtkosten des so gebildeten Transportplans stehen 2 5 + 4 15 + 1 18 + 6 11 + 1 9 + 5 16 = 243 GE zu Buche.
2.4 Grundlagen der Optimierung (Operations Research)
79
2.4.2 Ganzzahlige und kombinatorische Optimierung Viele betriebswirtschaftliche Entscheidungsprobleme sind kombinatorischer Natur, d.h. Lösungen entstehen durch Kombinieren und Reihen von Lösungselementen. Die Anzahl der zu überprüfenden Lösungen steigt mit der Problemgröße exponentiell. So ergeben sich z.B. bei der Bildung von Reihenfolgen für n Elemente n! verschiedene Möglichkeiten. Kombinatorische Optimierungsprobleme kann man grob unterteilen in; vgl. Domschke und Drexl (2005, Kap. 6.1): • Reihenfolgeprobleme; z.B. Maschinenbelegungsprobleme (Kap. 3.5.4), Rund-
reiseprobleme (vgl. z.B. Domschke (1997)) • Gruppierungsprobleme; z.B. Fließbandabstimmung (vgl. Scholl (1999)), Los-
größenplanung (Kap. 4.3), Tourenplanung33 (Kap. 4.4)
• Zuordnungsprobleme; z.B. Personaleinsatzplanung (Kap. 8.5.3) • Auswahlprobleme; z.B. Knapsack-Problem (Kap. 2.2.3.1.2)
Viele kombinatorische Optimierungsprobleme lassen sich als (gemischt-) ganzzahlige lineare Optimierungsmodelle formulieren (vgl. Kap. 2.2.3.1). Diese unterscheiden sich von LP-Modellen dadurch, dass für einige oder alle Variablen nur ganzzahlige Werte zulässig sind. Bei Beschränkung ganzzahliger Variablen auf die Werte 0 und 1 spricht man von Binärvariablen und von (gemischt-) binären LPModellen. Aufgrund der exponentiell mit der Problemgröße wachsenden Anzahl von Lösungen gibt es für kombinatorische Optimierungsprobleme bzw. ganzzahlige lineare Optimierungsmodelle in der Regel keine effizienten Lösungsverfahren. Lediglich einige einfache Probleme können auf effiziente Weise gelöst werden (z.B. das Wagner-Whitin-Problem; vgl. Kap. 4.3.3.1). Im Sinne der Komplexitätstheorie ist ein Verfahren effizient, wenn seine Rechenzeit bzw. sein Rechenaufwand durch ein von der Problemgröße (z.B. Anzahl der Kunden oder Produkte) abhängiges Polynom nach oben beschränkt wird. Bei nichteffizienten Verfahren wächst die Rechenzeit ebenso wie der Lösungsraum mit zunehmender Problemgröße exponentiell. Probleme, für die ein effizientes Lösungsverfahren bekannt ist, werden als polynomial lösbar und solche, für die dies nicht der Fall ist, als NP-schwer bezeichnet. Für weitere Erkenntnisse und Zusammenhänge der Komplexitätstheorie, auf die wir hier nicht weiter eingehen, vgl. z.B. Bachem (1980) oder Domschke et al. (1997, Kap. 2.3). Für NP-schwere Optimierungsprobleme spielt die bereits zu Beginn von Kap. 2.4 angesprochene Unterteilung in exakte und heuristische Verfahren eine Rolle, während bei polynomial lösbaren Problemen letztlich nur exakte Verfahren in Frage kommen.
33 Zusätzlich zur Gruppierung von Aufträgen sind Reihenfolgen zu bestimmen.
80
2 Planung und Entscheidung
Exakte Verfahren zielen – wie oben bereits ausgeführt – darauf ab, in endlich vielen Schritten eine optimale Lösung eines Problems zu ermitteln. Dabei muss aufgrund der Problemkomplexität darauf geachtet werden, dass ein derartiges Verfahren möglichst geschickt vorgeht. Heutzutage basieren die meisten exakten Verfahren daher auf dem Prinzip des Branch&Bound (B&B), bei dem die Aufgabenstellung durch Verzweigung (branching) sukzessive in kleinere Aufgaben zerlegt wird. Dies geschieht so lange, bis sich ein solches Teilproblem leicht lösen oder durch Berechnung von Schranken (bounding) zur Abschätzung des erzielbaren Zielfunktionswertes von der Betrachtung ausschließen (ausloten) lässt, so dass nicht sämtliche zulässigen Lösungen aufgezählt (enumeriert) werden müssen. Für eine ausführlichere Darstellung der Vorgehensweise von B&B-Verfahren siehe z.B. Neumann und Morlock (2002, Kap. 3), Domschke und Drexl (2005, Kap. 6), Domschke et al. (2005, Kap. 6) oder die sehr anschauliche Darstellung in Scholl et al. (1997). Neben vielfältigen Varianten von B&B-Verfahren lassen sich zur exakten Lösung kombinatorischer Optimierungsprobleme Schnittebenenverfahren, die unter der Bezeichnung Branch&Cut auch mit dem B&B-Prinzip kombiniert werden, sowie Verfahren der dynamischen Optimierung anwenden (vgl. Kap. 2.3.5). Bei letzteren Ansätzen muss ggf. eine (künstliche) Unterteilung des Problems in (Zeit-) Stufen vorgenommen werden. Heuristische Verfahren (Heuristiken) gehen nach bestimmten Regeln zur Lösungsfindung oder -verbesserung vor, die hinsichtlich der betrachteten Zielsetzung und der Nebenbedingungen eines Problems als zweckmäßig, sinnvoll und erfolgversprechend erscheinen. Sie garantieren zwar nicht, dass für jede Probleminstanz eine optimale Lösung gefunden wird, besitzen jedoch zumeist polynomialen Rechenaufwand. Daher sind sie exakten Verfahren dann vorzuziehen, wenn diese für Instanzen praxisrelevanter Größenordnungen zu großen Rechenaufwand verursachen. Sie lassen sich allgemein v.a. in Eröffnungs- und Verbesserungsverfahren unterteilen; vgl. Müller-Merbach (1981) sowie Domschke (1997, Kap. 1.3). Eröffnungs- oder Konstruktionsverfahren ermitteln eine (oder mehrere) zulässige Lösung(en) des Problems, indem sie Lösungselemente sukzessive in eine bisher vorliegende Teillösung aufnehmen. Derartige Ansätze lassen sich grob in uninformierte Verfahren, Greedy-Verfahren und vorausschauende Verfahren einteilen: • Uninformierte Verfahren weisen einen starren Ablauf auf, der nicht von den
konkreten Problemdaten abhängt. Ein Beispiel wurde mit der Nordwesteckenregel für das TPP bereits in Kap. 2.4.1.2.3 beschrieben. • Greedy-Verfahren oder myopische Verfahren streben in jedem Konstruktions-
schritt nach dem bestmöglichen Zielfunktionswert (der bisherigen Teillösung) und/oder bestmöglicher Erfüllung von Nebenbedingungen (z.B. Ausschöpfung von Kapazitäten), ohne auf zukünftige Schritte Rücksicht zu nehmen. Zur Klasse der Greedy-Verfahren zählen (die meisten) Prioritätsregelverfahren, bei
2.4 Grundlagen der Optimierung (Operations Research)
81
denen die Reihenfolge, in der die Lösungselemente in eine Lösung aufgenommen werden, durch Prioritäts- oder Rangwerte festgelegt wird (vgl. Kap. 3.5.4). • Vorausschauende Verfahren schätzen in jedem Schritt ab, welche Auswirkun-
gen die Zuordnung eines Lösungselements zur aktuellen Teillösung auf die in nachfolgenden Schritten noch möglichen Zuordnungen anderer Lösungselemente und damit auf die erzielbare Lösungsgüte besitzt. Dies kann z.B. durch Berechnen von Regretwerten geschehen, die ein Maß für das "Bedauern" darstellen, eine bestimmte Zuordnung in späteren Lösungsschritten evtl. nicht mehr treffen zu können. Nun werden in jedem Schritt Zuordnungen so vorgenommen, dass das größtmögliche Bedauern vermieden wird. Ein Beispiel eines regretbasierten vorausschauenden Verfahrens ist die Vogelsche Approximationsmethode für das TPP; vgl. Domschke und Drexl (2005, Kap. 4.1.2). Als Regretwert wird für jeden Anbieter bzw. Nachfrager die Kostendifferenz zwischen seiner zweitgünstigsten und seiner günstigsten Transportverbindung zu Nachfragern bzw. von Anbietern berechnet. In jeder Iteration wird ein Anbieter oder Nachfrager ausgewählt, dessen aktueller Regretwert möglichst groß ist, d.h. bei dem das Bedauern über die mögliche Nichtrealisierung seiner günstigsten Verbindung am größten ist, und diese günstigste Verbindung wird mit größtmöglicher Transportmenge in die Lösung aufgenommen. (Reine) Verbesserungsverfahren gehen von einer zulässigen Lösung x aus und versuchen, diese sukzessive durch kleine Veränderungen (Züge) zu verbessern. Dabei bezeichnet man eine Lösung xc , die sich durch einen Zug aus der aktuellen Lösung x ergibt, als Nachbarlösung von x. Die Menge aller Nachbarlösungen wird Nachbarschaft NB(x) genannt. Von allen möglichen Zügen wird in jeder Iteration ein solcher ausgeführt, der zur größten Verbesserung des Zielfunktionswerts führt, d.h. es wird zur besten Nachbarlösung aus NB(x) übergegangen. Im Fall des Knapsack-Problems (Kap. f(y) lokale Maxima 2.2.3.1.2) besteht eine mögliche Zugdefinition z.B. darin, einen einzelnen Gegenstand in den Rucksack zu packen oder, globales Maximum falls dies nicht möglich ist, einen zu enty fernen. Dies entspricht der Veränderung genau einer Binärvariablen im binären Abb. 2.13: Lokale und globale Optima Lösungsvektor x von 0 zu 1 oder umgekehrt ("Kippen eines Bits"). Eine Alternative ist das Herausnehmen eines Gegenstandes, der durch einen oder mehrere andere ersetzt wird. Reine Verbesserungsverfahren führen häufig sehr schnell dazu, dass die Suche in einem lokalen Optimum endet, wo keine Verbesserungen mehr möglich sind. Das gesuchte globale Optimum wird u.U. weit verfehlt. Abb. 2.13 verdeutlicht diesen Sachverhalt für eine zu maximierende eindimensionale Funktion f(y).
82
2 Planung und Entscheidung
Daher hat man verschiedene Strategien (Meta-Heuristiken) entwickelt, die heuristische Verbesserungsverfahren so steuern, dass sie nicht in lokalen Optima steckenbleiben. Dabei werden verschiedene Vorgehensweisen angewendet: • Eine Gruppe von Meta-Heuristiken erlaubt neben verbessernden Zügen tempo-
rär auch verschlechternde Züge. Dabei muss jedoch darauf geachtet werden, dass die Suche nicht ins Kreisen gerät, also immer wieder dieselben Lösungen erzeugt. Bei Tabu Search wird dies durch zeitweiliges Verbieten (tabu setzen) von Zügen verhindert, deren Ausführung zu einem Wiederaufsuchen bereits besuchter Lösungen führen würde. Bei Simulated Annealing werden verschlechternde Züge zufällig (in Abhängigkeit vom Ausmaß der Verschlechterung und einem so genannten Temperaturparameter) ausgewählt. • Eine andere Gruppe von Meta-Heuristiken wird unter dem Begriff evolutionäre
Verfahren zusammengefasst. Hauptvertreter dieser Klasse sind Genetische Algorithmen, bei denen eine Menge (Population) von Lösungen durch analoges Anwenden von Vererbungsregeln der Biologie (Kreuzung, Selektion, Mutation) sukzessive verändert wird, um schrittweise zu verbesserten Populationen zu gelangen. Zu diesen und weiteren Meta-Strategien vgl. z.B. Nissen (1994), Domschke et al. (1996), Domschke (1997, Kap. 1.3) sowie Glover und Laguna (1997). Ein Beispiel eines einfachen Tabu Search-Verfahrens beschreiben wir in Kap. 6.5.1. Neben der (kombinierten) Anwendung von Eröffnungs- und Verbesserungsverfahren lassen sich heuristische Lösungen auch dadurch gewinnen, dass man ein exaktes Verfahren vor seiner vollständigen Ausführung nach einer bestimmten Rechenzeit abbricht und die beste zum Abbruchzeitpunkt bekannte Lösung verwendet. Eine andere Möglichkeit (relaxationsbasierte Verfahren) besteht darin, ein vereinfachtes (relaxiertes) Problem zu lösen und die gewonnene Lösung auf das Ausgangsproblem zu übertragen. Z.B. kann man bei einem ganzzahligen LP-Modell die Forderung nach Ganzzahligkeit der Variablen fallenlassen (relaxieren), die entstehende LPRelaxation mit dem Simplex-Algorithmus lösen und nichtganzzahlige Werte so durch Runden in ganzzahlige überführen, dass die Lösung zulässig bleibt. 2.4.3 Bemerkungen zur nichtlinearen Optimierung Viele betriebswirtschaftliche Problemstellungen weisen nichtlineare Zusammenhänge auf (z.B. degressive Kostenfunktionen, Rabatte usw.), so dass sie eigentlich als nichtlineare (ganzzahlige) Optimierungsmodelle formuliert und gelöst werden müssten. Jedoch ist in vielen Fällen eine Approximation nichtlinearer durch (stückweise) lineare Funktionen ohne erhebliche Einbußen an Planungsqualität möglich. Aus diesem Grund verzichtet man häufig auf die explizite Betrachtung nichtlinearer Optimierungsmodelle.
2.4 Grundlagen der Optimierung (Operations Research)
83
Zur Lösung nichtlinearer Optimierungsmodelle werden prinzipiell ähnliche Vorgehensweisen wie für lineare Modelle verwendet (modifizierter Simplex-Algorithmus, Branch&Bound, exakte und heuristische Suchverfahren). Sie sind in der Regel jedoch aufwendiger und weniger elegant. Für Einführungen in die nichtlineare Optimierung verweisen wir auf Hillier und Lieberman (1997, Kap. 14), Neumann und Morlock (2002, Kap. 4) sowie Domschke und Drexl (2005, Kap. 8). 2.4.4 Standardsoftware für Optimierungsprobleme In einem ständig wachsenden Markt gibt es inzwischen eine Vielzahl an Softwarepaketen zur Modellierung und Lösung von Optimierungsproblemen. Neben eigenständigen Paketen wie CPLEX, LINGO, MOPS oder XPress-MP existieren Systeme, die sich in Tabellenkalkulationsprogramme integrieren lassen und deren Funktionalität und Benutzeroberfläche verwenden. Teilweise sind sie inzwischen fester Bestandteil solcher Programme; so enthält Microsoft Excel eine Komponente zur Lösung linearer (ganzzahliger) Optimierungsprobleme. Zu einigen Programmen werden kostenlose Testversionen über das Internet zur Verfügung gestellt. Vgl. zu näheren Ausführungen über Standardsoftware und Fallbeispiele, die mit Excel sowie XPress-MP gelöst werden, Domschke et al. (2005, Kap. 11) sowie Domschke und Drexl (2005, Kap. 11).
Weiterführende Literatur zu Kapitel 2 Adam (1996) Bamberg und Coenenberg (2004) Berens und Delfmann (2002) Bitz (1981) Dinkelbach (1982) Dinkelbach und Kleine (1996) Domschke (1995, 1997) Domschke und Drexl (2005) Domschke et al. (1997, 2005) Eisenführ und Weber (2003) Hillier und Lieberman (1997) Homburg (2000)
Klein und Scholl (2004) Laux (2003) Neumann und Morlock (2002) Pfohl (1977) Pfohl und Braun (1981) Pfohl und Stölzle (1997) Rieper (1992) Saliger (2003) Schierenbeck (2003) Scholl (2001) Schneeweiß (1991, 1992) Sieben und Schildbach (1994)
84
2 Planung und Entscheidung
Die Autoren hoffen, dass der im zweiten Kapitel dargebotene Stoff so hilfreich ist, dass der Leserin bzw. dem Leser des Buches das unten dargestellte Schicksal erspart bleibt.
Quelle: http://www.elsatec.de/aktuelles.htm Und zum Schluss noch folgende tröstliche Erkenntnis, die einem die Mühen einer detaillierten Planung ungemein versüßt: "Wer exakt plant, der irrt genauer!"
3 Produktion
Produktionszusammenhänge lassen sich formal mit Hilfe von Produktionsfunktionen beschreiben. Daher gehen wir in Kap. 3.1 zunächst auf grundlegende Aussagen der Produktionstheorie ein und untersuchen verschiedene Typen solcher Funktionen. In Kap. 3.2 beziehen wir Kosten der Produktion in die Betrachtung ein und beschreiben Zusammenhänge zwischen Produktions- und Kostenfunktionen. Kap. 3.3 ist zentralen Fragestellungen der Produktionsplanung gewidmet. Die anschließenden Abschnitte beschäftigen sich mit ausgewählten Problemstellungen der Produktionsprogrammplanung (Kap. 3.4) und der Planung von Produktionsabläufen (Kap. 3.5), während diverse Aspekte der Bereitstellungsplanung, die auch andere betriebliche Funktionsbereiche betreffen, in Kap. 4, 6 und 8 behandelt werden. In Kap. 3.6 stellen wir Konzepte zur Produktionsplanung und -steuerung dar.
3.1 Produktionstheorie Wir beginnen unsere Ausführungen zur Produktionstheorie mit der Definition von Begriffen, die in diesem Gebiet benötigt werden. In den Kapiteln 3.1.2 bis 3.1.5 betrachten wir verschiedene Typen von Produktionsfunktionen. 3.1.1 Grundlegende Begriffe Produktion (oder Fertigung) ProduktionsProduktionsist ein Prozess, bei dem zum Produkte prozess faktoren Zweck der Erstellung von Gütern Produktionsfaktoren Input Output kombiniert und transformiert Abb. 3.1: Produktionsprozess werden. Die Menge der in die Produktion eingehenden Produktionsfaktoren wird auch als Input, der Kombinations- und Transformationsprozess als Produktionsprozess bezeichnet. Die hergestellten Güter nennt man Produkte oder Output (vgl. Abb. 3.1 sowie die anschaulichere Darstellung auf Seite 134).
86
3 Produktion
Die Produktionstheorie soll die technischen (mengenmäßigen) Beziehungen zwischen Faktorinput und Güteroutput analysieren und erklären. Entwickelt wurden dafür verschiedene Produktionsmodelle in Form von Produktionsfunktionen. Wir betrachten einen Produktionsprozess mit m Faktoren und n Produkten und wählen folgende Bezeichnungen: ri
Einsatzmenge des Faktors i = 1,...,m
xj
Ausbringungsmenge des Produkts j = 1,...,n
Die Einsatz- bzw. Ausbringungsmengen lassen sich in Form eines Faktorvektors r = r1 } rm bzw. eines Produktvektors x = x1 } xn beschreiben. Definition 3.1: Ein Faktorvektor r = r1 } rm und ein mit r herstellbarer Produktvektor x = x1 } xn bilden eine Aktivität (d.h. eine Produktionsalternative) y = – r x . Die Menge der einem Betrieb zur Verfügung stehenden Aktivitäten bezeichnet man zumeist als Technologie. Definition 3.2: Eine Aktivität yo = – ro xo heißt effizient, falls es keine andere Aktivität y = – r x gibt mit y t yo und y z yo (d.h. mit mindestens einem ri roi oder mindestens einem xj ! xoj ). Existiert zu yo eine Aktivität y mit obigen Eigenschaften, so ist yo ineffizient, sie wird durch y dominiert. m
n
Definition 3.3: Eine Produktionsfunktion ist eine Abbildung f : + o + , die jedem Faktor- oder Inputvektor r die Menge der damit erzeugbaren effizienten Produkt- oder Outputvektoren x zuordnet. Bei m ! 1 und n ! 1 handelt es sich um eine mehrdeutige Abbildung (Korrespondenz). In der Literatur zur Produktionstheorie beschränkt man sich häufig auf den m Fall eines Produktes (n = 1), bei dem die Produktionsfunktion f : + o + jedem r die damit maximal produzierbare Menge x eindeutig zuordnet (Schreibweise: x = f r1 } rm ). Analoge Definitionen lassen sich für die in der BWL gebräuchlichen Faktorfunktionen geben. Eine Faktorfunktion M ordnet jedem Produktvektor x diejenigen Faktorvektoren zu, mit denen x effizient herstellbar ist; vgl. Kap. 3.1.3: m
n
m
M : +o + bzw. M : + o +
Eine Produktions- bzw. Faktorfunktion ist in der Regel eine sehr vereinfachende Abbildung der Produktionszusammenhänge, da von vielen organisatorischen und technologischen Details abstrahiert wird; vgl. z.B. Busse von Colbe und Laßmann (1991, S. 89 ff.) sowie Kistner und Steven (2002, Kap. 2-1.2). Eine Produktionsfunktion "beschreibt" den effizienten "Rand" der einem Betrieb zur Verfügung stehenden Technologie. Beispiel: Die Möbelschreinerei Ebenholz stellt u.a. drei Schränke (Produkte) A, B und C her. Als Hauptproduktionsfaktoren stehen drei Typen von Holzplatten I, II
3.1 Produktionstheorie
87
und III zur Verfügung. Der Meister kennt verschiedene Möglichkeiten, die Platten zuzuschneiden und die zugeschnittenen kleineren Platten zu Schränken zu kombinieren. Diese aus sechs Produktionsalternativen (Aktivitäten) bestehende Technologie ist in Tab. 3.1 zusammengestellt; bei den Inputfaktoren sind die Anzahl benötigter Platten, bei den Produkten die Anzahl der erzeugten Schränke angegeben. Alternative 1 2 3 4 5 6
I 3 2 3 5 3 4
II 2 3 2 3 2 4
III 4 3 3 4 3 4
A 2 2 2 2 2 2
B 1 2 1 3 2 2
C 3 2 2 5 3 3
Tab. 3.1: Aktivitäten zur Herstellung von Schränken
Die Produktionsalternative 1 stellt aus dem Faktorvektor r1 = 3 2 4 den Produktvektor x1 = 2 1 3 her; zusammengefasst ergibt sich der Aktivitätsvektor y1 = –3 –2 – 4 2 1 3 . Alternative 5 ( y5 = –3 –2 –3 2 2 3 ) dominiert Alternative 1, da sie die gleiche Anzahl an Platten der Typen I und II und eine geringere Anzahl an Platten des Typs III erfordert und damit die gleiche Anzahl an Schränken der Bauarten A und C sowie eine höhere Anzahl an Schränken der Bauart B erzeugt. Die Alternative 1 ist somit ineffizient; gegenüber Alternative 5 wird Input verschwendet. Ebenso sind auch die Alternativen 3 und 6 ineffizient, die ebenfalls von Alternative 5 dominiert werden. Die Alternativen 2, 4 und 5 sind effizient (unterlegt in Tab. 3.1). In Abb. 3.2 ist eine Technologie veranschaulicht, mit deren Hilfe ein Produkt aus einem einzigen Produktionsfaktor gewonnen wird. Der schraffierte Bereich enthält alle zulässigen Aktivitäten, d.h. Kombinationen der Einsatzmengen r des Produktionsfaktors und der damit erzielbaren Ausbringungsmengen x des Produkts. Der obere Rand dieses Bereichs repräsentiert alle effizienten Kombinationen (Aktivitäten) und stellt eine Produktionsfunktion dar.
x
T
r Abb. 3.2: Technologie
Bemerkung 3.1: Insbesondere die Abb. 3.1 vermittelt den Eindruck, dass der Output eines Produktionsprozesses stets ausschließlich verwertbare Produkte beinhaltet. In der Regel verursacht jedoch jeder Produktionsprozess auch unerwünschte "Nebenprodukte", die entsorgt werden müssen und deren Entsorgung Kosten verursacht. Dieser (nicht nur betriebswirtschaftlich) wichtige Gesichtspunkt wird im
88
3 Produktion
Folgenden außer Acht gelassen; vgl. dazu z.B. Dyckhoff (1994) und Steven (1994 a). 3.1.2 Substitutionale Produktionsfunktionen Zwei Faktoren sind gegeneinander substituierbar, wenn eine Senkung der Einsatzmenge eines Faktors durch eine gleichzeitige Erhöhung der Einsatzmenge des anderen dahingehend ausgeglichen werden kann, dass die Ausbringungsmenge des Produktes unverändert bleibt.1 Man spricht von partieller Substitutionalität, wenn die Faktoren nicht vollständig gegeneinander austauschbar sind, d.h. wenn von jedem Faktor eine Mindestmenge benötigt wird. Kann ein Faktor jedoch ganz weggelassen werden, so handelt es sich um den Fall der totalen Substitutionalität. Bei den im Folgenden beschriebenen Produktionsfunktionen sind die Faktoren partiell gegeneinander substituierbar. Beispiel: Bei unserer Möbelschreinerei sind die Faktoren Arbeitskraft und Maschinen partiell substituierbar. Durch zusätzlichen Einsatz von Maschinen z.B. beim Zuschnitt, beim Verzapfen oder Lackieren lässt sich der benötigte Arbeitsaufwand der Schreiner reduzieren. Es werden zusätzliche Abnutzung der Maschinen und zusätzlicher Verbrauch von Betriebsstoffen gegen eingesparte Arbeitsstunden getauscht. Partielle Substitutionalität besteht, da man auf Arbeitskraft in keinem Fall vollständig verzichten kann und ohne Maschineneinsatz ebenfalls nicht auskommt. Wir beschreiben zunächst das Ertragsgesetz, eine Produktionsfunktion der klassischen Produktionstheorie. Anschließend gehen wir ausführlich auf die Klasse der Cobb-Douglas-Produktionsfunktionen als wesentliche Vertreter der neoklassischen Produktionstheorie ein. 3.1.2.1 Das Ertragsgesetz Die älteste aus der Literatur überlieferte Produktionsfunktion ist das Boden-Ertragsgesetz von Turgot 2. Nach Gutenberg wird das Ertragsgesetz auch als Produktionsfunktion vom Typ A bezeichnet. Turgot beobachtete in der Landwirtschaft, dass auf einer Ackerfläche bei gleichbleibenden Mengen von Dünger und Saatgut ein zunehmender Einsatz von Arbeit (für Pflügen, Ernten usw.) zu zunächst steigenden, ab einem bestimmten Punkt jedoch zu abnehmenden Ertragszuwächsen (Grenzerträgen) führte. 1 Es kann auch erforderlich sein, dass bei Senkung der Einsatzmenge eines Faktors mehrere andere Faktoren mengenmäßig zu erhöhen sind. Werden mehrere Produkte gemeinsam betrachtet, so muss für jedes der Produkte eine Substitutionsmöglichkeit bestehen. 2 Turgot war Finanzminister von Ludwig XVI. in Frankreich. Er lebte von 1727 bis 1781. Vgl. zur historischen Entwicklung der Produktionstheorie auch Bloech et al. (2004, S. 18 ff.). Neben den Arbeiten von Turgot zählen auch solche von J.H. von Thünen (1783 1850) aus dem deutschsprachigen Bereich zur klassischen Produktionstheorie.
3.1 Produktionstheorie
89
Definition 3.4: Sei x = f r1 } rm eine Produktionsfunktion (mit n = 1 Produkt). a) x nennt man Ausbringungsmenge oder auch Ertrag von r. b) Die partielle Ableitung x'i = Gx e Gri bezeichnet man als den Grenzertrag oder die Grenzproduktivität des Faktors i. Ökonomisch: Der Grenzertrag des Faktors i ist derjenige Ertrag, der bei gleichbleibendem Einsatz aller übrigen Faktoren durch Erhöhung von ri um eine (kleine) Einheit zusätzlich zu erzielen ist. c) Den Quotienten x e ri nennt man Durchschnittsertrag von Faktor i. Ertrag x x
I
II
III
IV ri Abb. 3.3: Ertragsfunktion
Gx xi' = -----Gri --xri ri
ri Abb. 3.4: Grenz- und Durchschnittsertrag
Den von Turgot festgestellten ertragsgesetzlichen Verlauf bei Variation von ri und Konstanz aller übrigen Faktoren (man spricht von partieller Faktorvariation) zeigt Abb. 3.3. Zugehörige Verläufe der Grenzertrags- und der Durchschnittsertragskurve veranschaulicht Abb. 3.4. Die vier Phasen des ertragsgesetzlichen Verlaufes lassen sich wie folgt charakterisieren: In Phase I erfolgt mit wachsendem Input ri eine überproportionale Steigerung des Ertrages x, in Phase II und III ist diese Steigerung unterproportional. In Phase III nimmt zwar der Gesamtertrag noch zu, der Durchschnittsertrag sinkt jedoch bereits. In Phase IV erfolgt ein Rückgang des Ertrages, falls man den Faktoreinsatz über die Menge ri hinaus ausdehnt. Der gestrichelte Teil des ertragsgesetzlichen Verlaufes stellt somit ineffiziente Aktivitäten dar. Betrachten wir m = 2 gegeneinander partiell substituierbare Produktionsfaktoren 1 und 2, so ergibt sich ein "Ertragsgebirge". Im Fall der Abb. 3.5 führt Faktor 2 bei
90
3 Produktion
partieller Variation zu ertragsgesetzlichen Zuwächsen, während der Ertragszuwachs bei Faktor 1 von Anfang an abnimmt. Definition 3.5: Die Menge der Aktivitäten zur Erzeugung einer gegebenen Ausbringungsmenge (Ertrag) x heißt Isoquante. In der Regel beschränkt man sich dabei auf effiziente Aktivitäten.
x
Im Fall von zwei Faktoren handelt es sich bei Isoquanten um Linien, die alle Faktorkombinationen r1 r2 mit gleichem Ertrag verbinden. Im Ertragsgebirge stellen Isoquanten Höhenlinien dar; vgl. Abb. 3.5.
r2
Isoquanten
r1 Abb. 3.5: Ertragsgebirge
3.1.2.2 Neoklassische Produktionsfunktionen Im Rahmen der neoklassischen Produktionstheorie wurden in der Volkswirtschaftslehre Produktionsfunktionen entwickelt, die für alle Faktoren bei partieller Variation von Anfang an abnehmende Grenzerträge aufweisen. Zu nennen ist v.a. die (Klasse der) Cobb-Douglas-Produktionsfunktion(en):3 D
D
D
x = a r1 1 r2 2 } rmm mit a ! 0 und 0 d Di d 1 für alle Faktoren i
(3.1)
Die Cobb-Douglas-Produktionsfunktion gehört zur Klasse der theoretisch besonders interessanten homogenen Produktionsfunktionen mit dem Homogenitätsgrad m p := ¦i = 1 Di . Die Eigenschaft der Homogenität lässt sich wie folgt definieren: Definition 3.6: Eine Produktionsfunktion x = f r heißt homogen vom Grade p ! 0 , wenn für alle Vektoren r und O r (mit einem Skalar O ! 0 ) gilt: p
fO r = O f r Bei der Definition des Homogenitätsgrades geht man also von einer totalen Faktoroder Niveauvariation aus; d.h. es erfolgt eine gleichzeitige Veränderung aller Faktoren um den gleichen Prozentsatz. Homogen vom Grade p heißt eine Funktion p dann, wenn eine Ver- O -fachung des Inputs zum O -fachen des Outputs führt. Im Falle p = 1 ist die Produktionsfunktion f linear-homogen; für p 1 besitzt f abnehmende und für p ! 1 zunehmende Grenzerträge, die man im Fall der Niveauvariation auch als Skalenerträge bezeichnet.
3 Die Funktion wurde ursprünglich nur für zwei Faktoren angegeben. Sie lässt sich aber in der dargestellten Weise verallgemeinern.
3.1 Produktionstheorie
91
Beispiele: 1) x = r31 e 4 r12 e 4 ist linear-homogen; eine Verdopplung des Inputs verdoppelt auch den Ertrag. 2) x = r1 r2 ist homogen vom Grade 2; eine Verdopplung des Inputs vervierfacht den Ertrag. 3) x = r11 e 4 r12 e 4 ist homogen vom Grade p = 1 e 2 ; eine Verdopplung des Inputs führt nur zum 1,41-fachen des Ertrages. Wir haben oben die Begriffe Isoquante sowie partielle und totale Substitutionalität eingeführt. Man erkennt leicht, dass bei Cobb-Douglas-Funktionen nur eine partielle Faktorsubstitution möglich ist; bei Nullsetzen eines Faktors wird auch der Output 0. Bei zwei Inputfaktoren (oder bei Konstanz der übrigen; siehe unten) ergibt sich für 1 D2 die Cobb-Douglas-Produktionsfunktion x = a rD 1 r2 durch Auflösen nach r2 die von der gewünschten Ausbringungsmenge x abhängige Isoquantengleichung: D
r2 = I r 1 | x = D2 x / a r 1 1
(3.2)
Abb. 3.6 zeigt Isoquanten für r verschiedene vorgegebene 2 Ausbringungsmengen x . Definition 3.7: Die Grenzrate der Substitution sji eines Faktors i durch einen Faktor j gibt an, um wie viel die Einsatzmenge rj des Faktors j erhöht werden muss, um eine (marginale) Verringerung der Einsatzmenge ri des Faktors i bei Konstanz aller anderen Faktoren auszugleichen.
x=6
s21 -1
x=1
x=4 x=2 r1
Abb. 3.6: Isoquanten
Die Grenzrate der Substitution sji entspricht der negativen Steigung der Isoquante im Punkt ri rj . Sie lässt sich durch das in Abb. 3.6 an der Tangente eingezeichnete Steigungsdreieck verdeutlichen. Dabei ist jedoch zu beachten, dass die Grenzrate der Substitution nur für marginale Veränderungen der Faktormengen gilt und die aus Darstellungsgründen gewählte Verringerung von ri um 1 ME zu groß ist. Aufgrund der Konstanz aller Faktoren außer i und j können wir ohne Beschränkung der Allgemeinheit davon ausgehen, dass i = 1 und j = 2 gilt. Dann beschreibt (3.2) die Isoquante zur Ausbringung von x ME; man beachte, dass hierbei die Konstante a alle unveränderlichen Terme der (ursprünglichen) Produktionsfunktion repräsentiert. Für die Grenzrate der Substitution ergibt sich durch Anwenden der Kettenregel der Differentiation und Kürzen; vgl. Kistner und Steven (2002, Kap. 2-1.2.2):
92
3 Produktion
dr2 dI r1 | x D1 r2 s21 = – ------- = – -------------------- = ------ ---dr1 dr1 D2 r1
(3.3)
Aus der Eigenschaft, dass eine Isoquante nur effiziente Aktivitäten repräsentiert, ergibt sich: • Die Isoquante ist eine mit wach-
sendem r1 monoton fallende Kurve, und die Grenzrate der Substitution ist stets positiv. Ansonsten könnten entlang der Isoquante die Einsatzmengen beider Faktoren verringert werden, ohne die Ausbringungsmenge zu verringern, was offensichtlich der Effizienzeigenschaft der Isoquante widerspricht.
r2 1
s21= 3/16 -1 1/4
• Die Isoquante ist konvex, d.h. die
4 5
10
r1
r13 e 4 r12 e 4
Grenzrate der Substitution Abb. 3.7: Isoquante für x = und x = 2 nimmt mit wachsendem r1 ab. Das heißt, je mehr von Faktor 1 eingesetzt wird, umso weniger muss von Faktor 2 aufgewendet werden, um eine ME von Faktor 1 zu substituieren. Dieser Zusammenhang wird als Gesetz von der abnehmenden Grenzrate der Substitution bezeichnet und ergibt sich durch Differenzieren von s21 nach r1 und 2 daraus, dass D1 , D2 , r1 und r2 positiv sind: ds21 ---------- = – dr1
D r -----1- ---2- < 0 D2 r2 1
Beispiel: Wir gehen von der Cobb-Douglas-Funktion x = r31 e 4 r12 e 4 aus und ermitteln die Isoquante für x = 2 . Es ergibt sich: 3 3 e 4 16 / r1 48 4 r2 = x / r13 e 4 4 = x / r31 = 16 / r31 und s21 = -------- -------------- = -----1 e 4 r1 r41 Abb. 3.7 gibt die ermittelte Isoquante an. Bei einer Einsatzmenge von r1 = 4 wird zur Herstellung x = 2 eine Einsatzmenge von r2 = 1 e 4 benötigt. In diesem Punkt gilt für die Grenzrate der Substitution: s21 = 48 e 256 = 3 e 16 3.1.3 Limitationale Produktionsfunktionen Wenn das Einsatzverhältnis der Inputfaktoren für die Herstellung eines Produktvektors x = x1 } xn fest vorgegeben ist, so erhalten wir limitationale Produktionsfunktionen, die nach Gutenberg auch als Produktionsfunktionen vom Typ B bezeichnet werden. Es ist nicht möglich, Produktionsfaktoren gegeneinander zu substituie-
3.1 Produktionstheorie
93
ren. Der Mehreinsatz eines Faktors bei Konstanz der anderen führt zur Verschwendung dieses Faktors. Es gibt daher nur eine effiziente Aktivität zur Herstellung jedes Produktvektors x; die Isoquanten bestehen streng genommen aus einem einzigen Punkt. 3.1.3.1 Die Leontief-Produktionsfunktion Wir beginnen unsere Ausführungen mit der linear-limitationalen Produktionsfunktion, die auf der volkswirtschaftlichen Input-Output-Analyse von Leontief basiert und daher auch nach diesem Autor benannt wird. Sie eignet sich v.a. zur Beschreibung von Montageprozessen in der Industrie. Bei einer Leontief-Produktionsfunktion sind die Einsatzmengen aller Faktoren proportional zur herzustellenden Menge eines jeden Produkts. Wir definieren: rij
Verbrauch von Faktor i = 1,...,m zur Produktion der Menge xj von Produkt j = 1,...,n
aij
Produktionskoeffizient; Verbrauch von Faktor i pro ME des Produktes j
Der Kehrwert des Produktionskoeffizienten aij beschreibt die Produktivität des Faktors i für Produkt j. Für den Verbrauch von Faktor i für Produkt j gilt rij := aij xj . Daher ergibt sich der Gesamtverbrauch ri von Faktor i für die Produktion des Produktvektors (Produktionsprogramms) x = x1 } xn zu: n
n
ri = ¦j = 1 rij = ¦j = 1 aij xj
(3.4)
(3.4) drückt die Leontief-Produktionsfunktion in Form einer Faktorfunktion aus, d.h. der benötigte Input r = r1 } rm wird in Abhängigkeit vom gewünschten Output x = x1 } xn angegeben; vgl. Def. 3.3. Aufgrund obiger Beziehungen wird klar, dass die Leontief-Produktionsfunktion linear-homogen ist. Eine Ver- O -fachung aller Inputmengen führt zur O -fachen Ausbringungsmenge; die Faktoreinsätze stehen unabhängig von der Ausbringungsmenge xj eines Produktes j zueinander im konstanten Verhältnis a1j : a2j : } : amj . In Abb. 3.8 sind Isoquanten einer LeontiefProduktionsfunktion gestrichelt einge- r2 zeichnet. Beschränkt man sich nur auf effiziente Aktivitäten, so reduzieren sie sich 2 jeweils auf einen Punkt. Diese effizienten Punkte liegen auf einer Geraden durch den 1 Ursprung, die einen (linearen) Produktionsprozess repräsentiert. Allgemein sind Produktionsprozesse dadurch gekennzeichnet, dass sie technologisch verwandte Aktivitäten miteinander
x=5 x=3 x=1 1
2
3
4
5
Abb. 3.8: Linearer Prozess
r1
94
3 Produktion
verbinden. Statt von einem linearen Produktionsprozess spricht man auch von einer linearen Technologie. Die in Abb. 3.8 dargestellte Produktionsfunktion, ausgedrückt durch x = f r , lautet x = min ^ r1 2 r2 ` und in Form einer Faktorfunktion r = M x = x x e 2 . Es gilt a1 = 1 und a2 = 1 e 2 (auf den Index j können wir bei einem Produkt verzichten). Beispiel: In unserer Möbelschreinerei ist z.B. die Montage einfacher Holzstühle ein linearer Produktionsprozess. Jeder Stuhl besteht aus 4 Beinen, 1 Sitzfläche und 1 Rückenlehne sowie 12 Schrauben. Zur Herstellung jedes Stuhls benötigt man die genannten Inputfaktoren mit a1 = 4 , a2 = 1, a3 = 1 und a4 = 12 ME. Für 10 Stühle werden jeweils die 10-fachen Mengen gebraucht. Es kann keiner der Faktoren weggelassen oder ersetzt werden. Es ist jedoch zu beachten, dass die Produktionsmengen x ganzzahlig sein müssen. 3.1.3.2 Kombination mehrerer linearer Technologien Wir gehen nun davon aus, dass einem Unternehmen mehrere (unabhängige) linearlimitationale Produktionsprozesse (lineare Technologien) zur Produktion eines bestimmten Gutes aus zwei Faktoren 1 und 2 zur Verfügung stehen. Aus Gründen der einfacheren Darstellung beschränken wir uns dabei auf zwei Prozesse I und II. Durch das Vorhandensein zweier Prozess I Prozesse wird in gewissen Grenzen r2 eine Substitution von Produktionsfaktoren möglich. Abb. 3.9 veran3 schaulicht beispielsweise, dass x = 1 x=1 ME des zu produzierenden Gutes 2 Prozess II entweder durch den Faktorvektor 5/3 O=1/3 1 (1,3) mit Prozess I oder durch den Vektor (4,1) mit Prozess II hergestellt werden kann. Unterstellt man r1 1 2 3 4 5 6 ferner beliebige Teilbarkeit aller Abb. 3.9: Kombination linearer Prozesse Güter, so ist eine ME des Gutes auch durch eine beliebige Linearkombination O 1 3 + 1 – O 4 1 mit O > 0 1@ der Prozesse I und II herstellbar. Es ergibt sich eine Isoquante (strich-punktierte Linie), die die zur selben Menge x führenden effizienten Aktivitäten der beiden Prozesse verbindet. Z.B. erhält man mit O = 1 e 3 die kombinierte Aktivität (3,5/3), bei der 1/3 ME des Produkts mit Prozess I und 2/3 ME mit Prozess II hergestellt werden. 3.1.3.3 Nichtlinear-limitationale Produktionsfunktionen Während bei linear-limitationalen Produktionsfunktionen das Einsatzverhältnis der Inputfaktoren (unabhängig von der Ausbringungsmenge) konstant ist, verändert sich dieses Verhältnis bei nichtlinear-limitationalen Funktionen.
3.1 Produktionstheorie
95
Abb. 3.10 zeigt nichtlineare Produktionsprozesse für Produktionsfunktionen mit n = 1 Produkt und m = 2 Inputfaktoren, bei denen sich mit wachsendem Output x das Inputverhältnis der Faktoren r1 und r2 durch eine konvexe Funktion (Kurve a, der Anteil an r2 nimmt zu) bzw. durch eine konkave Funktion (Kurve b, der Anteil an r1 nimmt zu) darstellen lässt. Beispiel: In der Möbelschreinerei wäre es r2 a) denkbar, dass sich bei Kombination der Inputfaktoren ausführende und dispositive Arbeit ein nichtlinearer Produktionsprozess x=2 x=1 b) ergibt. Bei Anstieg der Produktionsmengen (wachsende Betriebsgröße) sinkt der Bedarf an Schreinerarbeit pro Schrank aufgrund von Spezialisierung und resultierender r1 Lerneffekte. Der dispositive ArbeitsaufAbb. 3.10: Nichtlineare Prozesse wand zur Organisation und Planung der Produktion (pro ME Output) wird jedoch eher steigen. Bezeichnen wir die Einsatzmenge an ausführender Arbeit mit r1 und die der dispositiven Arbeit mit r2 , so ergibt sich ein konvexer Prozessverlauf (Kurve a in Abb. 3.10). 3.1.3.4 Mehrstufige Leontief-Produktionsfunktion Die bislang in Kap. 3.1.2 und Kap. 3.1.3 betrachteten Produktionsfunktionen haben die Eigenschaft, dass sie lediglich einen einstufigen Produktionsprozess abbilden. Es wird dabei vereinfachend davon ausgegangen, dass aus Produktionsfaktoren in nur einem Produktionsschritt ein oder mehrere (End-) Produkte hergestellt werden. In der Praxis ist das im Allgemeinen nicht der Fall. Geht man von einem mehrstufigen Produktionsprozess aus und besteht auf jeder Produktionsstufe lineare Limitationalität, so kann man den gesamten Prozess als mehrstufige Leontief-Produktionsfunktion beschreiben. Derartige Input-OutputBeziehungen lassen sich auch in Form von Gozinto-Graphen darstellen. Ein Gozinto-Graph ist ein gerichteter Graph. Er enthält für jedes End-, Zwischenund Vorprodukt sowie für jeden Rohstoff einen Knoten und einen Pfeil (i,j) genau dann, wenn i unmittelbar zur Herstellung von j erforderlich ist.4 Die Pfeilbewertungen aij geben an, wie viele Mengeneinheiten von i unmittelbar zur Herstellung von 1 ME des Produkts j erforderlich sind. Die Produktionskoeffizienten aij bezeichnet man auch als Direktbedarfskoeffizienten. Gozinto-Graphen können unterschiedliche Struktur besitzen. Die in Abb. 3.11 dargestellten vier Graphen sind zyklenfrei. Sie besitzen jeweils zwei Produktionsstu4 Die Bezeichnung "Gozinto" ist von der Bedeutung der Pfeile des Graphen "i goes into j" abgeleitet. Zu einigen graphentheoretischen Begriffen siehe Kap. 2.4.1.2.1.
96
3 Produktion
fen, d.h. jeder Weg von einem Rohstoff R zu einem Endprodukt E (über ein Zwischenprodukt Z) enthält maximal zwei Pfeile. Des Weiteren kann man folgende Eigenschaften konstatieren: a) ist ein serieller oder linearer Graph. Jedes Gut außer dem Endprodukt besitzt genau einen Nachfolger. b) besitzt eine konvergierende Struktur. Aus mehreren Vorprodukten und/oder Rohstoffen entsteht genau ein Endprodukt. c) besitzt eine divergierende Struktur. Aus einem Vorprodukt oder Rohstoff (z.B. Erdöl) entstehen mehrere Endprodukte. d) ist von allgemeiner (Netzwerk-) Struktur. E
1
2
R
a)
2
3
1
R1
R2
b)
Z2
4
2
1
2
Z1 1
R
E2
E1
E2
1
Z
Z
3
E1
E
2 1
Z1
2 R1
1
3
2
2
Z2
c)
3
1
R2
4
R3
R4
d)
Abb. 3.11: Beispiele für Gozinto-Graphen
3.1.4 Die Produktionsfunktion von Gutenberg Die Gutenberg-Produktionsfunktion geht grundsätzlich von der Limitationalität des Produktionsfaktoreinsatzes aus; in einem bestimmten Umfang werden jedoch auch Substitutionsmöglichkeiten zwischen Faktoren in Betracht gezogen. Gutenberg entwickelte diese Produktionsfunktion v.a. zur Erklärung des Verbrauchs an Betriebsstoffen (z.B. Strom, Benzin) sowie des Werteverzehrs (Abnutzung) von Betriebsmitteln, die weder durch die Leontief-Produktionsfunktion noch durch substitutionale Funktionen sinnvoll beschreibbar sind. Für jede Gruppe von Betriebsmitteln (zusammengefasst als Aggregat) wird eine eigene Verbrauchsfunktion (Faktorfunktion) aufgestellt. Die Gesamtheit aller Verbrauchsfunktionen ergibt gemäß dem Zusammenwirken der Aggregate und betrieblichen Teilbereiche die Gutenberg-Produktionsfunktion. Wir betrachten den Verbrauch ri eines Faktors i bei Betreiben eines Aggregates. Er ist abhängig • vom Zustand des Aggregats, beschreibbar durch verschiedene Zustandsparame-
ter z1 bis zs , die sich zu einem Zustandsvektor z = z1 } zs zusammenfassen lassen (Einfluss auf den Zustand eines Aggregats haben z.B. sein Alter sowie der Grad der Instandhaltung oder Wartung);
3.1 Produktionstheorie
97
• von der Intensität oder Produktionsgeschwindigkeit d, mit der das Aggregat
betrieben wird;5
• von der gewünschten Ausbringungsmenge x.
Jeder Produktionskoeffizient ai (Verbrauch an Faktor i pro ME Output) ist bei gegebenem Zustandsvektor z eine Funktion der Intensität: ai := Di d
(3.5)
Abb. 3.12 zeigt einen typischen u- D (d) i förmigen (konvexen) Verlauf von Di d , der sich z.B. für den Betriebsstoffverbrauch bei Maschinen in Abhängigkeit von der Motordrehzahl ergibt. In der Regel liegt die verbrauchsgünstigste Intensität (das dmin dopt dmax d Betriebsoptimum dopt ) zwischen der kleinstmöglichen Intensität dmin Abb. 3.12: Verbrauch als Funktion der Intensität und der größtmöglichen Intensität dmax . Unterhalb des Betriebsoptimums ergibt sich ein unwirtschaftlicher Bereich mit erhöhtem Faktorverbrauch. Oberhalb der optimalen Intensität steigt der Verbrauch wegen zunehmender Überbelastung des Aggregates. Die Verbrauchsmenge von Faktor i zur Herstellung von x ME des Produktes lässt sich in Form einer Faktorfunktion wie folgt angeben: r i x = Di d x Aufgrund der Beziehung x = d t gilt, dass der Verbrauch an Faktor i von der Produktionsgeschwindigkeit d und der Einsatzzeit t abhängt: ri d t = Di d d t Beispiel: Die Möbelschreinerei Ebenholz verfügt über eine moderne Sägemaschine, deren Stromverbrauch pro Meter Schnitt von der Schnittgeschwindigkeit in der in Abb. 3.12 dargestellten Weise abhängt. Der Holzverbrauch pro Meter sauberem Schnitt steigt jedoch mit zunehmender Schnittgeschwindigkeit an, da die Anzahl von Fehlschnitten (Verschnitt), verursacht durch das Bedienungspersonal, ansteigt. Bemerkung 3.2: Im Gegensatz zur Leontief-Produktionsfunktion variieren die Produktionskoeffizienten in Abhängigkeit von der Intensität. Hält man letztere jedoch konstant, so ergeben sich auch konstante Produktionskoeffizienten. Daher ist die Leontief-Funktion ein Spezialfall der Gutenberg-Funktion. 5 Aus technischer Sicht entspricht die Intensität der physikalischen Leistung pro ZE (z.B. der Drehzahl eines Bohrers). Aus betriebswirtschaftlicher Sicht wird die Intensität mit der Produktionsgeschwindigkeit (Ausbringungsmenge pro ZE) gleichgesetzt. Dabei geht man davon aus, dass für jede Produktionsgeschwindigkeit eine bestmögliche Einstellung der technischen Parameter verwendet wird.
98
3 Produktion
Bei der Gutenberg-Produktionsfunktion lassen sich verschiedene Maßnahmen zur Anpassung an Beschäftigungsschwankungen berücksichtigen, die insbesondere im Hinblick auf die Produktionsfaktoren Betriebsmittel und menschliche Arbeitskraft eine Rolle spielen. Als Anpassungsmaßnahmen kommen in erster Linie die zeitliche, die quantitative und die intensitätsmäßige Anpassung in Betracht. Grundsätzlich ergibt sich die gesamte Produktionsmenge x durch Multiplikation der Anzahl q an (identischen) Produktiveinheiten (Arbeitskräfte und/oder Maschinen) mit der Produktionszeit t und der Produktionsgeschwindigkeit d, falls letztere Parameter für alle Produktiveinheiten verwendet werden: x = qtd • Eine quantitative Anpassung kann dadurch erfolgen, dass die Anzahl q der
einzusetzenden Produktiveinheiten bei konstantem t und d variiert wird. • Zeitliche Anpassungsmaßnahmen bestehen darin, bei gegebenem d und q die
Ausbringungsmenge dadurch zu erhöhen, dass die Betriebszeit t der Produktiveinheiten angepasst wird. Muss dabei über die durch die normale Arbeitszeit gegebene Normalkapazität (gemessen durch die in dieser Zeit erzielbare Ausbringungsmenge x ) hinausgegangen werden, so sind Zusatzschichten oder Überstunden einzuführen. • Bei konstantem t und q besteht die intensitätsmäßige Anpassung darin, die
Produktionsgeschwindigkeit d zu verändern. Beispiel: Die Möbelschreinerei Ebenholz setzt derzeit q = 4 Schreiner zur Herstellung von x = 8 Schränken pro 8-Stunden-Schicht ( t = 1 ) ein. Die Produktionsgeschwindigkeit pro Schreiner und Tag ist also d = 2 . Aufgrund steigender Nachfrage soll die Produktion auf 12 Schränke pro Tag erhöht werden: • Quantitative Anpassung: 2 Schreiner zusätzlich beschäftigen. • Zeitliche Anpassung: 4 Überstunden pro Tag. • Intensitätsmäßige Anpassung (z.B. durch Akkordlohn): Die Schreiner erzeugen d = 3 Schränke pro Tag. Da keine dieser Maßnahmen allein sinnvoll und praktikabel erscheint, wird beschlossen, die erhöhte Produktionsmenge durch 1,6 Überstunden (96 Minuten) täglich und eine Steigerung der Produktionsgeschwindigkeit der Schreiner auf d = 2 5 zu erreichen, jedoch keinen Schreiner zusätzlich einzustellen.
ri = Di(x/t)
x0
x1
x2
x3
x
Abb. 3.13: Verbrauch bei zeitlicher und Offensichtlich lassen sich diese Maßnahintensitätsmäßiger Anpassung men (fast beliebig) kombinieren. Abb. 3.13 zeigt einen typischen Verbrauchsverlauf bei kombinierter zeitlicher und intensitätsmäßiger Anpassung. Zwischen der
3.1 Produktionstheorie
99
Ausbringungsmenge x0 und x1 erfolgt eine intensitätsmäßige Anpassung bis zum Erreichen des Betriebsoptimums. Zwischen x1 und x2 wird eine zeitliche Anpassung vorgenommen, bevor die Produktionsmenge aufgrund einer Beschränkung der Überstundenanzahl nur noch intensitätsmäßig erweitert werden kann. 3.1.5 Weitere Produktionsfunktionen Neben den bisher beschriebenen wurden in der betriebswirtschaftlichen Literatur eine Vielzahl weiterer Produktionsfunktionen für bestimmte Produktionsbeziehungen entwickelt. Insbesondere versuchen diese Ansätze, die den ökonomischen Input-Output-Beziehungen zugrunde liegenden technischen Relationen stärker einzubeziehen. Sie lassen sich grob wie folgt einteilen; vgl. Hoitsch (1993, Kap. 2.2.1), Fandel (1996, Kap. 5) oder Schweitzer und Küpper (1997, Kap. B.III): • Heinen-Produktionsfunktion (Typ C): Es handelt sich um eine Weiterentwick-
lung der Gutenberg-Produktionsfunktion, bei der der Produktionsprozess stark in Teilprozesse aufgeteilt wird, so dass eindeutige Beziehungen zwischen technischen und ökonomischen Leistungen von Aggregaten hergeleitet werden können. Dabei werden sowohl substitutionale als auch limitationale Faktoreinsatzbeziehungen unterstützt. • Produktionsfunktionen des Pichler-Modells: Auf der Grundlage von so genann-
ten Durchsatzfunktionen wird versucht, komplexe mehrstufige, limitationale Produktionszusammenhänge (z.B. in der chemischen Industrie) zu beschreiben. • Kloock-Produktionsfunktion (Typ D): Der Betrieb wird in einzelne überschau-
bare Teilbereiche gegliedert. Die zwischen diesen Teilbereichen bestehenden (mehrstufigen) Lieferverflechtungen und Produktionsbeziehungen werden in Form einer Input-Output-Analyse (durch ein Gleichungssystem) dargestellt. In Erweiterung zu mehrstufigen Leontief-Funktionen (vgl. Kap. 3.1.3.4) werden auch substitutionale Faktoreinsatzbeziehungen untersucht. • Küpper-Produktionsfunktion (Typ E): Es handelt sich um eine dynamische
Produktionsfunktion, bei der wechselnde Beziehungen zwischen Input und Output im Zeitablauf berücksichtigt werden. Im Gegensatz dazu sind alle bislang behandelten Produktionsfunktionen statisch. • Matthes-Produktionsfunktion (Typ F): Sie ist eine dynamische Weiterentwick-
lung von Typ C für die Einzelproduktion und berücksichtigt unter Einbeziehung der Netzplantechnik (vgl. Kap. 3.5.2) finanzielle Prozesse.
100
3 Produktion
3.2 Kostentheorie Die Kostentheorie ergänzt die Produktionstheorie, die rein mengenmäßige Beziehungen zwischen Faktorinput und Produktoutput beschreibt, durch Einbeziehung von Faktorpreisen und wertmäßige Beurteilung der Produktionszusammenhänge. Ihre Aufgaben bestehen darin, Kosteneinflussgrößen sichtbar zu machen und diese so zu beeinflussen, dass Produktionsentscheidungen im Sinne der unternehmerischen Zielsetzungen (möglichst) optimal ausfallen. Dies bedeutet, dass die Kostentheorie darauf abzielt, die Produktionsfaktoren so zu kombinieren, dass bestimmte Produktionsmengen mit minimalen Kosten erreicht werden. Eine zentrale Fragestellung ist daher die Bestimmung von Minimalkostenkombinationen. In Kap. 3.2.1 führen wir grundlegende Begriffe der Kostentheorie ein. Die nachfolgenden Kapitel 3.2.2 bis 3.2.4 sind der Herleitung von Minimalkostenkombinationen und Kostenfunktionen für verschiedene Produktionsfunktionen gewidmet. 3.2.1 Grundlagen der Kostentheorie Unter Kosten versteht man den mit Faktorpreisen bewerteten Verzehr an Sachgütern und Dienstleistungen während einer Abrechnungsperiode, die zur Erhaltung der betrieblichen Leistungsbereitschaft, zur Leistungserstellung und zur Leistungsverwertung eingesetzt werden. Eine genauere Definition und Abgrenzung des Kostenbegriffs gegenüber verwandten Begriffen findet sich in Kap. 7.2.1. In der Regel verwendet man einen wertmäßigen Kostenansatz. Dabei werden Inputfaktoren mit ihren Wiederbeschaffungspreisen bewertet.6 Handelt es sich um knappe Ressourcen, so erfolgt häufig eine Bewertung anhand von Opportunitätskosten. Opportunitätskosten messen den entgangenen Nutzen, der dadurch entsteht, dass die eingesetzten Produktionsfaktoren einer alternativen Verwendung entzogen werden. Es kann sich dabei z.B. um kalkulatorische Zinsen und kalkulatorischen Unternehmerlohn handeln (vgl. Kap. 7.2.2.2.2). Bei gegebenen Faktorpreisen qi lassen sich die Kosten zur Herstellung von x ME eines Produktes bei Einsatz der Faktormengen ri x (i =1,...,m) wie folgt berechnen: m
K x = ¦i = 1 q i r i x
(3.6)
Kosteneinflussgrößen Um Produktionsprozesse kostenmäßig beurteilen und durch Entscheidungen im Sinne des Wirtschaftlichkeitsprinzips beeinflussen zu können, muss zunächst 6 Im Gegensatz dazu basieren pagatorische Kosten ausschließlich auf Auszahlungen, bestimmen sich also aus historischen Anschaffungspreisen.
3.2 Kostentheorie
101
festgestellt werden, welche Einflussgrößen auf die Kosten wirken. Wesentliche Determinanten der Kosten (eines Betriebes) sind: 1) Die Betriebsgröße, die sich durch die Gesamtheit der Fertigungskapazitäten (Betriebsmittel, Personal) ergibt. Die Betriebsgröße ist kurzfristig nicht veränderbar und bestimmt die grundsätzlichen Fertigungsmöglichkeiten. Langfristig kann die Betriebsgröße durch Veränderung der Anzahl und Zusammensetzung der Potentialfaktoren an neue Anforderungen angepasst werden. 2) Das Produktions- oder Fertigungsprogramm, d.h. die in einer Periode herzustellenden Produkte nach Art und Menge; vgl. Kap. 3.3.3. Veränderungen des Produktionsprogramms sind relativ kurzfristig möglich. Das Produktionsprogramm wirkt unmittelbar durch Mengen und Preise der innerhalb der Produktionsprozesse eingesetzten Inputfaktoren auf die Kostenhöhe des Betriebes. 3) Die Beschäftigung, d.h. die Ausbringungsmengen x = x1 } xn pro Periode, beeinflusst die Kosten mittelbar über den Verbrauch der zur Herstellung des Produktvektors x benötigten Faktormengen. Setzt man diese Istbeschäftigung zur Leistungsfähigkeit bzw. Kapazität des Betriebes ins Verhältnis, so erhält man dessen Beschäftigungsgrad, der ebenfalls Auswirkungen auf das Kostenniveau hat. Unterschreitet die Istbeschäftigung die Leistungsfähigkeit, so entstehen z.B. aufgrund der technischen Alterung unbenutzter Betriebsmittel Kosten. Bei einer Überschreitung ergeben sich Kosten für stärkere Abnutzung von Anlagen oder für Überstunden. Zeitliche, quantitative und intensitätsmäßige Anpassungsmaßnahmen an Beschäftigungsänderungen haben unterschiedliche Kostenwirkungen; vgl. Kap. 3.1.4. 4) Die Gestaltung des Fertigungsablaufs beeinflusst die Kosten v.a. in Bezug auf den Anordnungstyp und den Repetitionstyp der Fertigung; vgl. Kap. 3.3.2. 5) Die Faktorpreise und Faktorqualitäten. Erstere beeinflussen die Kosten unmittelbar; von letzteren hängen die benötigten Faktoreinsatzmengen und damit die Kosten mittelbar ab. In der Regel sind kurzfristig nur die Einflussgrößen Produktionsprogramm und Beschäftigung, die eng miteinander verknüpft sind, durch unternehmerische Entscheidungen zu beeinflussen. Daher interessiert man sich v.a. für Kostenfunktionen K(x) in Abhängigkeit vom erzeugten Produktvektor x. Kostenarten Man kann Kosten nach ihrer Entstehung in verschiedene Arten unterteilen; eine genauere Untergliederung findet sich in Kap. 7.2.2.2: • Werkstoffkosten: Gemäß dem wertmäßigen Kostenansatz werden Werkstoffver-
bräuche möglichst mit Wiederbeschaffungspreisen bewertet. Häufig setzt man jedoch auch nur von Zeit zu Zeit an die tatsächliche Preisentwicklung angepasste interne Verrechnungspreise ein.
102
3 Produktion
• Betriebsmittelkosten: Die durch den Werteverzehr von Betriebsmitteln
verursachten Kosten werden durch Abschreibungen erfasst. Dabei verteilt man die Anschaffungsauszahlungen auf die erwartete Nutzungsdauer. Über die zeitliche Inanspruchnahme der Betriebsmittel können entsprechende Kosten den Produkten zugerechnet werden. • Arbeitskosten: Kosten des Arbeitseinsatzes entstehen v.a. in Form von Lohnkos-
ten. Dabei ist zu unterscheiden zwischen einem Zeitlohn, bei dem die Arbeitszeit mit einem festen Stundenlohn abgegolten wird, und dem Akkordlohn, bei dem die Arbeitskräfte in Abhängigkeit von ihrer Leistung entlohnt werden; vgl. Kap. 8.5.4.2. Spezielle Kostenbegriffe Wir beschränken uns im Folgenden auf den Fall der Produktion eines Gutes und definieren weitere wichtige Kostenbegriffe. Hinsichtlich Beschäftigungsänderungen können Kosten fix oder variabel sein: Kvar(x)
(3) (2) (1)
Fixkosten Kfix sind kurz- oder mittelfristig unabhängig von der Beschäftigung (langfristig sind alle Kosten variabel).
Variab