Vorwort I

Vorwort

Ganz herzlich möchte ich mich bei all denen bedanken, die das Entstehen dieser Arbeit unterstützt und gefördert haben.

Dabei gilt mein besonderer Dank Herrn Prof. Dr. Udo Bankhofer für sein Interesse am Thema sowie für seine Unterstützung, Hinweise und Ermutigungen.

Ein ganz besonderer Dank gebührt meiner Freundin Manuela Schären und meinem Vater Lothar Gafner für ihren grossen Einsatz und die wertvollen und geistreichen Anmerkungen.

Ich danke auch meinen Vorgesetzten und all meinen Kunden, die mir während der Entstehung dieser Arbeit mit sehr viel Geduld und Verständnis begegnet sind.

Bern, 13. Mai 2004 Martin Gafner

Inhaltsverzeichnis II

Inhaltsverzeichnis   

Vorwort   I

Inhaltsverzeichnis....................................................................................................................   II

Abbildungsverzeichnis   IV

Tabellenverzeichnis.   IV

Abk  ürzungsverzeichnis.  V

Symbolverzeichnis.   VII

1.  Einleitung  1

1.1  Problemstellung und Begriffsdefinition  1

1.2  Forschungsziel der Studie  2

1.3  Methodisches Vorgehen.  2

1.3.1  Literaturanalyse.  2

1.3.2  Umsetzung.  2

1.4  Aufbau der Arbeit.  3

2.  Prognoseverfahren  4

2.1  Ablauf des Prognoseprozesses  4

2.2  Arten von Prognoseverfahren.  6

2.3  Qualitative Prognoseverfahren.  8

2.3.1  Szenario-Technik  9

2.3.2  Delphi-Methode  15

2.4  Quantitative Prognoseverfahren.  16

2.4.1  Zeitreihenverfahren  17

2.4.1.1  Verfahren des geleitenden Durchschnitts.  18

2.4.1.2  Verfahren der exponentiellen Glättung  19

2.4.1.3  Box-Jenkins-Verfahren  22

2.4.1.4  Trendextrapolation  25

2.4.2  Kausalverfahren  28

2.4.2.1  Multiple Regressionsanalyse.  28

2.4.2.2  Leitindikatormethode  36

2.4.3  Neuronale Netze.  38

3.  Betriebswirtschaftliche Anwendungsbereiche der Prognoserechnung.  42

3.1  Systematisierungsversuche der Prognosemethoden  42

Inhaltsverzeichnis III

3.1.1  Systematisierung aufgrund quantitativer und qualitativer sowie  

normativer  und explorativer Ausrichtung  42

3.1.2  Systematisierung aufgrund explorativer, projektiver, rekursiver  

und  intuitiver Ausrichtung  43

3.1.3  Systematisierung nach konjekturalen, strukturmodellgestützten und  

zeitreihengest  ützten Verfahren.  44

3.1.4  Implikation  46

3.2  Charakterisierungsversuche der Prognosemethoden durch Attribute  48

3.2.1  Charakterisierung nach Gestaltungsaspekten.  48

3.2.2  Charakterisierung nach Anwendungsmerkmalen.  50

3.2.3  Implikation  51

3.3  Betriebswirtschaftliche Anwendungsbereiche  52

3.3.1  Prognosen der strategischen Unternehmensplanung.  52

3.3.2  Prognosen im Bereich Marketing.  55

3.3.3  Prognosen im Bereich Finanzierung  61

3.3.4  Prognosen im Bereich Produktion und Logistik  62

3.4  Stand des Einsatzes der Prognoserechnung in der Praxis  63

3.4.1  Betrachtung von zwei empirischen Erhebungen im deutschsprachigen  

Raum   64

3.4.2  Erkenntnisse aus den beiden betrachteten Erhebungen.  67

4.  Schlussbetrachtung  68

4.1  Zentrale Ergebnisse  68

4.2  Weiterleitende Forschungsfragen.  72

4.3  Schlusswort  72

Literaturverzeichnis   74

Abbildungs  - / Tabellenverzeichnis  IV

Abbildungsverzeichnis   

Abbildung  1: Ablaufschema des Prognoseprozesses  4

Abbildung  2: Überblick der Prognoseverfahren  7

Abbildung  3: Der Trichter zur Charakterisierung von Szenarien  10

Abbildung  4: Die acht Schritte der Szenario-Technik  12

Abbildung  5: Mögliche Zukunftsbilder  14

Abbildung  6: Das univariate stochastische Modell  22

Abbildung  7: Informationsverarbeitung in künstlichen Neuronen bzw. Units  39

Abbildung  8: Struktur eines fünfschichtigen Feed Forward Netzes  40

Abbildung  9: Vor- und Nachteile einer Befragung  57

Abbildung  10: Grundkonzeption eines AP-Softwaresystems  63

Tabellenverzeichnis   

Tabelle 1:  Konstantes Modell der exponentiellen Glättung  21

Tabelle 2:  Reaktion von AR(p)-Modellen auf einen Impuls  25

Tabelle 3:  Trendextrapolation mit linearer Funktion  27

Tabelle 4:  Jahresumsatz, Verkaufsfläche und tägliche Passantenfrequenz  31

Tabelle 5:  Ergebnisse einer multiplen Regression  35

Tabelle 6:  Systematisierung von Prognosemethoden aufgrund quantitativer und  

qualitativer  sowie normativer und explorativer Ausrichtung  43

Tabelle 7:  Systematisierung von Prognosemethoden aufgrund explorativer,  

projektiver  , rekursiver und intuitiver Ausrichtung  43

Tabelle 8:  Systematisierung von Prognosemethoden nach Weber  44

Tabelle 9:  Einsatzmöglichkeiten der Prognosemethoden  47

Tabelle 10:  Zuordnung von Prognoseverfahren zu methodischen Kategorien  49

Tabelle 11:  Anwendungsgesichtspunkte der Prognosemethoden  51

Tabelle 12:  Anwendungsbeispiele der Indikatorprognose  60

Tabelle 13:  Prognosepraxis im (nord)deutschen Raum  65

Tabelle 14:  Prognosepraxis in der Bundesrepublik Deutschland und in der Schweiz  66

Abkürzungsverzeichnis V

Abkürzungsverzeichnis

AG ............................ Aktiengesellschaft AR ............................ autoregressiver Prozess APS ........................... Advanced Planning Systems AR(p) ........................ autoregressiver Prozess p-ter Ordnung ARIMA(p, d, q) ........ autoregressiver integrierter Moving-Average Prozess (p, d, q)-ter Ordnung

ARMA(p, q) ............. autoregressiver-Moving-Average Prozess (p, q)-ter Ordnung bzgl. .......................... bezüglich bzw. .......................... beziehungsweise d. h. ........................... das heisst CHF .......................... Schweizer Franken Dr. ............................. Doktor EDV .......................... Elektronische Datenverarbeitung ERP ........................... Enterprise Resource Planning Et al. ......................... et alii (und andere) etc. ............................ et cetera evtl. ........................... eventuell f. ................................ folgende ff. .............................. fortfolgende Jg. ............................. Jahrgang hrsg. v. ...................... herausgegeben von KMU ......................... Klein- und Mittelunternehmen KQ ............................ kleinste(n) Quadrate MA ........................... Moving-Average Prozess MA(q) ....................... Moving-Average Prozess q-ter Ordnung Matr.-Nr. ................... Matrikel-Nummer Mio. .......................... Million

MLP .......................... Neuronales Netz mit Multilayer-Perceptron Architektur MRP ......................... Material Requirements Planning NN ............................ Neuronale Netze Nr. ............................. Nummer PPS ........................... Produktionsplanung und -steuerung

Abkürzungsverzeichnis VI

Prof. .......................... Professor S. ............................... Seite sog. ........................... sogenannt(e) Sp. ............................. Spalte Tsd. ........................... Tausend u. a. ........................... und andere / unter anderem usw. .......................... und so weiter v. ............................... von vgl. ............................ vergleiche

WiSt .......................... Wirtschaftswissenschaftliches Studium: Zeitschrift für Ausbildung, und Hochschulkontakt

WISU ........................ Das Wirtschaftsstudium: Zeitschrift für Ausbildung, Examen und Weiterbildung

z. B. .......................... zum Beispiel z. T. ........................... zum Teil

Symbolverzeichnis VII

Symbolverzeichnis

a i ............................... Gewichtungsparameter (i = 0, 1, ..., p) bzw. (i = 0, 1, ..., q)

α ................................ Glättungsparameter

b i ............................... Regressionsparameter / -koeffizienten (i = 0, 1, ..., n)

b ................................ Vektor der Regressionsparameter / -koeffizienten

c i ............................... Gewichtungsparameter (i = 0, 1, ..., q)

d ................................ Eingangssignal eines Neurons

E ............................... Erwartungswert

e t ............................... Prognosefehler der Periode t

f( ).............................. (Prognose)-Funktion von ...

g( ) ............................. Funktion von …

i.................................. Laufindex

j.................................. Laufindex

Min ........................... Minimumbedingung

n ................................ Anzahl von Datenwerten, Stichprobenumfang, Laufindexgrenze

p ................................ Anzahl Perioden

q ................................ Anzahl Perioden R ² .............................. Bestimmtheitsmass

o ................................ Output

² s .............................. „nicht erklärte“ Varianz von y

^ˆ u

² s ............................. Varianz von y

y

² s .............................. „erklärte“ Varianz von y

^ˆ y

σ ................................ Vektor der Standardabweichung

σ ² .............................. Vektor der Varianz

T ............................... Menge von Beobachtungszeitpunkten

t ................................. Zeitindex (t = 1, 2, …, T)

u t ............................... zufallsabhängige Störgrösse der Periode t

w 0 .............................. Schwellenwert

Symbolverzeichnis VIII

w ij ............................. Gewichte der Inputvariablen / Verbindungsstärke (j = 0, 1, ..., n)

x it .............................. unabhängige Variable der Periode t / Inputvariable (i = 0, 1, ..., n)

x t ............................... wahrer Zeitreihenwert für die Periode t / unabhängige Variable

x t ............................... Vektor von Beobachtungen der unabhängigen Variablen in der Periode t

^ t ............................... prognostizierter Zeitreihenwert für die Periode t x

x t+1 ............................ zu prognostizierender Wert

^ t+1 ............................ prognostizierter Schätzwert des Zeitreihenwertes x t+1 x

x t-i .............................. beobachteter Wert (i = 0, 1, ..., n-1)

y t ............................... abhängige Variable

ŷ t ............................... prognostizierter Wert der abhängigen Variablen

Z ............................... Zielfunktion

Einleitung 1

1. Einleitung

1.1 Problemstellung und Begriffsdefinition

In der zu erstellenden Studie geht es um die Verfahren der Prognoserechnung. Schwerpunktmässig wird einerseits ein grundlegender Überblick über die verschiedenen Verfahren der Prognoserechung aufgezeigt, andererseits werden die wesentlichen betriebswirtschaftlichen Anwendungsbereiche erläutert.

Prognosen sind Ausdruck einer rationalen Beschäftigung mit der Zukunft. „Nicht zuletzt ist es die verstärkte Notwendigkeit einer strategischen Unternehmensführung bzw. eines strategischen Marketing, die Prognosen immer unverzichtbarer werden lässt.“ (Raffée 1989: 143). Die Bedeutung möglichst zuverlässiger Prognosen wächst ständig. „Die Gründe hierfür liegen nicht nur in der zunehmenden Komplexität des wirtschaftlichen Geschehens, sondern insbesondere auch darin, daß die Zeit immerwährenden Wachstums offenbar vorbei ist.“ (Hüttner 1986 :1).

Der Begriff der Prognose umfasst in weiter Sichtweise allgemeine Aussagen über die Zukunft (vgl. Weber 1990: 1), wobei diese sehr allgemeine Definition ein für die weitere Problemanalyse nicht hinreichend scharf umrissenes Werkzeug darstellt. Den folgenden Ausführungen soll daher die nachstehende Definition zugrunde gelegt werden: „Eine Prognose ist eine Aussage über ein oder mehrere zukünftige Ereignisse, die auf Beobachtungen und auf einer Theorie beruht.“ (Hansmann 1993: Sp. 3546). Die erste Bedingung stellt sicher, „daß jede Prognose auf der Analyse der Vergangenheit basiert, d. h. empirisch fundiert sein muss und kein blosses „Tippen“ sein darf. Die zweite Bedingung erfordert eine sachlogische Begründung der Prognose und die Angabe von Prämissen, unter denen sie abgegeben wird.“ (Hansmann 1983: 11). Die zugrunde liegende Theorie muss nicht unbedingt umfangreich oder detailliert ausgearbeitet sein. Sie dient jedoch als Abgrenzungskriterium der wissenschaftlichen Prognose von der irrationalen Prophetie (vgl. Hansmann 1993: Sp. 3546; Brockhoff 1977: 17).

Prognosen liefern Angaben über voraussichtliche Wirkungen und Entwicklungen. „Entsprechen die Ergebnisse der Prognose nicht den gesetzten Zielen bzw. einer für wünschenswert gehaltenen Entwicklung, so bedarf es weiterer Entscheidungen.“ (Hüttner 1986: 1). Prognosen liefern also, in dieser hier vertretenen Sicht des Zusammenhangs zwischen Prognose, Planung und Entscheidung nur die Informationen für das Treffen von Entscheidungen. Demnach ist „ein Prognosemodell [..] ein System, das die beobachteten Werte der zu prognostizieren-

Einleitung 2

den Variablen und evtl. anderer Variablen als Elemente enthält und nach bestimmten Regeln miteinander verknüpft, um als Ergebnis der Verknüpfung Prognosewerte zu erhalten.“ (Hansmann 1983: 12).

1.2 Forschungsziel der Studie

Im Rahmen dieser Lizentiatsarbeit soll zunächst ein grundlegender Überblick über die verschiedenen Verfahren der Prognoserechnung gegeben werden. Dabei sollen insbesondere die Szenario-Technik, die Methoden der Zeitreihenanalyse und der Regressionsanalyse sowie der Ansatz der Neuronalen Netze ausführlicher vorgestellt und anhand von Beispielen illustriert werden. Abschliessend sollen die wesentlichen betriebswirtschaftlichen Anwendungsbereiche der Prognoserechnung systematisiert werden. Neben einer Darstellung der einzelnen Anwendungsbereiche soll eine kritische Diskussion hinsichtlich des jeweils geeigneten Methodeneinsatzes erfolgen.

1.3 Methodisches Vorgehen

Die erstellte Arbeit besteht aus zwei Hauptteilen. Der erste Hauptteil umfasst die Literaturanalyse, während sich der zweite Hauptteil mit der Implikation, der in der Literaturanalyse eruierten Erkenntnisse, auf die betriebswirtschaftlichen Anwendungsbereiche der Prognoserechnung beschäftigt.

1.3.1 Literaturanalyse

Im ersten Hauptteil werden mit einer sachlich-analytischen Forschungsstrategie (vgl. Grochla 1978: 72 ff.) die theoretischen Grundlagen der Thematik aufgezeigt. Ziel des ersten Teils ist es, einen Überblick über die Thematik der Prognoserechung zu schaffen. Dieser soll Elemente und deren Zusammenhänge aufzeigen und den Forschungsgegenstand konkretisieren.

1.3.2 Umsetzung

Im zweiten Hauptteil der Arbeit wird anhand des geschaffenen Überblicks aus der Literaturanalyse versucht, die Methodenvielfalt zu systematisieren und zu charakterisieren. Danach wird auf wesentliche betriebswirtschaftliche Anwendungsbereiche eingegangen.

Eine Zusammenfassung der wichtigsten Ergebnisse wird in Form einer Schlussfolgerung die Studie abrunden.

Einleitung 3

1.4 Aufbau der Arbeit

Im ersten Kapitel wird der Leser in die Problemstellung und die Vorgehensweise der Studie eingeführt.

Im zweiten Kapitel erfolgt zunächst eine Beschreibung des allgemeinen Ablaufs von Prognoseprozessen. Anschliessend wird dem Leser ein umfassender Überblick über die Vielfalt der in der Literatur vorhanden Prognosemethoden gegeben, bevor ausgewählte Prognoseverfahren näher vorgestellt werden.

Das dritte Kapitel widmet sich den Systematisierungs- und Charakterisierungsversuchen. Neben einem Einblick in die Prognosepraxis wendet es sich den Anwendungsbereichen der Prognoserechnung zu.

Das vierte Kapitel fasst abschliessend die wichtigsten Ergebnisse der Arbeit zusammen und formuliert weiterleitende Forschungsfragen.

Prognoseverfahren 4

2. Prognoseverfahren

2.1 Ablauf des Prognoseprozesses

Unabhängig vom gewählten Prognoseverfahren ist die Prognoseerstellung kein einzelner Arbeitsschritt, sondern eine Tätigkeit, die sich aus vielen Teilaktivitäten und einzelnenVorgehensschritten zusammensetzt. Das Ablaufschema in Abbildung 1 gibt, in Anlehnung an Weber (1990: 8), Brockhoff (1977: 49) und Lewandowski (1980: 23 ff.) einen pragmatischen Überblick über die einzelnen Handlungsschritte, welche bei der Durchführung eines Prognoseverfahrens immer zu vollziehen sind:

Abbildung 1: Ablaufschema des Prognoseprozesses (vgl. Weber 1990: 8)

Prognoseverfahren 5

In der Vorbereitungsphase werden zunächst das Prognoseproblem möglichst genau identifiziert, die zu prognostizierenden Variablen definiert und der Prognosehorizont, d. h. den Zeitraum, für welchen die Prognose abgegeben werden soll, bestimmt. Ziel ist es, „[…] durch sukzessive Annäherungen zu einem Verständnis der essentiellen Mechanismen des zu analysierenden Prozesses zugelangen.“ (Lewandowski 1980: 24). Den gesetzten Aufgaben entsprechend hat eine Ressourcenallokation zu erfolgen. Bezüglich der Personalmittel ist zu beachten, dass Prognosen zwar grundsätzlich von Einzelpersonen erarbeitet werden können, vorzugsweise aber interdisziplinär aufgebaute Teams mit Prognoseaufgaben betraut werden sollten (vgl. Weber 1990: 7). Die Praxis hat gezeigt, dass bei interdisziplinär aufgebauten Teams mit qualitativ besseren Prognoseergebnissen gerechnet werden kann. Neben benötigtem Personal sind auch die erforderlichen Sach- und Finanzmittel aufgabenspezifisch bereitzustellen. Dabei ist mitzuberücksichtigen, dass die zur Prognoseerstellung benötigten EDV-Programme selektioniert und evaluiert, möglicherweise aber auch neu entwickelt werden müssen (vgl. Weber 1990: 8). Nun folgt die Formulierung eines Erklärungsmodells des Prog-nosegegenstandes. Darin werden die exogenen und die verzögert endogenen Variablen, die Art der Beziehung zwischen ihnen und die Stärke dieser Beziehung bestimmt (vgl. Brockhoff 1991: 560). In einem nächsten Schritt wird die Zeitstabilitätshypothese untersucht. „Dabei ist die Frage zu beantworten, ob sich das Erklärungsmodell als Prognosemodell eignet und die beobachtbaren Gesetzmässigkeiten der Vergangenheit in Zukunft ebenso gelten werden.“ (Hansmann 1993: Sp. 3547). „Diese Prämisse wird Zeitstabilitätshypothese [im Original in Grossbuchstaben] genannt. Streng genommen ist sie in der ökonomischen Realität nie vollständig erfüllt, was eigentlich jede Prognose verbietet. Da aber ökonomische Prognosen als Grundlage für unternehmenspolitische und wirtschaftliche Entscheidungen notwendig sind, hilft nur der pragmatische Standpunkt weiter, Prognosen dann zu erstellen, wenn man Grund zu der Annahme hat, die Zeitstabilitätshypothese sei im wesentlichen [im Original kursiv] erfüllt.“ (Hansmann 1983: 11 f.). „Stehen mehrere zur Prognose geeignete Methoden zur Verfügung, so ist unter ihnen eine problemadäquate Wahl (Selektion) zu treffen.“ (Weber 1990: 9). Für die Bewertung von Prognoseverfahren sind Kriterien wie Genauigkeit, Datenbedarf, Komplexität, Kosten, Zeitbedarf, u. a. von Bedeutung (vgl. Hüttner 1986: 279 f.).

„Die sich an die Vorbereitungsphase anschliessende Ausführungsphase stellt den Kernbereich der Prognostik dar.“ (Weber 1990: 9). Die eigentliche Prognosephase wird mit der Beschaffung und Untersuchung der für die Prognose notwendigen Daten begonnen. „Üblicherweise differenziert man zwischen Primär- und Sekundärmaterial.“ (Hüttner 1986: 304). Während die Daten im Rahmen einer Primärforschung eigens erhoben werden, wird in der

Prognoseverfahren 6

Sekundärforschung auf bereits vorliegendes Datenmaterial zurückgegriffen. Da Datenerhebungen zeit- und kostenintensiv sind, ist eine auf Sekundärmaterial basierende Erhebung meist erheblich billiger (vgl. Hüttner 1986: 304). Qualität und Leistungsfähigkeit von Prognosen hängen wesentlich vom Umfang und der Qualität der zur Verfügung stehenden Informationen ab. Daher ist auf die Datengewinnung und -aufbereitung ein besonderes Augenmerk zu richten (vgl. Raffée 1989: 146). Nach der Durchführung von Tests zur Überprüfung des Erklärungsmodells sowie des ausgewählten Prognoseverfahrens werden auf dessen Grundlage Prognosen erstellt. „Wenn die verschiedenen Entwicklungen einmal prognostiziert sind, dann müssen alle Entwicklungsalternativen so verarbeitet werden, daß sie sich auf eine geringe Zahl von grundlegenden konsistenten Szenarien beschränken.“ (Lewandowski 1980: 29). Neben der eigentlichen Prognoseerstellung ist insbesondere auf eine adäquate, d. h. eine dem Fachwissen der Berichtsempfänger entsprechende Resultatdarstellung zu achten. Schliesslich sind die so aufbereiteten Prognoseergebnisse den Endnutzern verfügbar zu machen (vgl. Weber 1990: 9 f.).

In der abschliessenden Kontrollphase wird der Prognoseprozess kritisch auf Schwachstellen hin überprüft. Zusätzlich werden die Prognoseergebnisse auf Abweichungen bezüglich der Realität untersucht. „Derartige Evaluationen sind insbesondere auch prospektiv vorzunehmen. Sie sollen dazu führen, daß seitens der Prognostiker jene Methoden eingesetzt werden, welche situationsbezogen die Erreichung insgesamt zufriedenstellender Prognoseergebnisse erwarten lassen [...].“ (Weber 1990: 11). „Die Kontrolle von Prognosen ist [also] von vorrangiger Bedeutung, da sie die Basis jeder Verbesserung bzw. Validierung des Prognosemodells darstellt.“ (Lewandowski 1980: 30).

2.2 Arten von Prognoseverfahren

In der Literatur finden sich zahlreiche Klassifizierungsmöglichkeiten für die systematische Untergliederung der verschiedenen Prognoseverfahren. Solche „[...] Klasseneinteilungen sind oft dichotomisch [...].“ (Emde 1989: Sp. 1646). Um dem Leser eine Vorstellung über die Vielfalt der Klassifizierungsmöglichkeiten zu vermitteln, sind nachfolgend aus Sicht des Verfassers deren wichtigsten Unterscheidungsmerkmale kurz aufgelistet: qualitativ bzw. quantitativ, univariat bzw. multivariat, kurzfristig bzw. langfristig, einfach bzw. komplex, linear bzw. nichtlinear (vgl. Hansmann 1983: 12 f.). Solche groben Klassifizierungen sind in der Regel aber nicht ausreichend, um für bestimmte Prognosesituationen die richtige Prognosetechnik auszuwählen. Daher muss die Klassifizierung von Prognosetechniken differenzierter vorgenommen werden (vgl. Emde 1989: Sp. 1646).

Prognoseverfahren 7

Ausgehend von einer Grobeinteilung in qualitative und quantitative Prognoseverfahren soll dem Leser ein umfassender Überblick über die Vielfalt von Prognosemethoden gegeben werden. Abbildung 2 zeigt in Anlehnung an Winand (1990: Sp. 959 f.) und ohne Anspruch auf Vollständigkeit eine Darstellung der bekanntesten Methoden:

Abbildung 2: Überblick der Prognoseverfahren (vgl. Winand 1990: Sp. 959 f.)

Im Rahmen der vorliegenden Arbeit ist es nicht möglich auf alle Techniken, Methoden, Verfahren und dergleichen einzugehen. Es wird deshalb an dieser Stelle eine Auswahl von Verfahren getroffen, welche für die vorliegende Thematik als relevant betrachtet werden oder in der Literatur häufig referenziert sind. Diese sind in vorstehender Abbildung 2 fett markiert.

In Kapitel 2.3 wird zuerst die Gruppe der qualitativen Prognoseverfahren näher vorgestellt, bevor in Kapitel 2.3.1 die Szenario-Technik ausführlich behandelt wird. Anschliessend wird

Prognoseverfahren 8

in Kapitel 2.3.2 die Delphi-Methode kurz diskutiert. Kapitel 2.4 widmet sich den quantitativen Prognoseverfahren und charakterisiert umrissartig Zeitreihen- und Kausalverfahren, sowie die Neuronalen Netze. In Kapitel 2.4.1 werden dann die Zeitreihenverfahren und deren Methoden, welche in Abbildung 2 mit fetter Schrift gekennzeichneten sind, detailliert beschrieben. Teilweise sind die einzelnen Methoden zum besseren Verständnis mit Beispielen ergänzt. In analoger Weise befasst sich Kapitel 2.4.2 mit der Gruppe der Kausalverfahren. Mit einer Beschreibung der Neuronalen Netze in Kapitel 2.4.3 wird die Vorstellung der quantitativen Prognoseverfahren abgeschlossen.

2.3 Qualitative Prognoseverfahren

„Unter qualitativen Prognosetechniken werden [..] Techniken verstanden, die überwiegend auf menschlicher Urteilsfähigkeit beruhen, auch wenn die Prozesse, die zu Prognoseergebnissen führen, recht formal und/oder mit mathematischen Hilfsmitteln oder sogar mit Computerunterstützung ablaufen.“ (Emde 1989: Sp. 1646). Einschätzungen über zukünftige Entwicklungen werden aus den Erfahrungen und Kenntnissen von Experten abgeleitet (vgl. Homburg 2000: 103 f.). Die der Prognose zugrunde liegende Theorie ist also nur schwach ausgebildet und die statistisch-mathematischen Instrumente treten in ihrer Bedeutung für die Prognose zurück (vgl. Hansmann 1983: 18). Qualitative Prognosetechniken basieren in weitestgehendem Masse auf subjektiven Erfahrungen und werden daher u. a. auch als subjektive, intuitive, intuitiv-kreative oder heuristische Prognosemethoden bezeichnet (vgl. Hansmann 1983: 18; Hüttner 1986: 4; Weber 1990: 4).

Die qualitativen Prognoseverfahren lassen sich nach dem Grad der Formalisierung in strukturierte und unstrukturierte Prognoseverfahren unterteilen. Als unstrukturierte Prognoseverfahren werden Expertenbefragungen von Einzelpersonen oder Personengruppen bezeichnet. Dabei gilt: „The expert [does] not being obligated to restrict himself to a particular method based concept for the generation of his forecast.“ (Winand 1990: Sp. 961). Fasst man den Begriff des Experten etwas weiter, so können auch Verbraucher als Experten angesehen werden. In diesem Zusammenhang ist z. B. an die Befragung von Autobesitzern zu denken, welche die Zukunftschancen eines mit Elektromotor betriebenen Kraftfahrzeuges beurteilen (vgl. Hüttner 1982: 27). Insofern sind auch Verbraucherbefragungen zu den unstrukturierten qualitativen Prognoseverfahren zu zählen.

Die strukturierten Prognoseverfahren basieren dagegen auf (einfachen) Grundregeln. Zu die- sen Verfahren zählen neben Brainstorming und Synektik die Standardverfahren Szenario-

Prognoseverfahren 9

Technik und Delphi-Methode. Etwas umfassender und systematischer sind die Verfahren des Morphologischen Kastens und der Cross-Impact-Analyse. Weber (1990: 140) macht darauf aufmerksam, dass Brainstorming, Synektik und Morphologischer Kasten von den eigentlichen Prognoseverfahren abzugrenzen sind. Sie sind geeignet, um zu intuitivem Denken und Spontaneität bei der Problembearbeitung anzuregen und haben daher nur als Prognoseunterstützungsverfahren zu gelten.

Nachfolgend wird die Szenario-Technik, welche neben der Delphi-Methode zu den bekanntesten strukturierten qualitativen Prognosemethoden zählt, betrachtet. Die Szenario-Technik versucht, im Gegensatz zu den anderen qualitativen und quantitativen Prognoseverfahren, nicht nur eine einzige Zukunftsentwicklung, sondern eben mehrere mögliche Szenarien aufzuzeigen (vgl. Homburg 2000: 110).

2.3.1 Szenario-Technik

In der deutschen Literatur dominiert die folgende Begriffsfestlegung der Mitarbeiter des Battelle-Instituts: „Unter einem Szenario versteht man sowohl die Beschreibung einer möglichen zukünftigen Situation als auch das Aufzeigen des Entwicklungsverlaufs, der zu dieser zukünftigen Situation hinführt“ (Geschka/von Reibnitz 1983: 128). „Szenarien [..] sind [also] systematisch und nachvollziehbar aus der gegenwärtigen Situation heraus entwickelte, mögliche Zukunftsbilder.“ (Geschka 1999: 521).

Die Entwicklung der nahen Zukunft ist, abgesehen von unvorhersehbaren Ereignissen, in starkem Masse durch die gegenwärtigen Gegebenheiten (politisches System, Infrastruktureinrichtungen, Normen, Gesetze, Strukturen, Vernetzungen, Verhaltensmuster, etc.) bestimmt. Mit zunehmender Reichweite der Zukunftsbetrachtung, sinkt jedoch der Einfluss der Gegenwart und der Bereich möglicher Entwicklungen öffnet sich gleichsam wie ein Trichter (vgl. Götze/Rudolph 1994: 21 f.; Geschka 1999: 521 f.). Mit zunehmendem Prognosehorizont nehmen daher Unsicherheit und die Möglichkeit verschiedenartiger Entwicklungen zu (vgl. von Reibnitz 1989: Sp. 1984). Abbildung 3 veranschaulicht „[...] den Weg in die Zukunft in Form eines Trichters [..].“ (von Reibnitz 1989: Sp. 1984):