Innovation und Profitabilität in der Waffenbranche

Gliederung

I. Einleitung

II. Begriffserklärungen
II.1. Innovation
II.2. Profitabilität
II.3. Rendite
II.4. Reale Wachstumsrate
II.5. Patentdummy
II.6. Lag
II.7. Lead

III. Schaubilder mit Interpretationen

IV. Überprüfung der Hypothesen anhand von Regressionsanalysen
IV.1. „Kleine“ Regression der deutschen Waffenindustrie
IV.2. „Große“ Regression der deutschen Waffenindustrie
IV.3. „Kleine“ bzw. „Große“ Regression mit ausländischen Firmen

V. Einige Aussagen zur Vorarbeit und Berechnung der Regressionen

VI. Fazit

VII. Anhang mit Literaturverzeichnis

I. Einleitung:

Zusammenhänge und Einflüsse von verschiedenen Faktoren zueinander zu untersuchen, sind ein Kernstück der Forschung in der Wirtschaftsgeschichte. Die Verbindung von Innovation und Profitabilität zu untersuchen ist sicherlich ein interessanter Einstieg in dieses Forschungsgebiet. Wenn jetzt auch noch die Branche der Waffen- und Munitionsherstellung betrachtet wird, wird die Sache bestimmt noch ein Grad spannender, da man heutzutage im allgemeinen nicht mehr mitbekommt, welche (vielleicht große und anderweitig bekannte) Firma in dieser Branche tätig ist, oder erst durch Waffenproduktion groß geworden ist. Ein Beispiel dafür ist die Firma Mauser. Gegründet vom Namensgeber Dr. ing. Paul Mauser, erfanden die damaligen Mitarbeiter das moderne Repetiersystem, welches die Waffentechnik von Grund auf revolutionierte und sogar noch in heutigen Jagdgewehren Anwendung findet. 1898 wurde in die deutsche Armee der Karabiner 98 eingeführt, den die Firma Mauser herstellte. Im ersten Weltkrieg besaßen die Deutschen eine leicht abgeänderte Version, den so genannten „Karabiner 98b“ und sogar noch zu Beginn des zweiten Weltkrieges die weiterentwickelte Version: Den legendären „Karabiner 98k“. Immerhin hatte die Wehrmacht zu Kriegsbeginn ganze 2 769 533 Stück zu Verfügung.^[1] Wenn man jetzt noch die riesige Summe von 880,5 Mio. Schuss des dazugehörigen Kalibers 7,9 betrachtet, die zum selben Zeitpunkt vorhanden waren^[2], könnte sich einem die Frage aufdrängen, ob die Inhaber der Firma mit dieser Erfindung und Abnahme des Produktes von einer ganzen Armee das Geschäft ihres Lebens gemacht haben. Und genau diese Frage soll die nachfolgende Arbeit erörtern und versucht dies abschließend zu klären. Wurden Mauser und die anderen Waffenhersteller groß durch ihre Erfindungen? Gibt es also Zusammenhänge zwischen Innovation und Profitabilität? Oder sind die Firmen unweigerlich mit Ihrer Unternehmensumwelt derart verknüpft, dass Einflussfaktoren von außerhalb wie beispielsweise Inflation, Wirtschaftswachstum oder aber auch Gesetzgebung usw. die Unternehmung wie ein Spielball beeinflussen und die Innovation in Form von Neuerfindungen nur eine untergeordnete Rolle spielt. Dies würde eine Art evolutionstheoretischen Aspekt^[3] der Wirtschaftswissenschaft untermauern. Egal, ob nun ein positiver oder negativer Zusammenhang schlussendlich bei den nachfolgenden Untersuchungen dabei herauskommt, eines ist sicher: Mauser, Krupp, Vickers und die anderen Waffenhersteller gibt es heute noch, wenn auch fusioniert mit anderen Unternehmen, und viele, wenn nicht alle, produzieren auch heutzutage noch in der Waffenbranche. Es scheint also in der Tat, dass sie sich auf ihre Kernkompetenzen konzentrieren würden und bis heute damit sich auf dem Markt zumindest behaupten können.

II. Begriffserklärungen:

Um die nachfolgenden Ausführungen verständlicher zu machen, werden nun zuerst einige Begriffe erklärt, die sowohl maßgeblich sind für das Verstehen der weiteren Ausführungen als auch Transparenz in die Arbeit bringen sollen.

II.1. Innovation

Innovation wird nachfolgend an den Patenten gemessen. Sie sind also ein Indikator für die Innovation. Ob allerdings die absolute Anzahl Einfluss auf die Profitabilität hat oder nur die Tatsache, ob ein Unternehmen im Jahr ein oder mehr Patente herstellt oder nicht, wird später in den Regressionen ersichtlich werden.

II.2. Profitabilität

Als Indikator für die Profitabilität von Unternehmen stehen sowohl die klassische Rendite als auch die reale Wachstumsrate zur Auswahl. Es werden in den folgenden Regressionen beide Indikatoren als zu erklärende Variable benutzt, zum einen um eventuelle Schwächen eines Indikators auszumerzen, zum anderen um schlussendlich zu sehen, ob sich einer vielleicht als besonders geeignet zur Bestimmung der Profitabilität herausstellt.

II.3. Rendite

Rendite: Die Rendite jedes Unternehmens wurde mit folgender Formel berechnet:

Rendite: Abbildung in dieser Leseprobe nicht enthalten (Formel 1)

Anzumerken ist hierbei, dass mit einem Panel- Datensatz gearbeitet wurde und alle Werte aus dem „Handbuch der Deutschen Aktiengesellschaften“^[4] entnommen wurden, wo alle Werte

(Kurse, Dividende, usw.) in Prozent angegeben werden. Entsprechend wurde gerechnet.

Zu beachten ist ebenfalls, dass überprüft wurde, ob die Variablen normalverteilt sind.^[5] Dies wurde anhand des nichtparametrischen Kolmogorov- Smirnov- Anpassungstests vollzogen. Dieser Test benutzt den beobachteten Mittelwert, die Standardabweichung und den Stichprobenumfang, um eine hypothetische Normalverteilung, die auf diesen Parametern basiert, zu generieren. Nun wird weiterhin eine maximale Abweichung zwischen der beobachteten und der hypothetischen (normalverteilten) Verteilung errechnet. Wenn jetzt die tatsächliche Abweichung größer ist als die errechnete maximale Abweichung, so hätte man keine Normalverteilung. Da für aussagekräftige und vergleichbare Variablen die Verteilung symmetrisch sein sollte, wurden bei fehlender Normalverteilung die Variablen logarithmiert. Eine etwas (rechts-) schiefe Verteilung kann außerdem zu einer verzerrten Schätzung von Teststatistiken sowie Konfidenzintervallen führen, was wiederum zu Autokorrelationen^[6] (bei Zeitreihen) oder sogar zu Heteroskedastie^[7] führen kann. Dann hätten wir das Problem, dass die Ordinary- Least- Square- (OLS) Methode nicht länger effizient wäre, da die t- und F- Tests ungültig wären.

II.4. Reale Wachstumsrate

Reale Wachstumsrate: Diese wiederum berechnet sich aus der Veränderung der nominalen Aktienkursen im Zeitraum eines Jahres.

Nominale Wachstumsrate: Abbildung in dieser Leseprobe nicht enthalten (Formel 2)

Um von den nominalen auf reale Werte zu gelangen, wurde das Ganze schlussendlich mit einem Deflator multipliziert. Dies entspricht der Inflationsbereinigung.

Wie bei der Rendite können auch bei der realen Wachstumsrate selbstverständlich negative Werte auftreten, was darauf zurückgeführt werden kann, dass eine Unternehmung im Vergleich zum Vorjahr ein nicht ganz so gutes Ergebnis vorweisen kann, was sich dann auf die Aktienkurse auswirkt. Diese werden im neuen Jahr nicht mehr ganz so hoch sein und so ergibt sich dann eine negative reale Wachstumsrate. Natürlich setzten Analysen mit Aktienkursen für 100% richtige Ergebnisse einen vollkommenen Aktienmarkt voraus, wo jeder über dieselben Informationen verfügt, aber da das in der wirklichen Welt nie gegeben ist, muss der Datenanalyst darauf hoffen, trotzdem einigermaßen gute Ergebnisse zu erzielen. Es wird später offensichtlich werden, ob die Modelle in dieser Hinsicht zu gebrauchen sind.

II.5. Patentdummy

Patentdummy^[8]: Wie oben bereits angesprochen, wird nachher nicht nur die Wirkungen der gesamten Patentanzahl auf die Profitabilität von Unternehmen untersucht, sondern auch die Tatsache, ob eine Unternehmung in einem Jahr überhaupt innovativ war oder nicht eine Rolle spielt. Hierfür wird eine Dummyvariable eingeführt, die nur zwei Werte annehmen kann:

1.) Die Unternehmung war in einem Jahr innovativ (hat also Patente angemeldet).
2.) Die Unternehmung war in einem Jahr nicht innovativ (hat keine Patente angemeldet).

II.6. Lag

Lag: Unter einem „Lag“ versteht man eine zeitliche Verzögerung. In dieser Arbeit wird diese Verzögerung normalerweise ein Jahr betragen („Lag1“) oder zwei Jahre („Lag2“). Sinnvoll ist diese Betrachtung in der Hinsicht, dass man erfassen kann, ob die Innovation der Unternehmen in Form von Patenten vielleicht erst mit zeitlicher Verzögerung in Erscheinung tritt. Wenn sich jetzt in einer Regression herausstellen sollte, dass das „Lag2“ der Patente signifikant wäre, würde das bedeuten, dass die Patente also zwei Jahre bräuchten, um auf dem Markt Fuß zu fassen und andere Anlaufschwierigkeiten zu überwinden. Als Beispiel hierfür kämen die Einlernzeit der Arbeiter oder die unter Umständen langwierige Beschaffung von Produktionsmaschinen aber auch die Überwindung von Markteintrittsbarrieren in Betracht.

II.7. Lead

Hierunter versteht man das genaue Gegenteil eines „Lags“, nämlich die zeitliche Vorlagerung des Geschehens. Auch hier wird man normalerweise von einem („Lead1“) bzw. zwei Jahren („Lead2“) ausgehen. Als Grund für diese Betrachtung ist anzunehmen, dass Unternehmen erst einmal eine gewisse Zeit einiges an Kapital investieren müssen um ein neues Produkt zu entwickeln und danach patentieren zu lassen. Diese so genannten Forschungs- und Entwicklungskosten (FuE) könnten den Aktienpreis auch in der Tat nach unten drücken.

III. Schaubilder mit Interpretationen

Nachfolgend werden zuerst einige Graphen aufgezeigt, wie beispielsweise die Entwicklung der realen Wachstumsrate in Bezug auf die Anzahl der Patente der Firma Deutsche Waffen- und Munitionsfabriken (künftig: DWuM) oder der Firma Rheinische Metallwaren- und Maschinen- Fabrik (RMWF). Aber auch von der Firma Krupp wird ein Schaubild untersucht, wo allerdings die Patentanzahl mit der Rendite verglichen wird. Anhand dieser Schaubilder werden dann einige Thesen aufgestellt, die dann im nächsten Abschnitt der Arbeit anhand von Regressionen überprüft werden.

Abbildung in dieser Leseprobe nicht enthalten

Anhand dieses Schaubildes der DWuM könnte man vermuten, als hätte die reale Wachstumsrate keinen (direkten) Bezug zur realen Dividendenausschüttung. Deutlich wird dies, wenn man sich den Zeitraum 1893 bis 1897 anschaut, wo die reale Wachstumsrate ziemlich niedrig ist - lange Zeit sogar sehr negativ - aber die reale Dividende konstant enorm hoch ist und in diesem Zeitabschnitt sogar ihren Höhepunkt erreicht. Daraus könnte man schließen, dass die DWuM zwar viel, aber nicht unternehmensschädigend viel ausgeschüttet hat.

Abbildung in dieser Leseprobe nicht enthaltenBei derselben Firma wird nun statt der Dividende die Patentanzahl betrachtet. Diese läuft hier der realen Wachstumsrate zuerst hinterher (Zeitraum 1901 – 1902), dann aber voraus (1903 – 1905). 1903 hatte die Firma stattliche fünf Patente, 1904 die höchste reale Wachstumsrate in diesem kleinen Zeitabschnitt. Nun drängt sich daher die Frage auf, ob dies ein Indiz dafür ist, dass beide Faktoren gelaggt voneinander abhängig sind? Auch dies wird im nächsten Abschnitt offensichtlich werden. Abbildung in dieser Leseprobe nicht enthalten

Interessant in diesem Schaubild der RMWF ist vor allem der Zeitabschnitt von 1903 – 1913. Beispielsweise war 1904 die reale Wachstumsrate am höchsten, jedoch gab es hier kein Patent mit einer Leadfunktion. Auch als es 1905 vier Patente gab, sank die reale Wachstumsrate dauerhaft. Sie erholt sich trotz anhaltenden Innovationen nur schleppend und dies auch nur zeitweise. Hier könnte man also auch eine negative Korrelation oder vielleicht auch gar kein Zusammenhang vermuten. Den Zeitraum um die Jahrhundertwende wird hingegen mit der Wirtschaftskrise zu erklären sein. Auch bei anderen Unternehmen sinkt die reale Wachstumsrate in diesen Jahren deutlich trotz teilweise guter Forschungs- und Entwicklungsarbeit.

Abbildung in dieser Leseprobe nicht enthaltenNun kommen wir zuletzt zum größten Waffenhersteller der damaligen Zeit: Der Firma Krupp AG. Zu beachten ist hier, dass die Firma im Gegensatz zu anderen Waffenherstellern eine konstant positive Rendite vorweisen kann. Hier könnte man vermuten, dass dies eventuell an der vergleichsweise konstant hohen Anzahl an Patenten liegt. Allerdings, außer dass im Zeitraum beginnend mit 1903 die Patentanzahl mit der Rendite deutlich steigt, erkennt man hier keinen sonstigen Zusammenhang. Es fällt nur noch auf, dass die beiden Kurven einen ziemlich ähnlichen Verlauf besitzen, man könnte dieses Phänomen mit nachfolgender Gleichung umschreiben:

„hohe Anzahl an Patenten = hohe Rendite“

IV. Überprüfung der Hypothesen anhand von Regressionsanalysen

In diesem Abschnitt werden nun die Theorien und Hypothesen, die oben aufgestellt wurden überprüft. Allgemein wird es immer zwei Regressionen geben: Eine „kleine“ Regression und eine „große“. Der Unterschied zwischen den beiden ist die Tatsache, ob auswärtige Faktoren als unabhängige Variablen mit aufgenommen werden oder nicht. In der „kleinen“ Regression ist dies nicht der Fall, so wird man sehen, ob die Unternehmung ohne Einflüsse der Umwelt die Profitabilität anhand von Innovationen beeinflussen kann. Bei der „großen“ Regression werden gerade diese Umwelteinflüsse noch als erklärende Variablen aufgenommen, und man wird sehen, ob diese unternehmensexogenen Faktoren die Profitabilität schon von sich aus beeinflussen, erst einen Einfluss im Zusammenspiel mit internen Faktoren aufweisen oder vielleicht sogar überhaupt keine Rolle spielen.

In den nachfolgenden Tabellen werden immer zwei zu erklärende Variablen untersucht, die Rendite und die reale Wachstumsrate.

Als zu erklärende Variablen werden in der „kleinen“ Regression fungieren:

- die Patentanzahl: ganz traditionell wird hier überprüft, ob die absolute Anzahl der Patente Einfluss auf die Profitabilität hat.
- Patentdummy: hier wird untersucht, ob vielleicht nicht die Tatsache, ob ein Unternehmen im Jahr überhaupt innovativ war oder nicht eine Rolle spielen könnte.
- Lead Patentdummy: Wie schon in den Begriffserklärungen besprochen, wird hier untersucht, ob sich die Forschungs- und Entwicklungskosten auf die Profitabilität auswirken.
- Lag Patentdummy: Hier steht die Frage, ob ein neues Produkt erst einmal eine gewisse Zeit braucht, um dem Unternehmen ein Profit zu verschaffen im Vordergrund. Heutzutage würde man in diesem Zusammenhang von dem Übergang des Produktes von der question mark- bzw. star- Phase in die cash cow- Phase sprechen.
- Reale Dividende: Als letzte interne unabhängige Variable wird hiermit untersucht, ob es Zusammenhänge zwischen der Ausschüttungsmenge an die Kapitaleigner und der Profitabilität gibt. Da ja in dieser Zeit im Vergleich zu heute sehr hohe Dividenden ausgeschüttet wurden, wäre es interessant zu erfahren, ob dies eventuell nicht doch „zuviel des Guten“ gewesen ist. Nach dieser ersten Überlegung sollte der Koeffizient also negativ sein.

[...]

^[1] www.lexikon-der-Wehrmacht.de/Waffen/gewehre.htm

^[2] www.lexikon-der-Wehrmacht.de/Waffen/gewehre.htm

^[3] Der evolutionstheoretische Ansatz ist sehr gut beschrieben in Bea/Haas (2001), Seite 29f.

^[4] Handbuch der Deutschen Aktiengesellschaften, Ausgabe 1911/12 und 1912/13

^[5] Definition Normalverteilung: Eine um das arithmetische Mittel , symmetrische stetige , glockenförmige Verteilung , die allein durch das arithmetische Mittel und die Standardabweichung vollständig beschrieben wird.

(Dipl. Volkswirt Alexander Moradi und Prof. Dr. Jörg Baten , Skript Einführung in SPSS anhand historischer Wirtschaftsdaten , WS 2003/2004 , Seite 32)

^[6] Definition Autokorrelation: Die Residuen sind nicht unabhängig voneinander, sondern weisen eine Korrelation mit Vorperiodenresiduen auf.

(Dipl. Volkswirt Alexander Moradi und Prof. Dr. Jörg Baten , Skript Einführung in SPSS anhand historischer Wirtschaftsdaten , WS 2003/2004 , Seite 141)

^[7] Definition Heteroskedastie: Fehlerterme sind normalverteilt mit dem Erwartungswert von 0, allerdings ist die Varianz nicht länger konstant.

(Dipl. Volkswirt Alexander Moradi und Prof. Dr. Jörg Baten , Skript Einführung in SPSS anhand historischer Wirtschaftsdaten , WS 2003/2004 , Seite 108)

^[8] Definition Patentdummy: qualitative Variablen, die keine Ordnung im mathematischen Sinne angeben und nur Werte zwischen 0 und 1 annehmen.

(Dipl. Volkswirt Alexander Moradi und Prof. Dr. Jörg Baten , Skript Einführung in SPSS anhand historischer Wirtschaftsdaten , WS 2003/2004 , Seite 93)