Im Jahr 2004 erreichte die Zahl der Unternehmensinsolvenzen mit 39.600 Fällen einen neuen Höchststand. Zwar wurde der negative Trend im Jahr 2005 mit 37.900 angemeldeten Unternehmensinsolvenzen nicht fortgesetzt, doch stellt sich vor dem Hintergrund der hohen Unternehmenskrisen für Anteileigner, Kapitalgeber und Abschlussprüfer die Frage, wie solche negativen Entwicklungen bereits frühzeitig anhand von Jahresabschlussinformationen erkannt werden können.
Herkömmliche Verfahren der Bilanzanalyse auf der Basis klassischer Kennzahlenbildung oder statistischer Verfahren zur Prognose ökonomischer Unternehmensentwicklungen bieten angesichts der hochdimensionalen nichtlinearen Problemstellungen oft nur eine eher befriedigende Lösung. Vor diesem Hintergrund erhalten moderne Verfahren aus dem Forschungsgebiet der künstlichen Intelligenz auf der Basis Künstlicher Neuronaler Netze (KNN) seit den neunziger Jahren Einzug in die betriebswirtschaftliche Forschung und Praxis. Sie zeichnen sich durch intelligente Verfahren der Problemlösung aus und sind auch bei nichtlinearen komplexen Problemstrukturen einsetzbar. Insbesondere die Fähigkeit Unternehmenskrisen frühzeitig zu identifizieren macht sie nicht nur für Kreditwürdigkeitsprüfer zum wichtigen Instrument der Analyse und Bewertung. Nachfolgend wird der Einsatz von KNN in der Bilanzanalyse zur Früherkennung von Unternehmenskrisen diskutiert. Im Zentrum der Diskussion steht dabei die häufig in der Fachliteratur vertretene Meinung, dass KNN die prognostischen Fähigkeiten angestammter Verfahren übertreffen. Hierzu wird zunächst das Verfahren der klassischen Bilanzanalyse und das mathematisch-statistische Verfahren der Multivariaten Diskriminanzanalyse vorgestellt. Der sich aus den zentralen Kritikpunkten der Verfahren ergebende Optimierungsanspruch wird am Backpropagation-Netz mit 14 Kenzahlen (BP-14) diskutiert.
Inhaltsverzeichnis
- Einleitung
- Ziele und Kritikpunkte der klassischen Bilanzanalyse
- Die Multivariate Diskriminanzanalyse
- Verfahrensablauf
- Bewertung und Optimierungsanspruch
- Künstliche Neuronale Netze
- Grundlagen
- Architektur und Funktionsweise
- Lernprozess
- Instrumentalisierung am Beispiel des BP-14
- Entwicklung
- Kennzahlen
- Interpretation der Ergebnisse
- Bewertung
- Grundlagen
- Fazit
Zielsetzung und Themenschwerpunkte
Diese Hausarbeit untersucht den Einsatz von Künstlichen Neuronalen Netzen (KNN) in der Bilanzanalyse zur Früherkennung von Unternehmenskrisen. Die Arbeit analysiert die Schwächen der traditionellen Bilanzanalyse und der Multivariaten Diskriminanzanalyse (MDA) und zeigt, wie KNN diese Herausforderungen durch ihre Fähigkeit, nichtlineare und hochdimensionale Daten zu verarbeiten, überwinden können.
- Kritikpunkte der klassischen Bilanzanalyse und der MDA
- Vorteile von KNN in der Bilanzanalyse
- Anwendung von KNN im Kontext der Früherkennung von Unternehmenskrisen
- Bewertung der Prognosefähigkeit von KNN im Vergleich zu traditionellen Verfahren
- Entwicklung eines spezifischen KNN-Modells (BP-14) für die Bilanzanalyse
Zusammenfassung der Kapitel
- Einleitung: Das Kapitel stellt den Kontext der Hausarbeit dar, indem es die wachsende Anzahl an Unternehmensinsolvenzen und die Grenzen traditioneller Bilanzanalysemethoden aufzeigt. Es wird argumentiert, dass KNN eine vielversprechende Alternative für die Früherkennung von Unternehmenskrisen darstellen.
- Ziele und Kritikpunkte der klassischen Bilanzanalyse: Dieses Kapitel erläutert die Ziele der Bilanzanalyse und die Herausforderungen, die sich aus ihrer Anwendung ergeben. Es wird auf die Subjektivität und die Grenzen traditioneller Kennzahlenanalyse hingewiesen.
- Die Multivariate Diskriminanzanalyse: Das Kapitel führt in die MDA ein und erklärt ihre Anwendung im Kontext der Bilanzanalyse. Es wird die Annahme diskutiert, dass sich gesunde von ungesunden Unternehmen anhand von Bilanzdaten unterscheiden.
- Künstliche Neuronale Netze: Dieses Kapitel behandelt die Grundlagen von KNN, inklusive ihrer Architektur und Funktionsweise. Es wird der Lernprozess von KNN und die Anwendung von KNN in der Bilanzanalyse erläutert.
Schlüsselwörter
Künstliche Neuronale Netze, Bilanzanalyse, Früherkennung von Unternehmenskrisen, Multivariate Diskriminanzanalyse, Kennzahlenanalyse, Backpropagation-Netz, BP-14, Insolvenzprognose, Nichtlineare Datenanalyse.
- Arbeit zitieren
- Nils Oetjen (Autor:in), 2006, Künstliche Neuronale Netze in der Bilanzanalyse, München, GRIN Verlag, https://www.grin.com/document/52469
