Vor dem Hintergrund einer fortschreitenden Globalisierung und im Zusammenhang mit strukturellen Unvollkommenheiten der heimischen Volkswirtschaften sehen sich immer mehr und immer häufiger deutsche und europäische Unternehmen mit dem Thema der Insolvenz konfrontiert. Zwar wird 2003 die Marke von 40.000 Unternehmensinsolvenzen in Deutschland nach Schätzungen von Creditreform e.V. nicht überschritten, doch der Anstieg der Insolvenzenanmeldungen gegenüber 2002 um 5,5% ist alles andere als irrelevant. In diesem Sinne steigt auch das Interesse auf Seite der Unternehmen und Kreditgeber für geeignete Instrumente der Krisenfrüherkennung, da nur durch die rechtzeitige Diagnose einer drohenden Krise ein erfolgreiches Krisenmanagement möglich ist.
Die vorliegende Arbeit befaßt sich mit diesem Thema unter dem Aspekt der Krisenfrüherkennung anhand von Jahresabschlüssen mithilfe statistischer Verfahren. In der ersten Hälfte erfolgt ein Überblick über die theoretischen Aspekte der Unternehmenskrise, ihre Ursachen und Verläufe (Kapitel 2.) und über die Instrumente zur Krisenfrüherkennung (Kapitel 3.).
In der zweiten Hälfte werden die beiden statistischen Verfahren vorgestellt – nämlich das BBR Baetge-Bilanz-Rating® (Kapitel 5.) und das RiskCalc™ Germany (Kapitel 6.) – welche die höchsten Trefferquoten bei der Erkennung von insolvenzgefährdeten Unternehmen aufweisen. Beide Verfahren werden von renommierten Rating-Agenturen für die Ermittlung von Kreditrisiken angewendet und bieten auch sonst eine hervorragende Grundlage für weitere qualitative Analysen. Im Gegensatz zu RiskCalc™ Germany – welches auf der mehr oder weniger bekannten Grundlage einer logistischen Regression entwickelt wurde – funktioniert das BBR Baetge-Bilanz-Rating® auf der Basis eines Künstlichen Neuronalen Netzes (KNN). Die Künstliche Neuronale Netzanalyse dürfte in der allgemeinen Betriebswirtschaftslehre einen noch recht niedrigen Bekanntheitsgrad geniessen, daher sind in Kapitel 4. die Grundzüge der KNNA dargestellt.
Im Fazit (Kapitel 7.) erfolgt ein Vergleich der beiden Verfahren anhand von ausgewählten Kriterien.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Zum Begriff der Unternehmenskrise
- 2.1. Ursachen für Unternehmenskrisen
- 2.2. Verlauf von Unternehmenskrisen
- 2.2.1. Verlauf der Krise in Bezug auf das Zielsystem des Unternehmens
- 2.2.2. Verlauf der Krise in Bezug auf den Aggregatzustand
- 2.2.3. Gegenüberstellung der Phasenmodelle
- 2.3. Wirkungen von Unternehmenskrisen
- 3. Frühwarnsysteme und Krisendiagnose
- 3.1. Krisenfrüherkennung während der Geschäftsperiode
- 3.2. Krisendiagnose am Ende der Geschäftsperiode
- 4. Die Künstliche Neuronale Netzanalyse (KNNA)
- 5. Das BBR Baetge-Bilanz-Rating
- 6. RiskCalc™ Germany
- 7. Fazit
Zielsetzung und Themenschwerpunkte
Diese Seminararbeit befasst sich mit der Früherkennung von Unternehmenskrisen anhand von Jahresabschlüssen mithilfe statistischer Verfahren. Sie untersucht die theoretischen Aspekte der Unternehmenskrise, ihre Ursachen und Verläufe, sowie die Instrumente zur Krisenfrüherkennung. Anschließend werden zwei statistische Verfahren, das BBR Baetge-Bilanz-Rating und RiskCalc™ Germany, vorgestellt, die bei der Erkennung von insolvenzgefährdeten Unternehmen hohe Trefferquoten aufweisen.
- Definition und Charakterisierung von Unternehmenskrisen
- Ursachen und Verläufe von Unternehmenskrisen
- Instrumente der Krisenfrüherkennung
- Künstliche Neuronale Netzanalyse (KNNA)
- Statistische Verfahren zur Krisenfrüherkennung
Zusammenfassung der Kapitel
- Kapitel 2: Zum Begriff der Unternehmenskrise: Dieses Kapitel definiert den Begriff der Unternehmenskrise und untersucht ihre Ursachen und Verläufe. Es wird auch die Ambivalenz der Entwicklung hin zu einer erfolgreichen Sanierung oder zur vollständigen Liquidation des Unternehmens hervorgehoben.
- Kapitel 3: Frühwarnsysteme und Krisendiagnose: Dieses Kapitel befasst sich mit den Instrumenten zur Krisenfrüherkennung. Es betrachtet die Krisenfrüherkennung während der Geschäftsperiode und die Krisendiagnose am Ende der Geschäftsperiode.
- Kapitel 4: Die Künstliche Neuronale Netzanalyse (KNNA): Dieses Kapitel stellt die Grundzüge der Künstlichen Neuronalen Netzanalyse (KNNA) vor, einem Verfahren, das in der allgemeinen Betriebswirtschaftslehre noch einen recht niedrigen Bekanntheitsgrad genießt.
Schlüsselwörter
Unternehmenskrise, Krisenfrüherkennung, Jahresabschlusskennzahlen, statistische Verfahren, BBR Baetge-Bilanz-Rating, RiskCalc™ Germany, Künstliche Neuronale Netzanalyse (KNNA).
- Citar trabajo
- Dipl.-Kfm. / M.E.S. / Internationaler Wirtschaftler (BG) Vesselin Iankov (Autor), 2004, Probleme der Früherkennung von Unternehmenskrisen anhand von Jahresabschlußkennzahlen, Múnich, GRIN Verlag, https://www.grin.com/document/62169
