Analyse und Bewertung ausgewählter Methoden zur Messung der Effizienz von Innovationen und beispielhafte Anwendung der Data Envelopment Analysis

Inhaltverzeichnis

I Abkürzungsverzeichnis

II Abbildungsverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Ziele der Arbeit
1.3 Aufbau der Untersuchung

2 Begriffliche Grundlagen und Abgrenzung des Untersuchungsfeldes
2.1 Innovationen und deren Entwicklungsprozesse im Unternehmen
2.2 Die Begriffe der Messung und Bewertung
2.3 Effektivität und Effizienz

3 Alternative Messmethoden des Innovationserfolges
3.1 Vorgehensweise und grundlegende Differenzierungskriterien
3.2 Überblick über die alternativen Messmethoden des Innovationserfolges
3.2.1 Qualitative Methoden
3.2.2 Quantitative Methoden
3.3 Methoden zur Messung bei simultaner Berücksichtigung von In- und Output
3.3.1 Beziehungszahlindikatoren
3.3.2 In- und Output-bezogene Bewertungsmaße

4 Konzeption einer Methode zur Messung des Innovationserfolges
4.1 Data Envelopment Analysis
4.1.1 Grundidee und Vorgehensweise
4.1.2 Anwendungsbereiche und Prämissen
4.1.3 Mathematische Grundlagen der Data Envelopment Analysis
4.1.4 Stärken und Schwächen der Data Envelopment Analysis
4.2 Entwicklung einer Konzeption zur Messung des Innovationserfolges
4.3 Aufbau und mögliche Anwendung der Konzeption
4.3.1 Dimensionen zur Auswahl eines Modells innerhalb der Konzeption
4.3.2 Voraussetzungen für die Anwendung der jeweiligen Kombination

5. Anwendung der Konzeption auf ein konkretes Beispiel
5.1 Vorstellung des Programms zur Lösung des linearen Problems
5.2 Beispielhafte Anwendung der Konzeption
5.2.1 Anwendung der Konzeption unter Annahme objektiver Daten
5.2.2 Anwendung der Konzeption unter der Annahme subjektiver Daten
5.3 Gegenüberstellung und Interpretation der durchgeführten Berechnungen

6. Abschluss und Ausblick
6.1 Kritische Würdigung der Konzeption zur Messung des Innovationserfolges
6.2 Verwendung der gewonnenen Daten
6.3 Weiterentwicklungspotenziale

III Anhang

IV Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: Entwicklung der F&E-Aufwendungen der SAP AG

Abbildung 2: Innovationsarten und ihre Zielsetzungen

Abbildung 3: Wettbewerbsvorteile durch überlegene Produkt- und Prozessentwicklung

Abbildung 4: Zusammenhang von Effektivität und Effizienz im Innovationsprozess

Abbildung 5: Überblick über alternative Messmethoden des Innovationserfolges

Abbildung 6: Typische Outputs und Inputs zur Verwendung in RoR-Kennzahlen

Abbildung 7: Skalenerträge und Orientierungen bei Anwendung der DEA

Abbildung 8: Prämissen der Data Envelopment Analysis

Abbildung 9: Anpassungsvorgänge bei konstanten (a) und variablen (b) Skalenerträgen

Abbildung 10: Übersicht über die grundlegenden DEA-Ansätze und deren zugrunde liegenden Prinzipien

Abbildung 11: Schnittmenge zwischen den Methoden zur Messung unter simultaner Berücksichtigung von In- und Output und der DEA

Abbildung 12: Darstellung der Erweiterung der Dimensionen bei Anwendung der DEA zur Messung des Innovationserfolges

Abbildung 13: Objektiver Datensatz inklusive ‚Kostenersparnis durch Prozessinnovationen’

Abbildung 14: Angepasster objektiver Datensatz

Abbildung 15: Zusammenfassung der Ergebnisse bei objektiver Datenbasis

Abbildung 16: Verdeutlichung der marginalen Abweichung zwischen CCR-I und ARG-I-C bei objektiven Daten

Abbildung 17: Subjektiver Datensatz

Abbildung 18: Zusammenfassung der Ergebnisse bei subjektiver Datenbasis

Abbildung 19: Verdeutlichung der marginalen Abweichung zwischen CCR-I und ARG-I-C bei objektiven Daten

Abbildung 20: Weiterentwicklungsmöglichkeiten innerhalb des Konzepts

1 Einleitung

1.1 Problemstellung

Die Bedeutung der Innovationstätigkeit ist seit vielen Jahren enorm hoch und wird in der Literatur immer wieder als Grundlage für die Weiterentwicklung von Unternehmen und Volkswirtschaften dargestellt.^[1]

Den Zusammenhang zwischen beiden beschreibt Schumpeter (1975) so:

„Der fundamentale Antrieb, der die kapitalistische Maschine in Bewegung setzt und hält, kommt von den neuen Konsumgütern, den neuen Produktions- und Transportmethoden, den neuen Märkten, den neuen Formen der Organisation, welche die kapitalistische Unternehmung schafft.“^[2]

Demnach sollte das Hauptelement des Handelns innerhalb von Unternehmungen die erfolgreiche Durchsetzung von Innovationen sein.^[3]

Da die Globalisierung voranschreitet und eine Internationalisierung der Märkte nach sich zieht, verschärft sich die Konkurrenzsituation zunehmend^[4]. Dies bezieht sich sowohl auf die Mobilität der Kunden (z. B. durch das Internet), als auch auf das Angebot der Waren vor Ort.^[5]

Die größere Auswahl ermöglicht ein stärkeres Kosten- bzw. Qualitätsbewusstsein der Konsumenten^[6] und fordert von den Unternehmen immer schneller aufeinander folgende Fortschritte innerhalb der bestehenden Produkte bzw. gänzlich neue. Resultat dieser Entwicklung sind immer kürzere Produktlebenszyklen,^[7] länger werdende Produktentstehungsprozesse^[8] und die steigende Bedeutung der Forschung und Entwicklung (F&E)^[9].

Dies bestätigt zum Beispiel die Entwicklung der F&E-Ausgaben der SAP AG (wörtliche Bedeutung: Systemanalyse und Programmentwicklung)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Entwicklung der F&E-Aufwendungen der SAP AG^[10]

Auch die Anzahl der in der Forschung und Entwicklung tätigen Mitarbeiter innerhalb des genannten Unternehmens ist über die Jahre 2003 (mit 8.854 Mitarbeitern), 2004 (9.882) und 2005 (11.629) gestiegen.^[11]

Folglich ist eine Steuerung der Innovationstätigkeit auf einem hohen Effektivitäts- und Effizienzniveau unumgänglich,^[12] um die Zukunft der Unternehmung zu sichern^[13] und die Möglichkeit von Wettbewerbsvorteilen zu nutzen.^[14]

Trotz des vorhandenen Bewusstseins über den Stellenwert von Innovationen zeigen die bisher eingesetzten Methoden zur Messung der Leistung der F&E deutliche Schwächen. Effizienzkriterien sind nur unvollständig bzw. unklar definiert^[15] und ihre Bestimmung folgt keiner einheitlichen Vorgehensweise. Grund für diese Probleme ist die Einzigartigkeit vieler Innovationsprozesse,^[16] die einer routinierten Beurteilung wiederkehrender Vorgänge, vergleichbar mit anderen Abteilungen wie der Produktion, widerspricht.

Demzufolge eröffnet sich ein ausgeprägter Bedarf an Forschungsleistungen im Bereich der F&E-Bewertung,^[17] um bisherige Leistungen besser einordnen und gegebenenfalls Verbesserungen vornehmen zu können.

1.2 Ziele der Arbeit

Die vorliegende Arbeit soll einen Beitrag zur Forschung im Bereich der F&E-Bewertung leisten.

Schwächen der bisher genutzten Messmethoden des Innovationserfolges sollen dargestellt werden, um Ansatzpunkte für Verbesserungsmöglichkeiten aufzudecken. Als ein solcher wird die Data Envelopment Analysis (DEA) dienen, da diese ebenfalls die Beurteilung der Effizienz unterstützt.

Ziel der Arbeit ist demnach die Findung von Schnittmengen bisher bestehender Messmethoden und der Methodik der DEA, um mögliche Verbesserungspotenziale innerhalb der Messung der Effizienz von Forschungs- und Entwicklungsabteilungen aufzudecken. Unter Nutzung der Gemeinsamkeiten soll des Weiteren eine Konzeption entwickelt werden, die die Schwächen bisheriger Verfahren mindern kann. Diese soll durch die Anwendung auf ein fiktives Beispiel auf Anwendbarkeit getestet werden.

Auf Basis literaturgeleiteter Überlegungen und der folgenden Anwendung soll überprüft werden, inwiefern bisherige Schwächen durch die Nutzung der DEA aufgehoben werden können und ob sich neue kritikwürdige Ansätze ergeben.

Abschließend sollen mögliche Potenziale für Weiterentwicklungen aufgedeckt werden, die Gegenstand weiterer Arbeiten in diesem ökonomisch relevanten Feld sein könnten.

1.3 Aufbau der Untersuchung

In Kapitel 2 werden die grundlegenden Begriffe des Untersuchungsfeldes definiert und abgegrenzt. Hierbei handelt es sich um Definitionen von Innovation, Innovationsprozessen, Messung, Bewertung, Effektivität und Effizienz. Einschränkungen des Untersuchungsfeldes werden, wenn möglich, in direktem Zusammenhang mit der Begriffsbestimmung vorgenommen.

Hierauf folgend wird in Kapitel 3 ein Überblick über die bisher bestehenden Messmethoden des Innovationserfolges, die in qualitative und quantitative Methoden unterschieden werden, gegeben. Diese Ausführungen dienen zur Darstellung der ‚Beziehungszahlindikatoren’ und ‚In- und Output-bezogene Bewertungsmaße’, die im Anschluss detaillierter erläutert werden.

Anschließend wird in Kapitel 4 die Data Envelopment Analysis in ihren Grundzügen erklärt. Die Vorstellung geschieht durch die Darstellung der Grundideen, die Aufführung der Anwendungsbereiche, die Erläuterung der Voraussetzungen und die mathematische Herleitung der ursprünglichen Formen. Zudem werden Stärken und Schwächen sowie mögliche Fehlerquellen der DEA ergänzt, um ihre Anwendung und die Interpretation ihrer Ergebnisse vorzubereiten.

Auf Basis der vorgestellten Methoden wird eine Konzeption zur Messung der Effizienz der Innovationstätigkeit erarbeitet. Zunächst finden die grundlegenden Überlegungen und die Vorteile gegenüber den bisher vorgestellten Methoden Erwähnung. Hierauf aufbauend werden die verschiedenen Kombinationen der teilweise zu wählenden, teilweise exogen gegebenen Ausprägungen der Skalenerträge, Orientierungen und Datenbasen vorgestellt und die jeweiligen Voraussetzungen für ihre Nutzung genannt.

Die Anwendung der Konzeption wird in Kapitel 5 auf der Grundlage fiktiver Daten verdeutlicht. Dies geschieht für jede der oben erwähnten Kombinationen, um Unterschiede und mögliche Schwächen aufzudecken.

Da die vorgestellte Systematik nur ein Ansatz zur Verknüpfung zwei bestehender Messmethoden ist, existieren Weiterentwicklungspotenziale. Abschließend werden mögliche Ergänzungen und weitere potenzielle Anwendungsgebiete der Beurteilungsmethodik dargestellt.

2 Begriffliche Grundlagen und Abgrenzung des Untersuchungsfeldes

2.1 Innovationen und deren Entwicklungsprozesse im Unternehmen

Grundlagen des Innovationsgedankens sind die Forderung nach neuem Wissen um aufkommende Bedürfnisse zu befriedigen^[18] und die Existenzsicherung einer Unternehmung durch die Hervorbringung und Vermarktung eines neuen Produktes.^[19] Hieraus ergeben sich die ökonomischen Effekte des Innovationserfolges.^[20] Weitere Dimensionen wie technische und sonstige Effekte werden im Folgenden vernachlässigt (vgl. Anlage 1).

Der Innovationsbegriff umfasst Produkt-, Verfahrens- und Sozialinnovationen^[21], deren Ziele in Abbildung 2 aufgeführt werden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Innovationsarten und ihre Zielsetzungen^[22]

Sozialinnovationen führen zu Verbesserungen im Humanbereich, werden aber im weiteren Verlauf dieser Arbeit nicht weiter berücksichtigt. Produkt- und Prozessinnovationen liegen vor, wenn neue bzw. merklich verbesserte Produkte oder Fertigungs- und Verfahrenstechniken das Ergebnis der Innovationstätigkeit sind.^[23] Durch diese Innovationsformen werden Zweck und Mittel in bisher nicht gekannter Form verknüpft.^[24] Prozessinnovationen innerhalb einer Unternehmung ermöglichen das Erreichen des gleichen Outputs bei geringerem Input.^[25] Bei Produktinnovationen ist zu berücksichtigen, dass sie gleichzeitig auch Prozessinnovationen für andere Unternehmen bzw. Branchen oder Abteilungen darstellen können.^[26]

Das zentrale Merkmal von Innovationen ist der Neuigkeitsgrad.^[27] Verbesserungs- und Basisinnovationen unterscheiden sich hinsichtlich Komplexität und Schwierigkeitsgrad^[28], sowie in Bestimmtheitsgrad und Risiko.^[29]

Des Weiteren muss einerseits zwischen unternehmensinternen und anderseits unternehmensexternen bis globalen Neuerungen unterschieden werden.

Die Innovation ist das Ergebnis eines Prozesses, der in Ideenfindung, Ideenakzeptanz und Ideenrealisierung gegliedert werden kann.^[30]

Diese eher grobe Einteilung kann genauer in sechs Phasen überführt werden, welche im Spannungsfeld zwischen „Technologie Push“ - grundsätzlich technisch Umsetzbarem - und „Demand Pull“ - der Nachfrage von Problemlösungen - stehen^[31]:

Phase 1) vage Vorstellung und Bekundung von Interesse

Phase 2) Endeckung

Phase 3) weitere Forschung

Phase 4) Entwicklung

Phase 5) Festlegung auf eine bestimmte Alternative

Phase 6) Markteinführung, bzw. innerbetriebliche Verfahrenseinführung.^[32]

Ziel dieses Prozesses ist, eine laufende Verwertung der neu erworbenen Erkenntnisse, die im Optimalfall bis zur Serienproduktion führen kann.^[33]

Neben der Forschungs- und Entwicklungsabteilung sind in der Regel auch weitere Unternehmensteile wie Marketing und Vertrieb in den Innovationsprozess eingebunden.^[34]

Diese Arbeit untersucht den reinen innerbetrieblichen Innovationserfolg. Somit wird die Messung des Wertes von Produktinnovationen bis zur Phase 5) ‚Festlegung auf eine bestimmte Alternative’ stattfinden. Prozessinnovationen, die innerbetrieblich genutzt werden, können ohne Einschränkung betrachtet werden, da externe Einflüsse nur bedingt bestehen. Aufgrund dieser Annahmen ist ein genauerer Blick auf den Bereich der Forschung und Entwicklung zu werfen.

Brockhoff (1992) beschreibt Forschung und Entwicklung als

„[…] Aktivitäten, die in einen umfassenderen Innovationsprozess eingebettet sind. […] Ihr Erfolg ist notwendige, aber keine hinreichende Bedingung für den Markterfolg der daraus erwachsenden Neuerungen.“^[35]

Thom (1992) folgt der Darstellung von Brockhoff (1992) und ergänzt das Begriffsverständnis von Forschung und Entwicklung um die Identifikation als systematische Tätigkeit, mit dem Ziel der Gewinnung neuen Wissens bzw. der neuartigen Anwendung bereits verfügbaren technischen Wissens.^[36]

Die F&E wird in ‚Grundlagenforschung’, ‚angewandte Forschung’ und ‚Entwicklung’ gegliedert.^[37] Ziele der Grundlagenforschung sind rein wissenschaftliche Erkenntnisse ohne sicheren Bezug zum späteren Nutzen. Die Motivation der angewandten Forschung basiert dagegen auf einer Orientierung am praktischen Einsatz. Die Ergebnisse beider Forschungsformen werden in der Entwicklung genutzt und zur Marktreife geführt.^[38]

Abbildung 3 stellt den Unterschied zwischen Durchschnittsunternehmen und Weltklasseunternehmen in Bezug auf den Grad der Effizienz unter Berücksichtigung dreier Kriterien der F&E dar.

Die Strecken Abbildung in dieser Leseprobe nicht enthalten, Abbildung in dieser Leseprobe nicht enthalten, bzw. Abbildung in dieser Leseprobe nicht enthalten beschreiben Einsparpotentiale in den Dimensionen Kosten, Entwicklungszeit und Qualitätsaufwand bei gegebenem Output. Diese stellen eine mögliche Verbesserung der Produktivität und damit, wie im Folgenden erläutert wird, eine Steigerung der Effizienz bzw. eine Verminderung der Ineffizienz dar.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Wettbewerbsvorteile durch überlegene Produkt- und Prozessentwicklung^[39]

2.2 Die Begriffe der Messung und Bewertung

Die Bestimmung der Ausprägung einer Eigenschaft von Etwas wird als Messung bezeichnet.^[40] Sie wird durch das Messobjekt, das Messsubjekt, die Messkenngröße und das Messinstrument beeinflusst.^[41] Die vom Messsubjekt durchgeführte Messung basiert auf der Zuordnung einer Merkmalsausprägung des Messobjektes zu einem bestimmten Wert auf einer zuvor festgelegten Skala.^[42] Zudem sollte der Zeitpunkt der Messung berücksichtigt werden,^[43] da verschiedene Messzeitpunkte unterschiedliche Möglichkeiten der Steuerung implizieren.^[44] Die Bewertung der Einheiten erfolgt aus den Ergebnissen dieser Messung, entweder durch einen Konkurrenzvergleich, einen Jahres-, beziehungsweise Periodenvergleich oder anhand eines vorher festgesetzten Ideals.^[45]

Messung und Bewertung bilden zusammen die Beurteilung.

2.3 Effektivität und Effizienz

Die Begriffe ‚Effektivität’ und ‚Effizienz’ werden in ihrer tiefer gehenden Bedeutung sehr differenziert beschrieben. Grundlage vieler wirtschaftswissenschaftlicher Definitionen sind jedoch die Beschreibung der Effektivität als ‚das Richtige tun’ und die der Effizienz als ‚das Richtige richtig tun’.^[46]

Die Effektivität stellt den Grad der Eignung eines Mittels zur Zielerreichung der obersten Sachziele dar,^[47] was die Außenwirkungen einer Strategie betrifft.^[48]

Die Effizienz beschreibt hingegen die Innenwirkung einer Strategie, die durch die Relation von Input und Output und somit durch die Produktivität der betrachteten Alternative gegeben ist.^[49] Folglich ist ein Entwicklungsprozess effizient, wenn das entwickelte Produkt in relativ kurzer Zeit, mit relativ geringen Kosten, mit sachlich geeigneten Entwicklungsressourcen, mit optimaler Nutzung der Entwicklungskapazität, mit relativ akzeptablem Risiko und mit relativ hohem Transferpotential erstellt wurde.^[50] Darüber hinaus soll für die vorliegende Arbeit die Annahme gelten, dass keine Alternative existieren darf, die denselben Output mit weniger Input oder mit demselben Input mehr Output erreichen kann.^[51]

Die Effizienzmessung und der Grad der Ineffizienz lassen sich über Soll-Ist-Vergleiche auf der Basis von Kosten-, Zeit- und Leistungsabweichungen oder über die oben genannten Input-Output-Verhältnisse beschreiben.^[52]

Die Begriffe sollten nicht isoliert betrachtet werden, da eine Sicherung der langfristigen Überlebensfähigkeit und die Erlangung eines Wettbewerbsvorteils, aufgrund von Innovationserfolgen, sowohl die Betrachtung und Steuerung aus dem Blickwinkel der Effektivität, als auch aus der Sicht der Effizienz fordern.^[53] Diesen Aspekt verdeutlicht Abbildung 4, die die Auswahl der richtigen Handlungen als Rahmen für die richtige Umsetzung darstellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Zusammenhang von Effektivität und Effizienz im Innovationsprozess^[54]

3 Alternative Messmethoden des Innovationserfolges

3.1 Vorgehensweise und grundlegende Differenzierungskriterien

Der folgende Abschnitt gibt einen Überblick über Klassifikationen von alternativen Messmethoden des Innovationserfolges, die zur Einordnung der in Kapitel 3.3 beschriebenen Methoden der Beziehungszahlindikatoren und der ‚In- / Outputbezogenen Bewertungsmaße’ dienen. Diese Methoden sind Basis der weiteren Überlegungen der vorliegenden Arbeit.

Die Fokussierung erfolgt aufgrund der Berücksichtigung von Input und Output, die diesen Methoden zu eigen und wie später erläutert wird, Voraussetzung für die Anwendung der Data Envelopment Analysis (DEA) ist.

Es gibt zwei grundsätzliche Arten von Daten, die zur Ermittlung des Innovationserfolges genutzt werden können: zum einen numerisch bestimmbare Kennzahlen, auf denen die quantitativen Ansätze beruhen und zum anderen intuitive Urteile, die als Basis für qualitative Methoden dienen.^[55]

3.2 Überblick über die alternativen Messmethoden des Innovationserfolges

3.2.1 Qualitative Methoden

Die qualitativen Methoden zur Messung des Innovationserfolges stützen sich auf Befragungen von Einzelpersonen oder ganzen Gruppen, die als Experten die Leistung von Fachkollegen oder disziplinarisch unterstellten Mitarbeitern beurteilen sollen.^[56] Mit dem Ziel willkürliche Urteile zu vermeiden und um Gefahren der Fehlbeurteilung zum Beispiel durch Sympathie bzw. Antipathie oder falsche Selbsteinschätzung zu minimieren, werden in der Regel einige Beurteilungskriterien vorgegeben.^[57]

Im Allgemeinen wird zwischen Einzel- und Gruppenbewertungen unterschieden.

Die sog. Einzelpersonenbewertung wird durch den zu Beurteilenten selbst, einzelne Mitarbeiter oder durch Assessment Center, also eine ganze Gruppe von Personen, durchgeführt.^[58] Letzteres Vorgehen verspricht einen höheren Grad an Objektivität und Akzeptanz.^[59] Das Bewertungsobjekt ist eine Einzelperson. Ansätze zur Bewertung sind zum Beispiel Qualität und Quantität der Leistung, Verhalten gegenüber Mitarbeitern, Verlässlichkeit und die Gesamtleistung.^[60]

Das Verfahren der Gruppenbewertung bewertet Abteilungen ganzheitlich und kann in zwei Formen getrennt werden:

Zum einen die Peer Reviews, die relativ wenig Zeit und Aufwand benötigen, durch Fachkollegen durchgeführt und auf Basis einer Notenskala ausgewertet werden.^[61]

Zum anderen die deutlich länger andauernden Audits, die alle Prozesse, Ressourcen und Verknüpfungen des Bewertungsobjektes in einem umfassenden Gutachten zusammenfassen und die Abteilungen auf Basis der gewonnen Daten bewerten.^[62] Ziel ist hierbei nicht ausschließlich die Bestimmung der Leistung, sondern auch die Gewinnung von Informationen zur Verbesserung der Produktivität und die Steigerung des Informationsstandes abteilungsexterner Manager und Forscher.^[63]

3.2.2 Quantitative Methoden

In der Literatur werden quantitative Ansätze stärker ausdifferenziert als qualitative.

Zur Unterscheidung wird die Nutzung weitestgehend objektiven oder subjektiven Datenmaterials, dessen Eignung durch die Berücksichtigung verschiedener Perspektiven entsteht, herangezogen werden.

Zunächst wird ein Überblick über die quantitativen Methoden gegeben, die der Einordnung der in 3.3 vorgestellten Alternativen dienen soll.

Grundlage der inputbezogenen Kenngrößen, deren Datenbasis relativ einfach zu erfassen ist, ist eine positive Korrelation zwischen Input und Output.^[64] Sowohl materieller als auch immaterieller Input werden berücksichtigt.^[65] Allerdings ist eine Messung auf dieser Basis unvollständig und gibt den Innovationserfolg nur bedingt wieder.^[66]

Die Bestimmung der outputbezogenen Kenngrößen ist im Vergleich zu den Inputdaten relativ aufwändig. Sie orientiert sich an den vielen möglichen Outputgrößen innerhalb der Organisationen,^[67] die durch F&E, auf Produkt- und Prozessebene oder Unternehmensebene generiert werden^[68]. Alternativ ist eine Ermittlung auf Basis der Outcomes möglich, die sich aus den genannten Outputgrößen und deren Nutzung ergeben.^[69]

Prozessbezogene Kenngrößen gehen von einem Prozessbegriff aus, der als wiederkehrend beschrieben wird, damit eine Vergleichbarkeit impliziert und eine Effizienzmessung ermöglicht.^[70] Die Projekte werden in den Dimensionen Zeit bzw. Termine, Kosten bzw. Aufwand und Sachfortschritt bzw. Leistung geplant.^[71] Anhand der vorgegebenen Kriterien werden Teilprojektziele in Form von sogenannten Meilensteinen festgelegt, an denen sich die Leistung messen lässt^[72].

Prozessbezogene Bewertungsmaße basieren auf subjektiven Schätzungen, die in Bewertungsskalen überführt werden.^[73] Auf die explizite Auflistung von In- und Outputs wird verzichtet. Es kommen Systeme wie Checklisten bzw. Profile zur Anwendung, die einzelne Projekte mit unabhängigen Zielen bewerten oder auswählen.^[74]

Zur analytischen Bewertung einer ganzen Abteilung und Berücksichtigung von Zielsystemen und Synergien werden Scoring-Modelle, auch Punktbewertungsverfahren, eingesetzt.^[75] Die Beurteilung erfolgt über ein Benchmarking mit vergleichbaren Einheiten.^[76]

Abbildung 5 gibt einen umfassenden Überblick über alternative Messmethoden des Innovationserfolgs quantitativer und qualitativer Art.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Überblick über alternative Messmethoden des Innovationserfolges^[77]

3.3 Methoden zur Messung bei simultaner Berücksichtigung von In- und Output

3.3.1 Beziehungszahlindikatoren

Die Grundlage der Beziehungszahlen sind zwei Werte, die miteinander in Korrelation stehen. Aus diesen wird ein Quotient gebildet, der die Leistungsfähigkeit der zu betrachtenden Organisation darstellt. Ziel ist die Maximierung der Effektivität, die durch eine Optimierung des Input-Output-Verhältnisses erreicht werden kann. Dies wird durch den Return on Investment (RoI) oder den Return on Research (RoR) bzw. abgewandelte Formen auf deren Basis dargestellt.^[78] Typische In- und Outputs für die Bestimmung der Kennzahlen zur Bewertung der F&E- Leistungen sind in Abbildung 6 zusammengestellt. Outputs, die durch die Markteinführung realisiert werden können, sind in dieser Arbeit nicht zu berücksichtigen, da externe Einflüsse ausgeschlossen wurden.^[79] Zur Verdeutlichung sind diese in Abbildung 6 durch rote Einfärbung gekennzeichnet.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Typische Outputs und Inputs zur Verwendung in RoR-Kennzahlen^[80]

Problematisch bei der zeitgleichen Berücksichtigung von In- und Output sind schwankend auftretende Outputs über den Produktlebenszyklus und Time-Lags, die die zeitliche Differenz zwischen In- und Outputs beschreiben.^[81] Bei monetären Größen ist eine Umgehung der Bewertungsfehler aufgrund falscher zeitlicher Zurechnung durch Methoden aus der Investitionsrechnung möglich.^[82] Hierdurch geht jedoch die objektive Sichtweise verloren, da Zahlungsreihen geschätzt werden müssen. Zudem bestehen Zurechnungsprobleme aufgrund unterschiedlich starker Einbindung verschiedener Abteilungen.^[83] Auch hier ergeben sich Probleme bei der subjektiven Zuteilung der Anteile der F&E auf bestimmte Neuheiten und deren Umsätze. Beispielsweise kann ein Face-Lift in der Automobilbranche hohe Umsätze generieren obwohl der F&E-Aufwand durch den geringen Neuigkeitsgrad sehr klein ist. Hier steht die Leistung der Marketingabteilung im Vordergrund.

Da die Grundlagen der Messung auf Basis von Beziehungszahlindikatoren beschrieben wurden, stellt sich nun die Frage nach der Anwendbarkeit innerhalb der Unternehmen.

Die im Folgenden vorgestellten Methoden beziehen sich zum Teil auf Outputarten, die am Markt generiert und in dieser Arbeit ausgegrenzt wurden. Trotzdem ist die Vorstellung der Abläufe nötig, da Ersparnisse aus Verfahrensinnovationen identisch behandelt werden können. Zudem finden sich hier mögliche Weiterentwicklungspotenziale, da die später vorgestellte Art der Messung des Innovationserfolges nicht auf das eingeengte Untersuchungsfeld beschränkt bleiben sollte.

Die einfachste Form der Anwendung in der Unternehmung ist der Vergleich der Situation mit F&E mit der Unternehmenssituation ohne selbige, also folglich ohne F&E-bezogene Inputs und Outputs.^[84]

Des Weiteren kann die Implementierung durch den R+D-Effektiveness (Research+Development) Index geschehen. Diese Kennzahl beschreibt die Leistung des Forschungs- und Entwicklungsbereiches auf Basis von Umsätzen aus neuen Produkten und den Aufwendungen für die F&E-Abteilung. Diese Werte werden ihrerseits ins Verhältnis zum Gesamtumsatz des Unternehmens gesetzt. Wenn die Neuproduktrate ermittelt wurde, ist die Bestimmung einer RoR-Kopfkennzahl möglich, die einen direkten Zusammenhang zwischen Neuproduktgewinnen und hierfür benötigen Aufwendungen darstellt.^[85]

Das Profit-Center-Konzept wandelt die Abteilung der F&E von einem reinen Cost-Center, das ausschließlich mit anfallenden Kosten belastet wird^[86], in ein Profit-Center. Demnach können finanzielle Erfolge durch externe Vermarktung der geschaffenen Werte direkt zugerechnet werden. Allerdings ist dies nur eine unvollständige Leistungsbestimmung. Dieser kann mit der Abrechnung interner Leistungen, zum Beispiel durch Verrechnungspreise, die eine monetäre Bewertung innerbetrieblicher Leistungen und Güter ermöglichen,^[87] entgegengetreten werden. Die Abhängigkeit einer positiven Bewertung der F&E von Erfolgen unterstützt eine kurzfristige Denkweise. Langfristige und gegebenenfalls (ggf.) effektivere Projekte werden durch solche ersetzt, die schnelleren Erfolg versprechen.^[88]

Der Problematik der unvollständigen Leistungsbestimmung stellt sich das System der internen Lizenzgebühren. Innerbetrieblich genutzter Output wird nur gegen fiktive Lizenzgebühren weitergegeben.^[89] Die Höhe wird anhand von Kriterien wie Schutzfähigkeit, Erfindungshöhe, zeitlichem Vorsprung und Know-how bemessen. Zur Beurteilung werden die ermittelten Werte mit den Kosten für die Erstellung verglichen.^[90]

Der Aufgabe der sehr aufwendigen verursachungsgerechten Zurechnung nimmt sich das Konzept der Input-Output-Bilanzen an.^[91] Drei mögliche Ansätze mit ähnlichen Ausprägungen werden im Folgenden kurz vorgestellt.

Das Eastern-Research-Center System ermittelt alle Produkte und Prozesse, in denen Leistungen der F&E eingeflossen sind und stellt diese zusammen. Auch ältere Produkte (bis zu fünfzehn Jahren) werden erfasst. Die Addition der Erfolge der ermittelten Innovationen ergibt den Gewinn der maßgeblich von der F&E geprägten Produkte und wird mit dem Budget der F&E ins Verhältnis gesetzt. Die Beurteilung erfolgt über einen Jahresvergleich und wird anhand einer Trendgrafik dargestellt. Probleme bei der Akzeptanz dieser Methode sind sowohl die subjektive Entscheidung über den Einfluss der F&E, als auch die zeitliche Verschiebung der In- und Outputs.^[92]

Das British-Pretoleum-Research System beginnt mit der Schätzung von Kosten und Nutzen abgeschlossener Projekte. Folgend bestimmen Mitarbeiter der betroffenen Profit-Center den Anteil der F&E-Abteilung. Das Effizienzmaß wird durch die Gegenüberstellung der F&E-Anteile am Gewinn der Profit-Center und dem F&E-Budget ermittelt.^[93]

Die Vorgehensweise bei General Electric war eine externe Bewertung, die aufgrund ihres hohen Aufwandes und hoher Kosten nicht zur regelmäßigen Durchführung geeignet ist. Die Anteile der F&E von 190 Projekten wurden auf Basis von Urteilen der Profit-Center und der Cost-Center (F&E) bestimmt und mit dem Aufwand für F&E ins Verhältnis gesetzt. Hieraus ergab sich eine RoR-Kennzahl. Die Schätzung aus mehreren Perspektiven ließ beidseitige Akzeptanz der Ergebnisse zu.^[94]

3.3.2 In- und Output-bezogene Bewertungsmaße

Die ‚In- und Outputbezogenen Bewertungsmaße’ basieren, wie auch die ‚Prozessbezogenen Bewertungsmaße’, auf subjektiven Daten.^[95] Diese Herangehensweise ist von Vorteil, da Verzerrungen aufgrund von Time-Lags bei ganzheitlicher Betrachtung, zum Beispiel über den gesamten Produktlebenszyklus, auf Basis einer Trendextrapolation vermieden werden können.^[96] Aufgrund der Prognosen ist ein ex-ante Zeitpunkt der Datenerhebung möglich. Dank dieser aktuellen Daten kann ein Misserfolg durch Korrekturen oder durch Steuerung abgewendet werden.^[97] Nachteilig wirkt sich fehlende Objektivität und damit geringere Akzeptanz aus.

Da sich die Zurechnung nun nicht mehr auf Perioden bezieht, sondern die Investitionen den Produkten direkt zugerechnet werden, lehnen sich die Verfahren der Implementierung an die der Projektbewertung an.^[98] Während der Entwicklungsphasen auftretende Synergieeffekte werden weitestgehend vernachlässigt.^[99]

Zu den angewendeten Verfahren der Investitionsrechnung zählen das Konzept bei den Alcoa-Laboratories, das Konzept bei Square D und das Konzept von Quinn.

Grundlage des Konzeptes der Alcoa-Laboratories ist die Schätzung zukünftiger Gewinne, nachdem die ersten Erfolge zu verzeichnen sind, deren Abzinsung auf den heutigen Wert und der Vergleich mit den eingesetzten Mitteln.^[100] Monetäre Größen werden direkt erfasst. Nicht-monetäre Größen werden durch ein Team aus Ingenieuren und Mitarbeitern der Marketingabteilung in „Benefit Categories“ eingeteilt und in zurechenbare monetäre Größen umgewandelt.^[101] Diese werden zu den direkt eingebrachten addiert. Auf diese Weise erhält man eine verwertbare Zahlungsreihe.^[102]

Das Konzept bei Sqare D berücksichtigt alle Leistungen der F&E. Auch hier werden nicht direkt zurechenbare Größen, wie abgeschlossene Projekte, laufende Projekte, realisierte Kostenvermeidung, Aktivitäten zur Verbesserung der F&E-Arbeit, Aktivitäten zur Know-how-Verbesserung der F&E und interne Beratungsleistungen in monetäre Größen gewandelt, abgezinst und ins Verhältnis zum F&E-Budget gesetzt.^[103]

Das Konzept von Quinn berücksichtigt neben den Daten der eben vorgestellten Methode hinaus den Ausnutzungsgrad bestimmter Technologien, auf Basis subjektiver Schätzungen.^[104]

Die Verfahren der Nutzwertanalyse erfassen und beurteilen komplexe, monetäre und nicht-monetäre Projektwirkungen auf Basis qualitativer und quantitativer Daten.^[105] Ursprünglich wurden sie, wie auch die Investitionsrechnung, zur Auswahl einer Alternative entwickelt.^[106] Da die ermittelten Werte verschiedene Dimensionen (z. B. Kilo, €, …) haben, müssen sie in ein dimensionsloses Ergebnis zusammengefasst werden.^[107] Dies geschieht durch die separate Ermittlung der Nutzen der einzelnen Dimensionen.^[108] Diese werden mit Faktoren gewichtet, die sich aus intuitivem oder systematisch-rationalem Vorgehen ergeben^[109] und für jede der zu vergleichenden Organisationen gleich bleiben. Die gewichteten Nutzen werden zu einem Gesamtnutzen zusammengefasst.^[110]

Der ‚Programm Value Algorithmus’ berechnet den ‚Programm Value’. Dieser beschreibt den Wert eines Programms und bezieht sich auf laufende Projekte.^[111] Die Datenbasis besteht aus den folgenden vier Faktoren:^[112] Potentielle Einnahmen vor Steuern, Wahrscheinlichkeit der Kommerzialisierung, Technische Leistung und Umfang des F&E-Projektes. Diese werden mit Werten zwischen 0,1 für schwach bis 1 für stark gewichtet. Der Programmwert ergibt sich aus der Summe der Projektwerte und wird für einen Effizienzkennwert durch die F&E-Betriebskosten geteilt.^[113]

Das Brown+Svenson Primärindexsystem bewertet nur einzelne Projekte und kann frühestens nach deren Abschluss angewandt werden. Er nutzt die folgenden vier Zieldimensionen: Return on Research, Produkt- und Prozessqualität, Produktkosten und Entwicklungszeit. Eine dieser Dimensionen wird als Primärindex festgelegt und bekommt die höchste prozentuale Gewichtung. Die anderen werden als Sekundärindizes bezeichnet erhalten, je nach Prämissen, die übrigen Anteile. Die einzelnen Faktoren werden, bis auf die extern bewertete Qualität, von den F&E-Mitarbeitern selbst beschrieben. Die Addition der gewichteten Zieldimensionen ergibt den Leistungsindex.^[114]

Kombinationen aus Verfahren der Investitionsrechnung und der Nutzwertanalyse stützen sich auf eine breitere Basis, da mehrere Zieldimensionen erfasst und finanzmathematisch beurteilt werden können.^[115]

Zum einen wird ermittelt, ob die Vorgaben des Projektes erreicht wurden und zum anderen werden die potentiellen Geschäftschancen (auf Basis von Marktgröße, Marktpreis, Verkaufsmenge), die durch die Neuentwicklung entstanden sind, aufgedeckt^[116]. Allerdings werden weder Konkurrenten, noch andere externe Einflüsse berücksichtigt.^[117]

4 Konzeption einer Methode zur Messung des Innovationserfolges

4.1 Data Envelopment Analysis

4.1.1 Grundidee und Vorgehensweise

Die originäre Idee der Data Envelopment Analysis ist die Ermittlung des Effizienzgrades von Organisationen oder Decision Making Units (DMU)^[118] und basiert auf einem im Jahr 1978 von Charnes, Cooper und Rhodes im ‚European Journal of Operational Research’ veröffentlichten Aufsatz mit dem Titel ‚Measuring the efficiency of decision making units’^[119].

Cooper, Seiford und Zhu (2004) beschreiben die DEA als

„[…] new „data oriented“ approach for evaluating the performance of a set of peer entities called Decision Making Units (DMUs) which convert multiple inputs into multiple outputs.“^[120]

Die von den Autoren genannte Performancemessung stützt sich auf eine Produktivitätskennzahl, die sich aus dem Quotienten von gewichtetem Input und gewichtetem Output ergibt.^[121] Die Gewichtungen werden so gewählt, dass der Effizienzwert maximiert wird.^[122] Diese Kennzahl wird für eine Reihe vergleichbarer Organisationen gebildet, die eine homogene Gruppe darstellen. Ihre Basis können neue empirische Untersuchungen oder historische Daten sein. Diese Daten werden zur Aufdeckung des Grades der Ineffektivität der DMUs genutzt.

„For each inefficient DMU (one that lies below the frontier), DEA identifies the sources and level of inefficiency for each of the inputs and outputs.“^[123]

Es existieren unterschiedliche Voraussetzungen die verschiedene Modellansätze der DEA implizieren.

Die Entwicklung des Outputs bei steigendem Input muss beachtet werden, da diese entweder eine proportionale bzw. konstante oder variable Entwicklung nehmen kann und somit verschiedene Modelle der DEA nach sich zieht. Gleiches gilt für die gewünschten Orientierungen der Anpassung, die gemeinsam mit den Skalenerträgen in Abbildung 7 dargestellt sind. Es ergeben sich die Kombinationen I - VI, die im weiteren Verlauf der Arbeit erläutert werden.

[...]

---

^[1] Vgl. Brockhoff (1992), S. 9.

^[2] Schumpeter (1975), S. 137.

^[3] Vgl. Schumpeter (1952), S. 487.

^[4] Vgl. Specht / Beckmann / Amelingmeyer (2002), S. 127.

^[5] Vgl. Hallbauer (1978), S. 2.

^[6] Vgl. Specht / Beckmann / Amelingmeyer (2002), S. 127.

^[7] Vgl. Horváth (2003), S. 875.

^[8] Vgl. Specht / Beckmann / Amelingmeyer (2002), S. 3.

^[9] Eine Allgemeine Einschätzung zur Wichtigkeit der Steigerung der Innovationsfähigkeit gibt die

Studie von Arthur D. Little (2004) wieder, die in „Überholspur Innovation“ (2007) von

Spitzley, A. u. a., S. 6 graphisch dargestellt ist.

^[10] Vgl. SAP AG (2006), URL siehe Literaturverzeichnis.

^[11] Vgl. SAP AG (2006), URL siehe Literaturverzeichnis.

^[12] Vgl. Brockhoff (1992), S. 10.

^[13] Vgl. Werner (2002), S. 30.

^[14] Vgl. Sammerl (2006), S. 224.

^[15] Vgl. Thom (1992), S. 13.

^[16] Vgl. Brockhoff (1992), S. 10.

^[17] Vgl. Mairesse / Mohnen (2002), S. 226.

^[18] Vgl. Brockhoff (1992), S. 27.

^[19] Vgl. Hallbauer (1978), S. 10.

^[20] Vgl. Hauschildt (1993), S. 323.

^[21] Vgl. Thom (1992), S. 8.

^[22] Eigene Darstellung in Anlehnung an Thom (1992), S. 8.

^[23] Vgl. Sammerl (2006), S. 25 und Hauschildt (1993), S. 4.

^[24] Vgl. Hauschildt (1993), S. 4.

^[25] Vgl. Rennings (2005), S. 2.

^[26] Vgl. Ebenda.

^[27] Vgl. Thom (1992), S. 7.

^[28] Vgl. Ebenda.

^[29] Vgl. Bergmann (2004), S. 46.

^[30] Vgl. Thom (1992), S. 8 und Gerpott (1999), S. 52f.

^[31] Vgl. Werner (2002), S. 22.

^[32] Vgl. Hauschildt (1993), S. 16f.

^[33] Vgl. Ebenda.

^[34] Vgl. Brockhoff (1992), S. 28.

^[35] Brockhoff (1992), S. 35.

^[36] Vgl.Thom (1992), S. 49.

^[37] Vgl. Horváth (2003), S. 875.

^[38] Vgl. Brockhoff (1992), S. 37.

^[39] Eigene Darstellung in Anlehnung an Specht / Schmelzer / Amelingmeyer (2002), S. 6.

^[40] Vgl. Werner (2002), S. 45.

^[41] Vgl. Ebenda.

^[42] Vgl. Ebenda.

^[43] Vgl. Hauschildt (1993), S. 326.

^[44] Vgl. Anlage 2.

^[45] Vgl. Hauschildt (1993), S. 328. Eine grafische Verdeutlichung der möglichen Größen zum Vergleich

findet sich in Anlage 2.

^[46] Vgl. Gauglitz-Lüter 1997, S. 125.

^[47] Vgl. Specht / Beckmann / Amelingmeyer (2002), S. 18 und Cooper / Seiford / Tone (2000), S. 66

sowie Hallbauer (1978), S. 72.

^[48] Vgl. Grimm 1983, S. 7.

^[49] Vgl. Specht / Beckmann / Amelingmeyer (2002), S. 18 und Grimm (1983), S. 7 und Cooper / Seiford

/ Tone (2000), S. 66 und Hallbauer (1978), S. 72.

^[50] Vgl. Specht / Schmelzer (1991), S. 7.

^[51] Vgl. Bürkle (1997), S. 5.

^[52] Vgl. Bürgel (1989), S.79.

^[53] Vgl. Gauglitz-Lüter (1997), S. 126f und Specht / Beckmann / Amelingmeyer (2002), S. 6.

^[54] Werner (2002), S. 44.

^[55] Vgl. Hauschildt (1993), S. 317f.

^[56] Vgl. Werner (2002), S. 199.

^[57] Vgl. Keller / Holland (1982), S. 55.

^[58] Vgl. Werner (2002), S. 201ff.

^[59] Vgl. Werner (2002), S. 201.

^[60] Vgl. Keller / Holland (1982), S. 55.

^[61] Vgl. Werner (2002), S. 205.

^[62] Vgl. Werner (2002), S. 211f.

^[63] Vgl. Blau (1995), S. 6f.

^[64] Vgl. Werner (2002),S. 59.

^[65] Vgl. Werner (2002), S. 60.

^[66] Vgl. Werner (2002), S. 63.

^[67] Vgl. Werner (2002), S. 87.

^[68] Vgl. Werner (2002), S. 115.

^[69] Vgl. Brown / Svenson (1988), S. 12.

^[70] Vgl. Werner (2002), S. 64.

^[71] Vgl. Brockhoff (1992). S. 320f.

^[72] Vgl. Werner (2002), S. 65.

^[73] Vgl. Werner (2002), S. 170.

^[74] Vgl. Specht / Beckmann / Amelingmeyer (2002), S. 220.

^[75] Vgl. Specht / Beckmann / Amelingmeyer (2002), S. 219.

^[76] Vgl. Werner (2002), S. 171.

^[77] Eigene Darstellung.

^[78] Vgl. Werner (2002), S. 116ff.

^[79] Vgl. Kapitel 2.1.

^[80] Eigene Darstellung in Anlehnung an Werner (2002), S. 118.

^[81] Vgl. Werner (2002), S. 121.

^[82] Vgl. Werner (2002), S. 121f.

^[83] Vgl. Ebenda.

^[84] Vgl. Robb (1991), S. 16f.

^[85] Vgl. Mc Grath / Romeri (1994), S. 213f.

^[86] Vgl. Menz (1973), S. 111.

^[87] Vgl. Menz (1973), S. 110.

^[88] Vgl. Werner (2002), S. 129.

^[89] Vgl. Kreibich (1979), S. 88ff.

^[90] Vgl. Werner (2002), S. 129.

^[91] Vgl. Werner (2002), S. 131.

^[92] Vgl. Werner (2002), S. 132.

^[93] Vgl. Werner (2002), S. 134f.

^[94] Vgl. Ebenda.

^[95] Vgl. Werner (2002), S. 150.

^[96] Vgl. Bürgel (1989), S. 62.

^[97] Vgl. Werner (2002), S. 149.

^[98] Vgl. Werner (2002), S. 166.

^[99] Vgl. Bürgel (1989), S. 12f.

^[100] Vgl. Werner (2002), S. 151f.

^[101] Vgl. Werner (2002), S. 153.

^[102] Vgl. Ebenda.

^[103] Vgl. Werner (2002), S. 154f.

^[104] Vgl. Werner (2002), S. 156.

^[105] Vgl. Utermarck (1995), S.1 und Witte (1989), S. 24.

^[106] Vgl. Werner (2002), S. 157.

^[107] Vgl. Utermarck (1995), S. 1.

^[108] Vgl. Witte (1989), S. 25.

^[109] Vgl. Utermarck (1995), S. 46.

^[110] Vgl. Witte (1989), S. 25.

^[111] Vgl. Werner (2002), S. 158.

^[112] Vgl. Ebenda.

^[113] Vgl. Werner (2002), S. 159.

^[114] Vgl. Werner (2002), S. 159-161.

^[115] Vgl. Werner (2002), S. 161.

^[116] Vgl. Werner (2002), S. 162f.

^[117] Vgl. Werner (2002), S. 165.

^[118] Vgl. Cooper / Seiford / Zhu (2004), S. 1.

^[119] Vgl. Dyckhoff / Allen (1997), S. 1.

^[120] Cooper / Seiford / Zhu (2004), S. 1.

^[121] Vgl. Kleine (1999), S. 14.

^[122] Vgl. Charnes u.a. (1994), S. 40f und Gilles (2005), S. 55.

^[123] Charnes u.a. (1994), S. 6.