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.
Demnach sollte das Hauptelement des Handelns innerhalb von Unternehmungen die erfolgreiche Durchsetzung von Innovationen sein. Da die Globalisierung voranschreitet und eine Internationalisierung der Märkte nach sich zieht, verschärft sich die Konkurrenzsituation zunehmend . Dies bezieht sich sowohl auf die Mobilität der Kunden (z.B. durch das Internet), als auch auf das Angebot der Waren vor Ort.
Die größere Auswahl ermöglicht ein stärkeres Kosten- bzw. Qualitätsbewusstsein der Konsumenten und fordert von den Unternehmen immer schneller aufeinander folgende Fortschritte innerhalb der bestehenden Produkte bzw. gänzlich neue. Resultat dieser Entwicklung sind immer kürzere Produktlebenszyklen, länger werdende Produktentstehungsprozesse und die steigende Bedeutung der Forschung und Entwicklung.
Folglich ist eine Steuerung der Innovationstätigkeit auf einem hohen Effektivitäts- und Effizienzniveau unumgänglich, um die Zukunft der Unternehmung zu sichern und die Möglichkeit von Wettbewerbsvorteilen zu nutzen.
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 und ihre Bestimmung folgt keiner einheitlichen Vorgehensweise. Demzufolge eröffnet sich ein ausgeprägter Bedarf an Forschungsleistungen im Bereich der F&E-Bewertung, um bisherige Leistungen besser einordnen und gegebenenfalls Verbesserungen vornehmen zu können.
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.
Inhaltsverzeichnis
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
Zielsetzung & Themen
Die vorliegende Arbeit zielt darauf ab, Schwächen bisheriger Messmethoden zur Bewertung des Innovationserfolgs aufzuzeigen und eine neue Konzeption unter Verwendung der Data Envelopment Analysis (DEA) zu entwickeln, um die Effizienzmessung in Forschungs- und Entwicklungsabteilungen zu optimieren.
- Analyse bestehender qualitativer und quantitativer Messmethoden für Innovationen.
- Untersuchung der theoretischen Grundlagen und Anwendungsbereiche der Data Envelopment Analysis (DEA).
- Entwicklung eines methodischen Ansatzes zur Verknüpfung von DEA mit bestehenden Kennzahlensystemen.
- Erprobung der entwickelten Konzeption anhand von Fallbeispielen mit objektiven und subjektiven Daten.
- Diskussion der Anwendungsvoraussetzungen, Fehlerquellen und Weiterentwicklungspotenziale.
Auszug aus dem Buch
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) 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’.
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.“
Die von den Autoren genannte Performancemessung stützt sich auf eine Produktivitätskennzahl, die sich aus dem Quotienten von gewichtetem Input und gewichtetem Output ergibt. Die Gewichtungen werden so gewählt, dass der Effizienzwert maximiert wird. 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.“
Es existieren unterschiedliche Voraussetzungen die verschiedene Modellansätze der DEA implizieren.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung beleuchtet die hohe Bedeutung der Innovationstätigkeit für den Unternehmenserfolg und identifiziert Defizite in den bisherigen Messmethoden, die durch die vorliegende Arbeit adressiert werden sollen.
2 Begriffliche Grundlagen und Abgrenzung des Untersuchungsfeldes: In diesem Kapitel werden grundlegende Termini wie Innovation, Messung, Bewertung, Effektivität und Effizienz definiert und der Fokus auf den innerbetrieblichen Innovationserfolg gelegt.
3 Alternative Messmethoden des Innovationserfolges: Es erfolgt eine detaillierte Auseinandersetzung mit verschiedenen qualitativen und quantitativen Messansätzen, insbesondere Beziehungszahlindikatoren sowie In- und Output-bezogenen Bewertungsmaßen.
4 Konzeption einer Methode zur Messung des Innovationserfolges: Das Kapitel führt in die Data Envelopment Analysis (DEA) ein, erarbeitet eine Konzeption zur Messung des Innovationserfolgs und diskutiert die Anwendungsvoraussetzungen sowie mathematische Grundlagen.
5. Anwendung der Konzeption auf ein konkretes Beispiel: Hier wird die entwickelte DEA-basierte Konzeption exemplarisch auf fiktive Datensätze angewendet, wobei sowohl objektive als auch subjektive Daten für die Effizienzmessung berücksichtigt werden.
6. Abschluss und Ausblick: Das abschließende Kapitel kritisiert die entwickelte Konzeption, diskutiert Ansätze zur praktischen Verwendung der Ergebnisse und identifiziert Potenziale für zukünftige Forschungsarbeiten.
Schlüsselwörter
Innovationserfolg, Effizienzmessung, Data Envelopment Analysis, DEA, Forschung und Entwicklung, F&E, Effektivität, Leistungsbewertung, Prozessinnovation, Produktinnovation, Decision Making Units, DMU, Nutzwertanalyse, Investitionsrechnung, Benchmark.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, wie die Effizienz von Innovationsprozessen, speziell in Forschungs- und Entwicklungsabteilungen, mittels der Data Envelopment Analysis (DEA) gemessen und bewertet werden kann.
Welche zentralen Themenfelder werden behandelt?
Zentrale Themen sind die Abgrenzung von Innovationsbegriffen, der Vergleich klassischer Messmethoden (wie Beziehungszahlen oder Scoring-Modelle) und die praktische Anwendung der DEA zur Performance-Messung.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Entwicklung einer Konzeption zur Messung der Innovationseffizienz, die Schwächen bisheriger Methoden minimiert und eine multidimensionale Bewertung ermöglicht.
Welche wissenschaftliche Methode wird verwendet?
Es wird die Data Envelopment Analysis (DEA) als nicht-parametrisches Verfahren zur relativen Effizienzmessung genutzt und in ein Gesamtkonzept zur Innovationsbewertung integriert.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst eine theoretische Fundierung, die methodische Herleitung der DEA, die Konzeption der neuen Messmethode sowie die praktische Anwendung an beispielhaften Datensätzen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Innovationserfolg, DEA, Effizienzmessung, F&E-Leistung und Benchmarking.
Warum ist die Unterscheidung zwischen objektiven und subjektiven Daten wichtig?
Die Art der Datenbasis beeinflusst den Anwendungszeitpunkt (ex-post vs. ex-ante) und die Einsetzbarkeit der DEA, da subjektive Daten beispielsweise Projektbezug ermöglichen, während objektive Daten sich auf zeitliche Perioden beziehen.
Was zeigt die beispielhafte Anwendung der DEA im Kapitel 5?
Die Anwendung zeigt, dass das Programm ‚DEA-Solver‘ erfolgreich zur Identifikation effizienter und ineffizienter Einheiten (Quartale bzw. Projekte) eingesetzt werden kann, wobei die Ergebnisse je nach gewählter Orientierung und Skalenertragsannahme variieren.
Welche Rolle spielen Schlupfvariablen in der DEA?
Schlupfvariablen geben Auskunft über das genaue Ausmaß der Ineffizienz und zeigen auf, an welchen Stellen Inputs reduziert oder Outputs gesteigert werden müssen, um eine pareto-optimale Effizienz zu erreichen.
- Quote paper
- Christian Geile (Author), 2007, Analyse und Bewertung ausgewählter Methoden zur Messung der Effizienz von Innovationen und beispielhafte Anwendung der Data Envelopment Analysis, Munich, GRIN Verlag, https://www.grin.com/document/87774
