In den letzten Jahren ist das Interesse an neuen betriebswirtschaftlichen Problemlösungsverfahren enorm gestiegen. Herkömmliche Verfahren aus dem Operations Research und der Statistik bieten angesichts hochkomplexer Probleme oft nur unbefriedigende Ergebnisse. Verfahren aus dem Forschungsgebiet der Künstlichen Intelligenz dringen zunehmend in betriebswirtschaftliche Problemstellungen vor. Künstliche Neuronale Netze (KNN) stellen "intelligente" Problemlösungsverfahren dar, die sich besonders für nicht-konservative Aufgabenstellungen eignen, bei denen kein exaktes Modell der Ursache-Wirkungszusammenhänge vorliegt. Die Verfahren zeichnen sich durch eine breite Anwendbarkeit in betrieblichen Aufgabengebieten aus.
Die vorliegende Arbeit beschäftigt sich mit dem Einsatz von KNN in der Bilanzanalyse. Zunächst werden der Aufbau und die Funktionsweise von Neuronalen und Künstlichen Neuronalen Netzen erläutert. Folglich wird auf die Bilanzanalyse mit traditionellen und KNN-basierten Methoden eingegangen.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Neuronale Netze
- 2.1 Das biologische Vorbild
- 2.2 Künstliche neuronale Netze (KNN)
- 2.3 Aufbau und Funktionsweise von KNN
- 2.4 Topologie
- 2.5 Lernvorgang in KNN
- 2.6 Beispiel zum Lernprozess des KNN
- 2.7 Probleme lernender KNN
- 3. Bilanzanalyse
- 3.1 Bilanz und Bilanzanalyse
- 3.2 Objektivierungs-, Neutralisierungs- und Ganzheitlichkeitsprinzipien
- 3.3 Vorgehensweise bei der Bilanzanalyse
- 3.4 Kritik
- 3.5 Traditionelle Verfahren
- 3.5.1 Lineare multivariate und univariate Diskriminanzanalysen
- 3.5.2 Diskriminanzfunktion
- 3.5.3 Fehler bei der Anwendung der Diskriminanzfunktion
- 3.5.4 Optimierung
- 4. Moderne KNN-basierte Verfahren
- 4.1 Künstliche Neuronale Netze in der Bilanzanalyse
- 4.2 Vorteile der KNN gegenüber einer linearen Diskriminanzanalyse
- 4.3 Betriebswirtschaftliche Einsatzgebiete der KNN
- 4.4 Bilanzanalyse im Sinne der Frühwarnung durch KNN
- 4.5 Beispiel für ein funktionierendes KNN
- 4.5.1 Das System zur Bilanzbonitätsbeurteilung BP-14
- 4.5.2 Entwicklung
- 4.5.3 Kennzahlen des BP-14
- 4.5.4 Anwendung: Interpretation der mit dem BP-14 erzielten Klassifikationsergebnisse
- 5. Ergebnis und weiterführende Gedanken
- 5.1 Ergebnis
- 5.2 Bewertung von Verfahren
- 5.3 Thesenförmige Zusammenfassung
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht die Anwendung von künstlichen neuronalen Netzen (KNN) in der Bilanzanalyse. Ihr Ziel ist es, die Funktionsweise von KNN zu erläutern und ihre Eignung für die Frühwarnung durch Bilanzanalyse zu beleuchten. Dabei wird besonders auf die Vorteile von KNN gegenüber traditionellen Verfahren, wie der linearen Diskriminanzanalyse, eingegangen.
- Aufbau und Funktionsweise von KNN
- Anwendung von KNN in der Bilanzanalyse
- Vorteile von KNN gegenüber traditionellen Methoden
- Einsatzgebiete von KNN in der Betriebswirtschaft
- Frühwarnung durch Bilanzanalyse mittels KNN
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung - Die Einleitung stellt die Problematik der Frühwarnung durch Bilanzanalyse und die wachsende Bedeutung von KNN in der Betriebswirtschaft dar.
- Kapitel 2: Neuronale Netze - Dieses Kapitel erläutert die biologischen und künstlichen neuronalen Netze, ihren Aufbau und ihre Funktionsweise. Es geht auf verschiedene Aspekte wie Topologie, Lernvorgang und Probleme lernender KNN ein.
- Kapitel 3: Bilanzanalyse - Das Kapitel beleuchtet die Grundlagen der Bilanzanalyse, ihre Prinzipien, Vorgehensweise und Kritik. Es wird auch auf traditionelle Verfahren wie die lineare Diskriminanzanalyse eingegangen.
- Kapitel 4: Moderne KNN-basierte Verfahren - Dieses Kapitel fokussiert auf den Einsatz von KNN in der Bilanzanalyse und die Vorteile gegenüber herkömmlichen Methoden. Es präsentiert Anwendungsbeispiele und beleuchtet die Verwendung von KNN zur Frühwarnung.
Schlüsselwörter
Die Arbeit konzentriert sich auf die Themen der Bilanzanalyse, Frühwarnung, künstliche neuronale Netze (KNN), lineare Diskriminanzanalyse, Betriebswirtschaft, und Einsatzgebiete von KNN in verschiedenen Bereichen.
- Quote paper
- Alexei Galert (Author), 2002, Frühwarnung durch Bilanzanalyse mittels neuronaler Netze, Munich, GRIN Verlag, https://www.grin.com/document/9972
