Advertisement

Controlling & Management

, Volume 50, Issue 4, pp 245–256 | Cite as

Ursache-Wirkungsbeziehungen der Balanced Scorecard – Empirische Erkenntnisse zu ihrer Existenz

  • Carl Marcus Wallenburg
  • Jürgen Weber
WISSENSCHAFT

Die BSC hat seit ihrer Konzeptionierung eine weite Verbreitung in Unternehmen gefunden. Trotzdem liegen bisher keine Erkenntnisse dazu vor, ob sich die allgemein unterstellten Ursache-Wirkungsbeziehungen zwischen den von Kaplan und Norton propagierten „Standard“-Perspektiven der BSC auch in der Praxis wiederfinden. Um dieses Defizit zu beheben, analysieren Dr. Carl Marcus Wallenburg und Prof. Dr. Jürgen Weber auf Grundlage einer fragebogenbasierten empirischen Erhebung 245 deutsche Unternehmen verschiedener Branchen hinsichtlich möglicher Zusammenhänge zwischen den vier Perspektiven Lernen und Entwicklung, interne Prozesse, Kunden sowie Finanzen.

■ 1. Einleitung

Die Balanced Scorecard (BSC) ist eines der erfolgreichsten Managementinstrumente der letzten Jahre – zumindest gemessen an ihrer Verbreitung und an der ihr zuteil gewordenen Aufmerksamkeit. Basierend auf den Arbeiten von Kaplan und Norton1 ist das Interesse an der BSC in Praxis und Wissenschaft erheblich. Nicht nur mit Blick auf unzählige Managementseminare zur BSC und die zahlreichen Artikel in relevanten Zeitschriften muss die BSC als „hot topic“ bezeichnet werden. Sie ist aber nicht mehr die „latest management fashion to sweep the organizational world“, wie von Malmi vor fünf Jahren bezeichnet.2 Vielmehr muss die Frage gestellt werden: Wird sich das Konzept der BSC dauerhaft durchsetzen?

Die BSC wurde vor etwa 15 Jahren entwickelt, um die Defizite der seinerzeit vorwiegend finanzorientierten Kennzahlen- und Managementsysteme zu beheben, an denen sowohl Wissenschaftler als auch Praktiker Kritik äußerten.3 Finanzwirtschaftliche Größen sind adäquate Indikatoren für den Unternehmenserfolg vergangener Perioden. Sie geben aber keinen hinreichenden Aufschluss über den zukünftigen Erfolg. Es bleibt unklar, wie das Unternehmen zukünftig zu führen ist, um den Wert zu steigern. Erforderlich sind dafür vorlaufende, nichtfinanzielle Kennzahlen als Ergänzung. Diese Erkenntnis war nicht neu, wie viele verschiedene Beispiele verdeutlichen.4 Dennoch schafften es erst Kaplan und Norton, einen entsprechenden Ansatz zu propagieren, der allgemeine Aufmerksamkeit innerhalb der Management- und Controllingforschung erlangte.5 Zwischenzeitlich zeigen zahlreiche Studien eine starke internationale Verbreitung und Nutzung der BSC in der Unternehmenspraxis.6

Ursprünglich als reines Messsystem entwickelt, offenbarte sich schnell das Potenzial der BSC als strategisches Management-System, welches auch von Kaplan und Norton betont wurde.7 So ausgerichtet bietet das Konzept der BSC ein Framework, das (I) finanzielle und nicht-finanzielle Kennzahlen einbezieht, (II) die Strategie in Form von Ursache-Wirkungsbeziehungen abbildet und (III) die Strategie durch Ziele und Maßnahmenpläne umzusetzen hilft.

Während die BSC die Unternehmenspraxis „im Sturm“ eroberte8, wurde sie anfangs in der Literatur nur wenig kritisiert. Dies hat sich in den letzten Jahren grundlegend verändert. Verschiedenste Felder potenzieller Defizite wurden adressiert.9 Eines der substanziellsten ist die Frage, ob die von Kaplan und Norton propagierten generischen Ursache-Wirkungsbeziehungen die Realität widerspiegeln.

Obwohl die BSC als ein Ansatz gesehen werden kann, der an die Gegebenheit der einzelnen Unternehmen anzupassen ist, wird die BSC zumeist in ihrer „Standard“-Form implementiert, indem die vier von Kaplan und Norton vorgeschlagenen Perspektiven unverändert übernommen werden.10 Hinsichtlich der frühen Entwicklungsphase dieses Controllinginstruments erscheint es erstaunlich, dass bereits im Jahr 2000 die Hälfte der Unternehmen, die die BSC implementiert hatten, die Phase der reinen Messung überwunden und Ursache-Wirkungsbeziehungen berücksichtigt haben.11

Die allgemein propagierten generischen Ursache-Wirkungsbeziehungen der BSC werden in der Literatur aber oftmals inhaltlich kritisiert, z. B. von Nørreklit, die sie als „risky model“ für das einzelne Unternehmen sieht,12 da ein Nachweis der Kausalbeziehungen am sichersten erst im Nachhinein – „after the fact“ – festgestellt werden kann.13 Zudem verweist sie auf die Lücke „between the empirical world and the theory developed in the balanced scorecard“14. Als Grund hierfür sieht sie, dass zu wenig Aufmerksamkeit darauf gerichtet wird, die empirischen Erkenntnisse aus Case Studies in die Theorie zu überführen.15 In diesem Zusammenhang ergeben sich zwei Problembereiche:

Zum einen mag die von Kaplan und Norton propagierte Kausalkette organisationales Lernen & Entwicklung → interne (Geschäfts-)Prozesse → Kunden → Finanzen für einzelne Unternehmen nicht gelten, da sich die Abhängigkeiten im Einzelfall anders darstellen oder ganz fehlen. Dies wäre in mehrfacher Hinsicht gefährlich.

Wird eine unternehmensspezifische BSC entwickelt, so ist davon auszugehen, dass die Standardkonfiguration als vielreferenzierte Vorgabe die mentalen Modelle der zuständigen Manager beeinflusst. Eine generelle Gültigkeit des Standardmodells wäre in dieser Hinsicht also förderlich, um die Entwicklung unternehmensspezifischer BSCs nicht negativ zu beeinflussen. Essenziell wird die Gültigkeit der von Kaplan und Norton propagierten Kausalkette, wenn die BSC nicht instrumentell sondern konzeptionell – also als Grundlage des internen mentalen Modells – genutzt wird. Dabei dienen die in der BSC enthaltenen Informationen zur Erweiterung des Managementwissens und liefern „enlightment“.16 Im Vergleich zur instrumentellen Nutzung hat die BSC in diesem Fall einen indirekteren Einfluss auf die Entscheidungen und das Verhalten des Managements. Dies kann dazu führen, dass die in der Literatur vorgeschlagenen Ursache-Wirkungsbeziehungen weniger hinterfragt und damit unreflektierter übernommen werden. Die Folge wäre eine Fehlausrichtung des Managements. Das Potenzial hierfür ist groß, da Controllingsysteme und -instrumente in großem Umfang konzeptionell genutzt werden.17

Zum anderen besteht die empirische Basis der BSC überwiegend aus qualitativen Studien, die nicht als repräsentativ gelten können.18 Auch die quantitativen Ergebnisse von Malina und Selto, die ohne Erfolg versuchen, Kausalbeziehungen zu identifizieren, sind auf ein einzelnes Unternehmen limitiert.19 Für eine repräsentativere Untersuchung der Ursache-Wirkungsbeziehungen sollten daher auch statistische Analyseverfahren auf Basis großzahliger Untersuchungen in Betracht gezogen werden. Dies würde reliable und valide Erkenntnisse als Grundlage einer konzeptionellen Nutzung der BSC liefern.

Das Ziel dieses Beitrags besteht daher darin, die bestehende Forschung zur BSC auszuweiten und zu analysieren, ob die allgemein unterstellten Ursache-Wirkungsbeziehungen auch in der Praxis gültig sind und sich bei einer breiten Unternehmensbasis identifizieren lassen. Dazu erfolgt zunächst eine konzeptionelle Betrachtung der Ursache-Wirkungsbeziehungen, der sich eine kausalanalytisch ausgewertete, empirische Untersuchung auf Basis einer Stichprobe von 245 deutschen Unternehmen verschiedener Branchen anschließt.

■ 2. Ursache-Wirkungsbeziehungen der BSC aus theoretisch-konzeptioneller Sicht

Im Mittelpunkt dieses Beitrages steht die Frage, ob die von Kaplan und Norton propagierten generischen Ursache-Wirkungsbeziehungen der BSC die Realität widerspiegeln. Da – wie von Nørreklit unterstrichen – Kausalität nicht allein aus Kovarianzen von Variablen gefolgert werden kann,20 sollen die unterstellten Ursache-Wirkungsbeziehungen zunächst einer theoretisch-konzeptionellen Betrachtung unterzogen werden.

Innerhalb der von Kaplan und Norton vorgeschlagenen Ursache-Wirkungskette (organisationales Lernen & Entwicklung →interne Prozesse→Kunden→Finanzen) stellt die Lernund Entwicklungsperspektive die Potenzialperspektive dar. Sie erfasst die Fähigkeit der Mitarbeiter, der Informationssysteme und der organisationalen Abläufe, zur Wertschöpfung beizutragen und Anpassungen an Veränderungen vorzunehmen.21 In der Literatur besteht kein Zweifel daran, dass diese Fähigkeit die Ausgestaltung und Ausführung interner Prozesse positiv beeinflusst.22 Misst man die Güte der internen Prozesse sowohl in ihrer Effizienz als auch ihrer Effektivität, d. h. auch outcome-bezogen, haben die Leistungserstellungsprozesse darauf abzuzielen, einen möglichst großen Kundennutzen zu schaffen. Maßgeblich ist hierfür die Erfüllung der Kundenanforderung sowohl absolut als auch im Vergleich zum Wettbewerb. Erfolgsfaktor hierfür ist ein fortwährendes Lernen und eine Weiterentwicklung der Organisation. Vor dem Hintergrund eines sich ständig ändernden Kontextes, dem sich die meisten Unternehmen ausgesetzt sehen, bedarf es wiederkehrender Anpassungen der Geschäftsprozesse, um den Kundenanforderungen dauerhaft gerecht zu werden. Entsprechend wird folgende Hypothese formuliert:

H 1a: Organisationales Lernen und Entwicklung wirkt positiv auf die Güte der internen Prozesse.

Das nächste Glied in der postulierten Kausalkette verbindet die Prozess- und die Kundenperspektive. Während erstere die Güte der internen Prozesse widerspiegelt, gibt letztere wieder, wie das Unternehmen und seine Produkte von den Kunden wahrgenommen werden. Ziel dieser Perspektive ist der kunden- und marktbezogene Erfolg. Typische Kennzahlen sind Kundenzufriedenheit, Kundenloyalität oder Kundenbindung, Neukundengewinnung und Marktanteil.23 Der fundamentale Treiber hierfür ist der Nettokundennutzen,24 da sich die Zufriedenheit der Kunden durch den Abgleich von erwartetem und erhaltenem Nutzen ergibt25 und die Kundenzufriedenheit wesentlicher Treiber der Kundenbindung ist.26 Der Nettokundennutzen ist das Resultat von Beziehungsnutzen und Beziehungskosten, die dem Kunden durch das Unternehmen entstehen,27 die wiederum Ergebnis der internen Prozesse des Anbieters sind.28 Eine Optimierung von Prozessen zur Effizienz- oder Effektivitätssteigerung verbessert den Beziehungsnutzen in Relation zu den Kosten und steigert damit direkt den Nettokundennutzen und mittelbar den Erfolg in der Kundenperspektive.29 Auch an dieser Stelle findet sich also konzeptionelle Unterstützung für die von Kaplan und Norton postulierten Zusammenhänge. Es ist entsprechend von folgender Hypothese auszugehen:

H 1b: Die Güte der internen Prozesse wirkt positiv auf den kunden- und marktbezogenen Erfolg.

Das dritte und letzte Kettenglied verbindet die Kunden- mit der Finanzperspektive. Die Finanzperspektive drückt dabei aus, wie das Unternehmen von den Shareholdern gesehen wird und enthält zur Messung des entsprechenden Erfolgs üblicherweise Profitabilitätsgrößen wie Betriebsergebnis, Umsatzrendite oder Cash Value Added.30 Voraussetzung für diese ist ein Erfolg auf dem Markt: Profite als Differenz von Umsätzen und Kosten setzen den Verkauf von Produkten oder Dienstleistungen an die Kunden und damit entweder die Gewinnung neuer Kunden oder Käufe durch bestehende Kunden voraus. Grundlage hierfür sind der Kundennutzen und die daraus resultierenden Größen Zufriedenheit und Kundenbindung. Letztere steigert die Profitabilität durch intensivere Kundeninteraktion, durch höhere Sicherheit durch Stabilität der Geschäftsbeziehungen und durch entfallende oder reduzierte Kundenneugewinnungskosten sowie geringere Transaktionskosten.31 Bis zu dem Punkt, an dem die Grenzkosten steigender Kundenbindung ihre Grenzerträge übersteigen, erweist sich eine Erhöhung der Kundenbindung als erfolgswirksam hinsichtlich der Profitabilität.32 Neben dem (einzel-)kundenbezogenen Erfolg ist für den Gesamtprofit auch die Breite der Kundenbasis entscheidend, die sich im marktbezogenen Erfolg ausdrückt. Entsprechend besteht kein Zweifel daran, dass Verbesserungen in der Kundenperspektive den Finanzerfolg eines Unternehmens fördern, sodass folgende Hypothese zu formulieren ist:

H 1c: Der kunden- und marktbezogene Erfolg wirkt positiv auf den Finanzerfolg.

Die obigen Ausführungen zeigen deutlich, dass die Kausalkette (Lernen & Entwicklung→interne Prozesse→Kunden→Finanzen) mehr ist als nur eine Idee und daher in der Realität zu identifizieren sein sollte. Dennoch muss die Frage aufgeworfen werden, ob sich die Kausalkette auf diese drei Glieder beschränkt.

Das Lernen und die Entwicklung einer Organisation basiert auf ihrer Wandlungs- und Anpassungsfähigkeit. Notwendig sind hierfür Freiräume für die Organisationseinheiten und Mitarbeiter des Unternehmens. Dies erfordert eine Versorgung mit finanziellen Ressourcen, die über das hinausgeht, was die momentane Leistungserstellung zwingend erfordert und stellt damit als Potenzial eine Investition in die Zukunft des Unternehmens dar. Dies setzt zufriedenstellende Finanzergebnisse und damit einen Erfolg in der Finanzperspektive voraus. Die Möglichkeiten, finanzielle Ressourcen zur Verfügung zu stellen, werden allgemein als abhängig vom Finanzerfolg gesehen. Ist dieser gering, werden Investitionen zumeist reduziert. Dies gilt insbesondere auch für den Bereich der Wandlungs- und Anpassungsfähigkeit des Unternehmens. Durch eine Fokussierung auf die operative Leistungserstellung und Rationalisierungsmaßnahmen werden die Freiräume der Mitarbeiter eingeschränkt und damit die Fähigkeit zum organisationalen Lernen reduziert. In diesem Sinne ist die Argumentation bezüglich der vier dargestellten BSC-Perspektiven unter Berücksichtigung der Zeitdimension zirkulär. Die aktuelle Finanzperspektive beeinflusst die anderen drei Dimensionen zu einem nachgelagerten Zeitpunkt. Folglich ist zu formulieren:

H 1d: Der Finanzerfolg wirkt positiv auf organisationales Lernen und Entwicklung.

In Kombination mit den bereits dargestellten Hypothesen folgt daraus, dass die betrachtete Kausalkette nicht auf einen klaren Anfang und ein klares Ende beschränkt ist. Sie stellt vielmehr – wie in Abbildung 1 dargestellt – einen „Closed-Loop“ dar, in dem Lernen und Entwicklung durch die Finanzperspektive positiv beeinflusst wird. Dieser Argumentation folgend stellen wir eine weitere Hypothese auf:

H 2: Die Beziehungen zwischen den vier Perspektiven der BSC sind zirkulär und haben die Form eines „Closed-Loop“, in dem der Finanzerfolg positiv auf organisationales Lernen und Entwicklung wirkt.
Abbildung 1:

Modifizierte Sicht der Ursache-Wirkungsbeziehungen der BSC

■ 3. Empirische Ergebnisse

■ 3.1. Analysemethode

Zur Prüfung der Hypothesen wurde eine umfassende Untersuchung unter Verwendung der Kausalanalyse durchgeführt.33 Obwohl die Kausalanalyse die Validierung von Konstrukten (Messmodelle) und die Prüfung von Hypothesenstrukturen (Strukturmodell) gleichzeitig ermöglicht, hat sich besonders im anglo-amerikanischen Raum dafür der von Anderson und Gerbing beschriebene zweistufige Ansatz durchgesetzt.34 Mittels der auf der Kausalanalyse basierenden konfirmatorischen Faktorenanalyse werden im ersten Schritt reliable35 und valide Messmodelle identifiziert werden. Diese Messmodelle werden dann im zweiten Schritt um ein lineares Strukturgleichungsmodell ergänzt, was die Schätzung der zuvor spezifizierten Beziehungen im Sinne eines konfirmatorischen Vorgehens erlaubt. Die Idee dahinter ist, dass die Beurteilung von Kausalbeziehungen nur mit validen Messinstrumenten sinnvoll ist.

■ 3.2. Datengrundlage

Basis der Untersuchung ist eine Erhebung unter deutschen Unternehmen unterschiedlicher Branchen (Nahrungs- und Genussmittel, Chemie/Kunststoff/Pharma, Maschinen- und Apparatebau, Elektrotechnik/Feinmechanik/Optik, Automotive und Handel). Um einen Bias für oder wider die BSC weitest möglich zu vermeiden, wurde die Untersuchung nicht speziell auf das Thema BSC fokussiert. Vielmehr wurde die Erhebung in eine Untersuchung zum Thema Logistik und Logistikoutsourcing integriert. Entsprechend wurden die Adressaten per Zufallsstichprobe aus den Abonnenten einer führenden deutschen Logistikfachzeitschrift gezogen. Der Fragebogen wurde per Post an knapp 7.800 Logistikverantwortliche und Geschäftsführer verschickt, die als Schlüsselinformanten (key informants) den Fragebogen für ihre Geschäftseinheit ausfüllen sollten.36, 37 Ihre Eignung als Schlüsselinformanten hinsichtlich der untersuchten Perspektiven ist aufgrund ihres umfassenden Wissens und eines guten Einblicks innerhalb des Unternehmens gegeben. Die Rücklaufquote betrug 3,2 Prozent. Diese niedrige Rate ist u. a. darauf zurückzuführen, dass viele der Adressaten kein umfassendes Logistikoutsourcing betreiben und daher auf eine Beantwortung des darauf ausgerichteten Fragebogens verzichteten. Zudem ist anzumerken, dass allgemein die Rücklaufquote in Unternehmen niedriger ist als bei Endkunden.38 Ein Grund für die niedrige Rücklaufquote liegt sicherlich auch in der derzeit starken empirischen Ausrichtung der betriebswirtschaftlichen Forschung. So erhalten Manager oftmals über 50 Fragebögen pro Jahr. Trotz der geringen Rücklaufquote ließen sich keine Hinweise auf einen Non-Response-Bias erkennen. Dies wurde durch entsprechende Tests bestätigt.39 Auch weiterführende Analysen zeigten eine hohe Repräsentativität der Stichprobe. Von den insgesamt 245 erhaltenen Fragebögen mussten 29 wegen fehlender Angaben zu den relevanten Konstrukten eliminiert werden. 216 konnten für die folgenden Analysen genutzt werden.

■ 3.3. Messmodelle

Jede der Perspektiven wurde über ein Konstrukt erfasst und als latente Variable modelliert. Diese Variablen wurden jeweils über mehrere reflexive Indikatoren auf Fünf-Punkt-Likert-Skalen erfasst. Alle Indikatoren waren Ergebnis- und nicht Vorlaufindikatoren, um das Problem der unbekannten Länge der zeitlichen Verzögerung bei den Kausalbeziehungen zwischen den Perspektiven zu umgehen. Alle Größen beziehen sich auf den Erhebungszeitpunkt, was unter der Annahme eines stabilen Zustands der vier Perspektiven geeignet ist.

Die Finanzperspektive wurde über den Finanzerfolg als allgemeines Ziel dieser Perspektive erfasst. Zu dessen Messung wurden drei Indikatoren verwendet, die sich auf die Umsatzrendite als ein Maß der Profitabilität beziehen. Die Umsatzrendite wurde gewählt, da diese Größe weite Verbreitung in der Praxis genießt und daher besonders valide von den Informanten eingeschätzt werden kann. Wie bei den anderen Messmodellen erfolgte die Einschätzung explizit im Vergleich zum Wettbewerb. Diese subjektive Beurteilung erhöht die Antwortbereitschaft der Informanten und zeigt dabei generell eine hohe Konsistenz sowohl mit internen objektiven Daten40 als auch externen Sekundärdaten41.

Die Kundenperspektive wurde mittels einer ursprünglich von Irving entwickelten Skala42 erfasst, die den kunden- und marktbezogenen Erfolg von Unternehmen misst. Sie enthält sechs Indikatoren wie Kundennutzen, Kundenzufriedenheit, Kundenbindung und Marktanteil, die im Sinne der BSC Ergebnisindikatoren darstellen. Diese Skala ist in der deutschen Forschung etabliert.43 Überdies passt sie sehr gut sowohl zum Kontext der BSC als auch zur untersuchten Fragestellung, da sie die Kundenperspektive in ihren wichtigsten Bereichen abdeckt und dabei diejenigen Bereiche erfasst, die für nahezu jedes Unternehmen von hoher Relevanz sind.

Hinsichtlich der Messung der Prozessperspektive sieht man sich mit dem Problem konfrontiert, Aspekte zu erfassen, die für eine Vielzahl von Unternehmen hochrelevant sind. Um dies zu bewerkstelligen, hat die Messung ein vergleichsweise hohes Abstraktionsniveau einzunehmen. Daher wurde die Skala Prozessbzw. Flussorientierung verwendet, die von Dehler entwickelt wurde.44 Diese misst, zu welchem Grade ein Unternehmen in der Lage ist, effiziente Prozesse zu realisieren, indem ein schneller, reibungsloser und kontinuierlicher Fluss von Produkten, Materialien und Informationen innerhalb der Wertschöpfung(-skette) gewährleistet wird. Die Skala hat einen engen Bezug zum Supply Chain Management und der Idee der internen prozessbezogenen Integration. Sie reflektiert dabei die Frage, ob ein Unternehmen seine Prozesse darauf ausgerichtet hat, die Anforderungen der Kunden zu erfüllen und diesen einen hohen Nutzen zu liefern. Empirisch zeigt sich, dass eine erhöhte Prozessorientierung ein Hauptziel vieler Unternehmen hinsichtlich der internen Prozesse darstellt, da dies zu besseren Leistungen und reduzierten Kosten führt.45

Auch bezüglich der Lern- und Entwicklungsperspektive ist es notwendig, den unterschiedlichen Sichtweisen in verschiedenen Unternehmen gerecht zu werden. Daher wurde direkt auf die Anpassungsfähigkeit der Organisation Bezug genommen – insbesondere die an veränderte Umweltbedingungen. Zu deren Messung wurde die Skala Anpassungsfähigkeit gewählt, die ursprünglich durch Ruekert, Walker und Roering entwickelt wurde46 und in vielen weiteren Studien Verwendung fand.47 Diese misst die Fähigkeit der Mitarbeiter und der Organisation als Ganzes, auf veränderte Kundenanforderungen, aber auch Veränderungen im Markt, z.B. ausgelöst durch Wettbewerber oder die Legislative, zu reagieren.

Um die Validität der Messmodelle sicherzustellen, wurde dem Vorschlag von Homburg/Giering folgend48 zunächst die Konvergenzvalidität mittels der Item-to-Total-Korrelation und des Cronbachschen Alphas evaluiert (vgl. Tabelle 1). Alle Indikatoren weisen eine hohe Item-to-Total-Korrelation auf. Zudem liegt für alle Skalen das Cronbach’sche Alpha mit Werten zwischen 0,78 und 0,85 deutlich über den allgemein geforderten Werten.49
Tabelle 1:

Übersicht über Indikatoren und deren Gütekriterien

Konstrukt

Indikator (mit Ausnahme des Konstrukts Prozessorientierung immer im Vergleich zum Wettbewerb)

Item-to-Total-Korrelation

Indiktorreliabilität

t-Wert

Finanzerfolg (α = 0,85)

(F 1) Umsatzrendite im letzten Jahr

(F 2) Umsatzrendite der letzten drei Jahre

(F 3) Umsatzrenditeentwicklung über die letzten 3 Jahre

0,78

0,70

0,66

0,85

0,99

0,53

11,10

10,95

Kunden- und marktbezogener Erfolg (α = 0,78)

(KM 1) Kundenzufriedenheit

(KM 2) Kundennutzen

(KM 3) Bindung bestehender Kunden

(KM 4) Gewinnung/Akquisition von Neukunden

(KM 5) Erreichung des angestrebten Wachstums

(KM 6) Erreichung des angestrebten Marktanteils

0,60

0,72

0,56

0,48

0,51

0,81

0,41

Indikator eliminiert

0,27

Indikator eliminiert

7,26

7,50

6,84

Prozessorientierung (α = 0,79)

(IP 1) Reibungsloser, durchgängiger und schneller Material- und Informationsfluss

(IP 2) Prozessorientiertes Management

(IP 3) Hoher Grad an Prozessorientierung

(IP 4) Abstimmung der Leistungserstellungsprozesse

(IP 5) Existenz von Einzelinteressen, die der Zielerreichung im Wege stehen

0,63

0,70

0,42

0,72

0,49

0,78

0,85

0,47

0,83

0,57

8,06

8,40

6,02

8,35

Anpassungsfähigkeit (α = 0,83)

(LE 1) Anpassung der Produkte/Dienstleistungen an neue Kundenbedürfnisse

(LE 2) Reaktion auf neue Entwicklungen am Markt

(LE 3) Nutzung neuer Marktchancen

0,65

0,79

0,65

0,50

0,94

0,51

10,50

10,59

Zudem wurde eine konfirmatorische Faktorenanalyse auf Basis der Maximum-Likelihood-(ML)-Schätzung unter Einsatz von AMOS 5.0 durchgeführt. Dabei ergab sich, dass für die Kundenperspektive zwei der sechs Indikatoren (KP4 und KP6) eliminiert werden mussten, da die Messfehler dieser Indikatoren im Rahmen der konfirmatorischen Faktorenanalyse eine hohe Korrelation mit den Messfehlern anderer Indikatoren aufwiesen. Danach zeigte diese Skala ebenso wie die drei anderen einen hohen Grad an Reliabilität und Validität (vgl. Tabelle 2). Zusätzlich zeigten die Konstrukte einen hohen Grad an Diskriminanzvalidität.50 Folglich eignen sich alle Konstrukte zur Prüfung der Hypothesen.
Tabelle 2:

Gütekriterien für die Konstrukte der vier untersuchten BSC-Perspektiven

Konstrukt

χ2/df

TLI

GFI

RMSEA

Faktorreliabilität

Durchschnittlich erfasste Varianz

Finanzerfolg

-

-

-

-

0.99

0.98

Kunden- und Marktbezogener Erfolg

0.62

1.01

1.00

0.00

0.78

0.48

Prozessorientierung

1.83

0.98

0.98

0.06

0.80

0.46

Anpassungsfähigkeit

-

-

-

-

0.85

0.65

■ 3.4. Strukturmodelle

Im Anschluss an die Prüfung der Messmodelle wurden die Hypothesen 1a bis 1d und 2 simultan betrachtet. Dazu wurden die postulierten Ursache-Wirkungs-Beziehungen in einem integrierten Modell abgebildet und konfirmatorisch unter Verwendung der Kausalanalyse und der ML-Schätzfunktion überprüft. Durch dieses Vorgehen können im Gegensatz zu Regressionsanalysen auch vorhandene Fehler in der Messung der latenten Variablen berücksichtigt werden.

Das in Abbildung 2 dargestellte Modell übertrifft mit χ2/df = 1,738, TLI = 0,94, GFI = 0,92 und RMSEA = 0,059 die allgemein geforderten Ansprüche an die Güte deutlich. Dies ist eine klare Indikation, dass das Modell, welches entsprechend der Hypothesen Kausalbeziehungen zwischen den vier Perspektiven der BSC unterstellt, eine gute Repräsentation der Realität darstellt.
Abbildung 2:

Ergebnis der Modellschätzung zum Basismodell

Innerhalb des Modells sind alle Kausalbeziehungen deutlich positiv und hoch signifikant – in allen Fällen mindestens auf 5%-Niveau. Die Ergebnisse unterstützen also klar die Hypothesen 1a bis 1d. Organisationales Lernen und Entwicklung verbessert die Güte der internen Prozesse, die wiederum den Erfolg in der Kundenperspektive fördert. Verbesserter kundenbezogener Erfolg erhöht den Finanzerfolg, der seinerseits zu Verbesserungen bei organisationalem Lernen und Entwicklung führt. Gleichzeitig zeigt sich auch Unterstützung für die Gültigkeit der Hypothese 2, dass die Beziehungen zwischen den vier BSC-Perspektiven einen „Closed-Loop“ bilden. Offen bleibt dabei allerdings, ob wirklich keine weiteren Kausalbeziehungen zwischen den vier betrachteten Perspektiven bestehen und ob dieses Modell wirklich besser ist, als konkurrierende Modelle, wie es z. B. von Nørreklit (2000) in Frage gestellt wird.

Daher wurden zunächst durch zusätzlich Analysen weitere potenzielle Verbesserungen untersucht, um diese ausschließen zu können. Es zeigte sich, dass durch eine zusätzliche Aufnahme von einer oder mehreren Kausalverbindungen zwischen den vier Perspektiven keine Verbesserung der Modellgüte erzielt werden kann. Zudem erwies sich keine der Verbindungen – selbst auf 20 %-Niveau – als signifikant.

Ergänzend wurde ein Vergleich mit anderen Konfigurationen der vier BSC-Perspektiven hinsichtlich ihres „Fits“ vorgenommen. In einem ersten Schritt wurden hierzu alle Möglichkeiten, die vier Perspektiven in einer Kette anzuordnen, betrachtet. Dies sind insgesamt 4 · 3 · 2 · 1 = 24 mögliche Anordnungen. Von diesen hat die Kette (interne Prozesse →Kunden →Finanzen →Lernen&Entwicklung – in Abbildung 3 als Modell 2a bezeichnet) die höchste Modellgüte gemessen an den Gütekriterien χ2/df, TLI, GFI, RMSEA, AIC, CAIC and EVCI. Die von Kaplan und Norton vorgeschlagene Grundform der BSC (Modell 2b in Abbildung 3) hingegen weist nur eine mittlere Güte auf. Sie wird dennoch in die nachfolgenden Analysen aufgenommen, um einen Referenzpunkt zu bieten.
Abbildung 3:

Für die weitere Analyse genutzte Modelle

Zusätzlich wurden noch weitere acht Modelle analysiert (vgl. Abbildung 3). Dies sind zunächst alle sechs Möglichkeiten, die vier BSC-Perspektiven als „Closed-Loop“ anzuordnen. Auch wenn einige von diesen konzeptionell fragwürdig erscheinen, werden sie in der Suche nach dem besten Abbild der Realität der Vollständigkeit halber berücksichtigt.

Die bisher skizzierten Modelle basieren alle auf Ursache-Wirkungsbeziehungen mit lediglich unterschiedlicher Anordnungsreihe. Da es jedoch gilt, gerade diesen Punkt zu prüfen, werden zusätzlich zwei alternative Modelle untersucht, die das Konzept der Interdependenz zwischen den Perspektiven widerspiegeln und damit einen Teil der Kritik von Nørreklit (2000) einer empirischen Prüfung unterziehen. Das erste (Modell 2h) beinhaltet Interdependenzen zwischen allen vier BSC-Perspektiven. Dies repräsentiert den Gedanken, dass Exzellenz in allen Bereichen eines Unternehmens gleichzeitig erreicht werden muss, um Erfolg herzustellen, da die Verbindungen zwischen den Bereichen so komplex sind, dass sie sich nicht in einfachen Ursache-Wirkungsbeziehungen abbilden lassen. Im zweiten Modell (2i) stellt die Finanzperspektive das (kausale) Ergebnis der anderen drei Perspektiven dar, zwischen denen keine klaren Ursache-Wirkungsmuster vorherrschen, sondern vielmehr Interdependenz.

Die aus den Analysen resultierenden Gütekriterien sind in Tabelle 3 dargestellt. Anhand der Werte χ2/df, TLI, GFI, RMSEA, AIC, CAIC and EVCI lässt sich zwar die Güte der Modelle bewerten. Sie lassen jedoch keinen Schluss darüber zu, ob die Güteunterschiede zwischen den Modellen signifikant sind.
Tabelle 3:

Goodness-of-fit-Werte für die untersuchten Modelle der vier BSC-Perspektiven

Modell

χ2/df

TLI

GFI

RMSEA

AIC

CAIC

EVCI

χ2-Abweichung (Std. Abw.)

Rang

Basismodell

1,738

0,94

0,92

0,059

217,5

366,2

1,01

209,93 (1.46)

1

2c (L & E → F → K → P → L & E)

1,738

0,94

0,92

0,059

217,5

366,2

1,01

209,93 (1.46)

1

2h interdependent

1,761

0,94

0,92

0,059

219,9

377,4

1,02

211,44 (1.45)

3

2i interdependent mit F als Ergebnisgröße

1,761

0,94

0,92

0,059

219,9

377,4

1,02

211,44 (1.45)

3

2a (P → K → F → L & E)

1,787

0,94

0,92

0,060

221,5

365,8

1,03

214,54 (1.43)

5

2d (P → K → L & E → F → P)

1,873

0,93

0,91

0,064

229,1

377,8

1,07

221,76 (1.45)

6

2e (P → F → L & E → K →P)

1,873

0,93

0,91

0,064

229,1

377,8

1,07

221,76 (1.45)

6

2b (Kaplan/Norton)

1,99

0,92

0,90

0,068

239,1

383,5

1,11

232,41 (1.51)

8

2f (P → L & E → K → F → P)

2,06

0,91

0,90

0,070

245,2

393,9

1,14

238,45 (1.45)

9

2g (P → F → K → L & E → P)

2,06

0,91

0,90

0,070

245,2

393,9

1,14

238,45 (1.45)

9

L & E: Lernen und Entwicklung; P: interne Prozesse; K: Kunden; F: Finanzen

Daher wurde dem Vorschlag von Bollen und Stine folgend ein Bootstrapping durchgeführt.51 Dabei wurden insgesamt 100 Bootstrap-Stichproben durch „Ziehen mit Zurücklegen“ generiert. Anschließend wurde jedes der zehn Modelle für jede der 100 Stichproben berechnet und die Abweichung der Parameterschätzungen zwischen der Originalstichprobe und denen der Bootstrap-Stichproben berechnet. Die durchschnittliche Abweichung des χ2-Wertes und seine Standardabweichung sind ebenfalls in Tabelle 3 dargestellt. Auf dieser Basis kann geschlossen werden, dass jedes Modell eine auf 1%-Niveau signifikant bessere Modellgüte aufweist als alle anderen Modelle mit einem niedrigeren Rang – die gebildete Rangfolge erweist sich also als valide.

Die Analysen zeigen, dass das Basismodell und Modell 2c statisch das beste Abbild der Realität darstellen. Hinsichtlich Modell 2c erscheint dies seltsam, da diese Ursache-Wirkungskette (Lernen&Entwicklung → Finanzen → Kunden → interne Prozesse →Lernen & Entwicklung) einer jeglichen Argumentationsgrundlage entbehrt – wie sollte z. B. Erfolg in der Kundenperspektive zu verbesserten internen Prozessen führen? Der Grund, warum das Modell 2c dennoch dieselbe Güte aufweist wie das Basismodell, liegt darin, dass beide dieselbe Ursache-Wirkungskette aufgreifen, nur in gegensätzlicher Reihenfolge. Folglich ist die mathematische Darstellung beider Modelle im Rahmen der Kausalanalyse identisch. In einem solchen Fall ist es notwendig, eine konzeptionelle und logische Argumentation zu nutzen, um zu entscheiden, ob beide oder nur eines der Modelle in dem betrachteten Kontext Sinn macht. Für das Basismodell ist dies offensichtlich – seine Kausalkette wurde bereits bei der Herleitung von Hypothese 2 belegt. Modell 2c hingegen ist offensichtlich nicht sinnvoll. Es fehlt nicht nur eine Erklärung für den Zusammenhang Kunden → interne Prozesse, sondern in gleicher Weise für die Verbindungen Finanzen → Kunden, interne Prozesse → Lernen & Entwicklung sowie Lernen & Entwicklung → Finanzen. Dies lässt also den Schluss zu, dass Modell 2 die beste Güte aller betrachteten Modelle aufweist.

Zusammenfassend sind die empirischen Ergebnisse ein deutlicher Beleg dafür, dass der Zusammenhang der vier BSC-Perspektiven (Lernen & Entwicklung → interne Prozesse → Kunden → Finanzen) der eines „Closed-Loop“ ist, in dem die Finanzperspektive wiederum der Lernen & Entwicklung-Perspektive vorangeht. Auch der Vergleich mit den anderen Modellen verändert also nicht die Schlussfolgerung, Hypothese 2 anzunehmen.

■ 4. Implikationen der Ergebnisse

■ 4.1. Generelle Diskussion

Die empirischen Ergebnisse zeigen deutlich, dass das Konzept der BSC mit den in ihr enthaltenen Ursache-Wirkungsbeziehungen mehr als nur eine bloße konzeptionelle Idee ist. Die postulierten Zusammenhänge finden eine deutliche Bestätigung. Es zeigt sich, dass in den betrachteten Unternehmen die von Kaplan und Norton vorgeschlagene Standardkonfiguration der BSC mit ihrer zugrunde liegenden Kausalkette (Lernen & Entwicklung → interne Prozesse → Kunden → Finanzen) den realen Zusammenhängen entspricht. Darüber hinaus unterstreichen die Ergebnisse, dass Erfolg in der Finanzperspektive nicht nur die (kurzfristige) Voraussetzung für Ausschüttungen an die Shareholder bildet. Er ist insbesondere auch die langfristige Grundlage für den nachhaltigen Unternehmenserfolg, indem er die finanziellen Mittel und die notwendigen Freiräume für organisationales Lernen und Entwicklung liefert, die eine fortwährende Anpassung an sich ändernde Umweltbedingungen ermöglichen. In diesem Sinne sollten BSCs eher einen Closed-Loop denn eine Kette mit definiertem Anfang und Ende widerspiegeln.

Die Ergebnisse können allerdings nicht vollständig die Möglichkeit ausräumen, dass die betrachteten vier BSC-Perspektiven möglicherweise nicht kausal verbunden sind, sondern interdependent sind. Zwar hat das Interdependenzmodell (Modell 2h) eine signifikant schlechtere Güte als das der „Closed-Loop“-BSC. Der Unterschied ist allerdings nicht so groß, dass nicht zukünftige Untersuchungen das Gegenteil, d.h. einen besseren Fit des Interdependenzmodells, zeigen könnten. Das wäre dann in Übereinstimmung mit Nørreklit, die gegen unidirektionale Zusammenhänge zwischen den Perspektiven argumentiert und von bidirektionalen oder interdependenten Zusammenhängen ausgeht.52

■ 4.2. Implikationen für die Unternehmenspraxis

Die dargestellten Ergebnisse sind für die Unternehmenspraxis in mehrfacher Hinsicht von hoher Bedeutung. Die Nutzung der von Kaplan und Norton vorgeschlagenen generischen Ursache-Wirkungsbeziehungen ist für das Management angemessen, da sie die Beziehungen von Durchschnittsunternehmen widerspiegeln. In diesem Sinne liefern sie einen validen Ausgangspunkt beim Design unternehmensspezifischer BSCs. Dennoch müssen sich Manager, wie in der Literatur vielfach beschrieben,53 bewusst sein, dass es notwendig ist, das Basiskonzept der BSC auf seine Eignung für das eigene Unternehmen zu prüfen. Gegebenenfalls sind andere oder ergänzende Perspektiven und unternehmensspezifische Kausalzusammenhänge in der jeweiligen BSC zu berücksichtigen. Dabei sollten Manager berücksichtigen, dass – wie gezeigt wurde – finanzieller Erfolg die Voraussetzung darstellt, um das organisationale Lernen und Entwickeln voranzutreiben und daraus nachhaltige zukünftige Erfolge erzielen zu können.

Daneben sind die Ergebnisse hinsichtlich einer konzeptionellen Nutzung beruhigend, also der Nutzungsart, die für Controllinginstrumente zumeist dominant ist. Diese setzt valide Konzepte als Grundlage voraus, da andernfalls die Aufmerksamkeit und das Verhalten der Manager falsch ausgerichtet werden.

■ 4.3. Beschränkungen der Untersuchung und Forschungsimplikationen

Die vorliegende Untersuchung liefert auf Basis empirischer Daten neue Einsichten hinsichtlich der Ursache-Wirkungsbeziehungen der BSC. Dabei musste allerdings die Operationalisierung der vier BSC-Perspektiven recht abstrakt gewählt werden. Andernfalls wäre die Messung der einzelnen Perspektiven auf einen großen Teil der untersuchten Unternehmen nicht anwendbar gewesen. Zudem mag die Operationalisierung der Perspektiven Lernen und Entwicklung sowie interne Prozesse nicht immer alles erfasst haben, was für die einzelnen Unternehmen innerhalb dieser Perspektiven relevant ist. Vielmehr wurde aus Erfassungsgründen eine bestimmte Sicht dieser Perspektiven zugrunde gelegt. Diese könnte in zukünftigen Studien verändert oder ergänzt werden.

Zudem wurde für die Analysen eine Querschnittsstudie durchgeführt, die sich auf einen einzelnen Erfassungszeitpunkt beschränkt. An dieser Stelle könnte gleichzeitig eine stärker individualisierte Operationalisierung der BSC-Perspektiven ansetzen. In diesem Zusammenhang ist die Forschung von Malina und Selto, die Daten aus dem IT-System von Unternehmen zur Untersuchung der Beziehungen nutzen,54 ein erster viel versprechender Ansatz, welcher durch weitere Studien flankiert werden sollte. Problematisch wird dabei allerdings der Zugang zu detaillierten unternehmensspezifischen Daten und ein mehrjähriger Untersuchungszeitrahmen sein. Eine weitere Beschränkung der hier vorgestellten Ergebnisse ist in ihrer regionalen Fokussierung auf Deutschland zu sehen. Durch ergänzende Studien in anderen Ländern könnten die Ergebnisse auf einer breiteren Basis validiert werden. Dabei sollte insbesondere auch auf einen hohen Rücklauf geachtet werden, um die Gefahr eines Non-Response-Bias weiter zu minimieren.

Weiterhin ist die vorliegende Untersuchung hinsichtlich der möglichen Schlussfolgerungen beschränkt. Im Kern erlaubt sie den Schluss, dass eine solide Basis für die konzeptionelle Nutzung der BSC und für ein Design von unternehmensspezifischen BSCs ausgehend von dem Standardmodell nach Kaplan und Norton vorhanden ist. Hingegen ist keine Aussage dazu möglich, wie eine BSC konkret auszugestalten ist und ob diejenigen Unternehmen, die ihre BSC sehr stark an die propagierte „Standard“-BSC anlehnen, erfolgreicher sind als diejenigen, die entweder keine BSC nutzen oder eine solche, die stark individualisierte Ursache-Wirkungsbeziehungen abbildet. Dazu müsste weitere Forschung über das Design, die Implementierung und die Nutzung von BSCs durchgeführt werden.

■ 5. Zusammenfassung

Die Balanced Scorecard (BSC) ist eines der erfolgreichsten Managementinstrumente der letzten Jahre. Ausgehend von den Arbeiten von Kaplan und Norton (1992, 1993, 1996) ist das Interesse an der BSC in Praxis und Wissenschaft inzwischen erheblich. Dennoch muss die Frage gestellt werden: Wird sich das Konzept der BSC auch dauerhaft durchsetzen? Verschiedenste Felder potenzieller Defizite werden in der Literatur adressiert. Eines der substanziellsten ist die Frage, ob die von Kaplan und Norton propagierten generischen Ursache-Wirkungsbeziehungen die Realität widerspiegeln.

In diesem Zusammenhang liefert der vorliegende Beitrag eine Erweiterung der Ideen von Kaplan und Norton dahingehend, dass sich die Ursache-Wirkungs-Kette (organisationales Lernen & Entwicklung →interne (Geschäfts-)Prozesse →Kunden → Finanzens) nicht auf einen klaren Anfang und ein klares Ende beschränkt. Vielmehr bildet sie einen geschlossenen Kreislauf, in dem der Finanzerfolg – mit zeitlichem Verzug – wiederum organisationales Lernen & Entwicklung positiv beeinflusst. Empirische Unterstützung findet dies auf Basis einer Untersuchung von 245 deutschen Unternehmen verschiedenster Branchen. Die auf Basis kausalanalytischer Auswertungen gewonnenen Ergebnisse zeigen deutlich, dass das postulierte „Closed-Loop“-Modell der BSC die beste Modellgüte aufweist.

Der vorliegende Beitrag liefert neue Einsichten in die Ursache-Wirkungsbeziehungen der BSC und ist in der Lage, einem Teil der Kritik zu begegnen. Das Konzept der BSC mit den immanenten Ursache-Wirkungsbeziehungen erweist sich als mehr als nur eine bloße konzeptionelle Idee. Darüber hinaus unterstreichen die Ergebnisse, dass Erfolg in der Finanzperspektive nicht nur die (kurzfristige) Voraussetzung für Ausschüttungen an die Shareholder bildet, sondern insbesondere auch die langfristige Grundlage für den Unternehmenserfolg, indem sie die finanziellen Mittel und Freiräume für organisationales Lernen und Entwicklung liefert und so eine fortwährende Anpassung an sich ändernde Umweltbedingungen fördert. In diesem Sinne sollte die BSC angewendet eher einen Closed-Loop denn eine Kette mit definiertem Anfang und Ende widerspiegeln.

Dessen ungeachtet müssen sich Manager aber immer bewusst sein, dass die gezeigten Ergebnisse nicht jeden Einzelfall widerspiegeln und beim Design unternehmensspezifischer BSCs gegebenenfalls andere oder ergänzende Perspektiven und unternehmensspezifische Kausalzusammenhänge in der jeweiligen BSC zu berücksichtigen sind.

Die genannten Punkte gelten aber nur so lange, wie das Basismodell der BSC der Realität entspricht. Sollte die zukünftige Forschung dies in Frage stellen und Belege für eine vorherrschende Interdependenz der Perspektiven liefern, die hier nicht vollständig widerlegt werden konnte, ist dies entsprechend zu berücksichtigen. In dem Fall wäre eine Denk- und Herangehensweise in der Unternehmensführung notwendig, die ein ganzheitliches Management der Perspektiven beinhaltet.

Fußnoten

  1. 1.

    U.a. Kaplan/Norton (1992), Kaplan/Norton (1993) und Kaplan/Norton (1996).

  2. 2.

    Malmi (2001). Ähnlich bei Kieser (2000).

  3. 3.

    Vgl. u. a. Ittner /Larcker/Rajan (1997) und Shields (1997).

  4. 4.

    Hier sei z. B. auf die Firmen General Electric und Schott, aber auch das französische Tableaux de Bord verwiesen. Vgl. dazu und zu weiterer Literatur Weber/Schäffer (2000), S.5f.

  5. 5.

    Vgl. Atkinson et al. (1997) und Shields (1997).

  6. 6.

    Vgl. Silk (1998), Malmi (2001), Marr (2001), Rigby (2001), Speckbacher/Bischoff/Pfeiffer (2003) und Nielsen/Sørensen (2004).

  7. 7.

    So verknüften sie die BSC u.a. mit dem Ausdruck „Translating strategy into action“, vgl. Kaplan/Norton (1996).

  8. 8.

    Nur fünf Jahre nach der Veröffentlichung von Kaplan/Norton (1996) betrug nach einer Studie von Speckbacher/Bischof/Pfeiffer die Umsetzung im deutschsprachigen Raum über 25%. Nur ein Jahr zuvor nutzen nach Sandt (2004, S.121) nur 8% der betrachteten Unternehmen die BSC.

  9. 9.

    Zu einer kurzen Skizze und einer Kategorisierung der Kritik sei z. B. auf Ahn (2005) verwiesen.

  10. 10.

    Vgl. Malmi 2001 und Speckbacher/Bischoff/Pfeiffer (2003), die verdeutlichen, dass nur 17% der Unternehmen eine andere als die klassischen vier Perspektiven in ihrer BSC verwenden.

  11. 11.

    Dies korrespondiert damit, dass die BSC zumeist als Ansatz propagiert wird, der auf Ursache-Wirkungsbeziehungen (zwischen den vier Perspektiven Organisationales Lernen und Entwicklung, interne Prozesse, Kunden und Finanzen) basiert. Vgl. u.a. Kaplan/Norton (1996 und 2001), Atkinson et al. (1997), S. 26, Nørreklit (2000), S.70 und Hoque/James (2000), S.2–3. Nur Ausnahmen betonen, dass „measurement systems without cause-and-effect logic may qualify as BSCs”, Malmi (2001), S.216.

  12. 12.

    Vgl. Nørreklit (2000), S.68.

  13. 13.

    Vgl. De Haas/Kleingeld (1999) und Nørreklit (2000), S. 68.

  14. 14.

    Nørreklit (2000), S. 77.

  15. 15.

    Vgl. Nørreklit (2000), S. 77.

  16. 16.

    Vgl. Beyer/Trice (1982), S. 598 – 601, Menon/Varadarajan 1992, S.54– 62 und Karlshaus (2000), S.22– 24. Die dritte Nutzungsart wird als symbolische Nutzung bezeichnet. Diese Kategorisierung der Nutzungsarten ist insbesondere im Bereich des Marketing üblich, vgl. Karlshaus (2000), S.22– 54.

  17. 17.

    In Deutschland werden Kostenrechnungssysteme und Kennzahlen sogar überwiegend konzeptionell genutzt, vgl. Karlshaus (2000), S.113, bzw. Sandt (2004), S.173.

  18. 18.

    Vgl. Nørreklit (2000), S.77.

  19. 19.

    Vgl. z.B. Malina/Selto (2004).

  20. 20.

    Vgl. Nørreklit (2000), S.75.

  21. 21.

    Vgl. Hoque/James (2000), S. 3.

  22. 22.

    Vgl. z.B. Weber/Schäffer (2000), S.11f.

  23. 23.

    Vgl. Hoque/James (2000).

  24. 24.

    Für eine ausführliche Darstellung zum (Netto-)Kundennutzen und seinen Determinanten sei auf Beutin (2000) und Homburg et al. (2005) verwiesen.

  25. 25.

    Allgemein wird angenommen, dass der Zufriedenheitsbewertung das Confirmation-/Disconfirmation-Paradigma zugrunde liegt. Vgl. dazu Churchill/Suprenant (1982), Homburg/Stock (2003), S.19f.

  26. 26.

    Vgl. Jones/Sasser (1995), Herrmann/Johnson (1999), Giering (2000), Olsen (2002), Homburg/Becker/Hentschel (2003) und Homburg/Giering/Menon (2003).

  27. 27.

    Vgl. Beutin (2000).

  28. 28.

    Vgl. Beutin (2000), S.147ff., der belegt, dass sich Produkt- und Servicequalität sowie Flexibilität – alles Ergebnisse interner Unternehmensprozesse – positiv auf den Beziehungsnutzen und damit auf den Nettokundennutzen auswirken.

  29. 29.

    Auch empirisch erweist sich die Güte der internen Prozesse und die Produkt- und Servicequalität nicht nur als starker Treiber des Kundennutzens, sondern auch von Kundenzufriedenheit und Kundenbindung. Vgl. u.a. Brady/Robertson (2001), Caruana (2000), Ranaweera/Neely (2003), Sivadas/Baker-Prewitt (2000), Stank/Goldsby/Vickery (1999), Wetzels/de Ruyter/van Birgelen (1998) und Lee/Lee/Feick (2001).

  30. 30.

    Vgl. Hoque/James (2000).

  31. 31.

    Vgl. z. B. Peter (1997), S.41–50.

  32. 32.

    Vgl. Wallenburg (2004), S.26ff. sowie Bruhn/Georgi (2005). Annahme ist hierbei, dass beide Funktionen stetig sind.

  33. 33.

    Die Kausalanalyse ist ein multivariates statistisches Verfahren, bei dem auf Basis von empirisch gemessenen Varianzen und Kovarianzen der beobachteten, manifesten Variablen Rückschlüsse auf die Abhängigkeitsbeziehungen zwischen den zugrunde liegenden theoretischen, latenten Variablen gezogen werden. Ihre Anwendung in der BWL wurde insbesondere durch Bagozzi (1980, 1982) vorangetrieben. Inzwischen bildet die Kausalanalyse innerhalb der betriebswirtschaftlichen Forschung den Standard für großzahlige empirische Untersuchungen.

  34. 34.

    Vgl. Anderson/Gerbing (1988).

  35. 35.

    Reliabilität gibt die formale Genauigkeit der Messung an, vgl. Peter (1979), S. 6. Dabei ist nicht von Bedeutung, ob auch das „Richtige“ gemessen wird. Das betreffende Messinstrument muss lediglich unter konstanten Messbedingungen zu reproduzierbaren, konsistenten und von Zufallsgrößen unbeeinflussten Ergebnissen führen; vgl. Nieschlag/Dichtl/Hörschgen (2002), S.428. Validität bezieht sich auf die konzeptionelle Richtigkeit einer Messung. Ein Messinstrument ist valide, wenn es tatsächlich das misst, was es messen soll, die Messung also frei von zufälligen und systematischen Fehlern ist. Reliabilität ist also notwendige, aber nicht hinreichende Voraussetzung für Validität, vgl. Churchill (1979), S.65.

  36. 36.

    Bei Unternehmen ohne klar untergliederte Geschäftseinheiten wurden die Informanten gebeten, alle Antworten auf das ganze Unternehmen zu beziehen.

  37. 37.

    Die Befragung von Schlüsselinformanten im Rahmen interorganisationaler Beziehungen ist generell üblich, aber nicht unumstritten. Zu einer ausführlichen Diskussion der Problematik bei der Befragung von Schlüsselinformanten vgl. Phillips (1981) und insbesondere Ernst (2001), S.87ff., Homburg (1998), S.78f., sowie Walter (1998), S. 187ff. Informanten sind insbesondere dann geeignet, wenn sie ein umfassendes Wissen über die betrachteten Bereiche aufweisen.

  38. 38.

    Vgl. Peter (1997), S.153.

  39. 39.

    Es wurde ein Non-Response-Bias-Test durchgeführt. Dabei wurde die Stichprobe anhand des Rücklaufdatums in drei gleich große Teile zerlegt und dann das Drittel der früh antwortenden Unternehmen mit dem Drittel der spät antwortenden Unternehmen verglichen. Dabei liegt in Anlehnung an Armstrong/Overton (1977), S.397, die Annahme zugrunde, dass die zuletzt antwortenden Unternehmen den Unternehmen ähnlicher sind, die nicht teilgenommen haben.

  40. 40.

    Vgl. Dess/Robinson (1984).

  41. 41.

    Vgl. Venkatraman/Ramanujam (1986).

  42. 42.

    Vgl. Irving (1995).

  43. 43.

    Vgl. u. a. Dehler (2001).

  44. 44.

    Vgl. Dehler (2001).

  45. 45.

    Vgl. Weber/Dehler (1999) und Wallenburg (2004).

  46. 46.

    Vgl. Ruekert/Walker/Roering (1985).

  47. 47.

    Vgl. u. a. Schäffer/Willauer (2003) und Spillecke (2006).

  48. 48.

    Vgl. Homburg/Giering (1998).

  49. 49.

    Meist wird Nunnally (1967), S. 245 f, gefolgt, der für bewährte Skalen einen Grenzwert von 0,7 vorschlägt.

  50. 50.

    Um dies zu prüfen, wurde entsprechend des Fornell/Larcker-Kriteriums die durchschnittlich erfasste Varianz von jeweils zwei Konstrukten ihrer gegenseitigen quadrierten Korrelation gegenübergestellt, vgl. Fornell/Larker (1981).

  51. 51.

    Vgl. Bollen/Stine (1992).

  52. 52.

    Vgl. Nørreklit (2000), S.75.

  53. 53.

    Hier sei u.a. auf Weber/Schäffer 2000, S. 13 f., hingewiesen.

  54. 54.

    Vgl. u.a. Malina/Selto (2004).

Literatur

  1. AHN, H. (2005): Möglichkeiten und Grenzen der Balanced Scorecard, in: WiSt, 34(3), S. 122–127.Google Scholar
  2. ANDERSON, J.; GERBING, D. (1988): Structural Equation Modeling in Practice: A Review and Recommended Two-Step Approach, in: Psychological Bulletin, 103(3), S. 411 – 423.Google Scholar
  3. ARMSTRONG, J. S.; OVERTON, T. S. (1977): Estimating Nonresponse Bias in Mail Surveys, in: Journal of Marketing Research, 14(8), S. 396– 402.Google Scholar
  4. ATKINSON, A. A.; BALAKRISHNAN, R.; BOOTH, P.; COTE, J. M.; GROOT, T.; MALI, T.; ROBERTS, H.; ULAN, E.; WU, A. (1997): New directions in management accounting research, in: Journal of Management Accounting Research, 9, S. 79 – 108.Google Scholar
  5. BAGOZZI, R. (1980): Causal Models in Marketing, New York et al. 1980.Google Scholar
  6. BAGOZZI, R. (1982): An Examination of the Validity of two Models of Attitude, in: FORNELL, C. (Hrsg.): A second Generation of Multivariate Analysis, Band 2, New York 1982, S.145 – 184.Google Scholar
  7. BEUTIN, N. (2000): Kundennutzen in industriellen Geschäftsbeziehungen, Wiesbaden 2000.Google Scholar
  8. BEYER, J. M.; TRICE, H. M. (1982): The Utilization Process: A Conceptual Framework and Synthesis of Empirical Findings, in: Administrative Science Quarterly, 27(4), S. 591–622.Google Scholar
  9. BOLLEN, K. A.; STINE, R. (1992): Bootstrapping Goodness of Fit Measures in Structural Equation Models, in: Sociological Methods and Research, 21, S. 205–229.Google Scholar
  10. BRADY, M.K.; ROBERTSON, C. J. (2001): Searching for a consensus on the antecedent role of service quality and satisfaction: an exploratory cross-national study, in: Journal of Business Research, 54(1), S. 53–60.Google Scholar
  11. BRUHN, M.; GEORGI, D. (2005): Wirtschaftlichkeit des Kundenbindungsmanagements, in: BRUHN, M.;HOMBURG, C. (Hrsg.): Handbuch Kundenbindungsmanagement: Strategien und Instrumente für ein erfolgreiches CRM, 5. überarb. und erw. Aufl., Wiesbaden 2005, S.589–619.Google Scholar
  12. CRUANA, A. (2000): Service Loyalty: The effects of service quality and the mediating role of customer satisfaction, in: European Journal of Marketing, 36(7/8), S. 811–828.Google Scholar
  13. CHIN, W. W. (1998): The partial least squares approach for structural equation modeling, in: Marcoulides, G.A. (Hrsg..): Modern methods for business research, Lawrence Erlbaum, Mahwah, NJ. 1998, S.295–336.Google Scholar
  14. CHURCHILL, G. (1979): A Paradigm of Developing Better Measures of Marketing Constructs, in: Journal of Marketing Research, 16(2), S. 64–73.Google Scholar
  15. CHURCHILL, G.; SUPRENANT, C. (1982): An Investigation into the determinants of customer satisfaction, in: Journal of Marketing Research, 19(4), S. 491–504.Google Scholar
  16. DE HAAS, M; KLEINGELD, A. (1999): Multilevel design of performance measurement systems: enhancing strategic dialogue throughout the organisation, in: Management Accounting Research, 10(3), S. 233–261.Google Scholar
  17. DEHLER, M. (2001): Entwicklungsstand der Logistik: Messung – Determinanten Erfolgswirkungen, Wiesbaden 2001.Google Scholar
  18. DESS, G.G., ROBINSON, R. B. (1984): Measuring Organizational Performance in the Absence of Objective Measures, in: Strategic Management Journal, 5(3), S. 265–273.Google Scholar
  19. FORNELL, C.; LARCKER, D. (1981): Evaluating Structural Equation Models with Unobservable Variables and Measurement Error, in: Journal of Marketing, 45(2): S. 39–50.Google Scholar
  20. GIERING, A. (2000): Der Zusammenhang zwischen Kundenzufriedenheit und Kundenloyalität – eine Untersuchung moderierender Effekte, Wiesbaden 2000.Google Scholar
  21. HERRMANN, A.; JOHNSON, M.D. (1999): Die Kundenzufriedenheit als Bestimmungsfaktor der Kundenbindung, in: Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 51(6), S. 579–598.Google Scholar
  22. HOMBURG, C.; BECKER, A.; HENTSCHEL, F. (2003): Der Zusammenhang zwischen Kundenzufriedenheit und Kundenbindung, in: BRUHN, M.; HOMBURG, C. (Hrsg.): Handbuch Kundenbindungsmanagement: Strategien und Instrumente für ein erfolgreiches CRM, 4. überarb. und erw. Aufl., Wiesbaden 2003, S.91–121.Google Scholar
  23. HOMBURG, C.; GIERING, A. (1998): Konzeptualisierung und Operationalisierung komplexer Konstrukte: Ein Leitfaden für die Marketingforschung, in: HILDEBRANDT, L.; HOMBURG, C. (Hrsg.): Die Kausalanalyse: Instrument der empirischen betriebswirtschaftlichen Forschung, Stuttgart 1998, S.111–148.Google Scholar
  24. HOMBURG, C.; GIERING, A.; MENON, A. (2003): Relationship Characters as Moderators on the Satisfaction-Loyalty Link: Findings in a Business-to-Business Context, in: Journal of Business-to-Business-Marketing, 10(3), S. 35–62.Google Scholar
  25. HOMBURG, C.; KUESTER, S.; BEUTIN, N.; MENON, A. (2005): Determinants of Customer Benefits in Business-to-Business Markets: A Cross-Cultural Comparison, in: Journal of International Marketing, 13(3): S. 1–31.Google Scholar
  26. HOMBURG, C.; STOCK, R. (2003): Theoretische Perspektiven zur Kundenzufriedenheit, in: HOMBURG, C. (Hrsg.): Kundenzufriedenheit: Konzepte – Methoden – Erfahrungen, 5. überarb. Aufl., Wiesbaden 2003, S.17–51.Google Scholar
  27. HOQUE, Z.; JAMES, W. (2000): Linking Balanced Scorecard Measures to Size and Market Factors: Impact on Organizational Performance, in: Journal of Management Accounting Research, 12, S. 1–17.Google Scholar
  28. IRVING, E. (1995): Marketing Quality Practices, Dissertation, University of North Carolina.Google Scholar
  29. ITTNER, C.D.; LARCKER, D.F.; RAJAN, M.V. (1997): The choice of performance measures in annual bonus contracts, in: The Accounting Review, 72(2), S. 231–255.Google Scholar
  30. JONES, T.O.; SASSER, E.W. (1995): Why Customers Defect, in: Harvard Business Review, 73(6), S. 88–99.Google Scholar
  31. KAPLAN, R. S.; NORTON, D.P. (1992): The balanced scorecard – Measures that drive performance, in: Harvard Business Review, 70(1), S. 71–79.Google Scholar
  32. KAPLAN, R. S.; NORTON, D.P. (1993): Putting the balanced scorecard to work, in: Harvard Business Review, 71(5), S. 134–147.Google Scholar
  33. KAPLAN, R. S.; NORTON, D.P. (1996): The balanced scorecard: Translating Strategy to action, Boston /MA, 1996.Google Scholar
  34. KAPLAN, R. S.; NORTON, D.P. (2001): The strategy-focused organization, Boston/MA, 2001.Google Scholar
  35. KARLSHAUS, J. T. (2000): Die Nutzung von Kostenrechnungsinformationen im Marketing – Bestandsaufnahme, Determinanten und Erfolgswirkungen, Wiesbaden 2000.Google Scholar
  36. KIESER, A. (2000): Die Balanced Scorecard als Managementmode, in: Kostenrechnungspraxis, 44 (Sonderheft 2): S. 123 – 124.Google Scholar
  37. LEE, J.; LEE, J.; FEICK, L. (2001): The impact of switching costs on the customer satisfaction-loyalty link: mobile phone service in France, in: Journal of Services Marketing, 15(1), S. 35–48.Google Scholar
  38. MALINA, M.A.; SELTO, F. H. (2004): Causality in a Performance Measurement Model, Workingpaper accessable at http://papers.ssrn.com.Google Scholar
  39. MALMI, T. (2001): Balanced scorecards in Finnish companies: A research note, in: Management Accounting Research, 12(2), S. 207 – 220.Google Scholar
  40. MARR, B.: (2001): Scored for life, in: Financial Management, 1(April): 30.Google Scholar
  41. MENON, A.; VARADARAJAN, P. R. (1992): A Model of Marketing Knowledge Use within Firms, in: Journal of Marketing, 56(4), S. 53–71.Google Scholar
  42. NIELSEN, S.; SØRENSEN, R. (2004): Motives, diffusion and utilisation of the balanced scorecard in Denmark, in: International Journal of Auditing and Performance Evaluation, 1(1), S. 103–124.Google Scholar
  43. NIESCHLAG, R.; DICHTL, E.; HÖRSCHGEN, H. (2002): Marketing, 19. überarb. und erg. Aufl., Berlin 2002.Google Scholar
  44. NØRREKLIT, H. (2000): The balance on the balanced scorecard – a critical analysis of some of its assumptions, in: Management Accounting Research, 11(1), S. 65–88.Google Scholar
  45. NØRREKLIT, H. (2000): The balanced Scorecard: what is the score? A rhetorical analysis of the balanced scorecard, in: Accounting, Organizations and Society, 28(6), S. 591–619.Google Scholar
  46. NUNNALLY, J. (1967): Psychometric Theory, New York 1967.Google Scholar
  47. OLSEN, S. O. (2002): Comparative Evaluation and the Relationship Between Quality, Satisfaction, and Repurchase Loyalty, in: Journal of the Academy of Marketing Science, 30(3), S. 240–249.Google Scholar
  48. PETER, J. (1979): Reliability: A Review of Psychometric Basics and Recent Marketing Practices, in: Journal of Marketing Research, 16(2), S. 6–17.Google Scholar
  49. PETER, S. I. (1997): Kundenbindung als Marketingziel – Identifikation und Analyse zentraler Determinanten, Wiesbaden 1997.Google Scholar
  50. RANAWEERA, C.; NEELY, A. (2003): Some moderating effects on the service quality-customer retention link, in: International Journal of Operations & Production Management, 23(2), S. 230–248.Google Scholar
  51. RIGBY, D. (2001): Management tools and techniques: a survey, California Management Review, 43(2): S. 139–160.Google Scholar
  52. RUEKERT, R. W., WALKER JR., O. C.; ROERING, K. J. (1985): The Organization of Marketing Activities: A Contingency Theory of Structure and Performance, in: Journal of Marketing, 49(1), S. 13–25.Google Scholar
  53. SANDT, J. (2004): Management mit Kennzahlen und Kennzahlensystemen: Bestandsaufnahme, Determinanten und Erfolgsauswirkungen, Wiesbaden 2004.Google Scholar
  54. SCHÄFFER, U.; WILLAUER, B. (2003): Prämissenkontrolle in deutschen Unternehmen – Ergebnisse einer empirischen Erhebung, in: WEBER, J.; KUNZ, J. (Hrsg.), Empirische Controllingforschung: Begründung – Beispiele – Ergebnisse, Wiesbaden 2003, S.15–51.Google Scholar
  55. SHIELDS, M.D. (1997): Research in Management Accounting by North Americans in the 1990s, in: Journal of Management Accounting Research, 9, S. 3–62.Google Scholar
  56. SILK, S. (1998): Automating the Balanced Scorecard, in: Management Accounting, 79(11), S. 38 – 44.Google Scholar
  57. SIVADAS, E.; BAKER-PREWITT, J. (2000): An examination of the relationship between service quality, customer satisfaction, and store loyalty, in: International Journal of Retail and Distribution Management, 28(2), S. 73–82.Google Scholar
  58. SPECKBACHER, G.; BISCHOF, J.; PFEIFFER, T. (2003): A descriptive analysis on the implementation of balanced scorecards in German-speaking countries, in: Management Accounting Research, 14(4), S. 361–387.Google Scholar
  59. SPILLECKE, D. (2006): Interne Kundenorientierung des Controllerbereichs: Messung – Determinanten – Erfolgsauswirkungen, Wiesbaden 2006.Google Scholar
  60. STANK, T. P.; GOLDSBY, T. J.; VICKERY, S.K. (1999): Effect of Service Supplier Performance on Satisfaction and Loyalty of Store Managers in the Fast Food Industry, in: Journal of Operations Management, 17(2), S. 429–447.Google Scholar
  61. VENKATRAMAN, N.; RAMANUJAM, V. (1986): Measurement of Business Performance in the Absence of Objective Measures, in: Strategic Management Review, 11(4), S. 801–814.Google Scholar
  62. WALLENBURG, C.M. (2004): Kundenbindung in der Logistik – Eine empirische Untersuchung zu ihren Einflussfaktoren, Bern et al. 2004.Google Scholar
  63. WEBER, J.; DEHLER, M. (1999): Erfolgsfaktor Logistik. Wunsch und Wirklichkeit, in: Logistik heute, 21(12), S. 34–41.Google Scholar
  64. WEBER, J.; SCHÄFFER, U. (2000): Balanced Scorecard & Controlling: Implementierung – Nutzen für Manager und Controller – Erfahrungen in deutschen Unternehmen, 3. überarbeitete Aufl., Wiesbaden, 2000.Google Scholar
  65. WETZELS, M.G.M.; DE RUYTER J. C.; VAN BIRGELEN, M.J.H. (1998): Marketing service relationships: The role of commitment, in: Journal of Business and Industrial Marketing, 13(4/5), S. 406–423.Google Scholar

Copyright information

© Springer Gabler 2006

Authors and Affiliations

  • Carl Marcus Wallenburg
    • 1
  • Jürgen Weber
    • 1
  1. 1.WHU – Otto Beisheim School of ManagementVallendarDeutschland

Personalised recommendations