Advertisement

Zusammenfassung

Nachdem in Kapitel 2 ein organisatorisches Konzept für einen erfolgreichen F&E-Bereich entwickelt worden ist, soll nun untersucht werden, wie ein F&E-Programm zu planen ist. Hierzu sind zunächst die Besonderheiten der Planung von F&E-Projekten aufzuzeigen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 2.
    Vgl. Hess, S.W. A Dynamic Programming Approach to R und D Budgeting and Project Selection, IRE-EM, Vol. EM-9, 1962, S. 171.Google Scholar
  2. 3.
    Vgl. Hess S.W., a.a.O., S. 171; Albosta, Ch.A. und Holzman, A.G. Optimal Funding of an R # D Projekt Portfolio, Unpubl. Paper, TIMS-Meeting Los Angeles, Okt. 1970, S. 8.Google Scholar
  3. 2.
    Diese Bezeichnung stammt von R.A. Howard. Vgl. Cook, W.H. Decision Analysis for Product Development, IEEE-SSC, Vol. SSC-4, No. 3, 1968, S. 342; Howard, R.A. Decision Analysis: Applied Decision Theory, Unpubl. Paper, Institute in Engineering Economic Systems, Stanford University, o.J.Google Scholar
  4. 3.
    Der folgenden Untersuchung liegt der Bayessche Wahrscheinlichkeitsbegriff zugrunde. Zum Verhältnis von Bayesscher zur klassischen Statistik siehe Pratt, J.W. Bayesian Interpretation of Standard Inference Statements, Journal of the Royal Statistical Society, Reihe B, Vol. 27, 1965,S. 169–203.Google Scholar
  5. 1.
    Vgl. Howard, R.A. Foundations of Decision Analysis, IEEE-SSC, Vol. SSC-4, No. 3, 1968, S. 213.Google Scholar
  6. 2.
    Vgl. ebenda, zur Problematik des Kalkulationszinsfußes siehe Moxter, A. Die Bestimmung des Kalkulationszinsfußes bei Investitionsentscheidungen, ZfhF, 13. Jg., 1961, S. 186–200.Google Scholar
  7. 1.
    Siehe hierzu das Petersburger Spiel vgl. etwa Schneider, D. Investition und Finanzierung, 3. Aufl., Köln und Opladen 1974, S. 127 f.Google Scholar
  8. 1.
    Vgl. Howard, R.A. Foundations of Decision Analysis, a.a.O., S. 214.Google Scholar
  9. Das Axiom heißt deswegen “keine Spielfreude Axiom”, da es unterstellt, daß die finanzielle Kompensation nach jedem Glücksspiel keine Kosten oder Gewinne verursacht. Würde ein Spieler nach dem Dekompositionsaxiom handeln, so könnte er einen strategischen Spielplan entwickeln, in einen Computer eingeben und kassieren oder zahlen. Vgl. dazu Howard, R.A. Risk Preference, a.a.O., S. 9, siehe auch: North, D.W. A Tutorial Introduction to Decision Theory, IEEE-SSC, Vol. SSC-4, No. 3, 1968, S. 202.Google Scholar
  10. 2.
    Howard, R.A. Risk Preference, a.a.O., S. B. Solche Glücksspiele werden auch als “Compound Lotteries” (zusammengesetzte Glücksspiele) bezeichnet. Vgl. ebenda.Google Scholar
  11. 2.
    Robichek, A.A. und Myers, S.C. Optimal Financial Decisions, in: Foundations of Finance Series, Hrsg.: E. Solomon Englewood Cliffs, 1965Google Scholar
  12. 1.
    Vgl. in diesem Zusammenhang auch die Diskussion über offene oder geschlossene Entscheidungsmodelle etwa bei Kirsch, W. Entscheidungsprozesse, Bd. I, Verhaltenswissenschaftliche Ansätze der Entscheidungstheorie, Wiesbaden 1970, S. 25 ff.Google Scholar
  13. 3.
    So sind mit Hilfe der Decision Analysis unter anderem Standort-und Raumfahrtprobleme sowie meteorologische Probleme gelöst worden. Vgl. Matheson, J. Decision Analysis Practice: Examples and Insights, Unpubl. Paper, International IFORS-Meeting, Venedig 1969, siehe auch: Howard,R.A., Matheson J.E., und North, D.W. The Decision to Seed Hurricanes, Science, Vol. 176, 1972, S. 1191–1202 und Howard, R.A. Decision Analysis in Systems Engineering, Unpubl. Paper, Seminar on Systems Concepts for the Private and Public Sectors, California Institute of Technology, 1971, S. 25 ff.Google Scholar
  14. 4.
    Eine Zusammenstellung der Entscheidungsregeln findet sich u.a. bei Schmidt, R.-B. Wirtschaftslehre der Unternehmung, Bd. 2, Zielerreichung, Stuttgart 1973, S. 56 ff.Google Scholar
  15. 2.
    Vgl. Spetzler, C.S. The Development of a Corporate Risk Policy for Capital Investment Decisions, IEEE-SSC, Vol. SSC-4, No. 3, 1968, S. 296.Google Scholar
  16. 4.
    Krelle, W. Präferenz-und Entscheidungstheorie, Tübingen 1968, S. 198.Google Scholar
  17. 5.
    Dieses Problem sieht auch Krelle, ohne jedoch weitere Schlüsse daraus zu ziehen. Vgl. Krelle, W. a.a.0., S. 198 ff.Google Scholar
  18. 3.
    Vgl. ebenda, S. 21 ff., siehe auch Schneeweiß, H. Entscheidungskriterien bei Risiko, Berlin, Heidelberg, New York 1966, S. 85. Der lineare Fall ist ein Grenzfall der Exponentialfunktion, Vgl. hierzu S. 47 dieser Arbeit.Google Scholar
  19. 2.
    Vgl. Hax, H. Investitionstheorie, 2. Aufl., Würzburg und Wien 1972, S. 107.Google Scholar
  20. Vgl. Grauert, H. und Lieb, I. Differential-und Integralrechnung, Bd. I, Funktionen einer reellen Veränderlichen, Heidelberger Taschenbücher Bd. 25, 2. Aufl., Berlin, Heidelberg, New York 1970, S.Google Scholar
  21. 2.
    Die Erhöhung folgt aus dem Additionssatz für Wahrscheinlichkeiten. Dieser lautet: p(AvB) = p(A) + p(B) - p(AnB).Vgl. Kreyszig, E. Statistische Methoden und ihre Anwendungen, 3. Aufl., Göttingen 1968, S. 64.Google Scholar
  22. 1.
    Vgl. Speck, D.J. a.a.0. Speck benutzt die Präferenzfunktion (34–57), die auf einer exponentiellen Nutzenfunktion beruht und nicht auf einer quadratischen, wie Speck behauptet. Diese Verwechslung “Nutzenfunktion -Präferenzfunktion” findet sich auch bei Cramer und Smith. Vgl. Cramer, R.H. und Smith, B.E. Decision Models for the Selection of Research Projects, The Engineering Economist, Vol. 9, 1963, S. 8 ff.Google Scholar
  23. 4.
    Vgl. Freeland, J.R. a.a.O., S. 155 ff. siehe auch Freeland, J.R. und Baker, N.R. Mathematical Models of Resource Allocation Decision Making in Hierarchical Organizations, a.a.0., S. 37 ff. und dieselben A Goal Partitioning Procedure for Modeling Coordination Activities in a Hierarchical Decentralized Organization, Research Paper No. 184, GSB Stanford University 1973.Google Scholar
  24. 3.
    Vgl. Dinkelbach, W. und Dürr, W. Effizienzaussagen bei Ersatzprogrammen zum Vektormaximierungsproblem, in: Operations Research Verfahren, Bd.Google Scholar
  25. 1.
    Bei einem linearen Programm kann man sich auf die Menge der zulässigen Basislösungen und ihrer Dualwerte beschränken, was allerdings auch schon ein praktisches Problem darstellt. Vgl. Zschau, E.V.W. a.a.0., S. 18 ff.Google Scholar
  26. 2.
    Vgl. Jennergren, L.P. a.a.0., S. 52.Google Scholar
  27. 1.
    Vgl. Raiffa, H. Decision Analysis, Introductory Lectures on Choices under Uncertainty, 2. Aufl., Reading, Menlo Park, London 1970, S. 247.Google Scholar
  28. 2.
    Zu diesen Verfahren siehe Mac Crimmon, K.R. Decision Making Among Multi-Attribute Alternatives: A Survey and Consolidated Approach, RAND Memorandium, RM-4823-ARPA Dezember 1968.Google Scholar
  29. 3.
    Vgl. Baker, N.R., Shumway, C.R., Maher, P.M., Souder, W.E., Large, R.D. 1 Vgl. Dreyer, A. Scoring Modelle bei Mehrfachzielsetzungen - Eine Analyse des Entwicklungsstandes von Scoring Modellen -, ZfB, 44. Jg., 1974, S. 257.Google Scholar
  30. 2.
    Zur Gewinnung von konsistenten Gewichtungsfaktoren siehe Churchman, C.W. und Ackoff, R.L. An Approximative Measure of Value, OR, Vol. 2, 1954,S. 172–180.Google Scholar
  31. 1.
    Vgl. Keeney, R.L. Concepts of Independence in Multiattribute UtilityGoogle Scholar
  32. Theory, in: Cochrane, J.L. und Zeleny, M. Multiple Criteria Decision Making, University of South Carolina, 1973, S. 62–68.Google Scholar
  33. Siehe auch Fishburn, P.C. von Neumann-Morgenstern Utility Functions on Two Attributes, OR, Vol. 22, 1974, S. 35–45.Google Scholar
  34. 2.
    Vgl. Pollak, R.A. Additive von Neumann-Morgenstern Utility Functions, Econometrica, Vol. 35, No. 3–4, 1967, S. 487 ff.Google Scholar
  35. 1.
    Vgl. Keeney, R.L. Utility Functions for Multiattributed Consequences, MS, Vol. 17, No. 4, 1972, S. 277.Google Scholar
  36. 2.
    Auf die Probleme der Skalierung soll in dieser Arbeit nicht näher eingegangen werden. Vgl. u.a. Scheuch E.K., Skalierungsverfahren in der Sozialforschung, in: Handbuch der empirischen Sozialforschung, Hrsg. R. König Bd. 1, Stuttgart 1962, S. 348–384.Google Scholar
  37. 2.
    Vgl. Geoffrion, A.M. A Parametric Programming Solution to the Vector Maximum Problem with Applications to Decisions Under Uncertainty, GSB Techn.Report No. 11, Stanford 1965, zitiert bei: Dinkelbach, W. und Dürr W., a.a.O., S. 70.Google Scholar
  38. 4.
    Im Rahmen dieser Arbeit wird nur das grundlegende Modell analysiert. Eine Beschreibung der Vorgehensweise bei mehreren Zielhierarchien sowie variabler Gewichtung der Abweichungen findet sich bei Gührs, E. Planungsmodelle für sozialethische Zielsetzungen. Eine spezielle Untersuchung zum Problem mehrfacher Zielsetzungen, Diss. Hamburg 1972, S. 75 ff.Google Scholar
  39. 1.
    Vgl. Geoffrion, A.M. Resource Allocation in Decentralized Non-Market Organizations with Multiple Objectives, Unpubl. Paper, Second World Congress of the Econometric Society, Cambridge, England, 1970, S. 3;Google Scholar
  40. Fandel, G. Optimale Entscheidung bei mehrfacher Zielsetzung, in: Lectures Notes in Economics and Mathematical Systems, Bd. 75, Hrsg. M. Beckmann, G. Gross und H.P. Künzi Berlin, Heidelberg, New York 1972, S. 49.Google Scholar
  41. 1.
    Zur Programmplanung mit Hilfe von Schattenpreisen vgl. u.a. Heinen, E. Betriebswirtschaftliche Kostenlehre - Kostentheorie und Kostenentscheidungen, 3. verb. Aufl., Wiesbaden 1970, S. 358 ff.Google Scholar
  42. 1.
    Solche Ansätze finden sich z.B. bei Geoffrion, A.M. Resource Allocation in Decentralized Non-Market Organizations with Multiple Objectives, a.a.O., Fandel, G. a.a.O., Benayoun, R., de Montgolfier, J. Tergny, J. Laritchev, O. Linear Programming with Multiple Objective Functions:STEP Method (STEM), Mathematical Programming, Vol. 1, 1971, S. 366–375. Eine Ubersicht gibt Roy, B. Problems and Methods with Multiple Objective Functions, Mathematical Programming, Vol. 1, 1971, S. 239–266.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler · Wiesbaden 1977

Authors and Affiliations

  • Heinrich Rösmann

There are no affiliations available

Personalised recommendations