Advertisement

Integration quantitativer Beschreibung und qualitativer Handhabung unvollkommener Information auf der Grundlage von Szenarien

  • Reinhart Schultz
Chapter
  • 28 Downloads
Part of the Betriebswirtschaftliche Forschung zur Unternehmensführung book series (BFU, volume 18)

Zusammenfassung

In den folgenden Abschnitten werden Vorschläge zur Verbindung qualitativer und quantitativer Elemente in der Handhabung von unvollkommener Information erarbeitet. Grundlage für die qualitative Handhabung unvollkommener Information bilden dabei Umweltszenarien als qualitative Szenarien im Sinne der Szenario-Technik. Die Umweltszenarien werden zur Erfassung von Bandbreiten quantitativ beschriebener Merkmale jeweils durch Gruppen von Datenszenarien charakterisiert. Mit der Formulierung eines Extremalwerts für jede ordinal oder kardinal quantifizierte Zielgröße können quantitative Handlungskonsequenzen für jedes Umweltszenarium durch Einzelwerte mit definiertem Informationsgehalt beschrieben werden. Es ergeben sich damit Entscheidungsunterlagen, die vor dem Hintergrund einer vollständigen quantitativen Erfassung unvollkommener Information Aussagen präsentieren, die auf eine begrenzte und überschaubare Anzahl von Umweltszenarien bezogen sind. Dies erleichtert eine Entscheidungsfindung, die sich auf ein an solche Umweltszenarien geknüpftes qualitatives Wahrscheinlichkeitsurteil gründet.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1).
    Vgl. ALBACH, H.: Strategische Unternehmensplanung bei erhöhter Unsicherheit, ZfB 1978, S. 702–715.Google Scholar
  2. 2).
    Zur Szenario-Technik siehe z.B. OBERKAMPF, V.: Szenario-Technik, Frankfurt 1976Google Scholar
  3. 2a).
    LEHNEN, F.: Die Szenario-Technik in der Unternehmensplanung, ZfbF 1979, S. 71–75;Google Scholar
  4. 2a).
    TAYLOR, B: Future Uncertain — Scenario Planning to the Rescue, in HAHN, D. und B. TAYLOR (Hrsg.): Strategische Unternehmensplanung, 2. Aufl., Würzburg 1983, S. 213–223;Google Scholar
  5. 2b).
    GESCHKA, H. und R. HAMMER: Die Szenario-Technik in der Strategischen Unternehmensplanung, in HAHN, D. und B. TAYLOR (Hrsg.): Strategische Unternehmensplanung, 2. Aufl., Würzburg 1983, S. 224–249.Google Scholar
  6. 2).
    Als Beispiel siehe auch Abschnitt 7.7.Google Scholar
  7. 1).
    Vgl. dazu in Abschnitt 1.4.2 den Kritikpunkt einer unvollständigen Erfassung der Entscheidungssituation; vgl. auch TEICHMANN, H.: Die optimale Komplexion des Entscheidungskalküls, ZfbF 1972, S. 519–539, insbesondere S. 529.Google Scholar
  8. 1).
    Vgl. dazu auch die empirisch erhobene Kritik an der Verwendung kardinal quantifizierter Wahrscheinlichkeiten bei MÜLLER-MERBACH, H. und H.J. GOLLING: Die Rolle von Wahrscheinlichkeitsverteilungen in Ent Scheidungsprozessen, in HELMSTÄDTER, E. (Hrsg.): Neuere Entwicklungen in den Wirtschaftswissenschaften, Schriften des Vereins für Social-politik, N.F. 1978, S. 413–430.Google Scholar
  9. 1).
    Im Rahmen der Szenario-Technik wird im allgemeinen nur gesagt, daß z.B. bei Betrachtung eines optimistischen, eines mittleren und eines pessimistischen Szenarios dem optimistischen Szenario ein optimistisch geschätzer Datensatz, dem mittleren Szenario der wahrscheinlichste Datensatz und dem pessimistischen Szenario ein pessimistischer Datensatz zuzuordnen ist; vgl. z.B. WILDE, K.D.: Langfristige Prognosen in der strategischen Planung: Methodik und Verfahrensvergleich anhand praktischer Beispiele, ZfB 1982, S. 923–941, insbesondere S. 929.Google Scholar
  10. 1).
    Siehe dazu LOWE, T.J., J.-F. THISSE, J.E. WARD und R.E. WENDELL: On efficient solutions to multiple objective mathematical programs, Management Science 1984, S. 1346–1349.Google Scholar
  11. 1).
    Vgl. dazu HANSSMANN, F.: Strategische Planung und quantitative Modellierung, OR Spektrum 1982, S. 27–33;Google Scholar
  12. 1a).
    HAUSCHILDT, J.: Alternativenzahl und Effizienz von Entscheidungen, ZfbF 1983, S. 94–112.Google Scholar
  13. 1).
    Die folgenden Gedankengänge lassen sich durchaus auch auf anderen Streuungsmaßen aufbauen; für die gewählte Ergebnisbeschreibung durch Mindestwerte im betrachteten Fall eines Verzichts auf kardinale Wahrscheinlichkeiten ist jedoch der Abstand der Extremwerte das angemessene Streuungsmaß.Google Scholar
  14. 1).
    Die Begriffe Informationsgehalt und Informationsverlust werden in dieser Arbeit semantisch gebraucht. Der “Bit”-orientierte Informationsbegriff der technischen Informationstheorie ist für die hier diskutierten Zwecke nicht geeignet.Google Scholar
  15. 1).
    Die Frage der Komplexität der Entscheidungsunterlagen ist dabei nicht kongruent mit der Frage der Komplexität eines den Entscheidungsunterlagen zugrundeliegenden mathematischen Modells. In der vorliegenden Arbeit geht es um die Frage, wie trotz einer größeren Komplexität der den Entscheidungsunterlagen zugrundeliegenden quantitativen Strukturen dennoch weniger komplexe Entscheidungsunterlagen gewonnen werden können. Zur Komplexität mathematischer Modelle siehe jedoch z.B. Zentes, J.: Die Optimalkomplexion von Entscheidungsmodellen, Köln 1976.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 1987

Authors and Affiliations

  • Reinhart Schultz

There are no affiliations available

Personalised recommendations