Advertisement

Zusammenfassung

Im Rahmen des Kapitels „Scoring“ sollen eine Reihe von alternativen Ansätzen zur Prüfung der Kreditwürdigkeit von natürlichen Personen vorgestellt werden, die allesamt als „Speziallösungen“ von Ernst & Young entwickelt wurden. Wie die nachfolgenden Beispiele zeigen, ist es angebracht, für unterschiedlich komplexe Finanzierungen unterschiedlich komplexe Verfahren in Abhängigkeit der Produktpalette und der Zielgruppe zu entwickeln.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 139.
    „Die Plan-Erfolgsrechnungen und Plan-Bilanzen beinhalten in der Regel automatisch die wesentlichsten Prognosen bzgl. des geplanten Forschungs- und Entwicklungsaufwands, der erwarteten Umsatzentwicklung u. v. m.“ Behr, G./Kind, A. (1999), S. 69.Google Scholar
  2. 140.
    „Neben der horizontalen Komparabilität sollten die Rating-Ergebnisse im Übrigen auch vertikal vergleichbar, das heißt auf der Zeitachse stabil sein. Damit ist gemeint, dass die an die Benotung anzulegenden Maßstäbe in rezessiven Konjunkturphasen keinesfalls den dann zu erwartenden generell schlechteren Bonitäten nachgeben, also die Anforderungen lockern und das Bonitätsniveau künstlich anheben dürfen. Diese Inkonsistenz hätte weitreichende Folgen für die Prognosequalität des Ratings und damit für sämtliche auf das Rating aufbauende Berechnungen, wie den erwarteten Verlust, die Bepreisung und die Eigenkapitalunterlegung. Dem steht im Übrigen nicht entgegen, die Trennschärfe der Bonitätsindikatoren und der Gewichtungsfaktoren regelmäßig auf den Prüfstand zu stellen und an neue Erkenntnisse anzupassen. “ Gögel, S./Kulartz, H. J. (2000), S. 70. Vgl. hierzu auch Baetge, J. (1994), S. 1–10. A. a. O. steht: „Und falls der Bestand des Unternehmens gesichert erscheint, möchte der externe Bilanzanalyst wissen, wie gut das Unternehmen im Zeitablauf und im Vergleich mit seinen Wettbewerbern dasteht. (…) Hierzu gibt ein Mehrjahresvergleich eine bessere Grundlage als die Analyse eines einzigen Jahresabschlusses.“Google Scholar
  3. 141.
    Vgl. zum Beispiel Mrzyk, A. P. (1999), S. 21.Google Scholar
  4. 142.
    Vgl. Mrzyk, A. P. (1999), S. 23.Google Scholar
  5. 143.
    Alternativ zur SCHUFA-Auskunft könnte die CEG-Auskunft (Creditreform-Experian-Auskunft) herangezogen werden. Zu den Mitbewerbern der SCHUFA zählen heute die Informa-Gruppe (Zusammenschluss von InfoData, Schober und Fair Isaac) sowie die bereits genannte Creditreform, die ein Joint Venture mit Experian eingegangen ist, um im Markt Fuß zu fassen. Nach Stein sehen die neuen Wettbewerber ihr Geschäftsfeld dabei nicht nur im traditionellen Kreditinformationsbereich, sondern bei integrierten Konzepten für Kreditauskünfte, Scoring und dem Database-Management. Vgl. Stein, D. (2000), S. 554–556.Google Scholar
  6. 144.
    Vgl. Müller, B. (1999), S. 65.Google Scholar
  7. 145.
    Vgl. Müller, B. (1999), S. 65.Google Scholar
  8. 146.
    Vgl. Müller, B. (1999), S. 65.Google Scholar
  9. 147.
    Mrzyk, A. P. (1999), S. 27.Google Scholar
  10. 148.
    „Das Problem der Beschaffung der Daten wird bei der Entwicklung entscheidungsunterstützender Systeme oft nicht angemessen berücksichtigt. Geht man von einem maximal umfangreichen Bestand an möglichen Kreditwürdigkeitskriterien aus, so lassen sich diese Kriterien nicht für alle Kunden einer Bank gleichermaßen mit Ausprägungen belegen. Über neue Kunden liegen weniger Informationen vor als über gut bekannte Personen. Versucht man dagegen eine für alle gemeinsam erfassbare Kriterienmenge zu fixieren, dann bleiben wichtige Informationen, die nur für bestimmte Kunden erhebbar sind, systemseitig unberücksichtigt. Gefordert ist daher eine Informationsverarbeitungsmethode, die ein Maximum an Informationen verwertet, aber auch Unvollständigkeiten problemlos zulässt. Lassen sich nun bestimmte Kriterien in Bezug auf einen Kunden bewerten, dann liegen nicht nur metrische und eindeutig quantifizierbare Kriterien (wie etwa Monatsgehalt und Schuldenstand) als relevante Informationen vor. Vielmehr prägen persönliche Daten, die intersubjektiv abweichend und zudem unscharf bewertet werden (zum Beispiel Wohnsituation, Beruf, Erscheinungsbild usw.), die Kreditwürdigkeitsanalyse ganz wesentlich. Zufälligkeiten und persönliche Erfahrungen des Beurteilers lassen sich nicht kontrollieren, da jedes Individuum unterschiedliche Erfahrungen macht und diese individuell interpretiert. Dementsprechend zeigt sich eine erhebliche Streuung in den Urteilen verschiedener Kreditexperten, das heißt insbesondere im Bereich der qualitativen, also vor allem persönlichen Kriterien, sind Fehleinschätzungen unvermeidbar.“ Wilbert, R. (1991), S. 1377–1393.Google Scholar
  11. 149.
    Grundsätzlich gilt: Die Beschaffung von Informationen verursacht Kosten. Im Kreditgeschäft werden diese Kosten nach Mrzyk im Wesentlichen von der Zeitdauer der Informationsbeschaffung, den vorhandenen quantitativen und qualitativen Personalkapazitäten und der technischen Ausstattung mitbestimmt. Diesen Kosten muss, soll sich die Informationsbeschaffung lohnen, ein entsprechender Nutzen gegenüberstehen. Ein möglicher Nutzen kann darin liegen, die Wahrscheinlichkeit von Fehlentscheidungen zu reduzieren. Vgl. Mrzyk, A. P. (1999), S. 30.Google Scholar
  12. 150.
    „Interne Ratingverfahren werden insbesondere für ihre aufsichtsrechtliche Anerkennung gute historische Datenbasen benötigen. Es ist höchste Zeit, deren Aufbau anzugehen.“ Pfingsten, A. (2000), S. 25–28.Google Scholar
  13. 151.
    Die Beantwortung der Frage ist von großer praktischer Bedeutung, weil sie den Arbeitsaufwand bestimmt. In der Regel gilt nämlich: Je feiner abgestuft ein Merkmal berücksichtigt wird („zum Beispiel neun statt fünf Klassen“), um so mehr Aufwand ist bei seiner Erfassung zu betreiben und um so mehr Daten benötigt man, um zu einem statistisch gesicherten Ergebnis zu kommen.Google Scholar
  14. 153.
    Die Laufzeit einer Forderung determiniert die Höhe eines Einzelrisikos mit. Je länger ein Kredit läuft, desto höher ist die Wahrscheinlichkeit von Rating-Änderungen bzw. des Ausfalls der Forderung. Vgl. Peil, D./Egger, E. (2000), S. 414.Google Scholar
  15. 154.
    Die hier dargestellte Entscheidungsmatrix stellt einen Entwurf dar. Die aufgenommenen Merkmale und auch die dargestellten Merkmalsausprägungen gilt es in Trennschärfetest zu validieren bzw. zu bestimmen.Google Scholar
  16. 155.
    Vgl. Ingerling, R. (1980), S. 4–5. In vielen Banken gelten noch heute Kreditbeauftragte mit langjähriger Erfahrung in der Kreditvergabe als die zuverlässigsten Risikobewerter. Dem kann heute, bedingt durch eigene langjährige Erfahrungen in der Nutzung und dem Aufbau von neuronalen Netzwerken zur Kreditwürdigkeitsprüfung, widersprochen werden. Vgl. hierzu auch Kuritzkes, A./Harris, S./Strothe, G. (2000), S. 42–47.Google Scholar
  17. 156.
    Vgl. Kögel, K. (1999), S. 24.Google Scholar
  18. 157.
    Vgl. Siegel, B./Degener, R. (1989), S. 456.Google Scholar
  19. 158.
    Die hier dargestellten Merkmale wurden als relevante Informationen zur Prognose der Bonität bestimmt. In der Praxis der Kreditvergabe kristallisieren sich in der Regel eine Reihe von Beurteilungskriterien heraus, die zum Teil wegen ihrer Plausibilität, zum Teil wegen einfacher und kundenfreundlicher Erhebbarkeit, aber auch durch gesetzliche Zulassungen und Einschränkungen Bedeutung erlangt haben. Vgl. Willbert, R. (1991), S. 1377–1393.Google Scholar
  20. 159.
    Heimel, J. P. (1994), S. 46–48.Google Scholar
  21. 160.
    An dieser Stelle sei Herrn Frank Schon, SKG Bank GmbH, für seine Unterstützung und Diskussionsfreude im Rahmen der Entwicklung des hier beschriebenen Ansatzes recht herzlich gedankt.Google Scholar
  22. 161.
    Vgl. Kollbach, W. (1998), S. 68–71.Google Scholar
  23. 162.
    Vgl. Rudolph, B. (1999), S. 111–117.Google Scholar
  24. 163.
    Vgl. Schwaiger, W. S. A. (2000), S. 377–391.Google Scholar
  25. 164.
    Vgl. Dietz, J./Füser, K./Schmidtmeier, S. (1996), S. 1296–1299.Google Scholar
  26. 165.
    Elsas, R. et al. (1999), S. 190.Google Scholar
  27. 166.
    „Die Risikoübemahme ist bei jedem Engagement vor Geschäftsabschluss in ihrem Ausmaß durch bonitätsabhängige Ratings sowie unter Berücksichtigung der engagementspezifischen Fazilitäten einzuschätzen und durch adäquate Risikoaufschläge bei der Konditionengestaltung zu berücksichtigen. Bei konsequenter Verrechnung der ex-ante kalkulierten bonitätsspezifischen Standard-Risikokosten reduziert sich modelltheoretisch das letztlich verbleibende Ausfallrisiko für ein Institut auf die vom Erwartungswert abweichenden Verluste. Für das auf einem angenommenen Wahrscheinlichkeitsniveau berechnete maximale Verlustpotenzial ist dann ein risiko-adäquater Eigenkapitalpuffer vorzuhalten.“ Gögel, S./Kulartz, H. J. (2000), S. 66. „Die zunehmende Desintermediation (Finanzierung über den Kapitalmarkt), die sich dadurch tendenziell verschlechternden Kreditprotfolios (durch Abwanderung von hauptsächlich guten Kreditnehmern an den Kapitalmarkt), der Margendruck und das Volumendenken in den Jahren der Hochkonjunktur führten das Kreditgeschäft in der Rezession der neunziger Jahre in ein Fiasko. Als eine von mehreren Maßnahmen führten die Großbanken ab ca. 1995/1996 das risikoorientierte Pricing ein und zwar mit dem Ziel, die unter Berücksichtigung des Gegenparteienrisikos effektiv von einem Kredit zu erwartenden Risikokosten über den Preis (Zinssatz) verursachergerecht auf den Kunden zu überwälzen.“ Arnold, R./Meier, C. (2000), S. 30.Google Scholar
  28. 167.
    Helbling, C. (1999), S. 781.Google Scholar
  29. 168.
    Die dargestellten Werte sind verfremdet, entsprechen jedoch in ihrer Aussage und Tendenz den tatsächlichen Ergebnissen.Google Scholar
  30. 169.
    Bei dem hier angestellten Vergleich differieren zwar die Betrachtungszeiträume, nicht aber die Geschäftsfelder, die von den Werkzeugen zur Kreditwürdigkeitsprüfung bedient wurden. Vergleichend werden zwei Zeiträume gegenübergestellt, die aus zwei mal fünf Quartalen bestehen. Im ersten über fünf Quartale andauernden Zeitraum wurde ein klassisches Scoring-System zur Anwendung gebracht, während im zweiten Zeitraum, der ebenso fünf Quartale lang war, ein neuronales Netzwerk zur Prüfung der Bonität der Antragsteller eingesetzt wurde. Das Scoring-System wurde in der SKG Bank GmbH zum 1. Januar 1994, das neuronale Netzwerk zum 1. Januar 1998 zur Anwendung gebracht. Vergleichend gegenübergestellt wurden die sich an den Einsatzzeitpunkt anschließenden fünf Quartale.Google Scholar
  31. 170.
    Vgl. Schicht, R./Neske, C. (1997), S. 470–473; Lehrbaß, F. B. (1999), S. 130–134.Google Scholar
  32. 171.
    Vgl. Füser, K./Schmidtmeier, S./Schon, F. (1998), S. 287–294; Oelrich, F./Stocker, G. (1998), S. 37–43; Lindstädt, H. (1997), S. 350–352.Google Scholar
  33. 172.
    Vgl. hierzu auch Peil, D./Egger, E. (2000), S. 414–418.Google Scholar
  34. 173.
    Das von uns modular aufgebaute Gesamtsystem enthält neben dem neuronalen Netzwerk zur Kreditwürdigkeitsprüfung beispielsweise Komponenten zur Kreditberechnung und Kalkulation, eine Online-SCHUFA-Anbindung und eine Datenbank mit der Möglichkeit zur Erstellung und Auswertung von zahlreichen Statistiken.Google Scholar
  35. 175.
    Vgl. Dietrich, R. (1998).Google Scholar
  36. 176.
    Seit Januar 2001 wird innerhalb der Bank ein SQL-Server genutzt, auf die die hier beschriebene Software zwischenzeitlich portiert wurde.Google Scholar
  37. 177.
    Vgl. hierzu auch Elsas, R. et al. (1999), S. 191. Dort steht: „Der Beitrag des traditionellen Kreditgeschäfts zum Erfolg einer Bank wird in den letzten Jahren zunehmend kritisch diskutiert. In Diskussionen wird oftmals hervorgebracht, dass das Kreditgeschäft mittlerweile durch starken Wettbewerbsdruck gekennzeichnet sei und kaum noch eigenständige Überschüsse erwirtschafte. Es wird deshalb häufig im Rahmen von Cross-Selling-Überlegungen als Türöffner für andere, lukrativer erscheinende Geschäfte angesehen.“Google Scholar
  38. 178.
    Vgl. Elsas, R. et al. (1999), S. 190–198.Google Scholar
  39. 179.
    Grundsätzlich gilt es das richtige Gleichgewicht zwischen den Kosten des Kredits und den Kosten des Risikos zu finden. Erforderlich ist eine Differenzierung der Verfahren, wie hier vorgenommen, sodass die Höhe der Bearbeitungsintensität auf das Verlustpotenzial abgestimmt ist. Vgl. hierzu auch Kuritzkes, A./Harris, S./Strothe, G. (2000), S. 46.Google Scholar
  40. 180.
    Vgl. Elsas, R. et al. (1999), S. 190–198.Google Scholar
  41. 181.
    „Durch die große Zahl der laufenden Kredite und die hohen Personalkosten wird die Effizienz des Analyseprozesses im Massengeschäft immer wichtiger. Weitgehend automatisierte Verfahren können eine Vorsortierung der Fälle für den anschließenden kostspieligen Einsatz menschlicher Expertise ermöglichen.“ Hackl, P./Maderbacher, M. (1999), S. 986.Google Scholar
  42. 182.
    Derigs, U./Schirp, G. (1997), S. 285–293.Google Scholar
  43. 183.
    Das von uns modular aufgebaute Gesamtsystem enthält neben dem Neuronalen Netzwerk zur Kreditwürdigkeitsprüfung beispielsweise Komponenten zur Kreditberechnung und Kalkulation, zukünftig eine Online-SCHUFA-Anbindung und eine Datenbank mit der Möglichkeit zur Erstellung und Auswertung von zahlreichen Statistiken.Google Scholar
  44. 184.
    Jacob, H.R./Dachtler, C./Ergenzinger, F. (1999), S. 392.Google Scholar
  45. 185.
    Vgl. Die Welt v. 14.06.1997.Google Scholar
  46. 186.
    Vgl. Betsch, O./Brümmer, E./Hartmann, E. E./Wittberg, V. (1997), S. 151.Google Scholar
  47. 187.
    Ein einfaches, schon heute bei jeder Bank vorhandenes Instrument zur Risikosteuerung ist die Risikobegrenzung mittels Limits für einzelne Geschäfte, Risikoarten, Kontrahenten, Kontrahentengruppen oder zum Beispiel Branchen. Vgl. Lausberg, C./Weißenbacher, F. (2000), S. 343.Google Scholar
  48. 188.
    Vgl. Arnold, R./Meier, C. (2000), S. 33.Google Scholar
  49. 189.
    Vgl. Wilbert, R. (1991), S. 1377–1393.Google Scholar
  50. 190.
    Vgl. Oehler, A./Unser, M. (2001). A. a. O. steht: „Intuitive Verfahren basieren auf der subjektiven Informationswahrnehmung und -Verarbeitung während des Kontakts mit dem potenziellen Schuldner. Geprägt wird dieses Vorgehen und sein daraus abgeleitetes Gesamturteil bezüglich einer potenziellen Vertragsphase durch die persönliche (Erfahrung, Intuition) und die fachliche Qualifikation des Gläubigers bzw. dessen Agenten (zum Beispiel Kreditsachbearbeiter, Anwalt etc.). Setzt ein Gläubiger verschiedene Agenten als Entscheidungsträger ein, so besteht zudem die Gefahr, dass jeder nach seinen individuellen Präferenzen, mit unterschiedlichen Kriterien sowie mit verschiedenen Gewichten entscheidet. Grundsätzlich gelten hier alle aus der Behavioral Finance bekannten Anomalien und Heuristiken. Die intersubjektive Überprüfbarkeit daraus resultierender Entscheidungen ist nicht möglich. Problematisch bleibt auch der Transfer des hier vor allem eingesetzten impliziten Wissens an,Neue‘.“Google Scholar
  51. 191.
    Vgl. Drzik, J./Strothe, G. (1997), S. 260–264.Google Scholar
  52. 192.
    Vgl. Schwicht, P./Neske, C. (1997), S. 470–473.Google Scholar
  53. 193.
    „Zur Auswahl der für die Trennfunktion heranzuziehenden Merkmale ist anzumerken, dass grundsätzlich jedes Merkmal eines Kredits in die Trennfunktion aufgenommen werden kann. Die Funktion würde jedoch auf diese Weise sehr umfangreich und ihre Anwendung entsprechend aufwändig werden. Zur Vereinfachung lassen sich Merkmale, die mit anderen stark korrelieren, aus der Funktion entfernen, weil sie nur einen geringen Beitrag zur Trennung leisten.“ Mrzyk, A. P. (1999), S. 71.Google Scholar
  54. 194.
    „In der Vergangenheit erfolgte die Kreditvergabe auf der Basis einer ja/nein-Entscheidung. In Abhängigkeit von der Bonitätseinschätzung wurde der Kreditantrag befürwortet oder abgelehnt. Heute kommt jedoch aufgrund der Handelbarkeit von Krediten bzw. Kreditderivaten dem Preis für die Risikoübernahme wesentliche Bedeutung zu. So weit die Bank einen dem Risiko angemessenen Preis durchsetzen kann, ist sie bereit, dieses Risiko zu übernehmen.“ Vgl. Peil, D./Egger, E. (2000), S. 416.Google Scholar
  55. 195.
    Die Risikosegmentation erlaubt es im konkreten Fall, neben ihrer eigentlichen Funktion auch bezugnehmend auf die ex-ante definierten Kundenqualitäten gruppenindividuelle Mahn- und Beitreibungsmaßnahmen zu unterstützen. Vgl. zu dieser Idee Woidich, R./Kersten, W.-B. (1997), S. 19–22.Google Scholar
  56. 196.
    Auf klassische Score-Systeme bezogen äußert sich R. Woidich in diesem Kontext wie folgt: „Scoring liefert die Aussage: Wenn diesem Kunden ein Kredit gewährt wird, dann fällt er in ein Segment, in dem in der Vergangenheit zum Beispiel eine zwanzigprozentige Schlechtquote vorzufinden war. Nun ist es an dem Entscheidungsträger, mit dieser Information intelligent umzugehen. Kann man in diesem Fall mit vier Kunden ausreichend Profit erwirtschaften, um einen fünften, schlechten Kunden zu verkraften?“, Woidich, R. (1997), S. 21–24.Google Scholar
  57. 197.
    „Der,Kredit muss von der Linie‘getrennt werden, um Moral-Hazard-Problemen vorzubeugen: Das traditionelle Modell trennt die Kreditentscheidungen von Preisgestaltung und Kundenbetreuung. Diese,Trennung von Kirche und Staat‘, zwischen,Kredit‘und,Linie‘galt als notwendig, um ethische Gefahren zu vermeiden, da der Vertrieb zumeist auf das Kreditvolumen fokussiert war- und auch dafür vergütet wurde.“ Kuritzkes, A./Harris, S./Strothe, G. (2000), S. 43.Google Scholar
  58. 198.
    Vgl. Drzik, J./Strothe, G. (1997), S. 261.Google Scholar
  59. 199.
    Vgl. Höfer, H./Rauscher, T. (1997), S. 109–111.Google Scholar
  60. 200.
    Konträr hierzu kann die Auffassung vertreten werden, dass die der SCHUFA-Organisation zur Verfügung stehende Grundgesamtheit besser zum Aufbau eines allgemeingültigen Score-Systems geeignet ist als der isolierte Datenbestand einer einzelnen Bank.Google Scholar
  61. 201.
    Vgl. o. V. (1997b), S. 30–33.Google Scholar
  62. 202.
    Bezogen auf den „Ost/West“ — Aspekt formuliert J. Köster Folgendes: „Portfolios mit meist allenfalls vier Jahre alten Firmen kommen im westlichen Bundesgebiet nicht vor. Allein schon deshalb ist zu bezweifeln, ob das im Westen etablierte Kreditmanagement so ohne weiteres auf das Firmengeschäft im östlichen Bundesgebiet übertragbar ist. Dem wesentlich höheren Firmenrisiko dort (über 30% gefährdete Firmen) dürfen vielmehr ganz andere Regeln entsprechen,… “. Vgl. Köster, J. (1997), S. 602–605. Resultat des höheren Firmenrisikos ist in heutiger Zeit eine deutliche Zunahme der Insolvenzen in den neuen Bundesländern, die sich über eine zunehmende Arbeitslosigkeit auf das Konsumentenkreditgeschäft direkt auswirkt.Google Scholar
  63. 203.
    „Ein populärer Ansatz ist es, mit Hilfe des Scorings die eindeutig guten und schlechten Fälle schnell zu identifizieren und dann innerhalb eines mehr oder weniger eng definierten Zwischenbereichs die Anträge weiterhin individuell zu bearbeiten. Grundsätzlich wird damit jedoch unterstellt, dass die subjektive Beurteilung zuverlässiger sein wird als die Prognose des Scores, sodass bei unterschiedlicher Einschätzung des Risikos Gegenentscheidungen gerechtfertigt sind. Die tatsächlich immer wieder beobachtete Erfahrung der Kreditgeber, die solche Gegenentscheidungen zu den Empfehlungen des Scores zulassen, zeigten jedoch, dass bei den meisten dieser Gegenentscheidungen die Prognose des Scoring-Systems im Durchschnitt doch zuverlässiger gewesen wäre. Grundsätzlich sind jedoch Gegenentscheidungen durchaus berechtigt, wenn sie auf Basis von individuellen Informationen erfolgen, (…). Im Rahmen des standardisierten und vor allem des anonymen Mengengeschäfts liegen solche individuellen Zusatzinformationen innerhalb des Kreditantrags kaum vor.“ Hub, P. K. (1992), S. 20.Google Scholar
  64. 204.
    „Eine Modifikation der Vertragskonditionen ermöglicht unter Umständen, dass die schlechten Kunden ihre Risikokosten selbst tragen, die guten Kunden dagegen mit Vorzugskonditionen loyal zum Unternehmen eingestellt werden können“. Vgl. Woidich, R. (1997), S. 21–24.Google Scholar
  65. 205.
    Das Ziel einer turnusgemäßen Kreditüberwachung besteht darin, sich aufgrund der vorhandenen Unterlagen und persönlichen Eindrücke ein möglichst umfassendes Bild über die Geschäftsverbindung des Kunden mit dem Institut, seine Kreditbeziehung und seine wirtschaftliche Situation zu machen. Vgl. Schmoll, A. (1994), S. 16.Google Scholar
  66. 206.
    Jacob, H.-R./Warg, M. (1997), S. 335–337.Google Scholar
  67. 207.
    Vgl. Meyer, A./Maier. M. (1997), S. 102–107.Google Scholar
  68. 208.
    Vgl. Schwicht, P./Neske, C. (1997), S. 470–473.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden 2001

Authors and Affiliations

  • Karsten Füser

There are no affiliations available

Personalised recommendations