Advertisement

Öko-Rating pp 83-135 | Cite as

Handlungsorientiertes Öko-Rating

  • Frank Figge
Chapter
  • 51 Downloads
Part of the Umweltnatur- & Umweltsozialwissenschaften book series (UMWELTNATUR)

Zusammenfassung

Die Schwächen der existierenden Öko-Ratings können zwei verschiedenen Kategorien zugeordnet werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Notes

  1. 240.
    Siehe Teil I/Abschnitt „2.2.1 Ziele“.Google Scholar
  2. 241.
    Vgl. auch Fußnote 250, S. 90.Google Scholar
  3. 242.
    Es ist natürlich noch theoretisch möglich, daß dieser Fehler durch eine präferenzgerechte Aggregation korrigiert wird, indem den entsprechenden Kriterien ein Gewicht von null zukommt.Google Scholar
  4. 243.
    Vgl. zu dieser Unterscheidung beispielsweise Clemen 1991, S. 433f., Eisenführ/Weber 1994, S. 54ff., Keeney 1996, S. 34f.Google Scholar
  5. 244.
    Eisenführ/Weber 1994, S. 54.Google Scholar
  6. 245.
    Vgl. Eisenführ/Weber 1994, S. 65ff.Google Scholar
  7. 246.
    Vgl. hierzu Eisenführ/Weber 1994, S. 65f., Keeney 1992, S. 101ff.Google Scholar
  8. 248.
    Vgl. Eisenführ/Weber 1994, S. 66f. Werden beispielsweise Kriterien zu einem Instrumentalziel „Kleiner Beitrag zum Treibhauseffekt“ gesucht, so wird als (natürliche) Kriterien eine Vielzahl von Treibhausgasen eingehen.Google Scholar
  9. 249.
    Vgl. hierzu Teil 1/Abschnitt „2.2.5 Bewertungen durch Nutzenfunktionen“.Google Scholar
  10. 250.
    „Alle für den Entscheidungsträger bedeutsamen Präferenzen müssen bei der Aufstellung seiner Zielfunktion berücksichtigt werden.“ (Kahle 1997, 8.71. Hervorhebungen des Originals weggelassen). Ähnliche Aussagen finden sich in fast allen Werken der Entscheidungstheorie.Google Scholar
  11. 251.
    Auf die Schwierigkeit einer Formulierung von Nutzenfunktionen bei Nutzenabhängigkeiten weist beispielsweise auch Laux hin (vgl. Laux 1995, S. 88f.).Google Scholar
  12. 252.
    Ein analoges Aggregationsproblem stellt sich auch in anderen Zusammenhängen, wie z.B. der Formulierung von Produktionsfunktionen.Google Scholar
  13. 253.
    Um Mißverständnissen vorzubeugen, sei darauf hingewiesen, daß hier davon ausgegangen wird, daß nur die Präferenzen eines einzigen Entscheiders berücksichtigt werden müssen. Ob und unter welchen Bedingungen es möglich ist, durch eine Funktion die Präferenzen verschiedener Entscheider wiederzugeben, ist nämlich umstritten (vgl. hierzu das Theorem von der Unmöglichkeit einer sozialen Präferenzfunktion in ARROW 1951). Vgl. zu dem Unterschied zwischen individueller und sozialer Präferenzfunktion auch Luce/Raiffa 1966, S. 353.Google Scholar
  14. 254.
    Zangemeister 1976, S. 60ff. Vgl. zu dem Unterschied zwischen Nutzen-und Wertfunktionen auch Fußnote 58, S. 24.Google Scholar
  15. 255.
    Vgl. z.B. Linde 1981, S. 284ff.; Blackorby ET AL. 1975, S. 24ff.Google Scholar
  16. 256.
    Bei solchen formalen Kriterien handelt es sich beispielsweise um den Einfluß von Kriterien auf Grenzproduktivität bzw.-nutzen anderer Kriterien oder der Grenzrate der Substitution zwischen anderen Kriterien (vgl. hierzu die in Fußnote 255 zitierte Literatur).Google Scholar
  17. 257.
    Eine Zuordnung verschiedener Emissionen zu Umweltproblemen nimmt Heijungs et AL. 1992a vor. Vgl. für die Emissionen, die zum Treibhauseffekt beitragen, Heijungs ET AL. 1992a, S. 66f.Google Scholar
  18. 258.
    Die Ablehnung, Kriterien zu beliebigen Kriteriengruppen zusammenzufassen, obwohl eine additive Nutzenfunktion zum Einsatz kommt, ist in der Praxis häufig ein verräterischer Hinweis darauf, daß Kriterien unzulässigerweise isoliert betrachtet wurden. Wird die additive Nutzenfunktion nämlich zulässigerweise eingesetzt, dürfen die Kriterien auch zu beliebigen Kriteriengruppen zusammengefaßt werden.Google Scholar
  19. 259.
    Neben den genannten zwei Produktlebensphasen müssen in der Praxis natürlich weitere Lebensphasen, wie z.B. Einkauf von Vorleistungen und Produktentsorgung, berücksichtigt werden. Die Beschränkung auf zwei Lebensphasen in diesem Beispiel dient der besseren Übersichtlichkeit.Google Scholar
  20. 260.
    Es steht hier das absolute Risiko i.S. der absoluten Belastung durch eine entsprechende Steuer im Vordergrund. Die Bewertung eines solchen Risikos setzt zusätzlich noch eine Berücksichtigung der Ertragskraft einer Unternehmung voraus. Vgl. hierzu auch Schaltegger/Flgge 1997, S. 31ff.Google Scholar
  21. 261.
    Das Beispiel verkürzt die Zusammenhänge, der besseren Übersichtlichkeit halber, auf Kohlendioxid-und Methanemissionen.Google Scholar
  22. 262.
    Vgl. zur Berechnung solcher Äquivalentskoeffiziente im allgemeinen Heijungs ET AL. 1992b, S. 57ff. Vgl. für die Berechnung der CO2-Äquivalente im speziellen Heijungs ET AL. 1992a, S. 66f.Google Scholar
  23. 263.
    Vgl. Heijungs 1992a, S. 66. Es wird hier von einem Zeithorizont von 100 Jahren ausgegangen.Google Scholar
  24. 264.
    Vgl. Teil I/Abschnitt „2.2.5 Bewertungen durch Nutzenfunktionen“.Google Scholar
  25. 265.
    Bei den hier diskutierten Präferenzen handelt es sich genaugenommen um Artenpräferenzen (vgl. zu den verschiedenen Präferenzarten Teil I/Abschnitt „2.2.2 Präferenzen“). Diese werden im folgenden der Einfachheit halber nur als Präferenzen bezeichnet.Google Scholar
  26. 266.
    Vgl. z.B. Varían 1989, S. 55 oder ein anderes grundlegendes Werk der MikroÖkonomie. Es wird hier davon ausgegangen, daß die Ziele mit Hinblick auf ihren Entlastungsbeitrag zu dem Umweltproblem skaliert werden.Google Scholar
  27. 268.
    Es ist natürlich durchaus möglich, daß sich die Maßnahmen in bezug auf weitere Merkmale (z.B. Kosten) unterscheiden, die für den Entscheider von Bedeutung sind. Dies kann dazu führen, daß eine Maßnahme, z.B. weil sie kostengünstiger ist, vorgezogen wird.Google Scholar
  28. 269.
    Vgl. z.B. Varían 1989, S. 55f. oder ein anderes grundlegendes Werk der MikroÖkonomie.Google Scholar
  29. 270.
    Siehe Teil II/Abschnitt „2.1.3 Präferenzen“.Google Scholar
  30. 271.
    Vgl. zu den Prämissen Teil II/Abschnitt „2.1.3.1 Vorgehensweise und Prämissen von Nutzwertanalysen“ und die dort zitierte Literatur.Google Scholar
  31. 272.
    Gelingt es, Aussagen über die absolute Höhe zu machen, können natürlich auch Aussagen über die Abstände abgeleitet werden.Google Scholar
  32. 273.
    Vgl. hierzu den Abschnitt „2.1.3.1 Vorgehensweise und Prämissen von Nutzwertanalysen“, S. 57ff.Google Scholar
  33. 274.
    Dies kann letztlich auf die Unabhängigkeitsprämisse zurückgeführt werden.Google Scholar
  34. 275.
    Genauer ausgedrückt: Der Grenznutzen der einzelnen Kriterien ist konstant. Er entspricht der Höhe der jeweiligen Skalierungsfaktoren.Google Scholar
  35. 276.
    Bechmann 1978a.Google Scholar
  36. 277.
    Um eine Verwechslung zwischen der bisher beschriebenen Nutzwertanalyse und der im folgenden beschriebenen Nutzwertanalyse zweiter Generation zu vermeiden, wird erstere im folgenden als Nutzwertanalyse erster Generation, herkömmliche oder einfache Nutzwertanalyse bezeichnet.Google Scholar
  37. 278.
    Bechmann nimmt eine etwas andere Beschreibung des Ablaufes vor (vgl. Bechmann 1978a, S. 86f.). Der hier beschriebene Ablauf erlaubt ein leichteres Verständnis der der Nutzwertanalyse zweiter Generation inhärenten Logik.Google Scholar
  38. 279.
    Vgl. Abschnitt „3.3.1 Vorgehens weise“.Google Scholar
  39. 280.
    Legende: UB=Unternehmensbewertung, UM=Umweltmanagement, EM=Emissionen, Λ = undGoogle Scholar
  40. 281.
    Vgl. für die Bewertungsklassen Tabelle 7, S. 105.Google Scholar
  41. 282.
    Eine detaillierte vergleichende Analyse der Bewertungsergebnisse wird später (vgl. 3.5.4), nach der Vorstellung eines weiteren, neuen Bewertungsverfahren und dessen Anwendung auf dieses Beispiel, vorgenommen.Google Scholar
  42. 283.
    Vgl. hierzu auch Tabelle 6, S. 103.Google Scholar
  43. 284.
    Kardinale Skalen können problemlos in ordinale Skalen transformiert werden. Die Transformation von ordinalen Skalen in kardinale Skalen ist aber meist problematisch. Vgl. hierzu auch „Exkurs B: Skalentypen, Skalentransformationen“.Google Scholar
  44. 285.
    Werden beispielsweise zwei Kriterien je vier Klassen zugeordnet, müssen 16 mögliche Bewertungsfälle berücksichtigt werden. Soll die Genauigkeit verdoppelt werden und sollen zwei Kriterien je acht Klassen zugeordnet werden, ergeben sich bereits 64 und für drei Kriterien und je acht Klassen 512 zu berücksichtigende Bewertungsfälle.Google Scholar
  45. 286.
    Vgl. hierzu auch den Umgang mit Ausschlußkriterien in der folgenden Fallstudie.Google Scholar
  46. 287.
    Vgl. zur Problematik der Steuerung einer Luftballonaufblasmaschine auch Drösser 1994, S. 7ff.Google Scholar
  47. 288.
    Auf die Bedeutung Begriffe „scharf und „unscharf in diesem Zusammenhang wird im folgenden Kapitel näher eingegangen.Google Scholar
  48. 289.
    Vgl. Zadeh 1965. Zadeh kann zwar als Erfinder der Fuzzy Logic bezeichnet werden, es haben allerdings andere Wissenschaftler bereits vor ihm auf die Diskrepanz zwischen „scharfen“ Wissenschaften und „unscharfer“ Logik hingewiesen (vgl. z.B. Black 1937).Google Scholar
  49. 290.
    Die Beispiele stammen von Zadeh selbst. Vgl. Zadeh 1965, S. 338. Es geht in diesem Zusammenhang nicht um die Frage, ob man weiß oder nicht, daß es sich beispielsweise bei Seesternen um ein Tier oder eine Pflanze handelt. Die auf scharfer Logik basierenden Wissenschaften haben eindeutige Unterscheidungskriterien entwickelt, die zum Beispiel Seesterne der Menge der Tiere zuordnen. Im Vordergrund steht hier das menschliche Verständnis, das etwa im Fall der Seesterne zweifellos keine so eindeutige Zuordnung vornimmt.Google Scholar
  50. 291.
    Der Satz vom ausgeschlossenen Dritten („Tertium non datur“) geht auf Aristoteles zurück und besagt, daß etwas immer eine Eigenschaft „A“ oder die Eigenschaft „nicht A“ hat. Eine andere Möglichkeit gibt es nicht. Der Satz vom ausgeschlossenen Widerspruch besagt, daß etwas außerdem nicht gleichzeitig die Eigenschaft „A“ und „nicht A“ haben kann.Google Scholar
  51. 292.
    Vgl.zadeh 1965, S. 339.Google Scholar
  52. 293.
    Als Beispiel kann hier das Konzept der Schnittmenge angeführt werden. Auf der Basis der klassischen scharfen Logik gehört ein Element immer dann einer Schnittmenge zweier Mengen an, wenn es beiden Mengen angehört. Ein roter VW Käfer gehört sowohl der Menge der roten Autos als auch der Menge der langsamen Autos an. Er befindet sich deshalb auch in der Schnittmenge der roten, langsamen Autos. Da die klassische Logik nur ein Sonderfall der Fuzzy Logic ist, gehört der Käfer auch in der Fuzzy Logic der Schnittmenge der roten, langsamen Autos mit einem Zugehörigkeitsgrad von μ=1 an, wenn er der Menge der roten Autos mit einem Zugehörigkeitsgrad von μ=1 und der Menge der langsamen Autos mit einem Zugehörigkeitsgrad von μ=1 angehört. Wie verhält es sich aber nun, wenn der rote Käfer der Menge der roten Autos nur mit einem Zugehörigkeitsgrad von μ=0,9 (z.B. ein rot-brauner Käfer) und der Menge der langsamen Autos nur mit einem Zugehörigkeitsgrad von μ=0,7 (z.B. ein frisierter Käfer) angehört? Mit welchem Zugehörigkeitsgrad gehört der Käfer der Schnittmenge der roten, langsamen Autos an? Auf diese Fragen wird später detaillierter eingegangen werden.Google Scholar
  53. 294.
    Vgl. zum Modus Ponens z.B. Drösser 1994, S. 52ff.Google Scholar
  54. 295.
    Wobei im Fall der Vereinigungsmenge hier vorausgesetzt wird, daß es sich um ein „einschließendes oder“ handelt.Google Scholar
  55. 296.
    Es ist in diesem Zusammenhang anzumerken, daß sich für die anderen Unternehmen keinerlei Konklusion treffen läßt. In Abschnitt „3.5.3.1 Bestimmung der Regelbank“ wird hierauf kurz eingegangen (Vgl. besonders den Kasten „Bijiinktion, Subjunktion, vollständige Subjunktion“, S. 120.).Google Scholar
  56. 297.
    Böhme 1993, S. 263.Google Scholar
  57. 298.
    Es handelt sich auch hier wieder nur um eine Vereinbarung. Andere Vorgehensweisen sind denkbar.Google Scholar
  58. 299.
    Vgl.Bothe 1993, S. 138.Google Scholar
  59. 300.
    Vgl. für Konjunktion und Adjunktion beispielsweise Kahlert/Frank 1994, S. 22ff.Google Scholar
  60. 301.
    Auf die Möglichkeit, die genannten Operatoren zu kombinieren, wird in Exkurs B/Abschnitt „3 Parametrisierte Operatoren“ näher eingegangen.Google Scholar
  61. 302.
    Vgl. hierzu auch Böhme 1993, S. 254.Google Scholar
  62. 303.
    Eine Funktion ist nicht zuletzt deswegen aber sehr viel schwieriger zu modellieren.Google Scholar
  63. 304.
    Vgl. hierzu Abschnitt „3.5.3.1 Bestimmung der Regelbank“.Google Scholar
  64. 305.
    „Entweder-oder“ kann wiederum aus den beiden Operatoren für die Schnitt-und die Vereinigungsmenge abgeleitet werden. Es wird häufig durch Max(a,b)-Min(a,b) umgesetzt.Google Scholar
  65. 306.
    Eine Verallgemeinerung auf n Prämissen ist möglich, fällt aber wesentlich schwerer und wird daher in diesem Abschnitt nicht vorgenommen. Vgl. hierfür „Exkurs A: Erweiterung Fuzzy Logic“.Google Scholar
  66. 307.
    Vgl. für die fuzzy-logische Umsetzung etwa Kahlert/Frank 1994, S. 23, 25.Google Scholar
  67. 308.
    Weitere Defuzzifizierungsmethoden werden im Exkurs A vorgestellt (siehe Exkurs A/Abschnitt „4 Weitere Defuzzifizierungsmethoden“).Google Scholar
  68. 309.
    Vgl. hierzu zur Nutzwertanalyse erster Generation „3-3.1 Vorgehensweise“, S. 101f. und zur Nutzwertanalyse zweiter Generation „3-4.1 Vorgehensweise“, S. 104ff.Google Scholar
  69. 310.
    Abbildung 28 ist identisch mit Abbildung 22 und wird nur wegen der besseren Übersichtlichkeit noch einmal wiedergegeben.Google Scholar
  70. 311.
    Vgl. hierzu den Abschnitt „3.5.3.4 Denazifizierung“, S. 124f.Google Scholar
  71. 312.
    Zur Interpretation der Punkte wird auf die Einteilung in Tabelle 7, S. 105 verwiesen.Google Scholar
  72. 313.
    Genaugenommen können, im Gegensatz zu den Nutzwertanalysen erster und zweiter Generation, sogar mehrere verschiedene Skalen durch dieses Verfahren kombiniert werden. Die Bewertungsergebnisse liegen auf jeden Fall auf Verhältnisskalen vor. Ob eine solche Kombination zulässig ist, muß aber grundsätzlich unter inhaltlichen Gesichtspunkten entschieden werden.Google Scholar
  73. 314.
    Hierbei muß natürlich untersucht werden, ob eine Trennung zwischen der „ökologischen“ und der ökonomischen Bewertung überhaupt möglich ist, d.h. ob Separabilität dieser Ziele vorliegt.Google Scholar
  74. 315.
    Vgl. auch eisenführ/Weber 1994, S. 32ff.Google Scholar
  75. 316.
    Vgl. Keeney 1996, S. 48f. Hierbei sollte allerdings darauf geachtet werden, daß die neuen Ziele wirklich vom Entscheider verfolgt werden.Google Scholar
  76. 317.
    Es muß vorgängig natürlich überprüft werden, ob die Fehlbewertung nicht auf andere Gründe, wie z.B. falsche Kriterien werte, zurückzuführen ist.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2000

Authors and Affiliations

  • Frank Figge
    • 1
  1. 1.Institut für Betriebswirtschaftslehre insbesondere UmweltmanagementUniversität LüneburgLüneburg

Personalised recommendations