Advertisement

Kurzfristige Unternehmensplanung bei unsicherer Nachfrage

  • Ulrich Lorscheider
Part of the Physica-Schriften zur Betriebswirtschaft book series (PHYSICA-SCHRIFT, volume 16)

Zusammenfassung

Die Daten, die vermutlich am häufigsten restriktive Wirkungen in der kurzfristigen Unternehmensplanung aufweisen, sind die Nachfragedaten. Dies hat mehrere Gründe: Erstens hat eine Unternehmung mit standardisierten Erzeugnissen nur relativ wenige Möglichkeiten, kurzfristig Einfluß auf das Nachfrageverhalten (anonymer) potentieller Kunden zu nehmen, so daß es sich im Grunde bei der Nachfrage um externe Daten handelt. Einkommen, persönlicher Geschmack, Konkurrenzsituation sowie von der Unternehmung ausschließlich mittel- und langfristig änderbare Daten wie Firmenimage, Kundendienst usw. spielen eine sehr große Rolle. Zweitens reagiert die Unternehmung i.d.R. mittelfristig auf kurzfristig auftretende Produktionsengpässe, wenn die entsprechenden Absatzmöglichkeiten vorhanden sind; somit besteht ein Engpaß in der Produktion (und auch anderen Unternehmensbereichen) nur relativ kurze Zeit. Drittens sind die Unternehmungen häufig bestrebt, langfristig einen hohen Marktanteil zu erzielen, was wiederum hohe Investitionen erfordert; diese sorgen dafür, daß die Kapazitäten selten zum Engpaß werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Auf eine Ausnahme im Zusammenhang mit der flexiblen Planung wird in Abschnitt D.3 noch hingewiesenGoogle Scholar
  2. 2.
    Vgl. zu dieser Einteilung KILGER [1973], S. 40ffGoogle Scholar
  3. 3.
    Fußnote 1 auf dieser Seite gilt sinngemäßGoogle Scholar
  4. 1.
    Vgl. z. B. GUTENBERG [1962], S. 287ff., und SIMON [1982], S. 11fGoogle Scholar
  5. 2.
    Vgl. GUTENBERG [1979a], S. 104ffGoogle Scholar
  6. 3.
    Vgl. z. B. BÜCKER/THOMAS [1981], S. 87f., MEFFERT [1982], S. 80ff., NIESCHLAG/DICHTL/HÖRSCHGEN [1976], S. 446ffGoogle Scholar
  7. 4.
    Vgl. TIETZ [1975a], S. 798ff., bzw. TIETZ [1978], S. 225ffGoogle Scholar
  8. 1.
    Ein time lag ist ein zeitlicher Verzögerungseffekt bei der Wirkung der absatzpolitischen Instrumente, wobei die gesamte Wirkung erst nach dem Einsatz der Instrumente erfolgt. Beim carry over — Effekt tritt ein Teil der Wirkung sofort, der andere Teil erst später ein. Vgl. z.B. TIETZ [1978], S. 77Google Scholar
  9. 2.
    Vgl. z.B. die Ansätze von COURNOT [1938] und ROBINSON [1933]Google Scholar
  10. 3.
    Vgl. z.B. HILKE [1978] und ROBINSON/LAKANI [1975]Google Scholar
  11. 1.
    Vgl. SABEL [1982], S. 261Google Scholar
  12. 2.
    Aus der Fülle von Beiträgen zu diesem Problem seien stellvertretend die von SABEL [1973] und SIMON [1976] erwähntGoogle Scholar
  13. 3.
    Vgl. KORNDÖRFER [1966], S. 48ff., KOTLER [1974], S. 659ff., und TIETZ/ ZENTES [1980], S. 286ffGoogle Scholar
  14. 4.
    Vgl. z. B. FRETER [1974], SCHWEIGER [1974] und TIETZ/ZENTES [1980], S. 317ffGoogle Scholar
  15. 5.
    Eine Bibliographie der Marketingmodelle stammt von FUNKE [1976]Google Scholar
  16. 1.
    Vgl. z. B. BROCKHOFF [1977], HÜTTNER [1982], KÜHNAST [1977], MER-TENS [1981], SCHEER [1983]Google Scholar
  17. 2.
    Im Mittelpunkt der Analysen stehen natürlich die Preisabsatz-und Werbewirkungsfunktionen. Darauf bezogene Untersuchungsmethoden nehmen in der Absatztheorie einen sehr breiten Raum ein; es stellte sich heraus, daß sie am Käufer selbst ansetzen müssen, um zu genauen Ergebnissen zu gelangen. So gewannen verhaltenswissenschaftliche Ansätze zusehends an Bedeutung; vgl. KAAS [1977], KROEBER-RIEL [1980] sowie den überblick von SABEL [1982], S. 259 ff., zu dieser Problematik.Google Scholar
  18. Von der formalen Seite gehen BROCKHOFF/SCHÜTT [1981] das Problem an. Sie erstellen einen Katalog von Produkteigenschaften; jeder potentielle Käufer eines Produktes hat bestimmte Vorstellungen davon, in welchem Maße ein Produkt diese Eigenschaften aufweist, und charakterisiert es durch einen Vektor. Auf der Basis von Abstandsfunktionen zum Ideal Zielpunkt wird dann eine Preis-Absatzfunktion ermitteltGoogle Scholar
  19. 3.
    Die neueren Entwicklungen in der Computertechnologie erlauben es, aktueller Daten zu gewinnen und zu speichern als in der Vergangenheit, so daßGoogle Scholar
  20. die Informationsgrundlagen der kurzfristigen Absatzplanung zumindest in bezug auf die Aktualität der Daten verbessert werden können. In diesem Zusammenhang sind vor allem das Scanning und die Mikro-und Personalcomputer zu erwähnen. Siehe dazu SCHEER [1982], SCHEER [1983], SCHEER [1983a], SIMON [1982], S.85ff., und SIMON/ KUCHER/SEBASTIAN [1982]Google Scholar
  21. 1.
    Spill over — Effekte sind sachliche Wirkungsübertragungen, die von den sog, zeitlichen Effekten (z.B. time lags, carryover) zu unterscheiden sindGoogle Scholar
  22. 2.
    Preisänderungen während der Planperiode läßt bspw. KILGER [1973a] zu, um Saisonschwankungen im Absatzbereich Rechnung tragen zu könnenGoogle Scholar
  23. 1.
    Die kostenoptimale Kapazität ist die “ohne Einsatz von übertariflich zu vergütenden Arbeitszeiten bei optimalen Fertigungszeitgraden und optima-len Intensitäten durch die vorhandenen Betriebsmittel eines Teilbereichs höchstens realisierbare Kapazität (vgl. KILGER [1973], S. 49)Google Scholar
  24. 1.
    Vgl. SCHEER [1978], S. 272ffGoogle Scholar
  25. 1.
    Ist dies nicht der Fall, so empfiehlt sich eine DiskretisierungGoogle Scholar
  26. Diese Daten sind bereits aggregiert (s.u.). Es handelt sich — sofern nichts anderes gesagt ist — im folgenden immer um die kostenoptimalen Fertigungskapazitäten (siehe S. 114)Google Scholar
  27. 1.
    Daher wird auch von einem quasi-determi nistischen Modell und nicht von einem Ersatzmodell gesprochenGoogle Scholar
  28. 1.
    Zur Lösung dieses sowie der folgenden Entscheidungsmodelle wurde das Programm LP5000 auf einer SIEMENS-Rechenanlage an der Universität des Saarlandes verwendetGoogle Scholar
  29. 1.
    Vgl. z.B. FANDEL [1980], S. 94, KERN [1979], Sp. 1566, REICHWALD/ MROSEK [1983], S. 384f. ZÄPFEL [1982], S. 54ff., nennt weitere Aufgaben, die nach Meinung des Verfassers allerdings schon teilweise zur Produktionsvollzugsplanung zu zählen sindGoogle Scholar
  30. 1.
    Vgl. ZÄPFEL [1982], S. 65; siehe auch SZYPERSKI/TILEMANN [1979]Google Scholar
  31. 2.
    Vgl. KILGER [1973], S. 95ffGoogle Scholar
  32. 3.
    Siehe PETERS [1971]Google Scholar
  33. 1.
    Siehe JACOB [1983], S. 566ffGoogle Scholar
  34. 2.
    Vgl. INDERFURTH [1977], S. 16ffGoogle Scholar
  35. 3.
    Siehe RIEPER [1980] 4 HAGEN [1977], 280ffGoogle Scholar
  36. 5.
    ZÄPFEL [1982], S. 91ffGoogle Scholar
  37. 6.
    ZÄPFEL/BRUNNER [1978]Google Scholar
  38. 1.
    DINKELBACH [1983], S. 2Google Scholar
  39. 1.
    Entscheidungsmodelle zur reinen Lagerhaltung behandelt MOSCHEL [1982]Google Scholar
  40. 2.
    Die flexible Planung wird mit Hilfe der dynamischen Programmierung durchgeführt; diese besitzt den Nachteil, daß sie einen sehr hohen Lösungsaufwand verursacht und daher technisch oft nicht durchgeführt werden kann. Genaue Darstellungen findet man z.B. in DINKELBACH [19821, S. 121ff. HAUMER [19831, HAX/LAUX [1972], INDERFURTH [1977], S. 18ff., INDERFURTH [19821, S. 147ff., KRAMM [1977] und LAUX [19711, S. 17ff.Google Scholar
  41. Der Begriff “flexible Planung” wird allerdings nicht einheitlich verwendet Siehe dazu SCHNEIDER [1980], S. 115Google Scholar
  42. 1.
    Eventualpläne lassen sich besonders anschaulich mit Hilfe von Entscheidungsbäumen darstellen; vgl. z.B. BAMBERG/COENENBERG [1981], S. 128f., LAUX [1971], S. 39ffGoogle Scholar
  43. 1.
    Ein ähnliches Modell formuliert KILGER [1973], S. 462f.; es unterscheidet sich von (D. 42) lediglich darin, daß zusätzlich Lagerrestriktionen verwendet werdenGoogle Scholar
  44. 1.
    Das Kompensationsmodell enthält bereits Elemente einer flexiblen PlanungGoogle Scholar
  45. 1.
    Diese Vorgehensweise wird bei der dynamischen Programmierung immer dann angewandt, wenn der Lagerbestand der ersten Teilperiode bekannt istGoogle Scholar
  46. 1.
    ADAM [1983a], S. 651; zu den Aufgaben der Vollzugsplanung siehe auch HAMMER [1982], S. 64Google Scholar
  47. 2.
    Vgl. KILGER [1973], S. 39Google Scholar
  48. 3.
    Vgl. auch REICHWALD/MROSEK [1983], S. 387ffGoogle Scholar
  49. 1.
    Der Begriff “Teil peri ode” bezieht sich auf die Einteilung des Planungszeitraums bei der Produktionsprogramm-, Absatzmengen- und LagermengenplanungGoogle Scholar
  50. 2.
    Zu den Entscheidungsmodellen der Verfahrenswahl siehe z.B. CZERANOWSKY [1984], S. 146ff., KILGER [1973], S. 164ff., MÄNNEL [1981], REICHWALD/ MROSEK [1983], S. 435ff., STÖPPLER [1984], S. 182ff., ZÄPFEL [1982], S. 192ff. Der isolierten räumlichen Verteilung der Produktion wurde in der Literatur wenig Bedeutung beigemessen; sie ist nämlich eng mit den Problemen der Verfahrenswahl verbunden. Dagegen wurde der zeitlichen Verteilung sehr viel Raum eingeräumt, weil es sich um algorithmisch interessante Probleme handelt; siehe z.B. BRUCKER [1981], DINKELBACH [1977], FRENCH [1982], HUCKERT [1979], HUCKERT/RHODE/ROGLIN/WEBER [1980], JACOB [1983a], S. 543ff., RINN00Y KAN [1976], SEELBACH [1975]Google Scholar
  51. 1.
    KILGER [1973], S. 46Google Scholar
  52. 2.
    Vgl. S. 114Google Scholar
  53. 3.
    Vgl. KILGER [1973], S. 49Google Scholar
  54. 1.
    Ein Mengengefälle beim Durchlaufen der verschiedenen Fertigungsstufen ist bereits in wkj zu berücksichtigenGoogle Scholar
  55. 1.
    Vgl. z.B. GROCHLA [1979], Sp. 1259Google Scholar
  56. 2.
    Dieser Aufgabenbeschreibung liegt eine relativ enge Auslegung des Begriffs “Beschaffung” zugrunde, weil lediglich Produktionsfaktoren einbezogen werden. Dazu gehören einmal die Arbeitskräfte (Personalbeschaffung) sowie die Betriebsmittel, Werkstoffe undGoogle Scholar
  57. sonstigen Produktionsfaktoren (Materialbeschaffung). In einer weiter gefaßten Auslegung des Begriffs zählt auch die Beschaffung von Finanzmitteln (Finanzierung) dazu. Vgl. z.B. GLASER [1974], Sp. 513, KUPSCH/ LINDNER [1983], S. 273ffGoogle Scholar
  58. 3.
    Vgl. THEISEN [1970], S. 86ff.; siehe auch BERG [1981], S. 25ff., und TIETZ [1978], S. 226ffGoogle Scholar
  59. 1.
    In diesem speziellen Fall stimmen beide Modelle überein, weil nur die Zielfunktion des Kompensationsmodells zufallsbehaftet istGoogle Scholar
  60. 1.
    DETLEFSEN [1979], S. 9Google Scholar
  61. 2.
    Zu den Aufgaben der kurzfristigen Finanzplanung siehe außerdem GLASER [1982], S. 1, REICHMANN [1974], Sp. 1477ff., WÖHE/BILSTEIN [1984], S. 295ffGoogle Scholar
  62. 3.
    Vgl. WÖHE/BILSTEIN [1984], S. 203ffGoogle Scholar
  63. 1.
    Ausführliche Beschreibungen dieses Instrumentariums findet man z.B. bei HIELSCHER/LAUBSCHER [1976], S. 80ff., SÜCHTING [1980], S. 148ff., SWOBODA [1981], S. 39ff., WÖHE/BILSTEIN [1984], S. 203ffGoogle Scholar
  64. 2.
    Vgl. GLASER [1982], S. 91fGoogle Scholar
  65. 3.
    Beschreibungen dieser Instrumente befinden sich bspw. bei GLASER [1982], S. 91ff., RHODE [1982], S. 25ffGoogle Scholar
  66. 1.
    Vgl. GUTENBERG [1980], S. 272ffGoogle Scholar
  67. 2.
    BOHLER/GEHRING/GLASER [1979] ; siehe außerdem GLASER [1982], RHODE 1982]Google Scholar
  68. 1.
    Für jedes einzelne finanzwirtschaftliche Instrument, das in der Teilperiode t eingesetzt werden kann (t = 1,...,T), ist wenigstens eine Variable zu definieren. Hinzu kommen eventuell weitere Binärvariablen zur Beschreibung von Interdependenzen zwischen den InstrumentenGoogle Scholar
  69. 1.
    Siehe BÜHLER/GEHRING/GLASER [1979], S. 51Google Scholar
  70. 1.
    BOHLER/GEHRING/GLASER [1979], S. 53Google Scholar
  71. 1.
    Vgl. SCHEER [1981], S. 69ffGoogle Scholar
  72. 2.
    Entscheidungsmodelle für den Fall, daß die Wahrscheinlichkeitsverteilungen der Zufallsvariablen teilweise unbekannt sind, liefern BÜHLER [1981] und BÜHLER/GEHRING [1978]Google Scholar
  73. 1.
    Aus diesem Grund wird auch von “Umsatzplan” statt von “Umsatzplanung” gesprochenGoogle Scholar
  74. 1.
    Das Ineinandergreifen von Kostenrechnung und kurzfristiger Planung erörtert KILGER [1979]; eine ausführliche Beschreibung der flexiblen Plankostenrechnung bietet KILGER [1981]Google Scholar
  75. 1.
    KILGER [1980], S. 298Google Scholar
  76. 2.
    Genaue Beschreibungen findet man z.B. bei KILGER [1981], MELLEROWICZ [1980], S. 505ff., SCHWEITZER/HETTICH/KÖPPER [1979], S. 135ffGoogle Scholar
  77. 1.
    Vgl. z.B. KILGER [1980], S. 267Google Scholar
  78. 1.
    Vgl. KILGER [1980], S. 392Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1986

Authors and Affiliations

  • Ulrich Lorscheider
    • 1
  1. 1.München 71Germany

Personalised recommendations