Advertisement

Konzeption und Anwendung eines Entscheidungsunterstützungssystems zum Einsatz von Standards

Chapter
  • 62 Downloads
Part of the Gabler Edition Wissenschaft book series (GEWFD)

Zusammenfassung

Zur anwendungsorientierten Betrachtung der Entscheidung über den Einsatz von Standards in betrieblichen Informationssystemen wird in diesem Kapitel der Arbeit nun die Konzeption und Anwendung eines sogenannten Entscheidungsunterstützungs-systems (EUS) vorgestellt. Wie der Name bereits andeutet, wird mit der Anwendung von EUS das Ziel verfolgt, Entscheidungsträger beim Treffen von Entscheidungen rechnerbasiert zu unterstützen.145 Dabei werden EUS überwiegend zur Unterstützung unstrukturierter oder semistrukturierter Entscheidungen konzipiert.146 Die Einschränkung auf diese Problemklassen kommt bereits in der Betonung des Wortes “Unterstützung” zum Ausdruck, da strukturierte Entscheidungsprobleme vollständig einem maschinellen Aufgabenträger übertragen werden können. EUS stellen einem menschlichen Aufgabenträger Informationen sowie Methoden und Modelle zur Auswertung dieser Informationen zur Verfügung, wobei der Schwerpunkt auf einer Unterstützung durch die Bereitstellung von Methoden liegt.147

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Referenzen

  1. 145.
    Zu Entscheidungsunterstützungssystemen im allgemeinen vgl. Andriole (1989), Bennet (1983), Bronczek/Holsapple/Whinston (1981), Sprague/Carlson (1982), Turban (1993), Werner (1992) oder Zischek (1987).Google Scholar
  2. 146.
    Vgl. z.B. Sprague/Carlson (1992), S. 2.Google Scholar
  3. 147.
    Vgl. z.B. Turban (1993), S. 82, der, in Analogie zu den sogenannten Data Dictionaries, den Aufbau eines Modellverzeichnisses (Model Directory) fordert.Google Scholar
  4. 148.
    Entscheidungsunterstützungssystemen werden in einer Veilzahl unterschiedlicher Bereiche angewendet. Als Beispiele seien hier lediglich die Finanzberatung (vgl. Weinhardt et al. (1994)), die Vertriebslogistik (vgl. Borkowski (1993)) oder die Projektplanung (vgl. Stiasni (1994)) angeführt.Google Scholar
  5. 149.
    Dank gebührt insbesondere den Herren cand. rer. pol. Carsten Dirks, Arnd Hoffmann und Steffen Müller für ihre Mitarbeit bei der Programmierung von STARS.Google Scholar
  6. 150.
    Zur Programmiersprache C+ + vgl. Stroustrup (1991).Google Scholar
  7. 151.
    Siehe hierzu Abschnitt 8.4.Google Scholar
  8. 152.
    Zu einer Unterscheidung in einmalige und laufende Kosten einer IV-Investition vgl. z.B. Anselstetter(1984), S. 15–17.Google Scholar
  9. 153.
    Bei einer Standardisierung in bezug auf menschliche Aufgabenträger, z.B. die Vereinheitlichung einer Fachsprache, werden in der Regel keine IV-Kosten anfallen. Als Standardisierungskosten sind in diesem Fall etwa Kosten für das Erlernen der Fachbegriffe sowie die Erstellung der entsprechenden Handbücher zu tragen. Diese Kosten sollen im weiteren den Personalkosten zugerechnet werden.Google Scholar
  10. 154.
    Aus theoretischer Sicht ist diese Einschränkung für die Modellierung natürlich nicht notwendig, und sie könnte durch Einführung einer Variablen k t für die laufenden Kosten in der Periode t problemlos aufgehoben werden. Da jedoch die laufenden Kosten für Wartungsverträge und Lizenzgebühren in der Praxis in der Regel konstant sind, erscheint diese vereinfachende Annahme zulässig.Google Scholar
  11. 155.
    Ebenso wäre es möglich gewesen, weitere Verteilungen wie etwa Exponential- oder Poissonverteilungen in das EUS zu integrieren.Google Scholar
  12. 156.
    Vgl. Dinkelbach (1969), S. 1.Google Scholar
  13. 157.
    Eine weitere Form ist die vergleichende Sensitivitätsanalyse. Hier werden die Änderungen des Zielwertes alternativer Investitionsprojekte bei Variation der gleichen Modellparameter verglichen. Vgl. z.B. Franke/Hax (1990), S. 191.Google Scholar
  14. 158.
    Vgl. z.B. Kruschwitz (1993), S. 267.Google Scholar
  15. 159.
    Vgl. z.B. Blohm/Lüder (1991), S. 235.Google Scholar
  16. 160.
    Bei der Anwendung des EUS kann der Benutzer wählen, ob die Berechnung für die Input-sowie Outputgrößen auf der Basis absoluter oder prozentualer Werte durchgeführt wird.Google Scholar
  17. 161.
    Zur einer Diskussion der Vor- und Nachteile alternativer grafischer Ausgaben der Ergebnisse von Sensitivitätsanalysen vgl. Eschenbach/McKeague (1989).Google Scholar
  18. 162.
    Für diese Form der Sensitivitätsanalyse existieren unterschiedliche Begriffe: In Hax (1985), S. 124 oder Kilger (1965), S. 341 wird sie als Analyse von kritischen Werten bzw. Punkten bezeichnet; König (1991) nennt sie Reasoning.Google Scholar
  19. 163.
    Der Zusatz outputorientiert wird im weiteren weggelassen.Google Scholar
  20. 164.
    Analog hierzu läßt sich natürlich auch ermitteln, in welchem Bereich sich ein exogener Modellparameter bewegen darf, damit der Kapitalwert innerhalb eines zu spezifizierenden Intervalls bleibt. Vgl. Hax (1985), S. 122–124.Google Scholar
  21. 165.
    Für den Fall, daß bis zu einem Zeitpunkt t’ (0<t’<T) nur Auszahlungen oder nur Einzahlungen und danach nur Einzahlungen bzw. Auszahlungen folgen, kann mit Hilfe der Cartesischen Zeichenregel gezeigt werden, daß genau ein kritischer Kalkulationszins existiert. Vgl. hierzu Hax (1985), S. 18. Für einen Überblick über andere Fälle, in denen es ebenfalls genau einen kritischen Kalkulationszins bzw. internen Zins gibt vgl. Hax (1985), S. 19.Google Scholar
  22. 166.
    Ein anderes Näherungsverfahren ist das Newton’sche Verfahren, das sich jedoch in ersten Tests im Vergleich zur Anwendung der Regula Falsi bei vielen Vorzeichenwechseln in der Zahlungsreihe als suboptimal in bezug auf die Rechenzeiten erwiesen hat. “Der mögliche Einwand, daß derartige Verfahren sich nicht durch mathematische Eleganz auszeichnen, ist sachlich richtig, steht aber der praktischen Anwendung nicht entgegen.” (Hax (1985), S. 24). Vgl. zu einer algorithmischen Darstellung dieser Näherungsverfahren z.B. Kruschwitz (1993), S. 91–93.Google Scholar
  23. 167.
    In der Gleichung (56) nimmt für t=l jede der drei folgenden Funktionen ft den Wert Null an.Google Scholar
  24. 168.
    Vgl.Hax(1985),S. 126.Google Scholar
  25. 169.
    Vgl. Kilger (1965), S. 341 oder Eschenbach/Mc Keague (1989), S. 316.Google Scholar
  26. 170.
    Vgl. z.B. Hax (1985), S. 133.Google Scholar
  27. 171.
    Beispielsweise setzt das analytische Modell von Hillier voraus, daß die Zahlungen in einem investitionstheoretischen Modell alle normalverteilt und zudem entweder vollständig oder gar nicht korreliert sind. Vgl. hierzu Hillier (1963). Vgl. zu dieser Thematik auch Blohm/Lüder (1991), S. 252–257 und S. 263–264.Google Scholar
  28. 172.
    Vgl. Hertz (1964).Google Scholar
  29. 173.
    Der Themenkomplex der Modellbildung zur Durchführung von Monte-Carlo-Simulationen sowie deren breite Anwendungsmöglichkeiten sollen hier nicht näher betrachtet werden. Vgl. zur Monte-Carlo-Simulation im allgemeinen Bauknecht/Kohlhas/Zehnder (1976), Bratley/Fox/Schrage (1987), Coenenberg (1970), Ferstl (1979), Gordon (1972), Hammersley/Handscomb (1964), Koller (1976), Krüger (1974), Mertens (1982), Pagenkopf (1982). Für Anwendung der Simulationstechnik mit dem Schwerpunkt auf Investitionsentscheidungen vgl. Adelberger (1976), Hertz (1964), Lüder (1979), Müller-Merbach (1984), Prätsch (1986), Welscheid (1987).Google Scholar
  30. 174.
    Dazu werden die Simulationsergebnisse, d.h. die ermittelten Ausprägungen der Zufallsvariable Kapitalwert, in Klassen mit identischen Klassenbreiten gruppiert.Google Scholar
  31. 175.
    Vgl. z.B. Hax (1985), S. 143.Google Scholar
  32. 176.
    Zum Kolmogoroff-Smimov-Test vgl. Härtung (1989), S.183–189.Google Scholar
  33. 177.
    Die Durchführung dieses Tests wird im Rahmen eines Anwendungsbeispieles in Abschnitt 8.4.3. gezeigt.Google Scholar
  34. 178.
    Vgl. z.B. Schmidt (1986), S. 135–136 oder Hax (1985), S. 144.Google Scholar
  35. 179.
    Vgl. zur Bewertung der Anwendung der Risikoanalyse z.B. Kruschwitz (1980) oder (1993), Lüder (1979), Müller-Merbach (1984) oder Witte (1985).Google Scholar
  36. 180.
    Vgl. hierzu auch Kruschwitz (1980).Google Scholar
  37. 181.
    Vgl. zu einer allgemeinen Darstellung des (μ,σ)-Prinzips z.B. Laux (1991), S. 158–167, Bamberg/Coenenberg (1992), S. 88–90, Bitz (1981), S. 98–146 oder Pfohl/Braun (1981), S. 161–167. Da das i-Prinzip als ein Spezialfall des (μ,σ)-Prinzips angesehen werden kann, wird es in dieser Arbeit nicht explizit behandelt.Google Scholar
  38. 182.
    In diesem Diagramm wird μ auf der Abszisse und C auf der Ordinate abgetragen (siehe hierzu auch Abbildung 56).Google Scholar
  39. 183.
    Vgl. hierzu Laux (1991), S. 159–160.Google Scholar
  40. 184.
    Vgl. Laux (1991), S. 160. Dabei kann der Grad der Risikofreude bzw. der Risikoaversion in der graphischen Darstellung durch die Krümmung der Indifferenzkurven repräsentiert werden: Je stärker die Riskofreude bzw. die aversion, um so flacher verlaufen die Indifferenzkurven.Google Scholar
  41. 185.
    Vgl. Laux (1991), S. 159.Google Scholar
  42. 186.
    Beispiele für erfolgreiche Anwendungen sind die Portfoliotheorie oder das Capital Asset Pricing Model. Vgl. insbesondere Markowitz (1952) und Sharpe (1970).Google Scholar
  43. 187.
    Vgl. z.B. Laux (1991), S. 161–166.Google Scholar
  44. 188.
    Vgl. zu einer allgemeinen Darstellung des Bernoulli-Prinzips z.B. Laux (1991), S. 167–197, Bamberg/Coenenberg (1992), S. 70–82, Bitz (1981), S. 153–179 oder Pfohl/Braun (1981), S. 245–272.Google Scholar
  45. 189.
    Vgl. Laux (1991), S. 168.Google Scholar
  46. 190.
    Vgl. hierzu z.B. Laux (1991), S. 184 oder Bamberg/Coenenberg (1992), S. 79–82.Google Scholar
  47. 191.
    Vgl. zu dieser Vorgehensweise der Ermittlung der Nutzenwerte Laux (1991), S. 170–173.Google Scholar
  48. 192.
    Die Auswahl der zehn Kapitalwerte erfolgt so, daß sie zwischen (Math) und (Math) gleichmäßig verteilt sind, d.h. die Abstände zwischen zwei benachbarten Werten identisch sind.Google Scholar
  49. 193.
    Vgl. Luce/Raiffa (1957), S. 23–31, Laux (1991), S. 174–178 oder Bamberg/Coenenberg (1992), S. 84–88.Google Scholar
  50. 194.
    Vgl. z.B. Bamberg/Coenenberg (1992), S. 219, Laux (1991), S. 249–253 oder Kruschwitz (1993), S. 280–281.Google Scholar
  51. 195.
    Vgl. z.B. Laux (1971), S. 13 oder Hax (1985), S. 165.Google Scholar
  52. 196.
    Vgl. z.B. Hax (1985), S. 187–195 oder Kruschwitz (1993), S. 285–290.Google Scholar
  53. 197.
    Für weitere Formen von Interdependenzen zwischen gegenwärtigen und zukünftigen Aktionen vgl. Laux (1991), S. 249–250.Google Scholar
  54. 198.
    Vgl. Laux (1971), S. 13–14. Eine solche Form der Planung, bei der eine “optimale” Sequenz von Entscheidungen zu ermitteln ist, ohne daß dabei im Planungszeitraum zusätzlich eingehende Informationen berücksichtigt werden, wird auch als starre Planung bezeichnet. Vgl. Hax/Laux (1972a), S. 320.Google Scholar
  55. 199.
    Diese starre Form der Planung ist lediglich bei sicheren Erwartungen unproblematisch.Google Scholar
  56. 200.
    Vgl. Laux(1971),S. 13 oder Hax (1985), S. 160.Google Scholar
  57. 201.
    Diese Vorgehensweise entspricht dem allgemeinen Prinzip der Entscheidungs- bzw. Planaufschiebung. Vgl. etwa Wild (1974), S. 142.Google Scholar
  58. 202.
    Die Züge des Gegners lassen sich dabei — in Verbindung mit den eigenen zuvor durchgeführten Zügen — als die möglichen Umweltzustände auffassen.Google Scholar
  59. 203.
    Vgl. zur Vereinfachung von Zustandsbäumen insbesondere Laux (1991), S. 324–325, Laux (1971), S. 78–81 oder Inderfurth (1982), S. 68–71. Als Beispiel für die Notwendigkeit der Vereinfachung von Zustandsbäumen kann wiederum das Schachspiel herangezogen werden. Ein Schachspieler kann (unabhängig von seiner Qualität) nicht alle denkbaren Züge des Gegners in seinem Kalkül antizipieren. Vielmehr wird sein flexibler Plan lediglich bedingte Entscheidungen für Züge des Gegners beinhalten, denen er eine relativ hohe Wahrscheinlichkeit zuordnet.Google Scholar
  60. 204.
    Vgl. z.B. Jacob (1974), S. 303 und S. 433 oder Runzheimer (1989), S. 150–151.Google Scholar
  61. 205.
    Beispielsweise enthält die Menge Z7 des Zustandsbaumes in Abbildung 58 die Elemente 1, 2 und 3.Google Scholar
  62. 206.
    Die Menge Z+1 des Zustandsbaumes in Abbildung 58 enthält z.B. die Elemente 4, 5 und 6.Google Scholar
  63. 207.
    Z.B. umfaßt die Menge Z300 des Zustandsbaumes in Abbildung 58 die Elemente 0, 2, 9 und 30.Google Scholar
  64. 208.
    Vgl. Laux (1971), S. 22. Beispielsweise enthält die Menge (Math) des Zustandsbaumes in Abbildung 58 die Elemente 0, 1,2 und 3.Google Scholar
  65. 209.
    Vgl. Hax (1985), S. 173 oder Bitz (1981), S. 313.Google Scholar
  66. 210.
    Vgl. Hax (1985), S. 169–170 oder Laux (1971), S. 39–44.Google Scholar
  67. 211.
    Eine Investitionsalternative ist, wie bereits definiert, dadurch gekennzeichnet, daß die Aktionsvariablen der Alternative festgelegt sind und die daraus resultierenden Zahlungsströme bzw. deren Wahrscheinlichkeitsverteilungen bekannt sind.Google Scholar
  68. 212.
    Bei X.25 handelt es sich um einen grundlegenden Standard, der die Informationsübertragung zwischen mehreren Rechnern unterstützt und beispielsweise eine weitestgehend fehlerlose Übertragung sicherstellt. X.400 ermöglicht zudem den Austausch von Electronic Mail zwischen maschinellen Aufgabenträgern, die sich etwa unterschiedlicher Zeichensätze bedienen. Bei EDIFACT und SEDAS handelt es sich um alternative EDI-Standards zur Beschreibung von Handelsdokumenten.Google Scholar
  69. 213.
    Dabei bezeichnet £ die Anzahl der Zustände, in denen Entscheidungen getroffen werden.Google Scholar
  70. 214.
    So kann beispielsweise eine Investition in X.400 Voraussetzung für den Einsatz von EDIFACT sein.Google Scholar
  71. 215.
    Ein Knoten;(Math) einem Zustandsbaum hat stets genau einen Vorgänger.Google Scholar
  72. 216.
    Vgl. Hax (1985), S. 179.Google Scholar
  73. 217.
    Die Abhängigkeit der Menge der in einem Zustand verfügbaren Handlungsalternativen ergibt sich in dem diskutierten Modell aus den Abhängigkeiten zwischen den Investitionsprojekten. Ist für die Durchführung von Investition n erforderlich, daß zuvor m realisiert worden ist, so wird n erst dann Element der Menge A j, wenn in einem vorhergehenden Zustand Investitionsprojekt m durchgeführt worden ist.Google Scholar
  74. 218.
    Diese Annahme erscheint gerechtfertigt zu sein, da Softwarelösungen in der Regel keinem technischen Verschleiß unterliegen.Google Scholar
  75. 219.
    Vgl. hierzu auch Laux (1971), S. 93–94.Google Scholar
  76. 220.
    Neben diesen grundlegenden Verfahren existieren noch weitere Ansätze zur Ermittlung flexibler Pläne, z.B. das Chance Constrained Programming. Vgl. hierzu insbesondere Haumer (1983). Eine weitere Vorgehensweise ist die Anwendung heuristischer Verfahren, die unter Berücksichtigung der Modellierungskosten auch Elemente der starren, mehrstufigen Investitionsplanung beinhalten. Vgl. zu derartigen Ansätzen Inderfurth (1982).Google Scholar
  77. 221.
    Vgl. z.B. Bitz (1981), S. 328–329.Google Scholar
  78. 222.
    Vgl. Magee (1964).Google Scholar
  79. 223.
    Vgl. Jochum (1969), S. 89–90.Google Scholar
  80. 224.
    Für ein Beispiel zur Anwendung des Rollback-Verfahrens vgl. Kruschwitz (1993), S. 285–290.Google Scholar
  81. 225.
    Zum Prinzip der dynamischen Optimierung vgl. Bellman (1957).Google Scholar
  82. 226.
    Vgl. Jochum (1969), S. 100.Google Scholar
  83. 227.
    Vgl. Hax (1985), S. 176–177.Google Scholar
  84. 228.
    Vgl. auch Domschke/Drexl (1990), S. 131–132.Google Scholar
  85. 229.
    Vgl. Hax (1985), S. 181.Google Scholar
  86. 230.
    Vgl. Hax (1985), S. 181.Google Scholar
  87. 231.
    Vgl. hierzu auch das Beispiel in Hax (1985), S. 187–195.Google Scholar
  88. 232.
    Vgl. hierzu Hax (1985), S. 181 oder Domschke/Drexl (1990), S. 132–140, die diese Vorgehensweise als rekursive Vorwärtsrechnung bezeichnen und anhand mehrerer Beispiele illustrieren.Google Scholar
  89. 233.
    Für das vorliegende Anwendungsbeispiel müssen wir uns der linearen ganzzahligen Programmierung bedienen, da die Investitionsprojekte — wie bereits erwähnt — unteilbar sind und binäre Ganzzahligkeitsbedingungen gelten.Google Scholar
  90. 234.
    Vgl. Laux (1971), S. 51. Übersteigt die Größe des linearen Programms die Kapazität des Rechners, so kann das Totalmodell in Partialmodelle zerlegt werden. Diese ordnen jeweils einer Teilmenge der Knoten des Zustandsbaumes simultan optimale Teilpläne zu. Die simultane Optimierung der Partialmodelle erfolgt durch Anwendung des Prinzips der dynamischen Programmierung und mit Hilfe sogenannter Bewertungsfunktionen, mit deren Hilfe eine Bewertung von noch nicht abgeschlossenen Investitionsprojekten vorgenommen werden kann. Vgl. Laux (1971), S. 52–60. Moderne Softwarepakete zur linearen Optimierung, wie etwa XA, sind heute jedoch in der Lage, sehr große Modelle in einem Rechengang simultan zu lösen. 235 Wie bereits erwähnt, bezeichnet j den Vorgängerknoten von j Google Scholar
  91. 236.
    Vgl. Kruschwitz (1993), S. 291.Google Scholar
  92. 237.
    Vgl. Hax (1985), S. 187–195.Google Scholar
  93. 238.
    Vgl. Hax (1985), S. 182.Google Scholar
  94. 239.
    Dabei wurde das lineare Programm auf der Basis des Tabellenkalkulationsprogramms Excel implementiert. Über eine Schnittstelle zum OR-Programmpaket XA kann die optimale Investitionsstrategie mit Hilfe des oben angegebenen linearen Programms ermittelt werden. Zum Testen der dynamischen Optimierung diente ein C-Programm.Google Scholar
  95. 240.
    Der Verfasser vermutet, daß die Vorteilhaftigkeit der linearen Programmierung im Vergleich zur dynamischen Optimierung tendenziell mit der Anzahl der Standards ansteigen wird. Jedoch wird die Anzahl der Standards in der Regel nicht sehr groß sein, so daß die dynamische Optimierung ein für unser Modell geeignetes Lösungsverfahren darstellt.Google Scholar
  96. 241.
    Die dynamische Optimierung ist einfacher zu programmieren als ein Branch&Bound-Verfahren zur ganzzahligen linearen Optimierung.Google Scholar
  97. 242.
    Vgl. insbesondere Hess (1993), S. 53–90 oder Wiese (1990), S. 1.Google Scholar
  98. 243.
    Vgl. hierzu Hess (1993), S. 92–108.Google Scholar
  99. 244.
    Die Daten der Anwendungsbeispiele stammen aus dem Jahre 1992.Google Scholar
  100. 245.
    Vgl. z.B. Meldendez/Petersen (1987), S. 361.Google Scholar
  101. 246.
    Vgl. für eine kurze Darstellung der technischen Grundlagen dieser Standards auch Abschnitt 2.3.1. dieser Arbeit.Google Scholar
  102. 247.
    Aus (1) ergibt sich ein nahezu quadratisches Wachstum der Anzahl der individuellen Übersetzerlösungen in Abhängigkeit von der Zahl der zu integrierenden Systemelemente. Im Gegensatz dazu sind bei einer Standardisierung der Schnittstellen lediglich die n Systemelemente mit einer standardisierten Schnittstelle auszustatten. Es besteht somit die Hypothese, daß eine Standardisierung der Schnittstellen tendenziell im Vergleich zu Gatewaylösungen um so vorteilhafter ist, je größer die Anzahl der Systemelemente des Informationssystems ist. Dies entspricht auch den Simulationsergebnissen aus dem sechsten Kapitel.Google Scholar
  103. 248.
    Vgl. Nottebohm (1991).Google Scholar
  104. 249.
    Die Kanten q 21 und q 31 repräsentieren den Informationsfluß von DECnet zu SNA und von TRANSDATA zu SNA.Google Scholar
  105. 250.
    Vgl. z.B. Kruschwitz (1993), S. 17 oder Schneider (1992), S. 95–101.Google Scholar
  106. 251.
    Zur Datenermittlung für das Beispiel der innerbetrieblichen Integration von Anwendungen vgl. Buxmann/König (1994), S. 261–265.Google Scholar
  107. 252.
    Kosten für die Übertragung der Auftragsdaten sind von den Krankenhausapotheken zu tragen und gehen nicht in das Entscheidungskalkül ein. Bei der Ermittlung der Datex-P-Kosten wird davon ausgegangen, daß das zu übertragende Datenvolumen konstant bleibt.Google Scholar
  108. 253.
    Andernfalls wären die oben angestellten Betrachtungen über die Softwarekosten gegenstandslos.Google Scholar
  109. 254.
    Zur Bewertung der Einsparungen von Personalkosten vgl. Anselstetter (1984), S. 27–33.Google Scholar
  110. 255.
    Eine Informationswerterhöhung kann durch EDI-Einsatz zum Austausch von Handelsdokumenten u.U. dadurch entstehen, daß aufgrund der elektronischen Lösung mehr Aufträge übermittelt werden.Google Scholar
  111. 256.
    Es ist nicht zu erwarten, daß durch den Einsatz standardisierter Schnittstellen zusätzliche Informationen entlang der Kanten q 21 und q 31 übermittelt werden, da die Informationsbereitstellung für den Anwender in der Regel im Vergleich zu Gatewaylösungen nicht vereinfacht wird. Insofern werden die Werte für die Variablen w 21 und w 31 auf null fixiert.Google Scholar
  112. 257.
    Der Informationswert läßt sich, ausgehend von den Informationsergebnissen, — vereinfacht ausgedrückt — über das Bayes’ sche Theorem bestimmen. Vgl. z.B. Altrogge (1975), S. 823–832 oder Drukarczyk (1974), S. 2–7 zu einer kritischen Würdigung dieser Vorgehensweise. Ein alternativer Vorschlag besteht in der Informationswertbestimmung mit Hilfe sogenannter p(A∣S)-Wahrscheinlichkeiten. Vgl. hierzu sowie zu einer Gegenüberstellug mit dem Bayes’schen Theorem Laux (1991), S. 289–305.Google Scholar
  113. 258.
    Diese Annahme ist für das vorliegende Anwendungsbeispiel unproblematisch, da täglich mehrere Megabyte Daten zur Auftragsbearbeitung mit Hilfe der Gateways transferiert werden, die andernfalls manuell übertragen werden müßten, was zu wesentlich höheren Personalkosten führen würde.Google Scholar
  114. 259.
    Vgl. zur Ermittlung dieser Informationskosten Buxmann/König (1994), S. 263.Google Scholar
  115. 260.
    Vgl. Marschak (1954), S. 201 oder Laux (1991), S. 305–309.Google Scholar
  116. 261.
    Die Bestimmung des Informations wertes in der betrieblichen Praxis scheint generell ein bislang ungelöstes Problem darzustellen. Vgl. z.B. Schumann (1992), S. 152.Google Scholar
  117. 262.
    Vgl zu dieser Fragestellung auch Abschnitt 8.4.4.1.Google Scholar
  118. 263.
    Bei einer solchen Interpretation wird unterstellt, daß die während der Simulation generierten Parameterkonstellationen die möglicherweise eintretenden zukünftigen Umweltzustände adäquat widerspiegeln, d.h. daß alle wichtigen Konstellationen in mindestens einem Simulationslauf generiert worden sind.Google Scholar
  119. 264.
    Vgl. etwa Nagel (1990), S. 39.Google Scholar
  120. 265.
    Vgl. z.B. Kredel (1988), S. 300.Google Scholar
  121. 266.
    Vgl. z.B. Nagel (1990), S. 211.Google Scholar
  122. 267.
    Vgl. Nagel (1990), S. 58 oder Schumann (1992), S. 32 sowie S. 161.Google Scholar
  123. 268.
    Für einen Überblick über Methoden zur Wirtschaftlichkeitsbeurteilung, die insbesondere qualitative und strategische Aspekte berücksichtigen, vgl. Nagel (1990).Google Scholar
  124. 269.
    Ähnlich argumentieren auch Serfling/Schönebeck (1989) am Beispiel der Bewertung von CIM-Investitionen.Google Scholar
  125. 270.
    Vgl. z.B. Wolfram (1991), S. 1091 oder Lay (1985).Google Scholar
  126. 271.
    Vgl. z.B. Nagel (1990), S. 29, der strategische Nutzeneffekte als nicht rechenbar bzw. kalkulierbar, aber als entscheidbar bezeichnet. Ein Entscheidungskriterium oder eine Zielfunktion nennt er nicht.Google Scholar
  127. 272.
    Vgl. Mertens/Plattfaut (1986), S. 6–7.Google Scholar
  128. 273.
    Vgl. Schumann (1992), S. 57 oder Mertens/Plattfaut (1986), S. 10–12.Google Scholar
  129. 274.
    Vgl. Mertens/Plattfaut (1986), S. 9–10.Google Scholar
  130. 275.
    Zur Verwendung subjektiver Wahrscheinlichkeiten in Entscheidungsmodellen vgl. auch Abschnitt 8.4.4.2.Google Scholar
  131. 276.
    Vgl. Anselstetter (1984), S. 12. Solche schwer bewertbaren Nutzeneffekte treten jedoch nicht im speziellen bei IV-Investitionen auf. Vgl. z.B. Kruschwitz (1993), S. 17–24. Vielmehr sind mit fast jeder Investition auch schwer quantifizierbare Nutzeneffekte verbunden; man denke z.B. an den Vorteil eines verbesserten Images eines Chemieunternehmens durch den Einsatz einer umweltfreundlicheren Produktionsanlage.Google Scholar
  132. 277.
    Vgl hierzu auch das Anwendungsbeispiel in Abschnitt 8.4.2.2.2.Google Scholar
  133. 278.
    Man könnte nun überlegen, ein Metamodell zu entwickeln, das die Frage zum Gegenstand hat, welcher Modellparameter in ein Entscheidungsmodell aufzunehmen ist. Eine solche Vorgehensweise erscheint jedoch sehr problematisch, da die Anwendung des Metamodells ebenfalls mit Kosten verbunden ist. Dies könnte zu einem Metametamodell führen, mit dem untersucht wird, ob das Metamodell einzusetzen ist usw.Google Scholar
  134. 279.
    Vgl. Hax (1985), S. 10.Google Scholar
  135. 280.
    Mitunter kann man sich kaum dem Eindruck entziehen, daß die Zurückhaltung vieler Autoren aus dem Bereich der Wirtschaftsinformatik in bezug auf die Anwendung investitionstheoretischer Modelle einfach daraus resultiert, daß diese Methoden zur Zeit als unpopulär angesehen werden.Google Scholar
  136. 281.
    So trifft Kredel beispielsweise die pauschale Aussage, daß der Aufwand zur Berücksichtigung der Unsicherheit generell zu hoch sei. Vgl. Kredel (1988), S. 300.Google Scholar
  137. 282.
    Vgl. Laux (1991), S. 133–134.Google Scholar
  138. 283.
    Liegen objektive Wahrscheinlichkeiten vor, so sind sie einer Verwendung subjektiver Wahrscheinlichkeiten vorzuziehen. Vgl. Laux (1991), S. 136.Google Scholar
  139. 284.
    Subjektive Wahrscheinlichkeiten gehen auch in unsere Entscheidungen im Privatleben ein: Beispielsweise steht man vor der Entscheidung, eine Bergwanderang aus mehreren auszuwählen. Eine der Touren verspricht einen hohen Genuß bzw. Nutzen, bei schlechtem Wetter kann diese sich aber im Gegensatz zu einer anderen Tour als weitaus gefahrlicher erweisen. In unserem Entscheidungskalkül erfolgt dann die Gewichtung des “Nutzens” der unterschiedlichen Touren unter Berücksichtigung der subjektiven Wahrscheinlichkeiten über die eintretende Wetterlage (und in Abhängigkeit der Risikoeinstellung).Google Scholar
  140. 285.
    Vgl. z.B. Bamberg/Coenenberg (1989), S. 68–69.Google Scholar
  141. 286.
    Vgl. Hax (1974), S. 44–46.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1996

Authors and Affiliations

There are no affiliations available

Personalised recommendations