Skip to main content
SpringerLink
Log in

Diagnosemodell für die Diffusion von Kritische Masse-Systemen

  • Chapter
Diffusion von Telekommunikation

Part of the book series: Neue betriebswirtschaftliche Forschung ((NBF,volume 101))

Zusammenfassung

Die Plausibilitätsbetrachtungen in Kapitel 3 haben gezeigt, daß der Diffusionsprozeß von Kritische Masse-Systemen eine Relativierung und Erweiterung der Aussagen der klassischen Diffusionstheorie erforderlich macht. Im folgenden werden die bisherigen Überlegungen auf die Entwicklung eines geeigneten Modells zur Abbildung der Diffusionsentwicklung bei Kritische Masse-Systemen ausgeweitet. Zu diesem Zweck ist zunächst zu prüfen, inwieweit bestehende Diffusionsmodelle den aufgezeigten diffusionsspezifischen Besonderheiten von Kritische Masse-Systemen Rechnung tragen können.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 59.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Vgl. zu den nachfolgenden Betrachtungen und Herleitungen: MASSY, William FJ MONTGOMERY, David BI MORRISON, Donald G.: Stochastic Models of Buying Behavior, Cambridge Mass. London 1970, S.279f. MEFFERT, Beriberi/ STEI-FENHAGEN, Hartwig (1977), a.a.O., S.73f.

    Google Scholar 

  2. Vgl. HARTTER, Erich (1974), a.a.O., S.73.

    Google Scholar 

  3. Die Bezeichnung Mixed-Influence-Modell soll verdeutlichen, daß durch das Modell sowohl externe als auch interne Einflüsse auf’ den Diffusionsprozeß erfaßt werden. Die externen Einflüsse, deren Ursachen außerhalb eines sozialen Systems zu suchen sind, werden durch die Konstante a repräsentiert, während die Konstante b die internen Einflüsse widerspiegelt, die insbesondere auf die Kommunikation zwischen den Mitgliedern eines sozialen Systems zurückgeführt werden. Vgl. MAHAJAN, Vijay/ PETERSON, Robert A.: Models for Innovation Diffusion, Sage University Papers, Series: Quantitative Applications in the Social Sciences, No. 48, Beverly Hills London New Delhi 1985, S.15ff.

    Google Scholar 

  4. Vgl. MAHAJAN, VJ SCHOEMAN, M.E.F.: Generalized Model for the Time Pattern of the Diffusion Process, in: IEEE Transactions on Engineering Management, Vol. EM-24, No. I, 1977, S.15. GIERL, Heribert (1987), a.a.O., S.54.

    Google Scholar 

  5. Vgl. zu den Unterscheidungen zwischen Internal-Influence-, External-Influence-und MixedInfluence-Modell sowie Pure Innovative-und Pure Imitative-Modell z.B.: LILIEN, Gary LJ KOTLER, Philip: Marketing Decision Making: A Model-Building Approach, New York usw. 1983, S.706ff. MAHAJAN, Vijay/ PEII:RSON, Robert A. (1985), a.a.O., S.15ff.

    Google Scholar 

  6. Vgl. MANSFIELD, Edwin (1961), a.a.O., S.747. BASS, Frank M. (1969), a.a.O., S.216ff. Das semilogistische Modell wurde bereits sehr früh im soziologischen Bereich zur Analyse der Ausbreitung von Informationen angewandt. Vgl. z.B. TAGA, Y./ ISII, K.: On a Stochastic Model Concerning the Pattern of Communication - Diffusion of News in a Social Group, in: Annals of the Institute of Statistical Mathematics, 11(1959), S.25ff. DODD, Stuart Carter. Testing Message Diffusion in Harmonic Logistic Curves, in: Psychometrika, 21(1956), S.191ff.

    Google Scholar 

  7. Das exponentielle Modell hatte insbesondere durch die Arbeiten von FOURT und WOODLOCK weite Verbreitung gefunden und dominierte bis Anfang der 1970er Jahre die Diffusionsforschung. Vgl. FOURT, Louis A./ WOODLOCK, Joseph W.: Early Prediction of Market Success for New Grocery Products, in: Journal of Marketing, 25(1960), S.31ff.

    Google Scholar 

  8. Vgl. GIERL, Heribert (1987), a.a.O., S.82. Zum BASS-Modell und Weiterentwicklungen bzw. Modifikationen des BASS-Modells vgl. BASS, Frank M. (1969), a.a.O., S.215ff. Derselbe: The Relationship between Diffusion Rates, Experience Curve, and Demand Elasticities for Consumer Durable Technological Innovations, in: Journal of Business, 53(1980, No. 3, S.S51ff. NORTON, John AJ BASS, Frank M.: A Diffusion Theory Model of Adoption and Substitution for Successive Generations of High-Technology Products, in: Management Science, 33(1987), No. 9, S.1069ff. SCHMALEN, Helmut (1989), a.a.O., S.2lOff. Derselbe: Models of Diffusion Research in Marketing: Depiction and Computer-Based Analysis, Working Paper, Passau 1987, S.4ff. Derselbe: Marketing-Mix für neuartige Gebrauchsgüter, Wiesbaden 1979, S.45ff.

    Google Scholar 

  9. Die Daten wurden entnommen aus: BASS, Frank M. (1969), a.a.O., S.218.

    Google Scholar 

  10. Vgl. GIERL, Heribert (1987), aa0., S.98.

    Google Scholar 

  11. Eine Rückführung existierender Diffusionsmodelle auf die genannen drei Grundmodelle liefern z.B. auch: FANTAPIE ALTOBELLI, Claudia (1991), a.a.O., S.35ff. BÖCKER, Franz/ GIERL, Heribert (1988), aa.0., S.37ff. GIERL, Heribert (1987), a.a0., S.78ff. HESSE, Hans-Werner (1987), a.a.0., S.8ff. Derselbe: Prognose und Diagnose der Diffusion von Bankinnovationen mit Diffusionsmodellen, in: Jahrbuch der Absatz-und Verbrauchsforschung, 1988, Nr. 1, S.29ff. LILIEN, Gary L./ KOTLER, Philip (1983), a.a.O., S.706ff. MAHAJAN, Vijay/ PETERSON, Robert A. (1985), a.a.0., S.12ff. STONEMAN, Paul: The Economic Analysis of Technological Change, New York: Oxford 1983, S.93ff.

    Google Scholar 

  12. Umfassende Systematisierungen liefern z.B.: BAUMBERGER, Jörg/ GMÜR, Urs Max/ KÄSER, Hanspeter (1973), a.a.O., S.439ff. BÖCKER, Franz/ GIERL, Heribert (1988), a.a.O., S.32ff. GIERL, Heribert (1987), a.a.O., S.35ff. GATIGNON, Hubert AJ ROBERTSON, Thomas S.: Integration of Consumer Diffusion Theory and Diffusion Models: New Research Directions, in: Mahajan, Vijay/ Wind Yoram (Hrsg.): Innovation Diffusion Models of New Product Acceptance, Cambridge Massachusetts 1986, S.39ff. HESSE, Hans-Werner (1987), a.a.O., S.8ff. KENNEDY, Anita M. (1983), a.a.O., S.31ff. LEWANDOWSKI, Rudolf: Prognose-und Informationssysteme und ihre Anwendungen, Band 1, Berlin New York 1974, S.260ff. LILIEN, Gary LJ KOTLER, Philip (1983), a.a.O., S.706ff. MAHAJAN, Vijay/ MULLER, Eitan/ BASS, Frank M.: New Product Diffusion Models in Marketing: A Review and Directions for Research, in: Journal of Marketing, 54(1990), S.lff. MERTENS, Peter (1981), a.a.O., S.189ff.

    Google Scholar 

  13. Vgl. EWERS, Hans-Jürgen/ BECKER, Carsten/ FRITSCH, Michael: Wirkungen des Einsatzes computergestützter Techniken in Industriebetrieben, Berlin New York 1990, S.22. SCHÜNEMANN, Thomas MJ BRUNS, Thomas: Entwicklung eines Diffusionsmodells für technische Innovationen, in: ZIB, 55(1985, Heft 2, S. 169.

    Google Scholar 

  14. Zur Erklärung von Ausbreitungsverläufen in der Epidemie-Forschung vgl. z.B.: BARTLETT, M. S.: Stochastic Population Models in Ecology and Epidemiology, London 1960, S.54ff. BAILEY, N.T.J.: The Mathematical Theory of Epidemics, London 1957, passim. Derselbe: A simple stochastic epidemic, in: Biometrica, 37(1959), S.193ff.

    Google Scholar 

  15. Vgl. BONUS, H. (1968), a.a.O., S.19ff.

    Google Scholar 

  16. Vgl. zur Kritik an dieser Interpretation die Ausführungen in Kapitel 4.2.2.2 “Anwendungsbezogene Vorbehalte gegenüber dem logistischen Diffusionsmodell”.

    Google Scholar 

  17. Vgl. EWERS, Hans-Jürgen/ BECKER, Carsten/ FRITSCH, Michael (1990), a.a.O., S.25.

    Google Scholar 

  18. Vgl. FANTAPIE ALTOBE.LI, Claudia (1991), a.a.O., S.74ff.

    Google Scholar 

  19. Vgl. ebenda, S.71ff.

    Google Scholar 

  20. Vgl. hierzu die Ausführungen in Kapitel 3.4.2 “Relativierung der zentralen Aussagen der klassischen Diffusionstheorie für Kritische Masse-Systeme”.

    Google Scholar 

  21. Vgl. zu einer solchen Interpretation z.B.: FANTAPIÉ ALTOBELLI, Claudia (1991), a.a.O., S.126f. Eine genauere Untersuchung solcher Adoptionsrückgänge wird in Kapitel 4.2.2.1 “Systemimmanente Probleme des logistischen Diffusionsmodells” vorgenommen.

    Google Scholar 

  22. Es wurden die in Abbildung 37 aufgeführten Parameterschätzungen für das logistische Modell bei Telefax aus der Untersuchung von FANTAPIE ALTOBELLI verwendet. Adoptionsrückgänge zeigen sich noch weitaus deutlicher, wenn eine Dynamisierung des Marktpotentials vorgenommen wird. Vgl. FANTAPIE ALTOBELLI, Claudia (1991), a.a.O., S.126ff.

    Google Scholar 

  23. Vgl. zum Beweis: LEWANDOWSKI, Rudolf (1974), a.a.O., S.269. MERTENS, Peter (1981), a.a.O., S.194.

    Google Scholar 

  24. Vgl. LEWANDOWSKI, Rudolf (1974), a.a.O., S.269f.

    Google Scholar 

  25. Dabei ist vorausgesetzt, daß der Startwert kleiner als 0,5 bzw. M/2 bleibt. Ist der Startwert hingegen größer als 50%, so wird auch diese Zeitspanne verkürzt.

    Google Scholar 

  26. In der logistischen Gnmdgleichung sind Werte von c > 1 zulässig, da sich im logistischen Diffusionsmodell der Diffusionskoeffizient als b= c/M bestimmt, und b kann damit immer noch als Wahrscheinlichkeit interpretiert werden. Vgl. hierzu auch die Ausführungen in Kapitel 4.2.2.1.2.2 “Chaosentwicklung im logistischen Diffusionsmodell”.

    Google Scholar 

  27. Eine allgemein verständliche Einführung in die Chaostheorie liefern z.B.: GLEICK, James: Chaos - die Ordnung des Universums, München 1990. BRIGGS, John/ PEAT, F. David: Die Entdeckung des Chaos, München Wien 1990.

    Google Scholar 

  28. Vgl. zu den Untersuchungen von Lorenz: LORENZ, Edward N.: Deterministic Nonperiodic Flow, in: Journal of the Atmospheric Sciences, 20(1963), S.130ff. SPARROW, Colin: The Lorenz Equations: Bifurcations, Chaos, and Strange Attractors, New York Heidelberg Berlin 1982.

    Google Scholar 

  29. Vgl. GLEICK, James (1990), a.a.O., S.20ff.

    Google Scholar 

  30. Vgl. WOLSCHIN, Georg: Wege zum Chaos, in: Spektrum der Wissenschaft (Hrsg.): Chaos und Fraktale, Heidelberg 1990, S. 21.

    Google Scholar 

  31. Unterschiedliche Gleichungen aus der Klasse der Bifurkationssysteme werden z.B. analysiert von MAY, Robert M.: Simple mathematical models with very complicated dynamics, in: Nature, 261(1976), S.462ff. MAY, Robert MJ OSTER, George F.: Bifurcations and Dynamic Complexity in Simple Ecological Models, in: The American Naturalist, 110(1976), No. 974, S.574ff. SCHAFFER, William MJ KOT, Mark: Nearly One Dimensional Dynamics in an Epidemic, in: Journal of Theoretical Biology, 112(1985), S.405ff. Dieselben: Chaos in Ecological Systems: The Coals that Newcastle Forgot, in: Trends in Ecology and Evolution Systems, 1(1986), No. 3, S.59ff.

    Google Scholar 

  32. Vgl. MAY, Robert M.: On Relationships among various types of population models, in: The American Naturalist, 107(1973), No. 953, S.46ff. Derselbe: Biological Populations with Non-overlapping Generations: Stable Points, Stable Cycles, and Chaos, in: Science, 186(1974)

    Google Scholar 

  33. Vgl. FEIGENBAUM, Mitchell J.: Quantitative Universality for a Class of Nonlinear Transformations, in: Journal of Statistical Physics, 19(1978), No. 1, S.30. Derselbe: Universal Behavior in Nonlinear Systems, in: Los Alamos Science, 1(1980), Nr. 1, S. 5.

    Google Scholar 

  34. Vgl. WOLSCHIN, Georg (1990), a.a.O., S.21.

    Google Scholar 

  35. Für den Diffusionskoeffizienten b gilt in diesem Fall: b=42600000.

    Google Scholar 

  36. Ebenso könnte auch die Entwicklung der Diffusionsfunktion dargestellt werden. In diesem Fall würde der Stabilitätsbereich entlang des Wertes Eins (hundertprozentiges Marktsättigungsniveau) anstatt entlang der Null verlaufen.

    Google Scholar 

  37. Vgl. BRIGGS, John/ PEAT, F. David (1990), a.a.O., S.84.

    Google Scholar 

  38. Vgl. LI, Tien-Yien/ YORK, James A.: Period Three Implies Chaos, in: American Mathematical Monthly, 82(1975), S.986ff.

    Google Scholar 

  39. FANTAPIÉ ALTOBFI I I, Claudia(1991), a.a.O., S.126,127.

    Google Scholar 

  40. Vgl. BONUS, H. (1968), a.a.O., S.19ff. EWERS, Hans-Jürgen/ BECKER, Carsten/ FRITSCH, Michael (1990), a.a.O., S.25ff. KAAS, Klaus P. (1973), a.a.O., S.111ff. LEWANDOWSKI, Rudolf (1974), a.a.O., S.273f. MERTENS, Peter (1981), a.a.O., S.197f.

    Google Scholar 

  41. Vgl. BAILEY, N.T.J.: The elements of stochastic processes with applications to the natural sciences, New York 1964, S.163ff.

    Google Scholar 

  42. Vgl. MERTENS, Peter (1981), a.a.O., 5. 197.

    Google Scholar 

  43. Vgl. auch: FANTAPIÉ ALTOBELLI, Claudia (1991), a.a.O., S.79ff.

    Google Scholar 

  44. Die Bedeutung von Erfahrungen und Sachkenntnissen für die Diffusion von technischen Produkten wurde bereits von MANSFIELD herausgestellt. Vgl. MANSFIELD, Edwin (1961), a.a.O., S.741ff. MANSFIELD, Edwin/ RAPOPORT, John/ ROMEO, Anthony/ VILLANI, Edmond/ WAGNER. Samuel/ HUSIC, Frank: The Production and Application of New Industrial Technology, New York 1977, S.108ff. Darüber hinaus betonen die Bedeutung des Erfahrungsaspektes bei der Diffusion technischer Produkte z.B. auch: EWERS, Hans-Jürgen/ BECKER Carsten/ FRITSCH, Michael (1990), a.a.O., S.30ff. Dieselben: Der Kontext entscheidet: Wirkungen des Einsatzes computergestützter Techniken in Industriebetrieben, in: Schettkat RJ Wagner, M. (Hrsg.): Technologischer Wandel und Beschäftigung - Fakten, Analysen, Trends, Berlin New York 1989, S.63ff. KLEINE, Josef: Investitionsverhalten bei Prozeßinnovationen, Frankfurt am Main New York 1983, S.231ff. MAAS, Christof (1990), a.a.0., S.37ff.

    Google Scholar 

  45. Vgl. zu den folgenden Ausführungen insbesondere: ADAM, Dietrich: Kurzlehrbuch Planung, Wiesbaden 1980, S.I06ff.

    Google Scholar 

  46. Vgl. ebenda, S.108.

    Google Scholar 

  47. Die Prognosewerte wurden entnommen aus: DIEBOLD DEUTSCHLAND GmbH (Hrsg.)(1984), a.a.O., S.207.

    Google Scholar 

  48. ULRICH, Hans/ PROBST, Gilbert J.B. (1990), a.a.O, S.98.

    Google Scholar 

  49. Vgl. zur Unterscheidung zwischen Mikro-und Makromodellen sowie zu Markov-Ansätzen im Marketing z.B.: FERSCHL, F.: Markovketten, Berlin Heidelberg New York 1970, passim. HOWARD, R. A.: Dynamic Programming and Markov Processes, New York 1960, passim. LEWANDOWSKI, Rudolf: Prognose-und Informationssysteme und ihre Anwendung, Band II, Berlin New York 1980, S.254ff. MASSY, William F./ MONTGOMERY, David BJ MORRISON, Donald G. (1970), a.a.o., S.80ff. MEFFERT, Heribert/ STEFFENHAGEN, Hartwig (1977), a.a.O., S.37ff und S.100ff.

    Google Scholar 

  50. Der Begriff Heuristik wird dabei ins Sinne einer Stiukturierungsregel verstanden, die es erlaubt, Struktu mängel schlecht-strukturierter Problemsituationen zu beseitigen. Vgl. zu diesem Verständnis: ADAM, Dietrich: Planung, heuristische, in: Handwörterbuch der Planung, Stuttgart 1989, Sp.1415ff. RIEPER, Bernd: Hierarchische Entscheidungsmodelle in der Produktionswirtschaft, in: ZfB, 55(1985), Heft 8, S.775. Zu dem Begriff und den Kennzeichen schlecht-strukturierter Problemsituationen vgl.: ADAM, Dietrich: Zur Problematik der Planung in schlecht strukturierten Entscheidungssituationen, in: Jacob, H. (Hrsg.): Neue Aspekte der betrieblichen Planung, Schriften zur Unternehmensführung, Band 28, Wiesbaden 1980, S.48ff. Derselbe: Planungsüberlegungen in bewertungs-und zielsetzungsdefekten Problemsituationen (I), in: WISU, 9(1980), S.127ff. Derselbe: Planungsüberlegungen in wirkungsdefekten Problemsituationen, in: WISU, 9(1980), S.382ff. W11 lE, Thomas: Heuristisches Planen - Vorgehensweisen zur Strukturierung betrieblicher Planungsprobleme, Wiesbaden 1979, S.76ff.

    Google Scholar 

  51. ROGERS, Everett M. (1983), a.a.O., S.92.

    Google Scholar 

  52. Vgl. ebenda, S.92ff.

    Google Scholar 

  53. Vgl. hierzu auch die Ausführungen auf Seite 152f. dieser Arbeit.

    Google Scholar 

  54. Hinweise auf einen ungestörten Diffusionsprozeß lassen sich z.B. mittels Befragungen oder Expertengespräche ermitteln.

    Google Scholar 

  55. Vgl. hierzu die Ausführungen in Kapitel 4.1.3. “Zentrale Aussagen der Diffusionstheorie”. Es sei an dieser Stelle darauf hingewiesen, daß die int theoretischen Teil gewonnene zwei-oder mehrgipflige (tatsächliche) Adoptionsfunktion auf Grund der Betrachtung aller Nachfragersegmente gewonnen wurde. Die Annahme einer normalverteilten theoretischen Adoptionsfunktion hingegen bezieht sich nur auf ein Nachfragersegment.

    Google Scholar 

  56. Vgl. z.B. BÖI-IM, Erich: Forecasting methods for telephone services in the Federal Republic of Germany, in: Telecommunication Journal, 49(1982), No. III, S.169ff. SOMBEEK, Peter: Developing a national telecommunications industry, in: SIEMENS telcom report international, 14(1991), No. 2, S.8ff. WACKER, WJ BÖHM, E.: Wachstumsfunktionen mit Sättigungsverhalten und ihre Anwendung in ökonomischen Prognosemodellen für den Fernsprechdienst, in: ARCHIV für das Post-und Fernmeldewesen, 31(1979), Nr. 4, S.318ff.

    Google Scholar 

  57. Vgl. hierzu die Ausführungen in Kapitel 3.2.2.1 “Wechselseitige Interdependenz zwischen den Adoptem”.

    Google Scholar 

  58. An dieser Stelle sei darauf hingewiesen, daß durch die gesetzte Annahme nicht eine Unabhängigkeit der Marktwiderstände unterstellt wird.

    Google Scholar 

  59. Die beispielhaft gewählten Zahlen machen weiterhin deutlich, daß geringe Markwiderstände (in diesem Fall beispielhaft eingeschränkt auf die Endgerätepreise) mit einem hohen Wert der Störfunktion verbunden sind und umgekehrt. Bei der Anwendung des Diagnosemodells müssen die Werte der Störfunktion z.B. über einen Testmarkt bestimmt werden. Vgl. hierzu die Ausführungen in Kapitel 4.3.3.4.1 “Informationsgewinnung mit Hilfe von Testmarktdaten”.

    Google Scholar 

  60. Die Periode t’-1 wird hier als Orientierungsperiode bezeichnet.

    Google Scholar 

  61. Die Funktion NG bestimmt die tatsächliche Adopterzahl unter Berücksichtigung von Teilnahmeverzögerungen, Aussteigern, Einsteigern und Warteliste. Die Bestimmung der Zahl der Einsteiger und die Höhe der Warteliste in einer Periode werden nachfolgend vorgenommen.

    Google Scholar 

  62. Die segmentspezifischen Marktsättigungs- und Kapazitätsgrenzen können auch einer Dynamisierung unterzogen werden.

    Google Scholar 

  63. Vgl. zum Einsatz von Testmärkten z.B.: BROCKHOFF, Klaus: Produktpolitik, 2. Aufl. Stuttgart New York 1988, S.161ff. HAMMANN, Peter/ ERICHSON, Bernd: Marktforschung, 2. Aufl. Stuttgart New York 1990, S.175ff. ERICHSON, Bernd: Prognose für neue Produkte, Teil I, in: Marketing ZIP, 1(1979), S.255ff. STOFFELS, Jörg: Der elektronische Minitestmarkt, Wiesbaden 1989.

    Google Scholar 

  64. Vgl. FRAUENHOFER-INSTITUT FÜR SYSTEMTECHNIK UND INNOVATTONSFORSCHUNG (Hrsg.)(1982), a.a.O., S.30.

    Google Scholar 

  65. Vgl. zur Testmarktsimulation: HAMMANN, Peter/ ERICHSON, Bernd (1990), a.a.O., S.178ff. ERICHSON, Bernd: Testmarktsimulation - Ein Vergleich zwischen TESI und ASSESSOR, Arbeitspapier, Bochum 1985.

    Google Scholar 

  66. Vgl. HILDEBRANDT, Albrecht: Telexgerät, in: Arnold, Franz (Hrsg.): Handbuch der Telekommunikation, Loseblatt-Ausgabe, (Grundwerk) Köln 1989, Kapitel 7.2.0. 0, S. 1.

    Google Scholar 

  67. Vgl. MAYNTZ, Renate et al. (1984), a.a.O., S.12ff.

    Google Scholar 

  68. Vgl. OHNSORGE, Horst: Breitbanddienste, in: Arnold, Franz (Hrsg.): Handbuch der Telekommunikation, Loseblatt-Ausgabe, (Grundwerk) Köln 1989, Kapitel 5.1.8. 0, S. 25f.

    Google Scholar 

  69. Vgl. ROSENBROCK, Karl Heinz/ HENTSCHEL, Günther (1988), a.a.O., Ergänzungslieferung 3/1989, Kapitel 6, S.2ff.

    Google Scholar 

  70. Vgl. SCHULZ, K.: Intelligentes Netz: Planungen der Deutschen Bundespost Telekom, in: Meier, Alfred (Hrsg.): Telekommunikation in Deutschland: Umbruch und Fortentwicklung, Kongressband “online Kongress 1991”, Velbert 1991, S.11.09.05ff.

    Google Scholar 

  71. So basierten z.B. die Feldversuche für Btx auf fehlerhaften Ausgangshypothesen, “da sie unter unrealistischen, d.h. nicht dem Endzustand der Verbreitung entsprechenden Bedingungen abgelaufen sind. Ohnehin wurde über die endgültige Einführung bereits entschieden, bevor die Feldversucbe abgeschlossen waren.” MEFFERT, Heribert (1985a), a.a.O., S.39.

    Google Scholar 

  72. Wenn im folgenden von Teilnehmern gesprochen wird, so sind immer die Adoptionseinheiten eines Erstanschlusses gemeint.

    Google Scholar 

  73. Überlegungen zur Dynamisierung des Marktsättigungsniveau in Diffusionsmodellen finden sich z.B. bei: FANTAPIÉ ALTOBELLI, Claudia (1991), a.a.O., S.46ff. BONUS, H.(1968), a.a.O., S.70ff. MAHAJAN, Vijay/ PETERSON, Robert A.: Innovation Diffusion in a Dynamic Potential Adopter Population, in: Management Science, 24(1978), No. 15, S.1590ff. LEWANDOWSKI, Rudolf (1974), a.a.O., S.333ff.

    Google Scholar 

  74. Vgl. hierzu die Ausfuhrengen in Kapitel 4.3.3.4.1 “Informationsgewinnung mit Hilfe von Testmarktdaten und Aufbau der Fallstudie”.

    Google Scholar 

Download references

Authors
  1. Rolf Weiber
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 1992 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Weiber, R. (1992). Diagnosemodell für die Diffusion von Kritische Masse-Systemen. In: Diffusion von Telekommunikation. Neue betriebswirtschaftliche Forschung, vol 101. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-09799-0_4

Download citation

  • DOI: https://doi.org/10.1007/978-3-663-09799-0_4

  • Publisher Name: Gabler Verlag, Wiesbaden

  • Print ISBN: 978-3-409-16014-8

  • Online ISBN: 978-3-663-09799-0

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation