Analyse und Bewertung ausgewählter Methoden zur Messung der Effizienz von Innovationen und beispielhafte Anwendung der Data Envelopment Analysis

Inhaltsverzeichnis

1 Einleitung

1.1 Problemstellung

1.2 Ziele der Arbeit

1.3 Aufbau der Untersuchung

2 Begriffliche Grundlagen und Abgrenzung des Untersuchungsfeldes

2.1 Innovationen und deren Entwicklungsprozesse im Unternehmen

2.2 Die Begriffe der Messung und Bewertung

2.3 Effektivität und Effizienz

3 Alternative Messmethoden des Innovationserfolges

3.1 Vorgehensweise und grundlegende Differenzierungskriterien

3.2 Überblick über die alternativen Messmethoden des Innovationserfolges

3.2.1 Qualitative Methoden

3.2.2 Quantitative Methoden

3.3 Methoden zur Messung bei simultaner Berücksichtigung von In- und Output

3.3.1 Beziehungszahlindikatoren

3.3.2 In- und Output-bezogene Bewertungsmaße

4 Konzeption einer Methode zur Messung des Innovationserfolges

4.1 Data Envelopment Analysis

4.1.1 Grundidee und Vorgehensweise

4.1.2 Anwendungsbereiche und Prämissen

4.1.3 Mathematische Grundlagen der Data Envelopment Analysis

4.1.4 Stärken und Schwächen der Data Envelopment Analysis

4.2 Entwicklung einer Konzeption zur Messung des Innovationserfolges

4.3 Aufbau und mögliche Anwendung der Konzeption

4.3.1 Dimensionen zur Auswahl eines Modells innerhalb der Konzeption

4.3.2 Voraussetzungen für die Anwendung der jeweiligen Kombination

5. Anwendung der Konzeption auf ein konkretes Beispiel

5.1 Vorstellung des Programms zur Lösung des linearen Problems

5.2 Beispielhafte Anwendung der Konzeption

5.2.1 Anwendung der Konzeption unter Annahme objektiver Daten

5.2.2 Anwendung der Konzeption unter der Annahme subjektiver Daten

5.3 Gegenüberstellung und Interpretation der durchgeführten Berechnungen

6. Abschluss und Ausblick

6.1 Kritische Würdigung der Konzeption zur Messung des Innovationserfolges

6.2 Verwendung der gewonnenen Daten

6.3 Weiterentwicklungspotenziale

Zielsetzung & Themen

Die vorliegende Arbeit zielt darauf ab, Schwächen bisheriger Messmethoden zur Bewertung des Innovationserfolgs aufzuzeigen und eine neue Konzeption unter Verwendung der Data Envelopment Analysis (DEA) zu entwickeln, um die Effizienzmessung in Forschungs- und Entwicklungsabteilungen zu optimieren.

• Analyse bestehender qualitativer und quantitativer Messmethoden für Innovationen.
• Untersuchung der theoretischen Grundlagen und Anwendungsbereiche der Data Envelopment Analysis (DEA).
• Entwicklung eines methodischen Ansatzes zur Verknüpfung von DEA mit bestehenden Kennzahlensystemen.
• Erprobung der entwickelten Konzeption anhand von Fallbeispielen mit objektiven und subjektiven Daten.
• Diskussion der Anwendungsvoraussetzungen, Fehlerquellen und Weiterentwicklungspotenziale.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Die Einleitung beleuchtet die hohe Bedeutung der Innovationstätigkeit für den Unternehmenserfolg und identifiziert Defizite in den bisherigen Messmethoden, die durch die vorliegende Arbeit adressiert werden sollen.

2 Begriffliche Grundlagen und Abgrenzung des Untersuchungsfeldes: In diesem Kapitel werden grundlegende Termini wie Innovation, Messung, Bewertung, Effektivität und Effizienz definiert und der Fokus auf den innerbetrieblichen Innovationserfolg gelegt.

3 Alternative Messmethoden des Innovationserfolges: Es erfolgt eine detaillierte Auseinandersetzung mit verschiedenen qualitativen und quantitativen Messansätzen, insbesondere Beziehungszahlindikatoren sowie In- und Output-bezogenen Bewertungsmaßen.

4 Konzeption einer Methode zur Messung des Innovationserfolges: Das Kapitel führt in die Data Envelopment Analysis (DEA) ein, erarbeitet eine Konzeption zur Messung des Innovationserfolgs und diskutiert die Anwendungsvoraussetzungen sowie mathematische Grundlagen.

5. Anwendung der Konzeption auf ein konkretes Beispiel: Hier wird die entwickelte DEA-basierte Konzeption exemplarisch auf fiktive Datensätze angewendet, wobei sowohl objektive als auch subjektive Daten für die Effizienzmessung berücksichtigt werden.

6. Abschluss und Ausblick: Das abschließende Kapitel kritisiert die entwickelte Konzeption, diskutiert Ansätze zur praktischen Verwendung der Ergebnisse und identifiziert Potenziale für zukünftige Forschungsarbeiten.

Schlüsselwörter

Innovationserfolg, Effizienzmessung, Data Envelopment Analysis, DEA, Forschung und Entwicklung, F&E, Effektivität, Leistungsbewertung, Prozessinnovation, Produktinnovation, Decision Making Units, DMU, Nutzwertanalyse, Investitionsrechnung, Benchmark.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht, wie die Effizienz von Innovationsprozessen, speziell in Forschungs- und Entwicklungsabteilungen, mittels der Data Envelopment Analysis (DEA) gemessen und bewertet werden kann.

Welche zentralen Themenfelder werden behandelt?

Zentrale Themen sind die Abgrenzung von Innovationsbegriffen, der Vergleich klassischer Messmethoden (wie Beziehungszahlen oder Scoring-Modelle) und die praktische Anwendung der DEA zur Performance-Messung.

Was ist das primäre Ziel der Arbeit?

Das Ziel ist die Entwicklung einer Konzeption zur Messung der Innovationseffizienz, die Schwächen bisheriger Methoden minimiert und eine multidimensionale Bewertung ermöglicht.

Welche wissenschaftliche Methode wird verwendet?

Es wird die Data Envelopment Analysis (DEA) als nicht-parametrisches Verfahren zur relativen Effizienzmessung genutzt und in ein Gesamtkonzept zur Innovationsbewertung integriert.

Was wird im Hauptteil behandelt?

Der Hauptteil umfasst eine theoretische Fundierung, die methodische Herleitung der DEA, die Konzeption der neuen Messmethode sowie die praktische Anwendung an beispielhaften Datensätzen.

Welche Schlüsselwörter charakterisieren die Arbeit?

Wichtige Begriffe sind Innovationserfolg, DEA, Effizienzmessung, F&E-Leistung und Benchmarking.

Warum ist die Unterscheidung zwischen objektiven und subjektiven Daten wichtig?

Die Art der Datenbasis beeinflusst den Anwendungszeitpunkt (ex-post vs. ex-ante) und die Einsetzbarkeit der DEA, da subjektive Daten beispielsweise Projektbezug ermöglichen, während objektive Daten sich auf zeitliche Perioden beziehen.

Was zeigt die beispielhafte Anwendung der DEA im Kapitel 5?

Die Anwendung zeigt, dass das Programm ‚DEA-Solver‘ erfolgreich zur Identifikation effizienter und ineffizienter Einheiten (Quartale bzw. Projekte) eingesetzt werden kann, wobei die Ergebnisse je nach gewählter Orientierung und Skalenertragsannahme variieren.

Welche Rolle spielen Schlupfvariablen in der DEA?

Schlupfvariablen geben Auskunft über das genaue Ausmaß der Ineffizienz und zeigen auf, an welchen Stellen Inputs reduziert oder Outputs gesteigert werden müssen, um eine pareto-optimale Effizienz zu erreichen.