Entscheidungstheorie
Werbung
ENTSCHEIDUNGSTHEORIE Teil 2b Prof. Dr. Steffen Fleßa Lst. für Allgemeine Betriebswirtschaftslehre und Gesundheitsmanagement Universität Greifswald Gliederung 1 Grundlagen 2 Werte- und Zielsystem 2.1 Entwicklung eines Wertesystems 2.2 Entwicklung eines Zielsystems 3 4 Konzepte der Entscheidungstheorie Prognosemodelle 2.2 Entwicklung eines Zielsystems 2.2.1 Eindimensionale Zielsysteme • Zielspaltung Ebene 1: Strategische Finanzierung • Zielspaltung Festlegung des Verhältnisses von Eigenkapital und Fremdkapital: Leverage-Effekt Ebene 2: Investitionsplanung • Zielspaltung Festlegung der Fixkosten durch Investitionsprogramm; Kapital: gegeben Ebene 3: Produktionsprogrammplanung • Zielspaltung Festlegung der zu produzierenden Menge durch Deckungsbeitragsmaximierung; Fixkosten, Kapital, Produktionsmittel: gegeben Ebene 4: Ablaufplanung • Zielspaltung Festlegung des Produktionsprozesses zur Minimierung der variablen Kosten; Fixkosten, Kapital, Produktionsmittel, Produktionsprogramm: gegeben Zielspaltung • • • Schritt für Schritt werden aus dem Globalziel operationale Ziele für die einzelne Entscheidung abgeleitet Die einzelnen Subziele ergeben sich mathematisch (z. B. Deckungsbeitragsmaximierung) oder implizit (z. B. minimale Transportdistanzen für minimale variable Kosten) aus dem Globalziel Aufteilung eines Gesamtproblems in unabhängige Teilprobleme: Dekomposition Probleme der Dekomposition • • • Ein interdependentes System wird in unabhängige Teilprobleme ohne Feedbacks zerlegt Folge: Interdependenzen werden vernachlässigt Ziel: Simultanplanung – Beispiel: Lagerhaltung und Produktionsprogrammplanung mit LP Ableitung von Subzielen in der Praxis GEWINNZIEL Absatzziel e Kapazitätsziele Bestandsziel Investitionsziele Beschaffungsziele Personalziele Erlösziele Kostenziele Versöhnung bei Zielkonflikten über Dominanz des Absatzzieles 2.2.2 Mehrdimensionale Zielsysteme 2.2.2.1 Ableitung von Unterzielen • Grundsatz: – Dimension ≠ Komponente (Multiplikation ≠ Addition) – Mehrdimensionale Zielsysteme können in der Regel nicht vollständig erfüllt werden – Es entstehen „Trade-Offs“ – Entscheidung wird schwieriger Beispiel • Erhebung der Ziele der Führungskräfte eines kirchlichen Krankenhauses 1. Expansion und Entwicklung 2. Hohe Auslastung 3. Geringe Abweisungsrate 4. Minimale Überbelegung 5. Kostendeckung 6. Minimale Fallkosten 7. Hohe Qualität 8. Geringe Abhängigkeit 9. Public Health Contribution 10. Geringe Gebühren 11. Personalzufriedenheit 12. Verkündigung 13. Personalentwicklung Beispiel • Erhebung der Ziele der Führungskräfte eines kirchlichen Krankenhauses 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. Expansion und Entwicklung Hohe Auslastung Geringe Abweisungsrate Minimale Überbelegung Kostendeckung Minimale Fallkosten Hohe Qualität Geringe Abhängigkeit Public Health Contribution Geringe Gebühren Personalzufriedenheit Verkündigung Personalentwicklung Problem: große Zahl sehr unterschiedlicher Ziele Folge: Sortierung und Bewertung wird wichtig. Zielbildungsprozess als partizipativer Prozess Weiteres Problem: Ziele müssen durch bestimmte Maßnahmen verfolgt werden, die selbst wiederum Zielcharakter haben Beispiel: Maßnahmen für „hohe Qualität“ • Erhebung der Ziele der Führungskräfte eines kirchlichen Krankenhauses 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. Expansion und Entwicklung •hohe Pflegequalität Hohe Auslastung •hohe Materialausgaben pro Geringe Abweisungsrate Patient •hohe Verfügbarkeit von Minimale Überbelegung Medikamenten Kostendeckung •Hoher technische Minimale Fallkosten Ausstattung und hohe Hohe Qualität Verfügbarkeit von Geringe Abhängigkeit Anlagen Public Health Contribution •Geringe Auslastung Geringe Gebühren Personalzufriedenheit Verkündigung Personalentwicklung Beispiel: Maßnahmen für „hohe Qualität“ • Beispiel: Erhebung der Ziele der Führungskräfte eines kirchlichen Krankenhauses 1. Expansion und Entwicklung •hohe Pflegequalität 2. Hohe Auslastung •hohe Materialausgaben pro 3. Geringe Abweisungsrate Patient •hohe Verfügbarkeit von 4. Minimale Überbelegung Medikamenten 5. Kostendeckung •Hoher technische 6. Minimale Fallkosten Ausstattung und hohe 7. Hohe Qualität Verfügbarkeit von 8. Geringe Abhängigkeit Anlagen 9. Public Health Contribution •Geringe Auslastung 10. Geringe Gebühren Diese11. Maßnahmen zur Erreichung des Oberzieles „Hohe Personalzufriedenheit Qualität“ sind selbst wiederum Unterziele. Damit ergibt sich 12. Verkündigung eine Zielhierarchie. Weiterhin können diese Unterziele 13. Personalentwicklung wiederum durch entsprechende Maßnahmen verfolgt werden. Beispiel: Maßnahmen für „hohe Pflegequalität“ … 7. Hohe Qualität – Hohe Pflegequalität • • • • • – – – – wenige Patienten Patienten mit unkomplizierten Krankheiten hohe Personalausstattung hohe Personalqualität hohe Arbeitsintensität hohe Materialausgaben pro Patient hohe Verfügbarkeit von Medikamenten Hoher technische Ausstattung und hohe Verfügbarkeit von Anlagen Geringe Auslastung Zielbaum Aufgabe des Managements • • • • Erfassung der Ziele Sortierung der Ziele nach Oberzielen, Unterzielen und Maßnahmen Charakterisierung nach „komplementär“, „konkurrierend“ und „neutral“ Gewichtung der Ziele Gewichtung über Präferenzen • – – • • • – – – – – – Artenpräferenz Einfluss des einzelnen Zieles auf den Gesamtnutzen für den Entscheider Beispiel: Anteil, den die Qualität des Essens am Erholungsnutzen eines Urlaubes hat Höhenpräferenz Abbildung des Nutzens bzgl. eines bestimmten Zieles, den ein Ergebnis liefert. Beispiel: Erholungsnutzen in Abhängigkeit von Urlaubslänge Risikopräferenz Abbildung der Risikoeinstellung des Entscheiders Beispiel: Nutzenreduktion eines Urlaubes durch Risiko einer Sturmflut Zeitpräferenz Abbildung des unterschiedlichen Nutzens für den Entscheider, den zeitlich auseinander fallende Ergebnisse liefern Beispiel: Erholungswert eines teuren Urlaubes heute, wenn ich mir dafür nächstes Jahr keinen Urlaub leisten kann 2.2.2.2 Zielbeziehungen • Komplementäre Ziele – – – Mit Verbesserung des Zielerreichungsgrades von zh verbessert sich auch der Zielerreichungsgrad von zp und umgekehrt (symmetrische Komplementarität). Vollständige Komplementarität: Bei allen betrachteten Alternativenpaare besteht diese Beziehung Unvollständige Komplementarität: Nur bei einigen Paaren besteht diese Beziehung, z. B. Personaleinsatz und Qualität Qualität Komplementär Personaleinsatz Konkurrierende Ziele – – – Mit Verbesserung des Zielerreichungsgrades von zh verschlechtert sich der Zielerreichungsgrad von zp und umgekehrt. Trade-Off: Verbesserung des einen Zielwertes ist nur unter Inkaufnahme der Verschlechterung des anderen Zielwertes möglich Partielle Konkurrenz: Nur bei einigen Paaren besteht diese Beziehung, z. B. Personaleinsatz und Qualität Qualität Konkurrierend Personaleinsatz Neutrale Ziele – – – Mit Verbesserung des Zielerreichungsgrades von zh verändert sich der Zielerreichungsgrad von zp nicht und umgekehrt. Es besteht kein Trade-Off Synonym: Zielindifferenz Echte, über alle Alternativen neutrale Ziele sind selten! Kunst am Bau Gesundheitsförderung 2.2.2.3 Verfahren der Zielfusion • Prinzip: Input Output Prozess Varianten • •Zahl der Inputs Prinzip: •Quantifizierung der Inputs •Monetarisierung der Inputs •Zahl der Outputs •Quantifizierung der Outputs •Monetarisierung der Outputs Kosten-Nutzen-Analyse • • Synonym: Cost-Benefit-Analysis Grundsatz: alle Inputs und Outputs werden ausschließlich monetär bewertet Beispiele: • – – – • Verfahren (Beispiel) – – • Nutzen einer intakten Umwelt Nutzen gewonnener Lebensjahre Nutzen des „Jäger-90“ Willingness-to-pay Human-Capital-Ansatz Kritik: Monetarisierung nicht-monetärer Werte Kosten-Nutzen-Analyse • Anwendung – • Varianten: – – • Insbesondere wenn Outputs nicht vergleichbar sind, z. B. Intersektorale Investitionsalternativen Kosten-Nutzen-Quotient: Dimension geht verloren Kosten-Nutzen-Differenz Bewertung: Oftmals zeigt die Kosten-NutzenAnalyse mehr über die Präferenzen der Entscheider als über die Vorteilhaftigkeit eines Projektes Nutzwert-Analyse • Synonym: Punktbewertungsverfahren, ScoringModell – • Scoring: das Zählen von Punkten. Im erweiterten Sinne wird es für analytisch statistische Verfahren benutzt, aus wenigen erhobenen Daten anhand von Erfahrungswerten, die in Score-Cards beschrieben werden, zu Risikoeinschätzungen zu kommen. Grundsatz: Alle Inputs und Outputs werden nominell gemessen Schritt 1: Verbale Nutzenmessung • • Inhalt: Für jede Alternative und jedes Ziel wird eine verbale Bewertung abgegeben. In dieser Phase muss keine einheitliche Skala eingehalten werden Beispiel: Fahrzeugkauf VW-Fox Benzinverbrauch 3l Opel Vectra 8 l Mercedes E 10 l Porsche 14 l Prestige Platz „Billigauto“ 2 Sitze + 2 Notsitze „alter Opa“ 5 Sitze NobelHobel SuperSchnittig 5 Luxussitze 2 Sitze Schritt 2: Ordinale Nutzenmessung • • Inhalt: Überführung in eine Ordinalskala Vorgehen: Für jedes Ziel wird eine Rangfolge ermittelt Beispiel: Fahrzeugkauf VW-Fox Benzinverbrauch 3l Opel Vectra 8 l Mercedes E 10 l Porsche 14 l Prestige Platz Beispiel: Fahrzeugkauf Benzinver- Prestige brauch VW-Fox 3l= sehr gut Opel Vectra 8 l = Gut Mercedes E 10 l = schlecht Porsche 14 l = sehr schlecht Platz Beispiel: Fahrzeugkauf Benzinverbrauch VW-Fox 3l= sehr gut Opel Vectra 8 l = Gut Mercedes E 10 l = schlecht Porsche 14 l = sehr schlecht Prestige Platz Billig = schlecht Opa= sehr schlecht Nobel-Hobel = gut Schnittig = sehr gut 2 S+2 NS = schlecht 5 S =gut 5 Luxuss = sehr gut 2 S =sehr schlecht Beispiel: Fahrzeugkauf Prestige Platz schlecht Schlecht Gut Mercedes E schlecht sehr schlecht Gut Porsche sehr gut sehr schlecht VW-Fox Benzinverbrauch sehr gut Opel Vectra Gut sehr schlecht sehr gut Schritt 3: Überführung in Zahlenwerte • • • Inhalt: Bei n Alternativen wird dem besten Wert pro Ziel der Wert n zugewiesen, dem zweitbesten der Wert n-1 usw. Addition der Ergebniswerte Auswahl der Alternative mit der maximalen Punktesumme Beispiel: Fahrzeugkauf VW-Fox Opel Vectra BenzinPrestige Platz verbrauch sehr Schlecht=2 Schlecht=2 gut=4 Gut=3 Mercedes E Schlecht= 2 Porsche sehr schl.=1 sehr schl.=1 Gut=3 Gut=3 sehr gut=4 sehr gut=4 sehr schl.=1 Beispiel: Fahrzeugkauf VW-Fox Opel Vectra BenzinPrestige Platz verbrauch sehr Schlecht= Schlecht= gut=4 2 2 Gut=3 Summe 8 sehr schl.=1 Gut=3 7 Mercedes Schlecht= E 2 Gut=3 sehr gut=4 9 Porsche sehr gut=4 sehr schl.=1 6 sehr schl.=1 Mercedes > VW > Opel > Porsche Erweiterungen • • Gewichtung der Ziele Z. B. Benzinverbrauch ist doppelt so wichtig wie die beiden anderen Ziele Beispiel: Fahrzeugkauf VW-Fox BenzinPrestige verbrauch 4*2=8 2 Platz Summe 2 12 Opel Vectra 3*2=6 1 3 10 Mercedes E 2*2=4 3 4 11 Porsche 1*2=2 4 1 7 VW > Mercedes > Opel > Porsche Erweiterung • Induzierte Ordinalskala – Abstände sind nicht gleich – Beispiel: Schlechteste Alternative erhält Wert 0 Beispiel: Fahrzeugkauf VW-Fox BenzinPrestige verbrauch 4 2 Platz Summe 2 8 Opel Vectra 3 0 3 6 Mercedes E 2 3 4 9 Porsche 0 4 0 4 Mercedes > VW > Opel > Porsche Sensitivitätsanalyse • • Bis zu welcher Veränderung eines Wertes bleibt die Reihenfolge konstant? Z. B. Wie stark muss „Prestige“ gewichtet werden, damit der Porsche den Mercedes übertrifft? Beispiel: Fahrzeugkauf Benzin- Prestige verbrau ch Platz 6 3x 2 4 x 4 x; VW-Fox Opel Vectra Mercedes E 2 3 4 Porsche 1 4 1 Summe Probleme der Nutzwert-Analyse • • – • – Formales Problem: Addition ordinaler Größen unzulässig Abstände zwischen Größen gehen verloren (Vergleich: Schulnoten: 1 besser als 2 besser als 3, aber der Sprung von 3 auf 2 ist meist kleiner als von 2 auf 1) Beispiel: Stiftung-Warentest: Staubsauger • • • • Kategorie: Sicherheit Staubsauger A: Gefahr, sich den Finger zu quetschen Staubsauger B: Gefahr eines tödlichen Stromschlages Auswertung: A > B, u(A)=2, u(B)=1; Folge: Nutzenzuweisung setzt Linearität voraus: ist selten so! Monetäre Größen (Kosten!) gehen verloren: Datenverdichtung = Datenvernichtung!!! Kosten-Nutzwert-Analyse • Inhalt: Unvollständige Zielfusion – Zwei Dimensionen: Kosten und Nutzwert • Problem: unter Umständen ist nicht eine einzige Lösung optimal, sondern eine Effizienzhülle Beispiel: Fahrzeugkauf 2 2 Summe Nutzwerte 4 1 3 4 Mercedes 10.000 € E 3 4 7 Porsche 4 1 5 VW-Fox Opel Vectra Kosten pro Jahr 3000 € 6000 € 15.000 € Prestige Platz Beispiel: Fahrzeugkauf VW-Fox Opel Vectra Kosten pro Jahr 3000 € 6000 € Summe Nutzwerte 4 Kosten pro Nutzwert 750 4 1500 Mercedes 10.000 € E 7 1429 Porsche 5 3000 15.000 € KNWA: Graphische Darstellung Nutzwert Mercedes E 7 Porsche 5 VW-Fox Opel Vectra 4 3.000 6.000 10.000 15.000 Kosten KNWA: Graphische Darstellung Nutzwert Mercedes E 7 Effizienzhüllkurve Porsche 5 VW-Fox Opel Vectra 4 3.000 6.000 10.000 15.000 Kosten Besonderheiten • • • 1. Dominanz: Opel Vectra wird eindeutig von VW-Vox dominiert; Porsche wird eindeutig von Mercedes E dominiert Vectra ist ineffizient 2. Effizienzhüllkurve: geographischer Ort aller effizienten (=Pareto-optimalen) Einheiten Ziel des Ökonomen: Entscheidungsvorbereitung durch Ausschluss ineffizienter Lösungen, d.h. Ermittlung der Menge der effizienten Lösungen • Effizienz-Hüllkurven: Ausgangslage Output DMU 3 DMU 2 DMU 5 DMU 6 DMU 4 DMU 8 DMU 7 DMU 1 DMU 9 DMU 10 Input • Effizienzanalyse I: konstante Skalenerträge Output DMU 3 DMU 2 DMU 5 DMU 4 ist effizient, alle anderen sind ineffizient DMU 6 DMU 4 DMU 8 DMU 7 DMU 1 DMU 9 DMU 10 Input • Effizienzanalyse II: zunehmende Skalenerträge Output DMU 3 DMU 2 DMU 5 DMU 6 DMU 4 DMU 8 DMU 7 DMU 1 DMU 9 DMU 10 Input • Effizienzanalyse III: abnehmende Skalenerträge Output DMU 3 Annahmen: - Linearkombinationen zwischen DMUs möglich - Kapazitätsausweitung nicht linear DMU 2 DMU 5 DMU 4 DMU 7 Hüllkurve: allesDMU oberhalb dieser Linie 6 würde die Hüllkurve verschieben, alles DMU 8 unterhalb dieser Linie ist in jedem Fall ineffizient. DMU 1 DMU 9 DMU 10 Input • Effizienzanalyse IV: variable Skalenerträge Output DMU 9, 4, 2 und 3 sind auf der EffizienzHüllkurve. Alle anderen werden dominiert DMU 3 DMU 2 DMU 5 DMU 6 DMU 4 DMU 8 DMU 7 DMU 1 DMU 9 DMU 10 Input Incremental Cost-Benefit-Ratio (ICBR) • Vorgehen bei Evaluierung: – Meist Vergleich „neuer“ Alternative mit bestehender Alternative • Darstellung: – Veränderung der Kosten – Veränderung des Nutzwertes – Folge: Incremental Cost-Benefit-Ratio (ICBR) ICBR ΔB B ' B ICBR C 'C ΔC ICBR: Bootstrapping ΔB ΔC Exkurs: Bootstrapping • Übertragung des Münchhausen-Prinzips auf die Datenanalyse • Fragestellung: was können wir tun, wenn 1. Problemstellung gegeben 2. Daten vorhanden 3. Verteilungseigenschaften Datensatz unzureichend bekannt sind? Exkurs: Bootstrapping • Bootstrapping = Resampling-Methode • theoretische Verteilungsannahme nicht erforderlich • zahlreiche Anwendungsmöglichkeiten Exkurs: Bootstrapping • Beispiel: Auswirkungen des Direktmarketings auf den Umsatz eines Online-Händlers Es werden 50 Kunden mit einem durchschnittlichen Monatsumsatz von ungefähr 10 Euro im Rahmen der Studie herangezogen, von denen die Hälfte, durch Zufallsauswahl bestimmt, einen Monat lang jede Woche personalisierte Newsletter und Angebote erhalten. Exkurs: Bootstrapping • Monatsumsatz der Kunden pro Gruppe Exkurs: Bootstrapping • Monatsumsatz der Kunden pro Gruppe unterscheiden sich die Ergebnisse beider Gruppen in signifikanter Weise? Problem: Gruppengröße zu klein! Exkurs: Bootstrapping • Monatsumsatz der Kunden pro Gruppe Resampling: Wiederholtes Ziehen aus den bestehenden Stichproben (mit Zurücklegen) => Generierung neues Bootstrap-Samples B Bootstrapping Software • • Excel Add-In zum Resampling 10-Tage-Testversion unter: http://www.resample.com/content/ software/excel/index.shtml ICBR: Bootstrapping: 95 % Vertrauensintervall ΔB ΔC ΔB I. Quadrant: Kosten steigen Benefit steigt Weiter untersuchen! ΔC III. Quadrant Kosten sinken Benefit sinkt Weiter untersuchen! IV. Quadrant Kosten steigen Benefit sinkt immer ablehnen! Problemfall II. Quadrant: Kosten sinken Benefit steigt immer annehmen Kosten-Wirksamkeits-Analyse • • Syn.: Kosten-Effektivitäts-Analyse Prinzip: Nutzwert ist ein einziger, in der Regel physikalisch messbarer Wert – Z. B. Kilometer, Zeit, Gewicht KWA: Zahl und Position der Rettungswagen : Alternative i: DMU i Anrückzeit Kosten KWA: Zahl und Position der Rettungswagen : Alternative i: DMU i Anrückzeit Kosten KWA: Zahl und Position der Rettungswagen : Alternative i: DMU i Anrückzeit Effizienzhüllkurve: Verbindung aller dominanten DMUs. NB: KWA gibt keine eindeutige Entscheidung vor, sondern erhöht die Transparenz durch Ausschluss von dominierten Lösungen Kosten Problem der Kosten-WirksamkeitsAnalyse • In der Realität ist eine Reduktion auf eine Wirksamkeit oftmals nicht möglich. • Folge: Erweiterung auf Mehrdimensionalität ist notwendig. Data Envelopment Analysis (DEA, Effizienz-Hüllkurven-Analyse) DEA • • • • Entwicklung: Charnes, Cooper und Rhodes: Measuring the Efficiency of Decision Making Units (1978) „Performance Analyse“ Nur relative Effizienz Anwendung: breite Anwendung, vor allem im Nonprofit Bereich Grundmodell • • Effizienz der Einheit z (DMU: Decision Making Unit) m w j 1 n j x jz v y i 1 Mit xjk yik wj vi m n s i Max! iz Output j bei Einheit k, j=1..m [Stück] Input i bei Einheit k, i=1..n [Stück] Gewicht des Output j Gewicht des Inputs i Zahl der Outputfaktoren Zahl der Inputfaktoren Anzahl der Einheiten in der Analyse • Effizienz aller s Einheiten ist maximal 100 % m w j 1 n j x jk v y i 1 i ik 1 für k 1..z..s Überführung des Quotientenmodells in LP m w j 1 n j m w x jz Max! j 1 j x jz Max! v y 1 Output-Orientierung Überführung des vi yiz Quotientenmodell i 1 w x v y für k 1..z..s m s in LP n i 1 i iz m w j 1 n j i 1 j 1 x jk vi yik n 1 für k 1..z..s j jk i i 1 ik ODER n v y i 1 i m w j 1 j m w j 1 iz Min! x jz 1 Input-Orientierung n j x jk vi yik i 1 für k 1..z..s Ergebnisse • • • Berechnung der Gewichte so, dass sie für die zu optimierende DMU bestmöglich sind. Folge: Bei s DMUs sind s LPs zu berechnen. Erreicht eine DMU den Zielfunktionswert eins, ist sie (relativ) effizient. Erreicht sie ihn nicht, ist sie (relativ) ineffizient Modellvarianten OutputOrientierung InputOrientierung Output und Input Orientierung Konstante Skalenerträge Primal und Dual Primal und Dual Primal und Dual Variable Skalenerträge Primal und Dual Primal und Dual Primal und Dual Software • • Efficiency Measurement System (EMS) http://www.wiso.unidortmund.de/lsfg/or/scheel/ems/ DEA-Solver in: Cooper, W., Seiford, L. und K. Tone (2006), Introduction to Data Envelopment Analysis and Its Uses, New York Fallstudie Fast-Food-Kette • • • • • – – – – – – – – – 7 vergleichbare Filialen 6 Inputs Fertigwaren (€) Frischprodukte (€) Strom (kWh) Wasser (m3) Fläche (m2) Personal (MA) 3 Outputs Frühstück (Anzahl) Mittagessen (Anzahl) Abendessen (Anzahl) Datenherkunft: Buchhaltung Ziel: Effizienzanalyse Fallstudie Fast-Food-Kette • Inputs • Outputs Fallstudie Fast-Food-Kette • • Daten werden in DEA-Solver importiert Wahl des Berechnungsmodells, z. B: – Konstante Skalenerträge – Input-Orientierung • Analyse der Ergebnisse: – welche Filiale ist effizient/ ineffizient? – Falls ineffizient, wie sollen dessen In- bzw. Outputs geändert werden, um die gewünschte Effizienz zu erreichen? Fallstudie Fast-Food-Kette Fallstudie Fast-Food-Kette Effiziente DMU Ineffiziente DMU Fallstudie Fast-Food-Kette Input: keine Verbesserung erforderlich Input: Verbesserungen erforderlich Fallstudie Fast-Food-Kette Output: keine Verbesserung erforderlich Output: Verbesserungen erforderlich Fallstudie Fast-Food-Kette • An welche Filiale soll sich z.B. Filiale 6 orientieren, um die gewünschte Effizienz zu erreichen? Fallstudie Fast-Food-Kette • Filiale 6 kann sich an Filiale 1 orientieren Fallstudie Fast-Food-Kette • Fragen: – geeignete Annahmen? • • Technologie Orientierung – welche Einsatzfaktoren sind kurz- bis mittelfristig nicht leicht veränderbar? – dynamische Analyse
