Management- und Brancheninformationssysteme

MIS/BIS | Wintersemester 2009/2010 Dipl.-WiInf.(FH) Christian Reinboth
Fachbereich
Automatisierung und Informatik
MIS/BIS
Management- & Branchen-
informationssysteme
Wintersemester 2009 / 2010
Dipl.-WiInf.(FH) Christian Reinboth

Fachbereich
Kurze Vorstellung
● Fachlicher Hintergrund
● Diplom-Wirtschaftsinformatiker (FH)
● Zertifizierter Controller (HAF)
● Beruflicher Werdegang
● Seit 2005 Lehrbeauftragter an der HS Harz
● Ende 2006 Gründung der HarzOptics GmbH
● Ausgezeichnet mit dem IHK-Forschungspreis 2006
● Zahlreiche Publikationen zu Marktforschung und Photonik

Fachbereich
HarzOptics GmbH

Fachbereich
Nachhaltige Beleuchtungssysteme

Fachbereich
Intelligenter Einsatz von Licht

Fachbereich
Intelligenter Einsatz von Licht
Identische Himmelssicht mit und ohne Lichtsmog-Effekt

Fachbereich
Thermisch neutrale Beleuchtung
Prototyp einer polymeroptischen Seitenlichtfaser
(Entwicklung von tti GmbH, DieMount GmbH und HarzOptics GmbH)

Fachbereich
Inhalte (1)
● Organisatorisches
● Aufbau der Veranstaltung
● Prüfungsleistungen / Termine
● Teil 1: Allgemeine Grundlagen
● Eigenschaften von Informationen
– Stamm- & Änderungsdaten
– Bestands- & Bewegungsdaten
● Bedeutung von Informationen
● Informations-Wertschöpfung
● Informationspyramide

Fachbereich
● Teil 2: Managementinformationssysteme
● Verschiedene Typen von MIS
– TPS, OAS, DSS, XPS, BIS, DWS...
● Data Warehouse Systeme (DWS)
● Informationsangebot und -nachfrage
● Problem der Informationsüberlastung
● Umgang mit Informationen im MIS
– Verschiedene Informationsquellen
– Gewichtung von Informationen
– Qualität von Informationen
● Praxisbeispiel ELBE PILOT DSS
Inhalte (2)

Fachbereich
● Teil 3: Lineare Regressionsmodelle
● Korrelation und Kausalität
● Multivariate Regression
– Analysevoraussetzungen
– Methode der kleinsten Quadrate
– Messung der Anpassungsgüte via R²
– Prüfung der Regressionskoeffizienten
● Prüfung von Regressionsmodellen
– Test auf Autokorrelation
– Test auf Normalverteilung
– Test auf Homoskedastizität
● Einführung in SPSS
Inhalte (3)

Fachbereich
● Teil 4: Brancheninformationssysteme
● Was sind Brancheninformationen?
● Aufbau und Funktion von BIS
● Beispiele für typische BIS
– Packaging Finder (PF)
– Hygienic Processing (HPR)
– European Network Exchange (ENX)
● BIS-Übungen im Internet (PF / HPR)
● ENX-Projekt im Rahmen von T-City
– Überblick T-City-Wettbewerb 2005
– Breitband-Anbindung von ENX
Inhalte (4)

Fachbereich
● Teil 5: E-Business-Anwendungen
● Definition des E-Business-Begriffs
● Unternehmensinterne Anwendungen
– CRM, ERP, HR, Workflow Management...
● Business-to-Business-Anwendungen
– CMS, B2B-Portale, VoIP, WebConference...
● Business-to-Customer-Anwendungen
– Webshops, Webmarketing, B2C-Portale...
● Themeneingrenzung für die Klausur
● Auflistung aller verwendeten Quellen
Inhalte (5)

Fachbereich
Terminplanung
● 16.10.2009 – Einführung / Grundlagen
● 30.10.2009 – Management & MIS
● 13.11.2009 – Angebot & Nachfrage
● 27.11.2009 – ELBE PILOT DSS
● 11.12.2009 – Multiple Regression
● 08.01.2010 – Laborübung SPSS
● 22.01.2010 – Brancheninformationen
● 05.02.2010 – e-Business-Entwicklung
● 19.02.2010 – Klausurvorbereitung

Fachbereich
Klausur zum Semesterende
● Klausur über 90 Minuten
● 50% MIS/BIS-Theorie
● 50% Mathematik
● Theoretischer Teil
● Lernen & Wiedergeben
● Themenliste am Semesterende
● Mathematischer Teil
● Multivariate Regressionsanalyse
● Interpretation von SPSS-Outputs

Fachbereich
Teil 1
Allgemeine Grundlagen

Fachbereich
Eigenschaften von Informationen
● Informationen = Wissensbestandteile
(meist in Form menschlicher Sprache)
● Eigenschaften von Informationen
● Kostengünstig transportierbar
● Mit geringem Aufwand kopierbar
● (Theoretisch) unbegrenzt lagerfähig
● Immaterielles Gut = Verbraucht sich nicht mit
Zeit oder Nutzung (Wert kann sogar steigen)
● Daten = für die EDV aufbereitete Informationen
[Scholl]

Fachbereich
Stammdaten und Änderungsdaten
● Stammdaten
● Zustandsorientiert
● Identifizierung und Charak-
terisierung von Sachverhalten
● Über längere Zeit unverändert
● Änderungsdaten
● Abwicklungsorientiert
● Lösen Veränderungen
in den Stammdaten aus
[Takkin]

Fachbereich
Bestands- und Bewegungsdaten
● Bestandsdaten
● Zustandsorientiert
● Betriebliche Mengen / Werte
● Bewegungsdaten
● Abwicklungsorientiert
● Lösen Veränderungen in
den Bestandsdaten aus
● Erneuern sich permanent durch
betriebliche Leistungsprozesse
[Takkin]

Fachbereich
Bedeutung von Informationen (1)
„Wir können zwar die
Schwerkraft überwinden,
der Schriftverkehr aber
wird uns erdrücken“
- Wernher von Braun

Fachbereich
● Wernher von Braun charakterisierte bereits in
den 60er Jahren die Informationsüberflutung
● Innerhalb der letzten zwei Jahre sind mehr
Informationen entstanden und gespeichert
worden als in der gesamten Weltgeschichte
● Da Informationen heute eine entscheidende Bedeutung
für die moderne Gesellschaft haben, ergibt sich hieraus
ein klares Überlastungsproblem (Information Overload)
● Die entscheidende Frage lautet also: Wie lassen sich
inmitten aller Informationen die wichtigen auffinden?
[Content-Management]

Fachbereich
● Informationen zählen zu den wichtigsten Rohstoffen
● Industriegesellschaft = Öl, Gas, Kohle, Schwermetalle
● Informationsgesellschaft = Information, Kommunikation
● Informationen sind der einzige Rohstoff der sich nicht
erschöpft und dessen Qualität erheblich schwanken kann

Fachbereich
● Informationen sind ein wichtiger
strategischer Unternehmenswert
● Wie bei anderen Ressourcen
stellt sich die Frage, nach der
effizientesten Nutzungsform
● „Wie kann man aus Informationen
tatsächlich Wissen generieren, das
in den Prozessen wirklich genutzt
wird und dem Management eine
echte Grundlage für anstehende
Businessentscheidungen liefert?“

Fachbereich
● Die aktuelle „Informationslage“ ist mehr als prekär
● Mehr als 50% aller relevanten Informationen im Besitz
von Unternehmen liegen in unstrukturierter Form vor,
lediglich 20% sind vollständig aufbereitet und abrufbar
● Nicht abrufbare bzw. nicht aufbereitete Informationen
haben für ein Unternehmen etwa den gleichen Wert
wie (noch) unter der Erde lagernde Rohstoffmengen!
● Es ist daher aus unternehmerischer Sicht von größter
Bedeutung, die Informationsflut technisch zu meistern

Fachbereich
Die Informationspyramide
Unternehmensplanung
(Informations-Endbedarf)
Controlling
Plankostenrechnung
Deckungsbeitragsrechnung
Div. Buchführungssysteme
(Kreditoren-, Debitoren-, Lohn-
und Gehalts-, Anlagen-, Lager-)
DSS
Berichts- und
Kontrollsysteme
Analyse- und
Informationssysteme
Wertorientierte Abrechnungssysteme
Operative Systeme (Dispositionssysteme)
Produktion, Technik,
Beschaffung, Absatz,
Personalmanagement
Produktions-, Technik-, Beschaffungs-,
Marketing-, Personalinformationssysteme
Informationswanderung
[Scheer]

Fachbereich
Wertschöpfung durch Informationen
Kunde XY
Produkt A
Produkt B
Kunde XY
kauft
Produkt A
Produkt A
80% VKK
Produkt B
Kunde XY
Angebot
Produkt B
DATEN
INFORMATION
WISSEN
ENTSCHEIDUNG
iWSK
Informations-Wertschöpfungskette
[Remus]

Fachbereich
Theorie der Informationswertschöpfung
[OuP]
● Eine professionelle Informationswertschöpfung stellt
drei wesentliche Ansprüche an die Informationslogistik
● Die richtigen Daten (vollständig, fehlerfrei, versehen
mit allen notwendigen Ausprägungen und Attributen)
● müssen zur richtigen Zeit (zum Zeitpunkt der Abfrage)
● am richtigen Ort (für den Benutzer verfügbar) bereitstehen
● Beispiele für professionelle Informationswertschöpfung
● Amazon (Informationsbasis für gezieltes Marketing)
● Schlecker (Just-in-Time-Belieferung der Filialen)

Fachbereich
Teil 2
Managementinformationssysteme
(MIS)

Fachbereich
Was ist Management?
● Unterschiedliche Vorstellungen von Management
● „Management ist nichts anderes als die Kunst,
andere Menschen zu motivieren“ (Lee Iacocca)
● „Manager sollen vor Energie sprühen. Sie sollen
Visionen entwickeln und durchsetzen und nicht
nur darüber schwafeln“ (John F. [Jack] Welch)
● „Management ist die schöpferischte aller Künste – die
Kunst, Talente richtig einzusetzen“ (Robert McNamara)
● „Gewiß ist es gut, wenn wir die nicht immer kennen,
für welche wir arbeiten“ (Johann Wolfgang von Goethe)
● Funktion: Motivation – Vision – Delegation - Problem?
[Wikipedia]

Fachbereich
Managementfunktionen (1)
Beschaffung Produktion Vertrieb
Planung
Steuerung
Kontrolle
MANAGEMENTFUNKTIONEN
[Strohmeier]

Fachbereich
Planung
Steuerung
Kontrolle
Planung
Organisation
Personaleinsatz
Personalführung
KontrolleFunktionale Diversifikation
[Strohmeier]

Fachbereich
[Strohmeier]

Fachbereich
Wofür werden MIS benötigt?
● MIS sind nicht „Kür“ sondern „Pflicht“
● Härterer, globalisierter Wettbewerb
● Verkürzung der Produktlebenszyklen
– Beispiel: Der Produktlebenszyklus einer
aktuellen Digitalkamera beträgt 6 Monate
● Volatileres Markt- und Kundenverhalten
● Daraus ergeben sich neue Notwendigkeiten
● Zeitnahe Entscheidungen sind erforderlich –
hierfür werden unterstützende Informationen
benötigt, nicht unüberblickbare Datenwüsten
[Strohmeier]

Fachbereich
Angebot und Nachfrage
Menge
Preis
Nachfrage
Angebot
Gleichgewichtsmenge
Gleich-
gewichts-
preis
Soweit das vertraute Modell aus der Volkswirtschaftslehre...

Fachbereich
Informationsbedarf
● Bedarf = Typ, Menge und Qualität der Informationen,
die ein Manager zur Entscheidungsfindung benötigt
● Dieser Bedarf ist abhängig von einer ganzen Reihe
von Randbedingungen und daher in der Regel nicht
absolut eindeutig bestimmbar (= Bedarfsunsicherheit)
● Zu unterscheiden sind der subjektive
und der objektive Informationsbedarf
● Objektiv = Tatsächlich benötigte Informationen
● Subjektiv = Real gewünschte Informationen
[Strohmeier]

Fachbereich
Informationsnachfrage
● Die Informationsnachfrage ist definiert als die durch
einen Entscheidungsträger konkret angeforderten
Informationen zu einer bestimmten Fragestellung
● Die Nachfrage umfasst lediglich den subjektiven
und eher selten den objektiven Informationsbedarf
● Es werden daher häufig Informationen angefragt,
die für die Beantwortung der Frage irrelevant sind
● Dies bezeichnet man auch als Pseudoversorgung
● Pseudoversorgung kreiert Informations-Overhead
und damit unnötige zeitliche und monetäre Kosten
[Strohmeier]

Fachbereich
Informationsangebot
● Angebot = Menge der externen und internen Informationen,
die zu einem bestimmten Zeitpunkt X zur Verfügung stehen
● Das Informationsangebot kann Elemente des
objektiven wie des subjektiven Informationsbedarfs
sowie gänzlich unverbundene Informationen beinhalten
● Die Aufgabe der Wirtschaftsinformatik besteht darin, den
Bedarf zu identifizieren, die Nachfrage zu steuern und die
relevanten Informationen aus dem Angebot zu extrahieren
[Strohmeier]

Fachbereich
Teil 2.1
Definition von MIS
Aufgaben von MIS
Arten von MIS

Fachbereich
Definition von MI-Systemen
● Grundidee: Jedes Unternehmen lässt sich durch
mathematische Modelle und darauf aufbauende
Systeme steuern (in der Realität unzutreffend)
● Ziel: Automatisierung der Managertätigkeit durch
autonom handelnde „Entscheidungsgeneratoren“
● Die ersten MIS konnten sich nicht etablieren, daher der
neue Ansatz: MIS nur zur Entscheidungsunterstützung
● Darauf aufbauend: Modellierte Expertensysteme
● Der Durchbruch gelang mit der Kombination
aus Data Warehouse, OLAP, BIS und SEM
[Strohmeier]

Fachbereich
Die Vision vom Management Cockpit
[Foto: SAP.com]

Fachbereich
Aufgaben von MI-Systemen
● Unterstützung des Managements und anderer
Entscheidungsträger im Unternehmen durch
● Informationen / Reports / Berichte
● What if-Szenarien / Simulationen
● How to achive-Szenarien / Zielwertsuchen
[Strohmeier]

Fachbereich
Decision Calculus (vereinfacht)
[Mertens]

Fachbereich
Verschiedene Arten von MIS
● XPS = eXpert System
● BSC = Balanced Scorecard
● DSS = Decision Support System
● DWS = Data Warehouse System
● OAS = Office Automation System
● BIS = Business Intelligence System
● TPS = Transaction Processing System
● SEM = Strategic Enterprise Management
● Nicht alle diese MIS werden wir in der VL behandeln
[Strohmeier]

Fachbereich
Transaction Processing System
● Systeme zur administrativen und dispositiven
Verarbeitung großer Datenmengen im operativen
Geschäft (Administrations- / Transaktionssysteme)
● Lagerverwaltung
● Rechnungswesen
● Anlagenverwaltung
● Auftragsabrechnung
● Personalabrechnung
● TPS sind als Standardsoftware und als spezifische
Branchenlösungen (z.B. Medizin, Bauwesen) erhältlich
[Strohmeier]

Fachbereich
Office Automation System
● Systeme zur Bürokommunikation oder
zur Automatisierung von Büroabläufen
● Office-Anwendungen
● Textverarbeitung, Tabellenkalkulation,
Präsentationssystem, Terminkalender
(z.B. MS Office, Lotus Suite, Star Office)
● Kommunikationsanwendungen
● Terminkalender mit Gruppenfunktionen,
E-Mail, Groupware (z.B. Lotus Notes)
[Strohmeier]

Fachbereich
Decision Support System
● Interaktive Systeme mit entscheidungsorientierten
Modellen zur direkten Unterstützung von Managern
für eng abgrenzbare Entscheidungssituationen
● Die Komplexität von DSS reicht von einfachen „Was
wäre wenn?“-Modellen, häufig umgesetzt als Excel-
Simulationen, bis hin zu hochkomplexer Software
● Beispiel für ein hochspezialisiertes
DSS in dieser Veranstaltung: ELBE
● Unterstützung von Landentwicklern und Kommunen
bei Entscheidungen in den Eingriff von Flussläufen
[Strohmeier]

Fachbereich
eXpert System
● „Simulation“ eines Fachexperten zur Beratung in
eindeutig abgrenzbaren Entscheidungssituationen
● Expertensysteme generieren und gewichten mögliche
Entscheidungsvorschläge auf der Grundlage fester
Wissensbasen und Interaktionsmechanismen
● Wissensbasen und Modelle entstehen durch die
parallele Befragung „echter“ Fachexperten (Delphi)
● Häufig eingesetzt werden solche Expertensysteme
in den Bereichen Ingenieurwesen, Physik, Bergbau,
Wirtschaft und Personalführung (aber auch Medizin!)
[Strohmeier]

Fachbereich
Business Intelligence System
● BIS dienen der Analyse
von Businessdaten für
Entscheidungsträger
● Datenbasis für ein BIS
ist meistens ein Data
Warehouse-System
● BIS dienen somit als
analytische Extension
von Data Warehouses
(bzw. von Data Marts)
[Strohmeier]

Fachbereich
Strategic Enterprise Management
● Systeme zur mittel- und langfristigen strategischen und
operativen Planung sowie zur Operationalisierung der
Planungsziele im mittleren und höheren Management
● SEM-Systeme werden außerdem zur Kontrole der
Leistung von Unternehmen eingesetzt (Kennzahlen)
● Die Datenbasis für ein SEM-System ist ebenso
wie bei BIS üblicherweise ein Data Warehouse
● SEM-Systeme können daher ebenso wie BIS
Extensions von Data Warehouses / Marts sein
[Strohmeier]

Fachbereich
Bestimmungsfaktoren MIS-Kauf
● Benötigte Funktionen
● Kompatibilität
● Softwarekompatibilität
● Hardwarekompatibilität
● Softwarequalität
● Dokumentation
● Systemsicherheit
● Wartungsoptionen
● Benutzerfreundlichkeit
● Betriebsreife
● Verfügbarkeit
● Einrichtungsdauer
● Zukunftsaussichten
● Kosten-Nutzen-Verhältnis
[Takkin]

Fachbereich
Teil 2.2
Data Warehouse Systeme
(DWS)

Fachbereich
Szenario: Briefversand
DB
Marketing
Sales
[Sattler/Saake]

Fachbereich
Szenarioerweiterung: Standorte
[Sattler/Saake]

Fachbereich
Briefzentrum: Leistungsdaten
● Beispiel: Briefzentrum (BZ) Hamburg-Zentrum
● 3.000.000 bis 4.500.000 Briefsendungen täglich
● Zweites Hamburger BZ: Hamburg Süd
● 1.500.000 bis 2.250.000 Briefsendungen täglich
[DPWN]

Fachbereich
Datenbank-Nutzung (1)
● Mögliche DB-Anfragen
● Wer sind unsere Top-Versandkunden?
● Wie viele Tonnen an Fracht wurden im
letzten Quartal insgesamt transportiert?
● Wie viele Tonnen davon als Luftfracht?
● Wie ist die Auslastung der Bahnstrecken?
● Auftretende Probleme
● Nutzung verschiedener externer Quellen
● Nutzung verschiedener interner Datenbanken
[Sattler/Saake]

Fachbereich
Datenbank-Nutzung (2)
● Lösungsoption 1: Verteilte Datenbanken
● Die Antworten müssen über globale Anfragen
an mehrere Datenbanken beschafft werden
● Probleme: zeitaufwändig, kostenintensiv
und teils redundante Datenspeicherung
● Lösungsoption 2: Zentrale Datenbank
● Es werden keine separaten Datenbanken
mehr gefahren, nur eine Einzeldatenbank
● Probleme: lange Antwortzeiten, besonders
hohes Risiko bei Daten- oder Systemausfällen
[Sattler/Saake]

Fachbereich
Data-Warehouse-Lösung
Data
Warehouse
Marketing Sales
DB
Halle
DB
Berlin
DB
München
DB
Erfurt
Asynchrone
Aktualisierung
Redundante Datenhaltung
[Sattler/Saake]

Fachbereich
Das Data Warehouse (1)
● Was ist ein Data Warehouse?
● Zentrale Datensammlung / Datenlager
● Inhalte aus verschiedenen Datenquellen
● Einsatz zur Analyse und Entscheidungshilfe
● Was ist ein Data Warehouse-System?
● Ein Data Warehouse ist das zentrale
Element eines Data Warehouse-Systems
● Im DWS werden Daten erfasst, bereinigt und
vereinheitlicht, bevor sie ins DW geladen werden
[Gomez/Rautenstrauch]

Fachbereich
Das Data Warehouse (2)
● Eine einheitliche Definition des Begriffs existiert
nicht, es finden sich viele allgemeine Aussagen:
● Ein DW ermöglicht eine globale Sicht auf heterogene
und verteilte Datenbestände, indem relevante Daten
zu einem konsistenten Bestand vereinigt werden
● Auf das DW aufsetzende Anwendungen arbeiten
meist nur mit spezifischen Einzeldaten (Data Marts)
● Ein DW ist häufig Grundlage für Data Mining (DM)
(...einige statistische Verfahren sehen wir uns noch an)
● Ein DW ist auch Grundlage für Aggregation und Analyse
betrieblicher Kennzahlen in einer Matrix (sog. OLAP-Cube)
[Wikipedia]

Fachbereich
Definitionsansätze
● Was genau ist nun ein Data Warehouse?
● „A data warehouse is a subject-oriented, integrated,
time-variant, nonvolatile collection of data in support
of management's decision making process“ (Inmon)
● Ein DW ist eine physische Datenbank, die eine
integrierte Sicht auf (beliebige) Daten darstellt,
um Analysen zu ermöglichen“ (Bauer)
● „Ein DW ist ein physischer Datenbestand, der eine
integrierte Sicht auf die ihm zugrundeliegenden
Datenquellen ermöglicht“ (Zeh)
[Wikipedia]

Fachbereich
Vier Charakteristika nach Inmon
● „subject-oriented“ = fachorientiert
● Aufgabe besteht nicht nur in einer Funktion (Anlagen...)
● „integrated“ = integriert
● Vielzahl von Daten aus internen und externen Quellen
● „non-volatile“ = nicht flüchtig
● Daten werden nie mehr verändert oder entfernt
● „time-variant“ = historisch
● Langfristige Datenspeicherung / Zeitreihenanalysen
[Sattler/Saake]

Fachbereich
Anforderungen an ein Data Warehouse
● Was muss ein Data Warehouse leisten?
● Automatisierung der Abläufe
● Eindeutigkeit der Datenstrukturen
● Mehrfachverwendbarkeit der Daten
● Erweiterbarkeit (Quellen, Analysen)
● Eindeutigkeit der Zugriffsberechtigungen
● Dauerhafte Datenbereitstellung (Persistenz)
● Ausschlaggebend sind die Charakteristika nach Inmon
(...die auch in der Klausur eine Rolle spielen werden)
[Sattler/Saake]

Fachbereich
DWS-Anwendungsbereiche (1)
● Betriebswirtschaftliche Analyse
● Detaillierte Auswertung von Daten und Kennzahlen
(z.B. durch Controlling oder Rechnungswesen)
● Unternehmensplanung
● Unterstützung bei der mittel- und langfristigen
Planung durch Vergleichsdaten und Daten zur
Durchführung von Management-Planspielen
● Kampagnenmanagement
● Unterstützung von Kunden- und Risikoanalysen
sowie bei der Einführung von neuen Produkten
[Sattler/Saake]

Fachbereich
DWS-Anwendungsbereiche (2)
● Wissenschaftliche Forschung
● Anwendungen mit hohem Bedarf an
internationalen und heterogen gelagerten
Datenmengen (z.B. in der Klimaforschung)
● Betriebsstatistik und Organisationslehre
● Technische Anwendungen
● Betrieblicher und öffentlicher Bereich, z.B.
mit geographischen oder ökologischen
Daten (Bauland-, Wasseranalysen)
● Viele weitere Anwendungsbereiche sind vorstellbar...
[Sattler/Saake]

Fachbereich
ETL = Extract, Transform, Load
[Remus]
DatenDaten
Daten Daten DatenQuelldaten
Extrakt Extrakt Extrakt
Zentrale Datenbank
Filterung
Homogenisierung
Aggregation
Erweiterung
Abschluss
Load
Transform
Extract

Fachbereich
Neue Benutzerrollen
● Veränderte Anforderungen („Information on Demand“)
haben zur Ausbildung neuer Benutzerrollen geführt
● Knowledge Worker
– Ein Knowledge Worker bereitet wichtige Entscheidungen
des Managements vor, indem er Informationen aufbereitet
– Mit Hilfe multivariater Analyseverfahren wird zudem nach
verborgenen Zusammenhängen in den Daten geforscht
● Case Worker
– Ein Case Worker verarbeitet diverse Detailinformationen über
Geschäftsobjekte wie Entwicklung, Kosten und Ressourcen
● Bedarf an schneller und sauberer Datenanalyse
[Remus]

Fachbereich
Exkurs: Datenanalyse (1)
● Multiple Regressionsanalyse
● Vielseitiges und strukturprüfendes Verfahren zur Analyse von
Beziehungen zwischen einer abhängigen Variablen und einer
(univariat) oder mehreren (multivariat) unabhängigen Variablen
● Hängt die Absatzmenge eines bestimmten Produktes von
den Ausgaben für die Qualitätssicherung, den Ausgaben
für die Werbung oder der Anzahl der Verkaufsstellen ab?
● Wenn ja, wie stark fallen die jeweiligen Zusammenhänge
aus? Wie wird sich die Absatzmenge entwickeln, wenn
bestimmte Ausgaben erhöht oder gesenkt werden?
[Reinboth]

Fachbereich
[Reinboth]

Fachbereich
● Varianzanalyse
● Die Varianzanalyse dient der Feststellung von
Mittelwertunterschieden zwischen Gruppen
● Mathematisches Prinzip der Varianzanalyse
– Es wird getestet, ob die Varianz zwischen den
Gruppen größer ist als innerhalb der Gruppen
– Das Ergebnis ermöglicht eine Aussage darüber,
ob sich die Gruppen bezüglich der (abhängigen)
Variablen signifikant voneinander unterscheiden
● Unterscheidung in ANOVA und MANOVA (mehrere UV)
[Reinboth]

Fachbereich
[Reinboth]
● Faktorenanalyse
● In der (internen) Marktforschung hat man es häufig
mit komplexen Begriffen und Sachverhalten zu tun
– Begriffe wie „Nutzen“ oder „Qualität“ lassen sich
nicht durch nur eine einzige Variable ausdrücken
– Um beispielsweise die „Qualität“ abzubilden, wird
gleich ein ganzes Bündel von Variablen benötigt
– Haltbarkeit, Zuverlässigkeit, Zufriedenheit...
● Ziel der Faktorenanalyse ist daher die Reduktion von
vielen Variablen auf komplexere Hintergrundvariablen
(Faktorenanalyse = dimensionsreduzierendes Verfahren)

Fachbereich
[Reinboth]
Produktqualität
Haltbarkeit P-L-V
Sicherheit Zufriedenheit
Lieferzeit
Bestellservice

Fachbereich
● Clusteranalyse
● Clusteranalyse = strukturenentdeckendes Verfahren
– Ziel: Zusammenfassen von Objekten zu Gruppen (Clustern),
in denen sich möglichst ähnliche Objekte befinden, während
die Ähnlichkeiten zwischen den einzelnen Clustern möglichst
gering sein sollen (homogen <> heterogen)
● Finden von Persönlichkeitstypengruppen anhand
verschiedener psychografischer Eigenschaften
● Finden von Käufergruppen anhand von Variablen,
die Nachfrage- und Kaufverhalten charakterisieren
[Reinboth]

Fachbereich
Zuordnungsübersicht
25 26 1,000 0 0 20
23 24 1,000 0 0 18
21 22 1,000 0 0 13
19 20 1,000 0 0 13
17 18 1,000 0 0 14
15 16 1,000 0 0 15
12 14 1,000 0 0 18
10 13 1,000 0 0 16
3 11 1,000 0 0 17
8 9 1,000 0 0 14
5 6 1,000 0 0 19
1 4 1,000 0 0 21
19 21 1,500 4 3 23
8 17 1,500 10 5 19
7 15 1,500 0 6 20
2 10 1,500 0 8 17
2 3 1,833 16 9 21
12 23 2,000 7 2 22
5 8 2,000 11 14 22
7 25 3,167 15 1 24
1 2 3,300 12 17 23
5 12 3,583 19 18 25
1 19 4,286 21 13 24
1 7 5,182 23 20 25
1 5 6,338 24 22 0
Schritt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Cluster 1 Cluster 2
Zusammengeführte
Cluster
Koeffizienten Cluster 1 Cluster 2
Erstes Vorkommen
des Clusters Nächster
Schritt
[Reinboth]

Fachbereich
● Korrespondenzanalyse
● Ziel = Darstellung der Zeilen und Spalten einer zweidimen-
sionalen Datentabelle in einem mehrdimensionalen Raum
– Beispiel: Kunden werden gebeten, Merkmale wie Wirkung
und Bekanntheit bestimmten Medikamenten zuzuordnen
– Die Ergebnisse werden in einer Kontingenztabelle erfasst,
sind aber in dieser Darstellung nur schlecht interpretierbar
– Mit Hilfe der Kontingenzanalyse lassen sich Medikamente
und Merkmale jedoch grafisch in einem Raum darstellen
– Dieser grafischen Darstellung (Bi-Plot) lässt sich dann
entnehmen, wie die Medikamente (relativ zueinander)
bezüglich der abgefragten Merkmale beurteilt werden
[Reinboth]

Fachbereich
[Reinboth]

Fachbereich
Teil 2.3
Balance Scorecard
(BSC)

Fachbereich
BSC-Grundlagen (1)
● Bei der Balanced Scorecard handelt es sich um
ein Konzept zur Abbildung der Businessstrategie
● Vision und Strategie des Unternehmens werden
anhand der kritischen Erfolgsfaktoren definiert
● Anschließend werden Kennzahlen ermittelt,
die die Zielerreichung darstellen oder fördern
● Die BSC fördert das Verständnis der Ziele und
ermöglicht bis zu einem gewissen Grad anhand
der Key Performance Indicators (KPI) auch die
Zielerreichungskontrolle (Controlling-Instrument)
● [Frage am Rande: Wieso BSC und nicht BS?]
[BSC-Portal]

Fachbereich
BSC-Grundlagen (2)
● Die BSC zeigt vier (fünf) Perspektiven
● Finanzperspektive
– Wie sehen uns die Aktionäre?
● Kundenperspektive
– Wie sehen uns die Kunden?
● Prozessperspektive
– Welche Prozesse sind wichtig?
● Lern- und Innovationsperspektive
– Wie können wir uns verbessern?
● Nachhaltigkeitsperspektive
– Wie beeinflussen wir die Umwelt?
[BSC-Portal]

Fachbereich
Welchen Nutzen hat eine BSC?
● Eine BSC unterstützt Planung, Führung und Kontrolle
eines Unternehmens auf verschiedene Art und Weise
● Die BSC hilft nicht nur kritische Erfolgsfaktoren ausfindig zu
machen, sondern sie auch an einer Strategie auszurichten
● Die BSC vermittelt sowohl dem Management als ggf. auch
Außenseitern ein umfassendes Bild der Geschäftstätigkeit
● Die BSC vereinfacht Kommunikation und Verständnis von
Geschäftszielen und Strategien auf allen Orga-Ebenen
● Über die KPI ist es möglich, den Zielerreichungsgrad
zu kontrollieren und die BSC ggf. auch anzupassen
[BSC-Portal]

Fachbereich
Aufbau einer Balanced Scorecard
[BSC-Portal]

Fachbereich
Die BSC verbindet Maßnahmen
[Kaplan/Norton]

Fachbereich
BSC: RZ der Hochschule Harz
[Scheruhn]

Fachbereich
[Scheruhn]

Fachbereich
Teil 2.4
Informationsquellen
Qualität von Informationen
Gewichtung von Informationen

Fachbereich
Exkurs: Kennzahlen und -systeme
● Verdichteter Überblick betrieblicher Verhältnisse
● Entscheidende Eigenschaften sind Aggregation,
Relevanz, Aussagewert und Quantifizierbarkeit
● Primärfunktionen von Kennzahlen
● Ermöglichung von Soll-/Ist-Vergleichen
● Erkennung von Chancen und Risiken
● Kennzahlensysteme = Kenzahlenverknüpfung
● Beispiel: Rentabilitäts-Liquiditäts-System (RL)
● Nicht erfassbar: Kundenzufriedenheit, Image...
[Struckmeier]

Fachbereich
Exkurs: BWL-Kennzahlen (1)
● Produktivität
● Die Produktivität ist ein Maß für die mengenmäßige
Ergiebigkeit der Kombination der Produktionsfaktoren
● Die Kennzahl kann einzeln nicht interpretiert werden
● Es muss ein Vergleich mit den Produktivitäten anderer
Unternehmen oder vergangener Zeitperioden stattfinden
[Uni Regensburg]
Produktivität=
Mengenergebnisseder Faktorkombination
Faktoreinsatzmengen
=
Output
Input
Materialproduktivität=
Erzeugte Menge
Materialeinsatz
Arbeitsproduktivität=
Erzeugte Menge
Arbeitseinsatz

Fachbereich
● Rentabilität
● Die Rentabilität ist das Verhältnis des Periodenerfolgs
als Differenz von Aufwand und Ertrag zu anderen Größen
● Rentabilität kann auf verschiedene Arten berechnet werden
● Auch die Rentabilität kann als Zahl nicht einzeln analysiert
werden, sondern nur in Verbindung mit anderen Werten
Umsatzrentabilität=
Periodenerfolg
Umsatz
∗100 Eigenkapitalrentabilität=
Periodenerfolg
Eigenkapital
∗100
Gesamtkapitalrentabilität=
Periodenerfolg
Gesamtkapital
∗100
[Uni Regensburg]

Fachbereich
● Liquidität
● Die Liquidität beschreibt die Zahlungsfähigkeit eines
Unternehmens (über verschiedene Zeitabschnitte)
● Die Liquidität ist ohne Vergleichswerte interpretierbar
– Die Liquidität 2. Grades sollte bei über 100% liegen
– Die Liquidität 3. Grades sollte bei 150 - 200% liegen
[Uni Regensburg]
Liquidität erstenGrades=
Zahlungsmittelbestand
kurzfristigeVerbindlichkeiten
∗100
Liquidität zweitenGrades=
kurzfristigesUmlaufvermögen
kurzfristige Verbindlichkeiten
∗100
Liquidität drittenGrades=
gesamtesUmlaufvermögen
kurzfristigeVerbindlichkeiten
∗100

Fachbereich
Exkurs: Kapitalrentabilitäten (1)
● Der Unternehmenserfolg ist wesentlich vom Umfang
des in das Unternehmen investierten Kapitals abhängig
● Die verschiedenen Rentabilitäten weisen die jährliche
Verzinsung (Renten) des eingesetzten Kapitals aus
● Die Formel zur Berechnung der Kapitalrentabilität lautet
● Das bilanzierte Kapital des Geschäftsjahres-Durchschnitts
wird als arithmetisches Mittel aus dem Kapitalbestand am
Jahresanfang und am Jahresende berechnet
[HAF]
Kapitalrentabilität=
Erfolgdes Geschäftsjahres
mittel−und langfristiges Kapital desGeschäftsjahres−Durchschnitts

Fachbereich
● Das kurzfristige Kapital wird normalerweise nicht in die
Overall-Rechnung einbezogen, weil es oft sehr großen
Schwankungen unterworfen ist und nicht im gesamten
Geschäftsjahr in voller Höhe zur Verfügung steht
● Üblicherweise werden sowohl die Brutto-Rentabilität
als auch die Netto-Rentabilität des Kapitals berechnet
● Brutto-Rentabilitäten dienen externen Vergleichen, da die
Auswirkungen unterschiedlicher Steuerbelastungen (z.B.
wegen Rechtsformen oder Standorten) auszuschalten
● Netto-Rentabilitäten geben Auskunft über den für Investition
und Finanzierung verwendbaren prozentualen Erfolgsanteil
des im Unternehmen eingesetzten Kapitals
[HAF]

Fachbereich
● Eigenkapitalrentabilität
● Wichtige Frage für Investoren: Sollte man das eingesetzte
Kapital im Unternehmen halten oder woanders investieren?
[HAF]
Eigenkapitalrentabilität=
Jahresüberschuss oder Jahresfehlbetrag
mittel−und langfristiges Eigenkapitaldes Geschäftsjahres−Durchschnitts
Netto−Eigenkapitalrentabilität=
Jahresüberschussnach Abzug von Einkommens−und Ertragssteuer
Brutto−Eigenkapitalrentabilität=
Jahresüberschuss vor Abzug von Einkommens−und Ertragssteuer

Fachbereich
● Interpretation der Rentabilitäten
● Die Verzinsung des Eigenkapitals im Unternehmen muss
deutlich über der Verzinsung liegen, die man bei absolut
risikofreien Anlagen wie Bundesstaatsanleihen oder aber
auf einem Konto der Deutschen Bank erzielen kann
● Die Eigenkapitalrentabilitäten geben Auskunft über die
Fähigkeiten des Managers, das strategische Potential
des Unternehmens sichern und ausbauen zu können
● Eigenkapitalrentabilitäten sind von der Finanzstruktur des
Unternehmens abhängig, insbesondere von der Größe des
Eigenkapitalanteils – um hier einen neutralen Vergleich zu
ermöglichen eignet sich die Gesamtkapitalrentabilität
[HAF]

Fachbereich
● Gesamtkapitalrentabilität
● Die Gesamtkapitalrentabilität zeigt die Verzinsung
des insgesamt im Unternehmen eingesetzten Kapitals
● Die Kennzahl ist neben Vergleichen auch wichtig bei
der Entscheidungsfindung im Finanzierungsbereich
● Fremdfinanzierung ist nämlich immer dann sinnvoll,
wenn das so finanzierte Kapital zu einem größeren
Gewinn führt als es Zinsen verursacht
[HAF]
Gesamtkapitalrentabilität=
Jahresüberschussoder JahresfehlbetragFremdkapitalzinsen
mittel−und langfristigesGesamtapital des Geschäftsjahres−Durchschnitts

Fachbereich
● Der Leverage-Effekt
● Wenn die Gesamtkapitalrendite über den Zinsen auf das
Fremdkapital liegt, verbessern weitere Kreditaufnahmen
den Jahresgewinn und steigern die Eigenkapitalrentabilität
● Wenn die Gesamtkapitalrendite unter den Zinsen auf das
Fremdkapital liegt, verschlechtern weitere Kreditaufnahmen
den Jahresgewinn und verringern die Eigenkapitalrentabilität
● Aufgrund der Hebelwirkung der Gesamtkapitalrentabilität wird
der Effekt in der Fachsprache als Leverage-Effekt bezeichnet
● Einen ähnlichen Effekt lernen wir bei der Regression kennen
[HAF]

Fachbereich
● Wird ein positiver Leverage-Effekt durch das Unternehmen
ausgenutzt, ist es wichtig gleichzeitig die Nebenrisiken der
Fremdkapital-Aufnahme im Blick zu haben:
● Die sinkende Kreditwürdigkeit
● Die wachsende Verschuldung
● Die wachsende finanzielle Abhängigkeit
● Die ertragsunabhängige Belastung der Liquidität durch
ständige Zusatzzahlungen (Zins- und Tilgungszahlungen)
● Das Risiko eines „Kippen“ des Leverage-Effekts ins Negative
sollten jemals entweder die Gewinne sinken oder die Zinsen
auf Fremdkapital erhöht werden (Europäische Zentralbank)
[HAF]

Fachbereich
● Andere Kapitalrentabilitäten
● Die Rentabilität des betriebsnotwendigen Kapitals oder
auch Betriebskapitalrentabilität ist eine Kennzahl für die
nachhaltige Ertragsfähigkeit betrieblicher Investitionen
● Umsatzrentabilität: eine Kennzahl für die den eigentlichen
betrieblichen Leistungsprozess betreffenden Ertragskraft
[HAF]
Betriebskapitalrentabilität=
Betriebsergebnis
betriebsnotwendiges Vermögen desGeschäftsjahres−Durchschnitts
Umsatzrentabilität=
Betriebsergebnis
Umsatzerlöse

Fachbereich
MIS-Informationsquellen (1)
● In der Regel ist die vorhandene Informations-
Infrastruktur die primäre Datenquelle für MIS
● KLR & Controlling
● Vertriebsdatenbanken
● Beschaffungsdatenbanken
● Lagerhaltungsdatenbanken
● Produktionsplanungs- und
Produktionssteuerungssysteme
● In der Praxis bauen viele MIS auf wenigen bis
gar keinen externen Informationsquellen auf
[Börner]

Fachbereich
MIS-Informationsquellen (2)
● Daten aus sonstigen Informationsquellen
● Early Warning Systems (EWS)
● Szenario-Technik
– Experten entwickeln im Team verschiedene Szenarien
und versuchen die Auswirkungen bei deren Eintreten
auf das Unternehmen zu prognostizieren
● Delphi-Methode
– Wiederholte Befragung von Experten mit dem Charakter
einer Gruppendiskussion (eine Marktforschungsmethode)
● „Rechkemmer-Ansatz“
● Den Rechkemmer-Ansatz werden wir im Detail betrachten
[Börner]

Fachbereich
Rechkemmer-Ansatz (1)
● Bewertungprobleme bei Großkonzernen
● Durch unterschiedliche Rechtsformen und andere
Vorschriften im gesetzlichen Rechnungswesen gibt
es bei internationalen Töchterkonzernen Probleme
mit der einheitlichen Bewertung von Kennzahlen
● Lösungsansatz von Kuno Rechkemmer (1997)
● Leitende Mitarbeiter bewerten die vier Merkmale
Umsatz, Produktion, Liquidität und Rohgewinn
● Einheitliche Bewertungsskala von -1 bis +1
[Börner]

Fachbereich
● Die Bewertung erfolgt für die aktuelle Situation
sowie die erwartete Situation in sechs Monaten
● Die Ergebnisse werden aggregiert und bilden eine
neue Kennzahl, die das „Unternehmensklima“ zeigt
● Die Ergebnisse dienen als Frühwarn-Indikatoren
● Plötzlich auftretende Veränderungen bei Töchtern
werden sofort sichtbar, die Kennzahlen sind durch
die internationalen Unterschiede nicht verzerrt
● Die Werte müssen regelmäßig erhoben und später
gegengeprüft (Vermeidung von „Beschönigungen“)
[Börner]

Fachbereich
[Mertens]
1. Umfrage in jeder org. Einheit
Umsatz A
Umsatz B
Umsatz C
Umsatz D
Aktuell 6 Monate
2. Aggregation der Werte
Umsatz
Produktion
Liquidität
Rohgewinn
Aktuell 6 Monate
2 3 4 5 6 7 8 9 10
0
2
4
6
8
10
12
Umsatz
Rohgew inn
3. Erstellung von Zeitreihen

Fachbereich
Ein weiteres Informationsproblem...
[Foto: Arcarde Berg]

Fachbereich
Der Information Overload (1)
● Phänomen „Information Overload“
● Aufgrund der aktuellen Informationsflut wird es schwer,
Wichtiges und Unwichtiges unterscheiden zu können
● Dies ist gerade im Marketing-Bereich gut dokumentiert
● Der Information Overload hat Konsequenzen
● Auf Input-Seite bedeutet IO: Lediglich sachrelevante
Informationen sollten überhaupt nocherfasst werden
● Auf Output-Seite bedeutet IO: Für einzelne Fälle der
Entscheidungsunterstützung sind die eingehenden
Daten noch nachträglich zu gewichten (post hoc)
[Takkin]

Fachbereich
● Grundregel: Je mehr Informationen vorliegen, desto
problematischer wird eine endgültige Entscheidung
[Takkin]

Fachbereich
[Wikipedia]
„Jeden Tag muss man
von dem Naturrecht,
Millionen Dinge nicht
zu erfahren, erneut
Gebrauch machen.“
- Peter Sloterdijk,
Kritik der zynischen Vernunft

Fachbereich
[Wikipedia]
„Immer mehr Informationen
überrollen uns, ungefragt
und erbarmungslos.
Früher brauchte man sie,
um ein Problem zu lösen.
Heute sind diese Daten
selbst ein Problem.“
- Neil Postman

Fachbereich
Untersuchung der Univ. of Berkeley
● Studie „How much Information?“ (2003)
● 2000: 250 Megabyte pro Mensch und Jahr
(macht insgesamt 1,5 Millionen Terabyte)
● 2003: 800 Megabyte pro Mensch und Jahr
(macht insgesamt 5 Millionen Terabyte)
● 40% aller neuen Informationen werden in den USA gespeichert
● 90% aller neuen Informationen sind auf magnetischen Medien
gespeichert, 7% auf Filmen und nur ein Bruchteil auf Papier
● Hier ergeben sich große Probleme in der Langzeitspeicherung(!)
[Heise]

Fachbereich
...oder gibt es gar keinen Overload?
● Clay Shirky: Wir leben im
Post-Gutenberg-Zeitalter!
● Gutenberg: Der Betreiber einer
Druckpresse trägt das finanzielle
Risiko der Informationsverbreitung
● Die Kräfte des Marktes führen zur
Ausbildung von Informationsfiltern
● Elektronische Medien uns insbes.
das Internet haben diese Kosten-
kontrolle ad absurdum geführt
● Das Problem ist der fehlende Filter!
[Foto: Joi Ito]

Fachbereich
Qualität von Informationen (1)
● Welche Qualitätskriterien existieren?
● Richtigkeit / Gültigkeit
– Sind die Informationen korrekt oder inkorrekt?
– Handelt es sich um die gewünschten Informationen?
● Zuverlässigkeit
– Wie groß sind die Abweichungen von der Realität?
(Problem des Zukunftsbezugs der Information)
● Genauigkeit
– Diese sollte dem Zweck angemessen sein, z.B. bei
der Festlegung der Anzahl von Nachkommastellen
[Börner]

Fachbereich
Qualität von Informationen (2)
● Welche Qualitätskriterien existieren?
● Vollständigkeit
– Nur teilweise vollständige Informationen sind oft
„gefährlicher“ als komplett fehlende Informationen
● Aktualität
– Viele Informationen „entwerten“ sich mit der Zeit
● Übertragbarkeit
– Lassen sich die Informationen situativ übertragen?
– Informationen sind immer dann qualitativ hochwertig,
wenn sie allgemeingültig verwertet werden können
[Börner]

Fachbereich
Bewertung der Qualität
● Grundlegendes Bewertungsproblem
● Bei vielen Kriterien (Vollständigkeit, Aktualität...)
fehlt zum Zeitpunkt der Entscheidung das für die
korrekte und genaue Bewertung benötigte Wissen
● Paradoxon: Wenn dieses Wissen vorhanden wäre,
würden die Informationen selbst nicht mehr benötigt
● Lösung: Die Qualität der Information selbst wird
nicht bewertet, dafür die Qualität der Quelle und
des ganzen Prozesses der Informationsfindung
(„Potentialqualität“ und „Prozessqualität“)
[Börner]

Fachbereich
Gewichtungsverfahren (1)
● Prinzipal-Gewichtungsverfahren
● Nach diesem Verfahren werden bestimmte
Daten grundsätzlich hoch / niedrig gewichtet
● Grundlage sind die Prozessqualität und die
Potentialqualität sowie das Unternehmensziel
– Beispiel: Informationen zur Qualität von Dienstleistungen
(Anzahl der Reklamationen, Anfragen-Bearbeitungsdauer)
sind für einen Dienstleister wichtiger als für einen Händler
● Frage: Wie lassen sich die für das Unternehmen
wichtigen spezifischen Kennzahlen identifizieren?
[Börner]

Fachbereich
Gewichtungsverfahren (2)
● Methode zur Identifikation nach Frie:
– Aufstellung strategischer Erfolgsfaktoren
– Bewertung dieser Faktoren durch Manager
– Bildung einer Rangliste anhand der Bewertung
– Suche nach aussagekräftigen Kennzahlen
– Bewertung dieser Kennzahlen durch Manager
– Bildung einer Rangliste anhand der Bewertung
● Gewichtung nach Qualitätskriterien
● Auch eine Gewichtung auf der Basis der sechs
eingangs dargestellten Qualitätskriterien ist möglich
[Börner]

Fachbereich
Teil 2.5
Decision Support Systems
(DSS)
- am Beispiel von ELBE -

Fachbereich
ELBE Pilot DSS

Fachbereich
Was ist ELBE?
● (Spatial) Decision Support System = (S)DSS
● Simulation der Auswirkungen von Maßnahmen
und externen Szenarien auf die Themenfelder
● Ökologie
● Schifffahrt
● Hydrologie
● Gewässergüte
● Gewässerzustand
● Hochwasserschutz
[ELBE]

Fachbereich
[Wikipedia]

Fachbereich
ELBE-Anwendungsmodell
[ELBE]
System
Physisch
Ökologisch
Ökonomisch
Institutionell
Externe Einflüsse
Ziele
Leitbild
Politiker
Entscheider
Experte
Planer
Politikoptionen /
Maßnahmen
Indikatoren
Akteure
Gruppen

Fachbereich
ELBE-Einflussgrößen
Multidisziplinäres Wissen muss verknüpft werden!
Wasserrecht
Hochwasserschutz
Umweltschutz
Wirtschaftlicher Nutzen
Gesellschaft
[ELBE]

Fachbereich
[NASA]

Fachbereich
ELBE-Managementaufgaben (1)
● EU-Wasserrahmenrichtlinie
● Die Richtlinie verpflichtet Mitglieder, einen guten
ökologischen Zustand der Gewässer zu erreichen
● Dies hat Auswirkungen auf alle wasserbaulichen
Maßnahmen, Deichbau, Schifffahrt, Industrie etc.
● Die EU-Wasser-Richtlinie ist bis 2015 umzusetzen
● Nordseeschutzkonferenz (1987)
● Ziele: Abschaffung der Abfallverbrennung auf
See, Reduzierung von Stoffeinträgen um 50%
(Eutrophierung), Reduzierung von synthetischen
Schadstoffen im Meer auf Null bis zum Jahr 2020
[ELBE]

Fachbereich
● Deutsche Agrarreform
● Grundlage der Deutschen Agrarreform sind die
Beschlüsse des EU-Agrarrats aus dem Jahr 2003
● Entwicklungsziel: Verringerung von Stoffeinträgen
(auch hier geht es wieder um die Eutrophierung)
● Ergebnisse: 19 neue EU-Verordnungen im Bereich
Landwirtschaft, diverse Vorschriften zur Erhaltung
von Landflächen in gutem ökologischen Zustand
● Das im Referenzjahr 2003 ermittelte Verhältnis von
Landwirtschaftsflächen zu Dauergrünflächen darf
sich nie wieder um mehr als 10% zu Ungunsten
der Dauergrünflächen verschieben
[ELBE]

Fachbereich
● FFH-Richtlinie
● Flora-Fauna-Habitat-Richtlinie / Natura 2000-Richtlinie
● Schutzgebiete am Elbeufer (darunter von der UNESCO
getragene Gebiete) sollen ökologisch erhalten werden
● Gleichzeitig steigen die Bedürfnissen der Landwirtschaft
und der Industrie im Elbgebiet > ein Interessenskonflikt
● Hochwasserschutz
● Nach dem Elbhochwasser (2002) ein wichtiges Thema
● Nach 2002 wurden neue Richtlinien zum Schutz gegen
Hochwasser erlassen, die noch zu implementieren sind
[ELBE]

Fachbereich
● Unterhaltung der Elbe als Wasserstraße
● Die Elbe wird regulär als Wasserstraße genutzt und
muss wie eine „richtige“ Straße unterhalten werden
(Fahrrinnentiefe 1,6m, Fahrrinnenbreite 35m – 50m)
● Der Unterhalt erfordert eine Reihe von Maßnahmen
wie die Überwachung der Nutzung, die Bereitstellung
von Rettungsmaßnahmen, die Entfernung von Hinder-
nissen, das Aufbrechen von Vereisungen etc. pp.
● Der Einfluss dieser Maßnahmen auf die ökologischen
und regionalwirtschaftlichen Faktoren ist permanent
zu kontrollieren (rechtliche Grenzen, Wirtschaftlichkeit)
[ELBE]

Fachbereich
[ELBE]

Fachbereich
[ELBE]
Was kann ELBE?
Berechnung von Hochwasserwahrscheinlichkeiten

Fachbereich
[ELBE]
Was kann ELBE?
Sanierungsbedarf von Deichsystemen

Fachbereich
Teil 2.6
Arbeiten mit ELBE
- Erosionsschutz und Stoffeinträge -

Fachbereich
ELBE-Einsatz am praktischen Beispiel
● Beispiel des Instituts für Umwelt-
forschung an der Uni Osnabrück
● Auswirkungen von Erosionsschutzmaßnahmen auf das
Ziel der „Verringerung von Stoffeinträgen“ (Phosphor)
[Erosion]

Fachbereich
Warum ist das wichtig?

Fachbereich
Schwankende Sauerstoffwerte
[Erosion]

Fachbereich
Schritt 1: Initialisierung des Modells

Fachbereich
Schritt 2: Auswahl des Einzugsgebiets

Fachbereich
Schritt 3: Entwicklungsziel Stoffeinträge

Fachbereich
Schritt 4: Ermittlung des IST-Eintrags

Fachbereich
Schritt 5: Planung einer Maßnahme

Fachbereich
Schritt 6: Durchführung der Simulation

Fachbereich
Schritt 7: Räumliche Diversifikation

Fachbereich
Schritt 8: Auswirkungen auf Gewässer

Fachbereich
Teil 3
Mathematische Modelle
- Lineare Regressionsanalyse -

Fachbereich
Statistische Grundbegriffe
● Statistische Einheiten: Objekte, an denen
die interessierenden Größen erfasst werden
● Grundgesamtheit: Menge aller
relevanten statistischen Einheiten
● Stichprobe: Real untersuchte
Teilmenge der Grundgesamtheit
● Merkmal: Interessierende Größe
der statistischen Einheit (Variable)
● Ausprägung: Konkreter Merkmals-
wert einer einzelnen statistischen Einheit
[Reinboth]

Fachbereich
Mathematische Skalenniveaus
● Nominalskala
● Bezeichnungen ohne Rangordnung
● Beispiele: Telefonnummer, Geschlecht
● Ordinalskala
● Rangfolge ohne interpretierbare Abstände
● Beispiele: Schulnoten, Präferenzangaben
● Metrische Skala
● Rangfolge mit interpretierbaren Abständen
● Beispiele: Temperatur, Zeit, Geld, Abstände
[Reinboth]

Fachbereich
Entscheidungsschema Skalenniveaus
Daten
Nominalskala Ordinalskala
Kardinalskala
metrische Skala
Intervallskala
(kein natürlicher Nullpunkt)
Verhältnisskala
(natürlicher Nullpunkt)
● keine Rangordnung
● Geschlecht
● Studiengang
● Telefonnummer
● Familienstand
● Rangordnung ohne
interpretierbare Abstände
● Schulnoten
● Steuerklassen
● Erdbebenskala
● alle Arten von Präferenzurteilen
● Rangordnung mit inter-
pretierbaren Abständen
häufbar
nicht
häufbar
meist diskret
meist diskret
meist stetig
[Reinboth]

Fachbereich
Korrelation und Kausalität
1 2 3
Durch die Regressionsanalyse lassen sich keine Kausalitäten nachweisen!
Korrelation ist eine notwendige aber keine hinreichende Bedingung für Kausalität!
Variable A
Variable B
Variable A
Variable B
Variable A
Variable B
Gemeinsame
Hintergrund-
variable C
[Reinboth]

Fachbereich
Teil 3.1
Durchführung einer
Regressionsanalyse

Fachbereich
Die lineare Regression (1)
● Die Regressionsanalyse dient uns als Beispiel für eines
von vielen möglichen statistischen Prognoseverfahren,
die wiederum die Grundlage für XPS und DSS bilden
● Sie wird in der Regel verwendet um
● Zusammenhänge quantitativ darzustellen oder
● Werte der abhängigen Variablen zu prognostizieren
● Beispiel: Wie verändert sich die Absatzmenge bei
Veränderungen am Preis, an den Werbeausgaben
oder an der Anzahl von Verkaufsveranstaltungen?
[Reinboth]

Fachbereich
Die lineare Regression (2)
● Ergebnis des Verfahrens ist die Regressionsfunktion
● Problemfall interdependente Beziehungen
● Beeinflusst z.B. der Bekanntheitsgrad die Absatzmenge
oder beeinflusst die Absatzmenge den Bekanntheitsgrad?
● Dieses System ist nicht in einer einzelnen Gleichung
erfassbar, sondern nur im Mehrgleichungsmodell
Y = f(x)
[Reinboth]

Fachbereich
Suche nach Zusammenhängen
[Reinboth]

Fachbereich
Exkurs: Streudiagramme (1)
● Streudiagramme stellen die gemeinsame Verteilung der Werte
zweier Variablen dar, indem die entsprechenden Werte beider
Variablen gegeneinander abgetragen werden – dabei sind
Rückschlüsse auf Zusammenhänge möglich
● Beispiel: Treten in der Tendenz große Werte der einen Variablen
gepaart mit großen Werten der anderen Variablen auf, so kann
ein positiver Zusammenhang vermutet werden
● Ein gefundener Zusammenhang kann nicht in eine Richtung
interpretiert werden, d.h. aus der Grafik ist nicht abzulesen,
ob Variable A Variable B beeinflusst oder umgekehrt
[Reinboth]

Fachbereich
2D-Streudiagramm 3D-Streudiagramm
[Reinboth]

Fachbereich
Grafiken > Streudiagramm
[Reinboth]

Fachbereich
2D-Streudiagramm Streudiagramm-Matrix
[Reinboth]

Fachbereich
Analysevoraussetzungen (1)
● Grundvoraussetzungen (Prüfung zu Beginn)
● Das Kausalgeflecht (die abhängigen und unabhängigen
Variablen) muss bekannt sein oder vermutet werden
● Der Zusammenhang zwischen der abhängigen und den
unabhängigen Variablen muss auf jeden Fall linear sein
● Ein quadratischer, logarithmischer, monotoner oder
anders gearteter Zusammenhang wird nicht entdeckt
● Alle verwendeten Variablen müssen metrisch skaliert
sein (Verfahren arbeitet mit dem arithmetischen Mittel)
● Für die unabhängigen Variablen lassen sich auch
nominalskalierte Dummy-Variablen (0/1) einsetzen
[Reinboth]

Fachbereich
Analysevoraussetzungen (2)
● Weitere Voraussetzungen (post hoc)
● Die unabhängigen Variablen dürfen nicht
untereinander korrelieren (Multikollinearität)
● Die standardisierten Residuen (durch das
Modell nicht erklärte Abweichungen) müssen
– näherungsweise normalverteilt sein
– die gleiche Varianz besitzen (Homoskedastizität)
– untereinander unkorreliert sein (Autokorrelation)
● Alle Voraussetzungen müssen in jedem Fall erfüllt sein
(ein nachträgliches Scheitern der Analyse ist also möglich)
[Reinboth]

Fachbereich
Regressionsfunktionsschätzung
Frage: Welche der möglichen Geraden beschreibt den Zusammenhang am besten?
[Reinboth]

Fachbereich
Auswahl einer passenden Geraden
● Welche mögliche Gerade liefert die „besten“ Schätzwerte?
● Ermittlung der senkrechten Abstände zwischen
geschätzten und beobachteten „wahren“ Punkten
● Es erscheint sinnvoll, diejenige Gerade auszuwählen,
bei der die Summe der Abweichungen minimal ausfällt
● Bei dieser Geraden beträgt der durchschnittliche
Schätzfehler 0, die Punkte sind gleichmäßig verteilt
● Da die Punkte auf beiden Seiten der Geraden liegen,
ergeben sich positive und negative Abweichungen
● Problem: Positive und negative Abweichungen heben sich auf
[Reinboth]

Fachbereich
Methode der kleinsten Quadrate
● Das „Ziel“ der Methode der kleinsten Quadrate ist die
Minimierung der Summe der quadrierten Abweichungen
● Die Methode der kleinsten Quadrate arbeitet mit den
senkrechten Abständen der realen Werte von der Gerade
● Die Abstände werden quadriert, so dass sämtliche negativen
Vorzeichen wegfallen, eine Kompensation der positiven und
negativen Abstände wird dadurch vermieden
● Es wird diejenige Gerade selektiert, bei der die Summe
der quadrierten Abstände minimal ist („kleinste Quadrate“)
● Vorsicht: Dieses Verfahren führt immer zu einer Gleichung!
[Reinboth]

Fachbereich
Mathematischer Hintergrund
● Zielfunktion der MdkQ:
● Durch Umformung erhält man:
● Regressionskoeffizient:
● Konstantes Glied:
● Die Funktionsgleichung lautet:
∑
k =1
K
ek
2
=∑
k =1
k
[ yk−ab∗xk ]
2
 min!
b=
I ∑ xI∗yk −∑ xI∗∑ yI 
I ∑ xk
2
−∑ xk 
2
a=y−b∗x
Y=a∗bX
[Reinboth]

Fachbereich
Aufstellung der Regressionsgleichung
Y=1928,211,91∗X
Vorsicht: Mit SPSS lässt sich IMMER eine Regressionsfunktion berechnen!
[Reinboth]

Fachbereich
Welche weiteren Größen sind wichtig?
Y =1928,211,91∗X
Was könnten die Beta-
Koeffizienten bedeuten?
[Reinboth]

Fachbereich
Wie genau ist diese Funktion?
[Reinboth]

Fachbereich
Das Gütemaß R² (1)
● Die Regressionsgerade gibt Zusammenhänge,
die nicht perfekt linear sind, nur imperfekt wieder
● Es ist daher mit der Regressionsfunktion nur selten möglich,
alle Veränderungen in Y durch die Koeffizienten zu erklären
● In der Regel wird man einen Teil der Veränderungen
erklären können, einen anderen Teil dagegen nicht
● Das Verhältnis von erklärter Streuung zur Gesamtstreuung
ist ein gutes Maß für die Güte des Regressionsmodells
● Residuen werden quadriert, damit sich positive und negative
Abweichungen nicht aufheben (ähnlich wie bei der MdkQ)
[Reinboth]

Fachbereich
Das Gütemaß R² (2)
● Berechnung des Güßtemaßes R² mit
● TSS = Total Sum of Squares
= Summe aller quadrierten Abweichungen
● ESS = Explained Sum of Squares
= Summe aller erklärten quadrierten Abweichungen
● RSS = Residual Sum of Squares
= Summe aller nicht erklärten quadrierten Abweichungen
● Die Relation zwischen erklärter Streuung
und Gesamtstreuung wird mit R² bezeichnet
R
2
=
ESS
TSS
[Reinboth]

Fachbereich
Interpretation des Gütemaßes
● Der Wert von R² gibt den Anteil der erklärten Streuung
an der Gesamtstreuung wieder > Güte der Anpassung
● R² ist als prozentualer Wert zu verstehen
und liegt daher stets zwischen 0 und 1
● Wenn R² = 1 ist, bedeutet dies, dass die
gesamte Streuung erklärt wird, es besteht
daher ein perfekter linearer Zusammenhang
● Je kleiner R² ist, desto mehr weicht der untersuchte
Fall vom linearen Zusammenhang (mit R² ~ 1) ab
● Beachte: R² ist lediglich ein Maß für den linearen
Zusammenhang, nicht für andere Zusammenhänge
[Reinboth]

Fachbereich
R² und korrigiertes R² (1)
● Warum ist ein zusätzliches Gütemaß erforderlich?
● Die Aufnahme zusätzlicher erklärender Variablen
führt niemals zu einer Verschlechterung von R²
● Besteht kein Zusammenhang mit Y bleibt R² unverändert,
besteht ein minimaler Zusammenhang mit steigt R² leicht
● Ergebnis: wahllos viele Variablen werden ins Modell
aufgenommen, dadurch ergibt sich ein hohes R² und
ein vermeintlich gutes Regressionsergebnis
● Aber: Die prognostizierten Werte werden mit steigender
Variablenzahl unzuverlässiger, darum wird mit R² noch
ein weiteres Güßtemaß berechnet
[Reinboth]

Fachbereich
R² und korrigiertes R² (2)
● Grundfrage: Rechtfertigt der Erklärungsanteil einer
Variablen die Zunahme an Unsicherheit? > Rkorr
● Für neue Variablen ergeben sich zwei Effekte
● RSS sinkt, wodurch sich das korrigierte R² erhöht
● k erhöht sich, wodurch das korrigierte R² sinkt
● Je nachdem, welcher Effekt überwiegt, sollte die neue
Variable ins Modell aufgenommen werden oder nicht
Rkorr
2
=1−
RSS/n−k
TSS /n−1
[Reinboth]

Fachbereich
Bedeutung von Ausreißern (1)
● Was sind Ausreißer?
● Bei einem Ausreißer handelt es sich um einen gemessenen
oder erhobenen Wert,der nicht den Erwartungen entspricht
bzw. nicht zu den restlichen Werten der Verteilung passt
● Wie kommen Ausreißer zustande?
● Außergewöhnliche Werte („Millionär“)
● Verfahrenstechnische Fehler (Codierung)
● Unerklärliche Werte (Problemindikator)
[Reinboth]

Fachbereich
● Normale und multivariate Ausreißer
● Normaler Ausreißer = außergewöhnlich großer oder
kleiner Wert (z.B. Einkommen im Millionenbereich)
● Multivariarer Ausreißer = isoliert betrachtet im normalen
Bereich liegende Einzelwerte, die in der Kombination quer
durch die Variablen einen einzigartigen Fall ergeben (z.B.
eine 86jährige Frau mit Internetanschluss)
● Multivariate Ausreißer lassen sich schwer identifizieren,
normale Ausßreißer dagegen mit relativ einfachen Mitteln
● Entscheidende Frage: Beibehalten oder verwerfen?
[Reinboth]

Fachbereich
Auswirkung eines Ausreißers
auf den Verlauf einer lineare
Regressionsgerade
Einzelne Ausreißer können die Gerade zu
sich „hinziehen“ und so das Ergebnis einer
Regressionsanalyse erheblich beeinflussen
[Reinboth]

Fachbereich
Identifikation von Ausreißern
[Reinboth]

Fachbereich
Güteprüfung mittels F-Statistik (1)
● Annahme der Regressionsanalyse: kausaler Zusammenhang
zwischen abhängiger und unabhängigen Variablen – besteht
ein solche Zusammenhang tatsächlich, können die „wahren“
Regressionsparameter unmöglich Null sein
● Zur Überprüfung dieser Annahme wird das Regressions-
modell mit Hilfe eines F-Tests varianzanalytisch untersucht
● Nullhypothese: Es besteht kein echter Zusammenhang
zwischen der abhängigen und den unabhängigen Variablen
● Alle wahren Regressionskoeffizienten in der Grundgesamtheit
wären beim Zutreffen der Nullhypothese demnach gleich Null

Fachbereich
Güteprüfung mittels F-Statistik (2)
● Vorsicht: Es kann nichts darüber gesagt werden, zwischen
welchen Variablen Zusammenhänge bestehen, nur dass
nicht alle wahren Parameter bei Null liegen (!)

Fachbereich
Prüfung der Regressionskoeffizienten
● Wenn die Validität des Modells feststeht, stellt sich die
Frage nach der Validität der einzelnen Koeffizienten
● Gehören alle im Regressionsmodell unter-
gebrachten Variablen auch in dieses Modell?
● Zur Feststellung der Güte der Regressions-
koeffizienten existieren zwei Kriterien
● t-Test der Regressionskoeffizienten oder
● Konfidenzintervalle um die Regressionskoeffizienten
[Reinboth]

Fachbereich
T-Test der Regressionskoeffizienten
● Wird die Nullhypothese im F-Test verworfen, bedeutet dies
dass es mindestens einen Zusammenhang geben muss
● Dies bedeutet nicht, dass alle unabhängigen Variablen ins
Regressionsmodell gehören – daher ist ein Test für jeden
einzelen Regressionskoeffizienten durchzuführen
● Ein geeignetes Prüfkriterium hierfür ist der T-Test
● Nullhypothese: Der „wahre“ Regressionskoeffizient ist Null
[Reinboth]

Fachbereich
Konfidenzintervalle um die Koeffizienten
● Mit einem Konfidenzintervall lässt sich die Lage eines Para-
meters mit einer bestimmten Wahrscheinlichkeit abschätzen
● Ist das Konfidenzintervall um einen Regressionskoeffizienten
zu breit, muss die geschätzte Regressionsgerade als unsicher
betrachtet werden
● Dies gilt insbesondere dann, wenn innerhalb des Konfidenzin-
tervalls ein Vorzeichenwechsel vorliegt, sich der Einfluss also
umkehren kann
[Reinboth]

Fachbereich
Was ist ein Konfidenzintervall?
[Reinboth]

Fachbereich
Post hoc-Tests der Modellprämissen
● Abschließend noch zu prüfende Voraussetzungen
● Die unabhängigen Variablen dürfen nicht
untereinander korrelieren (Multikollinearität)
● Die standardisierten Residuen (durch das
Modell nicht erklärte Abweichungen) müssen
– näherungsweise normalverteilt sein
– die gleiche Varianz besitzen (Homoskedastizität)
– untereinander unkorreliert sein (Autokorrelation)
● Die Funktion kann also nachträglich de-validiert werden
[Reinboth]

Fachbereich
Prüfung der Residualgrößen
● Residuen = Differenzen zwischen empirischen und durch
die Regressionsfunktion geschätzten Variablenwerten
● Zentrale Forderung: Residuen müssen zufällig verteilt sein
● Bei der Untersuchung der Residuen dürfen keine erkennbaren
Muster gefunden werden – gibt es Muster so ist zu vermuten,
dass das geschätzte Regressionsmodell fehlerhaft ist
● Ein solches Muster kann verschiedene Ursachen haben
● Es wurden wichtige Variablen bei der Analyse vergessen
● Der Zusammenhang ist nicht linear, sondern monoton o.ä.
[Reinboth]

Fachbereich
Prüfung auf Normalverteilung (1)
● Die Gauß- oder Normalverteilung ist die wichtigste
kontinuierliche Wahrscheinlichkeitsverteilung:
● Die Dichtefunktion ist als Gaußsche Glockenkurve bekannt
● Dichtefunktion ist glockenförmig und symmetrisch
● Erwartungswert, Median und Modus sind gleich
● Zufallsvariable hat eine unendliche Spannweite
● Viele Verfahren setzen eine Normalverteilung voraus
f x=
1
 2
e

−1
2
x−


2

[Reinboth]

Fachbereich
Erwartungswert
Median
Modus
[Reinboth]

Fachbereich
[Wikipedia]

Fachbereich
● Die Balken des Histo-
gramms spiegeln die
Breite der Wertebe-
reiche wieder
● Dies ermöglicht den
direkten Vergleich mit
einer eingezeichneten
Verteilung
● Der Grad der Abweichung
von der Normalverteilung
lässt sich auch anhand
von Maßzahlen wie z.B.
der Exzeß bestimmen
[Reinboth]

Fachbereich
[Reinboth]

Fachbereich
● Die Prüfung auf Vorliegen einer Normalverteilung kann auch
mit Hilfe des Kolmogorov-Smirnov-Anpassungstests erfolgen
● H0: die Werte der untersuchten Variablen sind normalverteilt
● Berechnet wird die Wahrscheinlichkeit, mit der das
Zurückweisen dieser Hypothese falsch ist (Signifikanz)
[Reinboth]

Fachbereich
Prüfung auf Homoskedastizität (1)
● Die Regressionsanalyse setzt ebenfalls voraus, dass die
Varianzen innerhalb verschiedener Fallgruppen gleich sind
● Gleichheit der Varianzen = Homoskedastizität
● Ungleichheit der Varianzen = Hetroskedastizität
● Mit dem Signifikanztest nach Levene wird die Nullhypothese
überprüft, dass die Varianzen in der Grundgesamtheit in allen
Gruppen homogen (gleich) sind
[Reinboth]

Fachbereich
Prüfung auf Homoskedastizität (2)
[Reinboth]

Fachbereich
Prüfung auf Autokorrelation (1)
● Was ist unter Autokorrelation zu verstehen?
● Frage: Bestehen zwischen den Residuen nebenein-
anderliegender Fälle systematische Zusammenhänge?
● Beispiel: Auf große positive Residuen folgen
regelmäßig große negative Residuen
● Wie kann es zu Autokorrelation kommen?
● Die Möglichkeit einer Autokorrelation besteht immer
dann, wenn die Fälle nicht zufällig angeordnet sind
● Dies ist beispielsweise bei Zeitreihenanalysen der
Fall, bei denen die Fälle zeitlich geordnet vorliegen
[Reinboth]

Fachbereich
● Worauf deutet eine Autokorrelation hin?
● Erklärungsrelevante Variablen wurden nicht
in das Regressionsmodell aufgenommen
● Falscher funktionaler Zusammenhang (z.B.
quadratisch statt linear) wurde vorausgesetzt
● Dadurch wird der Standardfehler zu gering eingeschätzt
● Die Ergebnisse der Signifikanztests sind damit nicht mehr
zuverlässig, Koeffizienten werden daher als signifikanter
eingestuft als sie es tatsächlich sind
● Suche nach Autokorrelationen mit dem Durbin-Watson-Test
[Reinboth]

Fachbereich
● Der Durbin-Watson-Koeffizient kann
Werte zwischen 0 und 4 annehmen
● Je näher dieser Koeffizient am Wert von 2 liegt,
desto geringer ist das Ausmaß der Autokorrelation
● Werte deutlich unter 2 weisen auf eine positive Auto-
korrelation hin, Werte deutlich über 2 auf eine negative
● Faustregel: Werte zwischen 1,5 und 2,5 sind akzeptabel,
Werte unter 1 oder über 3 deuten auf Autokorrelation hin
0 1 2 3 4
[Reinboth]

Fachbereich
● Der Test misst lediglich Korrelationen der 1. Ordnung
● Eine Autokorrelation der 1. Ordnung liegt vor, wenn
direkt benachbarte Fälle miteinander verknüpft sind
● Bei quartalsweise erhobenen Daten ist jedoch auch
eine Autokorrelation der 4. Ordnung denkbar
● Der Test ist nur unter zwei Voraussetzungen interpretierbar
● Die Gleichung muss einen konstanten Term enthalten
● Die abhängige Variable darf nicht zeitverzögert als eine
erklärende Variable verwendet werden (Zeitreihenanalysen!)
● Beispiel: Als erklärende Variable für die aktuelle
Schadstoffbelastung dient die Belastung des Vormonats
[Reinboth]

Fachbereich
Kollinearitätsdiagnostik (1)
● Was ist Kollinearität?
● Kollinearität liegt dann vor, wenn zwei oder mehr
unabhängige Variablen untereinander korrelieren
● Beispiel: Ernteertäge sollen durch die Sonnenschein-
dauer und die Durchschnittstemperatur erklärt werden
● Annahme: Eine lange Sonnenscheindauer
sorgt für steigende Durschnittstemperaturen
● Es liegt also ein Korrelation zwischen
den beiden erklärenden Variablen vor
● Es ist nicht festzustellen, zu welchen Teilen eine
Veränderung in Y auf X1 und X2 zurückzuführen ist
[Reinboth]

Fachbereich
Kollinearitätdiagnostik (2)
● Es gibt drei Möglichkeiten, um die unab-
hängigen Variablen auf Kollinearität zu prüfen
● Berechnung von Toleranz und Varianzinflationsfaktor
● Erstellung einer Korrelationsmatrix für alle UB
● Berechnung der Varianzanteile
[Reinboth]

Fachbereich
● Fällt der Toleranzwert sehr klein aus,
deutet dies auf eine Kollinearität hin
● Eine Faustregel: Toleranzen unter 0,1 sind
verdächtig, Toleranzen unter 0,01 zu niedrig
● Der Varianzinflationsfaktor ist der Kehrwert der Toleranz
● Entsprechend wird interpretiert: VIF-Werte über 10 sind
verdächtig, VIF-Werte über 100 eindeutig zu hoch
[Reinboth]

Fachbereich
● Die Varianzen der Regressionskoeffizienten lassen sich
in Komponenten zerlegen und den Eigenwerten zuordnen
● Die Summe aller Komponenten beträgt für
jeden Regressionskoeffizienten genau Eins
● Wenn derselbe Eigenwert die Varianz mehrerer
Regressionskoeffizienten in hohem Maße erklärt, deutet
dies auf eine Abhängigkeit der betreffenden Variablen hin
[Reinboth]

Fachbereich
Linearitätsprüfung
● Eine Linearitätsprüfung kann grafisch und statistisch erfolgen
● Grafisch: Auswertung von Streudiagrammen oder Scatterplots
● Statistisch: Analyse der Residuen oder Regressionsanalyse
[Reinboth]

Fachbereich
Teil 3.2
Einführung in die
Arbeit mit SPSS

Fachbereich
Was ist SPSS?
● SPSS = Statistical Package for Social Sciences
(ursprüngliche Bedeutung, inzwischen geändert)
● Weltweit verwendete Statistik-Software (seit 68)
● Informationen unter http://www.spss.com
[Reinboth]

Fachbereich
SPSS-Alternativen: SAS & NSDstat
[Reinboth]

Fachbereich
Zum Aufbau von SPSS
● Bei SPSS handelt es sich um eine
sogenannte „modulare Software“
● SPSS BASE (Basismodul)
● SPSS TRENDS (lineare Zeitreihenanalyse)
● SPSS CATEGORIES (Korrespondenzanalyse)
● SPSS AMOS (Analyse linearer Strukturgleichungen)
● SPSS ANSWER TREE (Analyse von Marktsegmenten)
● SPSS EXACT TESTS (Exakte Irrtumswahrscheinlichkeiten)
● SPSS CONJOINT (Berechnung von Präferenzkaufmodellen)
● SPSS MISSING VALUES (Erweiterte Analyse fehlender Werte)
[Reinboth]

Fachbereich
Die SPSS-Datenansicht
Statistische Einheit
(Fall; Person...)
Ausprägungen
(Merkmalswerte)
[Reinboth]

Fachbereich
Die SPSS-Variablenansicht
Skalenniveaus
(Meßniveaus)
Merkmale &
Merkmalsbezeichner
Platzhalter für
fehlende Werte
Labels für diskrete
Merkmalsausprägungen
[Reinboth]

Fachbereich
Wichtige SPSS-Menübefehle
● Datei
● Erstellen, Öffnen & Importieren von Daten
● Ausdrucken kompletter Datensätze
● Bearbeiten
● Löschen, Kopieren & Einfügen von Daten
● Optionen > SPSS-Grundeinstellungen
● Ansicht
● Ein- und Ausblenden von Symbolleisten
● Einstellung von Schriftart und -größe
● Anzeigen von Labels/Werten
● Daten
● Einfügen von Variablen & Fällen
● Sortieren & Transponieren von Fällen
● Zusammenfügen von SPSS-Dateien
● Fälle zur Analyse auswählen
● Fälle für die Analyse gewichten
● Transformieren
● Umkodieren in selbe/neue Variable
● Analysieren & Grafiken
● Statistische & grafische Analyseverfahren
[Reinboth]

Fachbereich
SPSS-Dateitypen
● Datendateien sav
● Datendateien enthalten die zu analysierenden Daten
● Die Datenstruktur ähnelt der einer Tabellenkalkulation
● Datenimport aus anderen Programmen wie Excel möglich
● Ausgabedateien spo
● Analyseergebnisse werden in Ausgabedateien geschrieben
● Es können mehrere Ausgabedateien gleichzeitig offen sein
● Erfolgreiche Analysen können permanent gesichert werden
● Syntaxdateien (sps) und Skripte (sbs) werden nicht betrachtet
[Reinboth]

Fachbereich
Übung: Regressionsanalyse mit SPSS
(1) Voraussetzungsprüfung und Gleichungserstellung
(2) Gütebeurteilung der gefundenen Lösung
● Betrachtung von R² und korrigiertem R²
● Überprüfung der Regressionskoeffizienten
(3) Durchführung verschiedener Post-hoc-Tests
● Test auf Homoskedastizität der Residuen
● Test auf Normalverteilung der Residuen
● Test auf Autokorrelation der Residuen
● Test auf Multikollinearität

Fachbereich
Weiterführende SPSS-Literatur
SPSS 14
Felix Brosius
Mitp-Verlag
ISBN: 3826616340
SPSS-Programmierung
Felix Brosius
Mitp-Verlag
ISBN: 3826614151
SDA mit SPSS
Janssen & Laatz
Springer-Verlag
ISBN: 3540239308
Statistik mit SPSS
Diel & Staufenbiel
Verlag Dietmar Klotz
ISBN: 3880744610
[Reinboth]

Fachbereich
Teil 4
Brancheninformationssysteme
(BIS)

Fachbereich
Was sind BIS?
● Ein BIS (auch IIS = Industry Information System) ist ein
gemeinsames Informationssystem vieler Betriebe eines
bestimmten Wirtschaftszweiges (z.B. Automotive)
● Das BIS soll die laufenden Geschäftsbeziehungen der
„Mitglieder“ unterstützen und neue Beziehungen fördern
● Das BIS enthält daher nur Daten, die für einen solchen
kooperativen Austausch benötigt werden (Datenschutz)
● Man unterscheidet horizontale und vertikale BIS
● Horizontal = Betriebe der gleichen Wirtschaftsstufe
● Vertikal = Betriebe unterschiedlicher Wirtschaftsstufen
[Uni Konstanz]

Fachbereich
Informationen in BIS
● Welche Informationen enthält ein (vertikales) BIS?
● Allgemeine Informationen über die Unternehmen
● Informationen über Nachfrage und Angebot an
fertigen Produkten und ggf. auch Halbfabrikaten
(Typ, Menge, Merkmale, Qualität, Garantie...)
● Auftragserfassung, -verwaltung und -abwicklung
● Verkaufsabrechnung und Bezahlinformationen
● Die besondere technische Herausforderung besteht
in der Entwicklung von Schnittstellen zwischen dem
BIS und den einzelnen EDV-Systemen der Mitglieder
[Uni Konstanz]

Fachbereich
Bedeutung von Brancheninfos
● Brancheninformationen helfen bei der Ideenbeurteilung
● Gibt es ein angedachtes Angebot bereits auf dem Markt?
● Wird dieses Angebot auf dem Markt auch angenommen?
● Welche Konkurrenzsituation ist bei Markteintritt zu erwarten?
● Welche Umsätze, Kosten und Gewinne sind zu erwarten?
● Brancheninformationen ermöglichen Betriebsvergleiche
● Wo liegen die Stärken und Schwächen des Betriebs?
● Liegen Umsätze, Kosten und Gewinne oberhalb oder
unterhalb der branchenüblichen Durchschnittswerte?
[BMWI]

Fachbereich
Fragen zum BIS-Einsatz
● Welche Aspekte spielen beim BIS-Einsatz eine Rolle?
● Wie werden die (oft sensiblen) Daten geschützt?
● Haben alle Mitglieder den gleichen Datenzugriff?
● Ist der Handel untereinander eingeschränkt?
● Können sich die Mitglieder aussuchen, welche
Daten sie für das BIS freigeben möchten?
● Gibt es Anbindungen des MIS zu den
EDV-Systemen der einzelnen Mitglieder?
● Unterstützt das BIS den mehrsprachigen Handel?
● Gibt es eine Kontrollinstanz / Dachorganisation?
[Uni Konstanz]

Fachbereich
Verkaufsabrechnung
Kundenauftragsbearbeitung
Funktionsprinzip eines BIS
[Hansen]
Unternehmens- und Produktinformationen
Produktinfos
Aufträge
Autor
Verlag Großhandel Einzelhandel
Kunde
Bibliothek

Fachbereich
BIS: Packaging-Finder (1)
[Packaging]

Fachbereich
BIS: Packaging-Finder (2)
[Packaging]
● Packaging-Finder ist ein auf die Verpackungsindustrie
begrenztes BIS, welches Mitgliedern hilft, Lösungen
und Anbieter im Bereich Verpackung zu finden
● Grundfrage von Packaging-Finder: „Wer liefert was?“
● Im Detail geht es um: Packmittel, Packstoffe, Dosieren,
Füllen, Depalettieren, Packhilfsstoffe, Herstellen und
Sichern von Ladeeinheiten, Maschinen, Wartung
● Packaging-Finder wurde vom Fraunhofer Institut für
Verpackungstechnik (Fraunhofer AVV) entwickelt
● Das Fraunhofer AVV entwickelt und betreut ebenfalls
das BIS für Hygenic Processing (auch Verpackungen)

Fachbereich
BIS: Hygienic Processing
[Hygienic]

Management- und Brancheninformationssysteme

Management- und Brancheninformationssysteme

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (20)

Ähnlich wie Management- und Brancheninformationssysteme

Ähnlich wie Management- und Brancheninformationssysteme (20)

Mehr von Christian Reinboth

Mehr von Christian Reinboth (20)

Management- und Brancheninformationssysteme