- ホーム
- > 洋書
- > ドイツ書
- > Social Sciences, Jurisprudence & Economy
- > Economy
- > management
Description
Controlling ist in starkem Maße Unsicherheitsbewältigung. Die Aufarbeitung von Unsicherheit und Unschärfe in Controllinginstrumenten wird in Theorie und Praxis bislang jedoch noch vernachlässigt. Auf der Basis der Fuzzy-Set-Theorie stellt Magdalena Mißler-Behr das Anwendungspotenzial der unscharfen Mengen im Controlling dar. Die Autorin zeigt anhand der Controllinginstrumente Break-Even-Analyse, Szenariotechnik und Target Costing auf, wie deren immanente Unschärfe aufgearbeitet, modelliert und interpretiert werden kann. Die Wirksamkeit fuzzybasierter Instrumente wird in Fallstudien nachgewiesen. Vorwort In Theorie und Praxis wird seit langem um den genauen Bedeutungsinhalt von Controlling gerungen. Heute versteht man Controlling vielfach als Steuerung, die durch Planung und Kontrolle sowie ein aussagefähiges Informationssystem unterstützt wird. Controlling entwickelt sich jedoch. Controlling lebt. Sowohl das Umfeld als auch die Ziel schwerpunkte und Aufgabenfelder des Controllings haben sich seit Beginn des Control lings bis heute wesentlich gewandelt und werden sich auch in Zukunft weiterentwickeln. Dies wird auch deutlich durch die Verlagerung des Schwerpunkts im Controlling vom Operativen hin zum Strategischen. Die Änderungen gehen einher mit neuen Unsicher heitskonstellationen für die Unternehmen, die ganz unterschiedlich begründet sind. Bei spiele hierfür sind die zunehmende Unternehmensgröße, die schwierigere Kommunikation in großen Organisationen, umfassendere Planungsaufgaben, eine Fülle von oft unscharfen Daten, Erklärung und Beurteilung von qualitativen Zusammenhängen und Strukturen sowie die Bewertung komplexer Systeme. Aus dieser Perspektive heraus kann die Haupt aufgabe des Controllings in der Sicherstellung konsequenter Unsicherheitsbewältigung für die Unternehmen gesehen werden. 1 Motivation, Ziel und Aufbau der Arbeit.- 2 Controlling und Unschärfe.- 3 Unschärfe und ihre formale Abbildung durch unscharfe Mengen.- 4 Anwendungspotenzial der unscharfen Mengen im Controlling.- 5 Break-Even-Analyse.- 6 Szenarienauswahl.- 7 Target Costing.- 8 Zusammenfassung.- A Anhang zur Fallstudie der Szenarioanalyse.- A.1 Konsistenzmatrix.- A.2 Regelbasen.- A.2.1 Regelbasis zur Beurteilung der Konsistenz.- A.2.2 Regelbasen zur Beurteilung der Stabilität.- A.2.2.1 Regelbasis bei Änderung einer Deskriptorausprägung.- A.2.2.2 Regelbasis bei Änderung zweier Ausprägungen.- A.2.2.3 Regelbasis bei Änderung dreier Ausprägungen.- A.2.2.4 Regelbasis zur Beurteilung der Gesamtstabilität.- A.2.3 Regelbasen zur Beurteilung der Unterschiedlichkeit und Repräsentativität.- A.2.3.1 Regelbasis zur Beurteilung der Eignung als Extremszenario.- A.2.3.2 Regelbasis zur Beurteilung der Eignung als Extremszenario.- A.2.3.3 Regelbasis zur Beurteilung der Eignung als Zwischenszenario.- A.2.4 Regelbasen zur abschließenden Gesamtbewertung der Szenarien.- A.2.4.1 Regelbasis zur Beurteilung der Gesamteignung als Extremzentrum.- A.2.4.2 Regelbasis zur Beurteilung der Gesamteignung als mittleres Zentrum.- A.2.4.3 Regelbasis zur Beurteilung der Gesamteignung als Zwischenzentrum.- A.3 Quantile der Merkmale.- A.3.1 Quantilswerte der Konsistenzbewertungen.- A.3.2 Quantilswerte der Stabilitätsbewertungen.- A.3.3 Quantilswerte der Distanzbewertungen.- A.4 Zugehörigkeitsfunktionen der Merkmale.- A.4.1 Zugehörigkeitsfunktionen der Konsistenzbewertungen.- A.4.2 Zugehörigkeitsfunktionen der Stabilitätsbewertungen.- A.4.3 Zugehörigkeitsfunktionen der Distanzbewertungen.- A.5 Geordnete Ergebnislisten.- A.5.1 Geordnete Ergebnisliste zur Gesamteignung als Extremzentrum.- A.5.2 GeordneteErgebnisliste zur Gesamteignung als mittleres Zentrum.- A.5.3 Geordnete Ergebnisliste zur Gesamteignung als Zwischenzentrum.- A.6 Auszüge aus Distanzmatrizen.- A.6.1 Distanzen der Kandidaten für die Extremzentren.- A.6.2 Distanzen der Kandidaten für das mittlere Zentrum.- A.6.3 Distanzen der Kandidaten für die Zwischenzentren 3 und 4.- A.7 Beschreibung ausgewählter Szenarien mit Bewertungen. Privatdozentin Dr. Magdalena Mißler-Behr lehrt am Institut für Statistik und Mathematische Wirtschaftstheorie der Universität Augsburg.
