TUM School of Management. Umweltbezogene Entscheidungen mit Hilfe multidimensionaler Bewertungsverfahren

Transkript

1 TUM School of Management Umweltbezogene Entscheidungen mit Hilfe multidimensionaler Bewertungsverfahren

2 TUM School of Management Umweltbezogene Entscheidungen - multidimensionale Bewertungsverfahren - 1. Entscheidungen Bewertungsverfahren allgemein 2. Beurteilungskriterien 3. Einzelne Bewertungsverfahren 3.1. Nutzwertanalyse 3.2. Analytischer Hierarchieprozess (AHP) 3.3. TOPSIS 2

3 TUM School of Management Lernziele Sie können die Problematik von Entscheidungen (v.a. im Umweltbereich) darstellen. Sie können die Bewertungsmethoden Nutzwertanalyse, AHP- und TOPSIS-Verfahren erläutern und an Fallbeispielen anwenden. Sie kennen die Vor- und Nachteile der einzelnen Verfahren. Sie kennen Sie Unterschiede und Gemeinsamkeiten der drei Verfahren. 3

4 TUM School of Management 1. Entscheidungen Wo sind Entscheidungen relevant? tägliche, unbewusste Entscheidungen strategische Entscheidungen zwischen verschiedenen Alternativen Probleme bei vielen Alternativen: schwierig, nicht den Überblick zu verlieren Vor- und Nachteile nicht gleichwertig 4

5 TUM School of Management 1. Umweltbezogene Entscheidungen im Beschaffungs-, Produktions-, Vertriebs- und Entsorgungsbereich eines Betriebes lassen sich Entscheidungen nach unterschiedlichen Kriterien klassifizieren: nach dem Zeitbezug (strategisch, operativ) nach der Bezugsgröße (anlagen-, betriebs-, überbetrieblich) nach eingezogenen Betriebsbereichen (material-, anlagen-, produktionsprozess- und entsorgungswirtschaftlich) nach ihrer Auswirkung auf Umweltbelastungsgebiete (Entscheidungen mit lokalen, regionalen oder überregionalen Auswirkungen) Quelle: Strebel, 1980, S. 67 5

6 TUM School of Management 1. Bewertungsverfahren Automobil I 1. Gewinner des Crashtests 2. Sicheres Fahrwerk 3. Sparsamer Motor 4. Geringe Wartungsintervalle Automobil II 1. Schöne Farbe 2. Helles Leder 3. Tiefer Einstieg 4. Unterbodenbeleuchtung 5. Fuchsschwanz 6. Lachgaseinspritzer Vorteilhaftigkeit aufgrund der Anzahl von Argumenten 6

7 TUM School of Management 1. Bewertungsverfahren Probleme: Keine Gewichtung der Kriterien Form des Automobils ist gleichgesetzt mit dessen Sicherheit Messbarkeit der Kriterien Kosten sind quantitativ Wie lässt sich Design des Autos messen? Oftmals müssen mehrere Kriterien und Alternativen berücksichtigt werden, dabei entstehen Konflikte Vergleichbarkeit und Gesamtnutzen 7

8 TUM School of Management Eine Zielgröße; z.b.: Gewinn 1. Eindimensionale Verfahren Bewertungsverfahren Mehrdimensionale Verfahren Mehrere Zielgrößen; Gewinn Liquidität Beschäftigung Arbeiterzufriedenheit Verfahrensart Auf qualitativer Basis nicht bekannt Quantitative Verfahren Semiquantitative Verfahren Qualitative Verfahren Verfahren der Investitionsrechnung Verfahren Statischkalkulatorische Verfahren Dynamischfinanzmathematische Verfahren ROI Kapitalwertmethode Nutzwertanalyse Portfolio- Analyse Amortisationsrechnung Interner Zinsfuß Kosten- Nutzen-Analyse Checklisten/ Prüflisten Methoden Kosten-/ Gewinnvergleichsrechnungen Annuitäten- Methode Analytischhierarchischer Prozess Projekt-Profile 8

9 TUM School of Management Auf qualitativer Basis nicht bekannt Eindimensionale Verfahren 1. Quantitative Verfahren Bewertungsverfahren Mehrdimensionale Verfahren Semiquantitative Verfahren Qualitative Verfahren Mehrere Zielgrößen; Gewinn Liquidität Beschäftigung Arbeiterzufriedenheit Verfahren der Investitionsrechnung Statischkalkulatorische Verfahren Dynamischfinanzmathematische Verfahren ROI Kapitalwertmethode Nutzwertanalyse Portfolio- Analyse Amortisationsrechnung Interner Zinsfuß Kosten- Nutzen-Analyse Checklisten/ Prüflisten Kosten-/ Gewinnvergleichsrechnungen Annuitäten- Methode Analytischhierarchischer Prozess Projekt-Profile 9

10 TUM School of Management 2. Beurteilungskriterien wirtschaftliche (Kosten, Gewinne, statistische Rentabilität, Kapitalwerte, interne Zinssätze ) technologische (Betriebssicherheit, technischer Wirkungsgrad, Komplexität, Entwicklungsstand etc. eines Verfahrens) ökologische (Emissionen, Immissionen, entsprechende Luft-, Wasser- und Bodenbelastung durch Schadstoffe oder Schadenenergie wie Abwärme und radioaktive Strahlung bestimmter Fertigungsprozesse, Deponiebedarf durch Abfälle, ferner Energie- und Ressourcenverbrauch durch Produktion) Quelle: Strebel, 1980, S. 129f. 10

11 TUM School of Management 2. Beurteilungskriterien im Rahmen der Nachhaltigkeit: soziale: menschenwürdige Arbeitsbedingungen (Kinderarbeit, existenzsichernde Entlohnung, soziale Absicherung, Mitspracherechte im Unternehmen, Arbeitszeiten, Gesundheit und Sicherheit am Arbeitsplatz) 11

12 TUM School of Management 3. Einzelne Bewertungsverfahren Ein Lösungsansatz: Multikriterielle Entscheidungprobleme können mit Hilfe der Nutzwertanalyse gelöst werden. Für verschiedene Handlungsalternativen und Zielkriterien werden relative Nutzwerte geschätzt und gewichtet, so dass die Summe der gewichteten Einzelwerte den Nutzwert der jeweiligen Alternative ergibt. Die Alternative mit dem höchsten Nutzwert ist i.d.r. als die vorteilhafteste anzusehen. Die Nutzwertanalyse ist die Analyse einer Menge komplexer Handlungsalternativen mit dem Zweck, die Elemente dieser Menge entsprechend den Präferenzen des Entscheidungsträgers bezüglich eines multidimensionalen Zielsystems zu ordnen. Die Abbildung erfolgt durch die Angabe der Nutzwerte (Gesamtwerte) der Alternativen. (C. Zangemeister, 1976) 12

13 3.1. Nutzwertanalyse (NWA) Methode Übungsbeispiel Anwendung in der Praxis 13

14 3.1. Nutzwertanalyse (NWA) Einsatzgebiete: Bewerberauswahl, Standortanalyse bei nicht-monetären oder bei nicht-monetären und monetären Größen besonders gut geeignet, weiche Kriterien zu berücksichtigen bietet viele Gestaltungsmöglichkeiten Kriterien und Skala frei wählbar Keine Rechnung, sondern systematische Aufbereitung 14

15 Prinzipieller Ablauf der NWA Technische Universität München 1) Aufstellung des Zielsystems Kriterien/Alternativen 2) Durchführung der Gewichtung 3) Aufstellen der Wertetabelle und Wertefunktionen 4) Offenlegung der Gewichtung und Zielertragsmatrix 5) Berechnung der Nutzwerte und Ermittlung der Rangfolge 15

16 Ziele und Zielsystem Allgemeine Anforderungen an das Zielsystem: Vollständigkeit Zerlegbarkeit Minimierung der Anzahl Der hierarchische Prozess Hauptziel Zielkriterien Die Zielkriterien müssen unabhängig voneinander sein. Beispiele für fehlende Unabhängigkeit der Zielkriterien: mittlere Fahrtzeit und verkehrsgünstige Lage, Kosten und Gewinn 16

17 Ziele und Zielsystem Technische Universität München Ein Beispiel guter Fensterrahmen funktionstüchtig energiegünstig ästhetisch befriedigend wenig Zeit für Pflege bequemes Bedienen dichter Rahmen Wärmedämmung schlanke Profile

18 2) Gewichtung der (Ziel-) Kriterien Gewichtungsverfahren Direkte Gewichtung Absolute Gewichtung Singuläre Gewichtung sukzessive Gewichtung Matrixverfahren

19 Erstellen der Wertetabelle und Wertefunktionen Skalierung der möglichen Erfüllungsstufen bzw. Zielerreichungen der jeweiligen Alternativen in den Einzelkriterien zur Charakterisierung Alle Alternativen werden bezüglich der Kriterien untersucht Menschliches Urteilsvermögen lässt stark ab drei Einflussgrößen nach daher systematische, eindimensionale Teilbewertung, d.h. alle Alternativen werden bezüglich je einem Kriterium untersucht, abgewogen und geordnet (anhand von Skalierung) 19

20 TUM School of Management Beispiel Wertetabelle Waschmaschine Kriterien Alternativen A B C Preis Umdrehungen Stromverbrauch Wasserverbrauch Punkte von 1-6 werden vergeben: (1 = ungenügend, 6 = sehr gut) 20

21 Exkurs: Skalierungsmethoden Skalierungsmethoden Nominalskala Ordinalskala Kardinalskala Verhältnisskala 21

22 Exkurs: Skalierungsmethoden Nominalskala: - gibt an, ob Eigenschaften gleich oder ungleich sind - Bsp.: männlich/weiblich, rot/gelb/blau - Keine Berechnungen möglich! 22

23 Exkurs: Skalierungsmethoden Ordinalskala: Rangfolge kann erstellt werden A1>A2>A3 Voraussetzung: Urteilsperson kann unterscheiden, ob z.b. A1 ein Kriterium besser, schlechter oder gleich erfüllt im Vergleich zu A2 Nachteil: keine Abstände zwischen den Alternativen möglich Zahlen wie 1,2,3 sind keine arithmetisch verrechenbaren Messwerte, sondern verbale Zuweisungen Rechenoperationen sind somit nicht erlaubt! Bsp.: Erdbebenstärke, Härtegrad von Werkstoffen, Schulnoten 23

24 Exkurs: Skalierungsmethoden Kardinal-/ Intervallskala: Quantitative Messungen, metrische Skalen Die Stufen der Skalen sind immer gleich groß Minimalwert Maximalwert A1 = 1,5 A2 = 3,0 A3 = 3,8 24

25 Exkurs: Skalierungsmethoden Verhältnisskala: Alle mathematischen Rechnungen sind möglich Bsp.: Grundstückspreis 3x so teuer Richtwert bei Kriterium Fahrgeschwindigkeit: 150 km/h = 1 0,5 1 1,5 130 km/h 180 km/h E= 0,87 E= 1,2 Höchstes Messniveau Bsp. m, cm, Zoll, Meilen, Altersangaben in Jahren 25

26 Wertsynthese Offenlegung der Gewichtungen der einzelnen Kriterien und Skalierung der einzelnen Teilziele in einer Matrix Zielwertmatrix Die Alternativen werden nebeneinander aufgeführt. Die jeweiligen Kriterien werden untereinander aufgelistet. Für jedes Kriterium wird für jede Alternative der Zielertrag bestimmt Entstandene Matrix stellt die Teilnutzwerte sowie den Gesamtnutzen der Alternativen ( = Summe der Teilnutzwerte) dar. 26

27 5) Berechnung der Nutzwerte anhand der Zielwertmatrix Standortanforderung 1 zentrale Verkehrslage (z.b. Autobahn- und Flughafennähe) 2 günstiger Arbeitsmarkt (z. B. qualifizierte Facharbeiter, Arbeitskraftreserven) 3 verfügbares Industriegelände (z.b. Mindestfläche, zukünftige Erweiterungsmöglichkeiten) 4 günstige Versorgung und Entsorgung (z.b. Versorgung mit Elektrizität, Gas, Wasser) 5 annehmbare rechtliche Auflagen (z.b. Bauvorschriften) 6 geringe Steuerbelastung (z.b. tiefe Steuersätze, Steuererleichterungen) 7 günstige Förderungsmaßnahmen (z.b. staatliche Subventionen, kommunale Wirtschaftsförderung) 8 gute Lebensbedingungen (z.b. Sozial- Bildungs- und Freizeiteinrichtungen) Gewichtung Standort A Standort B Standort C Standort D X R X R X R X R Gesamtnutzen der Alternativen Festlegung der Präferenzordnung der Alternativen 2. Rang 1. Rang 4. Rang 3. Rang X = Bewertung (gut = 5, befriedigend = 3, schlecht = 1) R = Nutzen pro Standortfaktor Hinweis: unabdingbare Forderungen, d.h. Muß-Kriterien (z.b. Mindestfläche), wurden nicht berücksichtigt. Abb. 24: Nutzwertanalyse für einen Industriebetrieb (nach Müller-Hedrich 1992, S. 45) 27

28 Anwendung am Beispiel Externer Berater Technische Universität München Ein kleines, mittelständisches Unternehmen in München sucht einen externen Berater für die Unterstützung bei der Einführung eines Umweltmanagementsystems. Drei Bewerber stehen zur Auswahl. Kriterien: Höhe des Angebots, Referenzen, Branchenkenntnisse, Büro in der Nähe des Unternehmens Berater A: macht preisgünstiges Angebot, hat wenig Referenzen, Branchenkenntnisse kaum vorhanden, Büro ist in Hamburg Berater B: Angebot liegt im mittleren Preissegment, kann einige interessante Referenzen vorweisen, seine Branchenkenntnisse sind umfangreich, das Büro ist in Ingolstadt Berater C: Angebot ist hoch, wird von vielen namhaften Unternehmen empfohlen, Branchenkenntnisse liegen vor, Büro ist in Nürnberg Welchen Berater sollte das Unternehmen beauftragen? 28

29 Beispiel: Externer Berater 1) Kriterien und Alternativen in einer Tabelle abbilden Berater Kriterien Höhe d. Angebots Referenzen Branchenkenntnisse Nähe des Büros A B C 29

30 Beispiel: Externer Berater 2) Gewichtung der Kriterien: Gewichtung Überlegung Höhe d. Angebots 0,5 wenig Kapital zur Verfügung Referenzen 0,2 Empfehlungen durch bekannte Unternehmen sind wichtig Branchenkenntnisse 0,2 Branche ist recht speziell Kenntnisse wichtig Nähe des Büros 0,1 im Zeitalter von Smartphone und Skype ist die Nähe des Büros nicht ganz so wichtig 30

31 Beispiel: Externer Berater 3) Bewertung der Alternativen nach den einzelnen Kriterien : Kriterien Berater A B C Höhe d. Angebots Referenzen Branchenkenntnisse Nähe des Büros Punkte von 1-6 werden vergeben: (1 = ungenügend, 6 = sehr gut) Berater A: macht preisgünstiges Angebot, hat wenig Referenzen, Branchenkenntnisse kaum vorhanden, Büro ist in Hamburg Berater B: Angebot liegt im mittleren Preissegment, kann einige interessante Referenzen vorweisen, seine Branchenkenntnisse sind umfangreich, das Büro ist in Ingolstadt Berater C: Angebot ist hoch, wird von vielen namhaften Unternehmen empfohlen, Branchenkenntnisse liegen vor, Büro ist in Nürnberg 31

32 Beispiel: Externer Berater 4) Wertesynthese Gewichtung A B C Höhe d. Angebots 0, Referenzen 0, Branchenkenntnisse 0, Nähe des Büros 0,

33 Beispiel: Externer Berater 5) Berechnung Teilnutzwerte und Gesamtnutzen A B C Höhe d. Angebots 0,5 * 6 = 3 1,5 0,5 Referenzen 0,4 0,8 1 Branchenkenntnisse 0,4 1 0,8 Nähe des Büros 0,1 0,4 0,3 Gesamtnutzwert 3,9 3,7 2,6 33

34 Vor- und Nachteile der NWA Vorteile freie Wahl der Kriterien und Einteilung der Skala viele Gestaltungsmöglichkeiten Systematische Entscheidungsvorbereitung Transparenz und Nachvollziehbarkeit der Entscheidungsfindung auch Berücksichtigung qualitativer Kriterien möglich Direkte Vergleichbarkeit der Alternativen Vergleichbarkeit wird erst möglich Nachteile/Kritik sehr subjektives Verfahren Auswahl der Gewichtung/Kriterien schwierig Zerlegung in Teilaspekte führt nicht immer zu besseren, klareren Ergebnissen Problematisch, wenn mehrere Entscheidungsträger andere Präferenzen haben Hoher Zeitaufwand 34

35 Praxisbeispiel Anwendung der Nutzwertanalyse auf Verfahren zur besseren Verwertung von Rückständen in der Eisen- und Stahlindustrie Müller, J. I. R. (2017): Stoffstrommanagement als Instrument zur Steigerung der Ressourceneffizienz der deutschen Eisen- und Stahlindustrie. Technische Universität München. Fakultät Wissenschaftszentrum Weihenstephan für Ernährung, Landnutzung und Umwelt. Springer Spektrum. Wiesbaden. 35

36 36

37 ZF = 1 Zielerreichung vollständig ZF = 0,5 Zielerreichung teilweise ZF = 0 Zielerreichung nicht erfüllt 37

38 Zielerreichungsfaktoren der jeweiligen Verfahren im Hinblick auf Kriterien... =1*0,1786+0,5*0, *0,0357+0,5*0+0*0, *0,1607+1*0,2143+1* 0,

39 3.2 Analytischer Hierarchieprozess (AHP) Methode Übungsbeispiel Anwendung in der Praxis 39

40 Literatur Technische Universität München Meixner, Oliver und Haas, Rainer: Wissensmanagement und Entscheidungsunterstützung. 2. Auflage, Wien, 2009 Zangemeister,C.: Nutzwertanalyse in der Systemtechnik, München, 1971 Bechmann, Arnim: Nutzwertanalyse, Bewertungstheorie und Planung. Paul Haupt, Bern und Stuttgart, 1978 Kiemstedt, H.: Zur Bewertung der Landschaft für die Erholung. Stuttgart 1967 Hoffmeister, W.: Investitionsrechnung und Nutzwertanalyse. Kohlhammer, 2000 Rinza, Peter, Schmitz, Heiner: Nutzwert-Kosten-Analyse. Betriebswirtschaft und Betriebspraxis. VDI-Verlag, 1992 Niklas, C.: Mehr Entscheidungssicherheit mit der Nutzwertanalyse" (Ausgabe 23/2002 ) 40

41 3.2 Analytischer Hierarchieprozess (AHP) Der Analytische Hierarchieprozess nach Dr. Thomas L. Saaty (1970): Methode, mit deren Hilfe komplexe Entscheidungsprozesse in kleine Einheiten (Paarvergleiche) zerlegt, strukturiert und formal gelöst werden. analytisch: die Entscheidungsunterstützung erfolgt mathematisch und mittels logischer Schlüsse hierarchisch: das Entscheidungsproblem wird in eine Hierarchie von Kriterien und Alternativen zerlegt Prozess: wegen seines prozessualen Charakters, Entscheidungen zu treffen Anwendungsbeispiele: Auswahl eines Stromanbieters Strategien in der Umweltpolitik Auswahl einer Marketingstrategie 41

42 Grundlagen und Theorie des AHP Berücksichtigung von subjektiven (z.b. politischen, sozialen) und objektiven (z.b. ökonomischen, technischen) Faktoren Die Frage ist: Wie bewerten wir die Wichtigkeit von Faktoren (im Verhältnis zueinander) und wie können wir die zur Verfügung stehenden Informationen aggregieren, damit die beste Entscheidung getroffen wird? Arbeitsweise: AHP zerlegt komplexe Entscheidungsprozesse in kleine Einheiten, die anschließend hierarchisch strukturiert und verglichen werden. 42

43 Prinzipieller Ablauf des AHP Technische Universität München Aufstellung des Zielsystems Konsistenz Gewichtung der Kriterien Paarvergleich/ Ergebnismatrix Konsistenz Gewichtung der Alternativen Paarvergleich/ Ergebnismatrix Sensitivitätsanalyse Berechnung der Gesamtgewichte Bewertung der Alternativen 43

44 Praktischer Ablauf des AHP gliedert sich in drei Phasen: 1. Phase: Sammeln der Daten 2. Phase: Paarweiser Vergleich 3. Phase: Datenverarbeitung 44

45 Ablauf des AHP 1. Phase: Sammeln der Daten: Definition des Ziels, der Kriterien und Alternativen Quelle: Meixner,

46 Ablauf des AHP 2. Phase: Größenvergleich von 3 verschiedenen Figuren Quelle: Meixner,

47 Ablauf des AHP 2. Phase: Paarweiser Vergleich Technische Universität München Quelle: Meixner,

48 Bewertungsskala Sowohl quantitative als auch qualitative Informationen werden auf einer (9-Punkte)-Skala dargestellt. Vorteile: Differenziertere Skalen überfordern den Entscheider Die Werte der Skala sind inhaltlich sinnvoll und gleichbleibend 1/9 = absolut unterlegen 1 = gleichbedeutend 9 = absolut dominierend Die Skalenwerte aij sind als Verhältniszahlen zu betrachten, wobei 1 den natürlichen Nullpunkt darstellt, so dass eine echte Intervallskala vorliegt. 48

49 Axiome des AHP 1. Der Entscheider kann zwei Elemente i und j aus der endlichen Elementenmenge A bezüglich eines Kriteriums aus einer Menge von Kriterien bewerten. Dies geschieht mittels eines paarweisen Vergleiches a ij auf Basis einer metrischen Skala. Die Skala ist reziprok, so dass gilt: a ij = 1 a ij 2. Der Entscheider bewertet ein Element niemals als unendlich viel besser als ein anderes Element im Hinblick auf ein Kriterium aus der Kriterienmenge. 3. Das Entscheidungsproblem kann als Hierarchie dargestellt werden. 4. Alle relevanten Kriterien und Alternativen sind in der Hierarchie enthalten. 49

50 Ablauf des AHP 2. Phase: Vergleich anhand der AHP-Skala (1 = gleich, 3 = moderat, 5 = stark, 7 = sehr stark, 9 = extrem) Quelle: Meixner,

51 Ablauf des AHP in Matrixschreibweise: Quelle: Meixner,

52 Ablauf des AHP in Matrixschreibweise (vervollständigt): 5 1/2 1/8 Quelle: Meixner,

53 AHP am Beispiel externer Berater: 1. Phase: Definition des Ziels, der Kriterien und Alternativen Auswahl eines Beraters - Höhe d. Angebots - Referenzen - Branchenkenntnisse - Mc Kinsey - Boston Consulting - KPMG - Roland Berger Quelle: Meixner,

54 Aufbau einer hierarchischen Struktur Unterstützung durch Berater Ziel Höhe d. Angebots Referenzen Branchenkenntnisse Mc Kinsey Boston Consulting KPMG Roland Berger Mc Kinsey Boston Consulting KPMG Roland Berger Mc Kinsey Boston Consulting KPMG Roland Berger Kriterien Alternativen Diese Informationen werden aggregiert, um ein relatives Gewicht für jede Alternative berechnen zu können. Dieses kann mittels Anwendung von Paarvergleichen ermittelt werden. Dabei können sowohl qualitative als auch quantitative Informationen einbezogen werden. 54

55 Paarvergleichsmatrix Die Referenzen sind mir doppelt so wichtig wie die Höhe des Angebots, die Höhe des Angebots 3x so wichtig wie die Branchenkenntnisse und die Referenzen 4x so wichtig wie die Branchenkenntnisse! Höhe d. Angebots Referenzen Branchenkenntnisse Höhe d. Angebots 1 3 Referenzen Branchenkenntnisse 1 55

56 Paarvergleichsmatrix vervollständigen Höhe d. Angebots Höhe d. Angebots Referenzen 1 1/2 3 Referenzen Branchenkenntnisse Branchenkenntnisse 1/3 1/4 1 Wie kann man diese Matrix nun in Prioritäten verwandeln? Lösung: Eigenvektor! 56

57 Berechnung des Eigenvektors 1. Die Matrix wird sukzessive quadriert. 2. Die Reihensumme wird berechnet und normalisiert. 3. Diese Berechnung stoppt, wenn der Unterschied zwischen zwei Rechenschritten minimal ausfällt. 57

58 Beispiel: Externer Berater Höhe d. Angebots 1 1/2 3 Technische Universität München Referenzen Höhe d. Angebots Referenzen Branchenkenntnisse Branchenkenntnisse 1/3 1/4 1 Umwandlung der Brüche in Dezimalzahlen: 1,0000 0,5000 3,0000 2,0000 1,0000 4,0000 0,3333 0,2500 1,

59 Schritt 1: Quadratur der Matrix ,0000 0,5000 3,0000 1,0000 0,5000 3, ,0000 1,0000 4,0000 * 2,0000 1,0000 4, ,3333 0,2500 1,0000 0,3333 0,2500 1,0000 (1 * 1) + (0,5 * 2) + (3 * 0,3333) = 3 3,0000 1,7500 8, = 5,3332 3, , ,1666 0,6667 3, (0,3333 * 0,5) + (0,25 *1) + (1*0,25) = 0,667 59

60 Schritt 2: Berechnung des Eigenvektors 2.1 Reihensumme bilden + + 3,0000 1,7500 8,0000 = 12,7500 0,3194 5, , ,0000 = 22,3332 0, ,1666 0,6667 3,0000 = 4,8333 0, Reihengesamtsumme bilden = 39,9165 1, Normalisierung, indem die Reihensumme durch die Reihengesamtsumme dividiert wird (z.b. 12,7500 : 39,9165 = 0,3194) 2.4 Eigenvektor: 0,3194 0,5595 0,

61 Schritt 3: Sukzessives Wiederholen dieses Prozesses 3,0000 1,7500 8, ,3332 3, ,0000 1,1666 0,6667 3,0000 = 27, , , , , , ,5547 6, ,

62 Wieder Stufe 2: Eigenvektor der Kriterien 0,3196 0,5584 0,1220 Unterschiede zwischen den Prioritäten 0,3194-0,3196 = -0,0002 0,5595-0,5584 = 0,0011 0,1211-0,1220 = -0,

63 Stufe 3: Ergebnis: Gewichtung der Kriterien Höhe d. Angebots Referenzen Branchenkenntnisse 0,3196 0,5584 0, Der Eigenvektor gibt das Ranking der Kriterien wieder. 63

64 Entscheidungshierarchie mit Prioritäten Unterstützung durch Berater 1,0 Höhe des Angebots 0,3196 Mc Kinsey Boston Consulting KPMG Roland Berger Referenzen 0,5584 Mc Kinsey Boston Consulting KPMG Roland Berger Branchenkenntnisse 0,1220 Mc Kinsey Boston Consulting KPMG Roland Berger Gewichtung der Alternativen??? 64

65 auch hier können die Prioritäten mittels Paarvergleiche ermittelt werden z.b. in Bezug auf Höhe des Angebots Mc Kinsey Boston Consulting KPMG Roland Berger Mc Kinsey 1 1/4 4 1/6 Boston Consulting /4 KPMG 1/4 1/4 1 1/5 Roland Berger

66 bis Ergebnis: Eigenvektor Höhe des Angebots Ranking Höhe des Angebots 3 Mc Kinsey 0, Boston Consulting 0, KPMG 0, Roland Berger 0,5770 Der Eigenvektor drückt hier das Ranking in Bezug auf jedes Kriterium aus. 66

67 Alle Prioritäten in der Hierarchie Unterstützung durch Berater Höhe d. Angebots 0,3196 Referenzen 0,5584 Branchenkenntnisse 0,1220 Mc Kinsey Boston Consulting KPMG Roland Berger 0,1160 0,2470 0,0600 0,5770 Mc Kinsey Boston Consulting KPMG Roland Berger 0,3790 0,2900 0,0740 0,2570 Mc Kinsey Boston Consulting KPMG Roland Berger 0,3010 0,2390 0,2120 0,

68 Lösung des Entscheidungsproblems: Höhe d. Angebots Referenzen Branchenkenntnisse Kriterien Ranking Mc Kinsey 0,1160 0,3790 0,3010 0,3196 Höhe des Angebots Boston Consulting KPMG 0,2470 0,2900 0,0600 0,0740 0,2390 0,2120 * 0,5584 Referenzen Roland Berger 0,5770 0,2570 0,2480 0,1220 Branchenkenntnisse Mc Kinsey 0,3060 z.b. 0,1160 * 0, ,3790 * 0, ,03010 * 0,1220 = Boston Consulting KPMG Roland Berger 0,2720 0,0940 0,

69 Wertung des AHP Vorteile komplexes Bewertungsproblem wird in handhabbare Teilprobleme zerlegt Paarvergleiche lassen sich leicht durchführen Präzise Berechnungen der Gewichte und der Qualität der Beurteilungen sind möglich Nachteile Paarvergleiche brauchen viel Zeit EDV-Anwendung ist nötig durch aufwändige Berechnungen wird ggf. verschleiert/unterdrückt, dass Paarvergleiche i.d. Regel auf subjektiven Einschätzungen beruhen ( Bauchentscheidungen ) 69

70 Übung: Umweltbeauftragter Ein Geschäftsführer versucht für sein Unternehmen einen Umweltbeauftragten aus 3 Mitarbeitern (A, B und C) auszuwählen. Als zentrale Kriterien wurden Führungsstärke, Kooperationsfähigkeit und Verwaltungserfahrung ausgewählt. Zwischen den 3 Kandidaten wurden die Qualifikationen durch paarweisen Vergleich wie in der folgenden Tabelle eingeschätzt. Der Geschäftsführer hat die relative Bedeutung der 3 Kriterien ebenfalls im Paarvergleich eingeschätzt. Benutzen Sie AHP um die relative Vorzüglichkeit der 3 Kandidaten bei den drei verschiedenen Kriterien zu ermitteln! 70

71 Praxisbeispiel Umweltprogramm der Müller Group AHP als multikriterielle Entscheidungshilfe Beispiel verändert nach Friesen

72 Steckbrief Müller Group Gegründet 1985 in Stuttgart Systemlieferant für die Automobilindustrie Produktportfolio: Hard- und Softwareentwicklung, Steuergerätefertigung etc. Zukunftstechnologien: E-Mobility, Hybrid Quelle: 72

73 Implementierung UMS nach DIN EN ISO 14001:2015 Definition von Umweltzielen Entwicklung Umweltprogramm: Ideen für nachhaltige Unternehmensführung und Umweltleistungsverbesserung Identifizierung und Priorisierung umsetzbarer Maßnahmen Welche Maßnahmen sollen zur Erreichung der angestrebten Umweltziele umgesetzt werden? 73

74 Ablauf Bestandsaufnahme Ursachenforschung / Brainstorming Erstellung und Anwendung multikriterieller Entscheidungsstütze Übernahme der am höchsten gewichteten Maßnahmen Überprüfung 74

75 AHP Hierarchie Maßnahmenprogramm Effiziente Maßnahmen Kosten Mitarbeiterakzeptanz Umweltleistung Umstellung des Fuhrparks auf Elektroantriebe Einführung Veggie-Day in Betriebskantine Einführung von Mehrwegverpackungen 75

76 AHP Paarvergleichsmatrix Müller Group Kosten Umweltleistung Mitarbeiterakzeptanz Umweltleistung Kosten Mitarbeiterakzeptanz / /4 1/2 1 Dem Unternehmen Müller Group sind die Kosten dreimal so wichtig wie die Mitarbeiterakzeptanz und viermal so wichtig wie die Umweltleistung. Die Mitarbeiterakzeptanz ist doppelt so wichtig wie die Umweltleistung. 76

77 AHP Paarvergleichsmatrix Müller Group Kosten Umweltleistung Mitarbeiterakzeptanz Umweltleistung Kosten Mitarbeiterakzeptanz 1,0000 3,0000 4,0000 0,3333 1,0000 2,0000 0,2500 0,5000 1,0000 Umwandlung in Dezimalzahlen 77

78 AHP Paarvergleichsmatrix Müller Group 1 1,0000 3,0000 4, ,3333 1,0000 2, ,2500 0,5000 1,0000 X ,0000 3,0000 4,0000 0,3333 1,0000 2,0000 0,2500 0,5000 1,0000 Berechnung Eigenvektor 1 2,9999 8, , ,1666 2,9999 5, ,6667 1,7500 3,0000 Sukzessives Wiederholen Reihensummen Normalisie rung 24,9999 0,6263 9,4997 0,2380 5,4167 0, ,9163 1,

79 Gewichtung der Kriterien bei der Müller Group Kosten Mitarbeiterakzeptanz Umweltleistung RANKING

80 Kosten Umstellung Fuhrpark Veggie-Day Mehrwegverpackungen Mehrwegverpackungen Umstellung Fuhrpark Veggie-Day 1 1/9 1/ /4 1 80

81 Mitarbeiterakzeptanz Umstellung Fuhrpark Veggie-Day Mehrwegverpackungen Mehrwegverpackungen Umstellung Fuhrpark Veggie-Day 1 3 1/2 1/3 1 1/

82 Umweltleistung Umstellung Fuhrpark Veggie-Day Mehrwegverpackungen Mehrwegverpackungen Umstellung Fuhrpark Veggie-Day 1 4 1/2 1/4 1 1/

83 ODM-Tool 83

84 ODM-Tool 84

85 ODM-Tool 85

86 ODM-Tool 86

87 ODM-Tool Entscheidung: Umsetzung der Maßnahmen Einführung Veggie-Day und Einführung von Mehrwegverpackungen 87

88 Beispiel Fragebogen Mechel, C. (2017): Ökoeffizienzanalyse zum Vergleich heterogener Unternehmen. Darstellung am Beispiel der Wäschereibranche. Springer Spektrum. Wiesbaden. S

89 Beispiel Fragebogen Mechel, C. (2017): Ökoeffizienzanalyse zum Vergleich heterogener Unternehmen. Darstellung am Beispiel der Wäschereibranche. Springer Spektrum. Wiesbaden. S

90 Literatur AHP Thomas L. Saaty: Multicriteria decision making - the analytic hierarchy process. Planning, priority setting, resource allocation. 2. Auflage. RWS Publishing, Pittsburgh 1990, ISBN Franz Eisenführ et al.: Rationales Entscheiden, Springer,

91 TUM School of Management 3.3 TOPSIS Technique for Order Preference by Similarity to Ideal Solution Methode Übungsbeispiel Anwendung in der Praxis 91

92 TUM School of Management TOPSIS wurde von Hwang/Yoon 1981 konzipiert simple Technik zur Effizienzanalyse, mit vergleichsweise geringem Arbeitsaufwand Zahlreiche Anwendungen in verschiedenen Einsatzgebieten Beispiele: Auswahl von Robotern für den industriellen Einsatz Auswahl von Bearbeitungsverfahren für industrielle Anwendungen betriebliche Standortwahl Bewertung von Transportsystemen

93 TUM School of Management Effizienz = Verhältnis von eingesetzten Inputquantitäten zu erzielten Outputquantitäten Zwei Vergleichsmaßstäbe stehen zur Verfügung absolute Effizienz Vergleich mit einer bekannten effizienten Alternative. Die Produktionsfunktion ist bekannt. relative Effizienz Vergleich der Alternativen untereinander, da die absolut effizienteste nicht bekannt ist. Die einzelnen Alternativen sind aber alle mehr oder weniger ineffizient. Die Produktionsfunktion ist nicht bekannt. Voraussetzung: Eine optimale Alternative als Bezugspunkt Voraussetzung: Mindestens zwei Alternativen Aufgabenfeld der multikriteriellen Effizienzanalyse wie TOPSIS 93

94 TUM School of Management Ansatz von TOPSIS Die Effizienz einer Alternative (aus einer endlichen Anzahl von Alternativen) wird bewertet, indem jeweils der Abstand der einzelnen Merkmalsausprägungen der betrachteten Alternative zu einer virtuellen Alternative bestimmt wird. 94

95 TUM School of Management Prinzipieller Ablauf von TOPSIS Alternativen bestimmen Kriterien bestimmen Entscheidungsmatrix aufstellen Entscheidungsmatrix normalisieren Gewichte ermitteln / festlegen Mit Hilfe von AHP, o.ä. Entscheidungsmatrix gewichten virtuelle Alternativen bestimmen Abstandsmaße berechnen Effizienzindex und Rangfolge bestimmen 95

96 TUM School of Management Kriterien Kriterien Kostenkriterien Inputs sind Kostenkriterien* minimale Wert Nutzenkriterien Outputs sind Nutzenkriterien maximale Wert * bei erwünschten Gütern; bei unerwünschten Gütern, wie z.b. unerwünschte Emissionen oder Abfall: Kosten als Output 96

97 TUM School of Management Die Entscheidungsmatrix D Für jede Alternative muss die Erfüllung von allen Kriterien ermittelt werden. Kriterien 1 bis m Vektor der Ausprägungen des Kriteriums C m über die Alternativen Vektor der Bewertungen der Alternative A 1 TOPSIS grundsätzlich nur auf kardinal messbare Kriterien anzuwenden Ausprägungen Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

98 TUM School of Management Die Normalisierung der Entscheidungsmatrix Grund der Normalisierung: Wenn alle Kriterien kardinal gemessen werden konnten, aber jedes in seiner Dimension, sind die Zahlen in den Spalten-Vektoren sehr unterschiedlich groß. Ohne Normalisierung würden dadurch implizite Gewichtungen der Kriterien aufgrund von Skaleneffekten entstehen. Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

99 TUM School of Management Methode der Normalisierung von Hwang/Yoon 1) Über die Spalten wird die Summe der Quadrate der Kriterienausprägungen berechnet. 2) Daraus wird die Wurzel gezogen. 3) Dann wird jede Kriterienausprägung durch diese Wurzel dividiert. r ij = d ij i=1 n 2 d ij 99

100 TUM School of Management Bestimmung der gewichteten normalisierten Entscheidungsmatrix Jeder Spaltenvektor der normalisierten Entscheidungsmatrix wird mit einem Kriteriengewicht multipliziert. Die Kriteriengewichte werden z.b. mit einer Technik zur Ermittlung von Kriteriengewichten wie z.b. dem AHP bestimmt. normalisierte Entscheidungsmatrix R * Kriteriengewichte = gewichtete normalisierte Entscheidungsmatrix V = Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

101 TUM School of Management Entwicklung virtueller Alternativen Aus der gewichteten normalisierten Entscheidungsmatrix werden jetzt zwei virtuelle Alternativen entwickelt. beste mögliche Alternative die höchsten Werte der Nutzenkriterien die niedrigsten Werte der Kostenkriterien Darunter ist die beste mögliche und die schlechteste mögliche Alternative zu verstehen. schlechteste mögliche Alternative die geringsten Werte der Nutzenkriterien die höchsten Werte der Kostenkriterien werden miteinander kombiniert Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

102 TUM School of Management Berechnung von Abstandsmaßen Für jede reale Alternative werden nun zwei Abstandsmaße zu den beiden virtuellen Alternativen berechnet. Abstand zur Worst-case-Alternative Abstand zur Best-case-Alternative A min A 1 real A max Euklidische Abstände messen den Abstand zwischen zwei Punkten in einem mehrdimensionalen Raum. Die Dimensionalität des Raumes wird durch die Anzahl der Kriterien bestimmt. Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

103 TUM School of Management Bestimmung der relativen Nähe zur Best-case- Alternative Auf Basis der Abstandsmaße kann für jede Alternative ein Abstands-Index für die relative Nähe zur Best-case-Alternative berechnet werden. Diesem Index liegt die Idee zugrunde, daß eine effiziente Alternative möglichst nahe am effizienten Rand einer Technologiemenge liegen sollte und gleichzeitig möglichst weit von ineffizienten Alternativen entfernt sein sollte. Übliche Effizienzmaße sind Quotienten, bei denen der Output zum Input ins Verhältnis gesetzt wird. Bei dem TOPSIS-Effizienzmaß auch einem Quotienten steht im Zähler der Abstand zur Worst-case-Alternative. Im Nenner steht die Summe der Abstände zu beiden Alternativen. Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

104 TUM School of Management Bestimmung des TOPSIS-Effizienzindexes je höher der Abstand zum schlechtest denkbaren Fall, desto höher der Indexwert Der Indexwert ist null, wenn der Abstand zur schlechtesten denkbaren Alternative null ist. Abstand zur Worst-case-Alternative Abstand zur Best-case-Alternative + Abstand zur Worst-case-Alternative je geringer der Abstand zum besten denkbaren Fall, desto höher der Indexwert Der Indexwert liegt also zwischen 0 und 1. Dadurch ist die Interpretation erleichtert. Der Indexwert ist eins, wenn der Abstand zur besten denkbaren Alternative null ist. Ci S i 0 S i 1 Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

105 TUM School of Management Beispiel: Effizienz von externen Beratern Es soll die Effizienz von vier externen Beratern zur Einführung eines Umweltmanagementsystems verglichen werden. Die folgenden Kriterien sollen verwendet werden: Beschleunigung des Zertifizierungsprozesses Entlastung der internen Mitarbeiter Kommunikation zwischen Berater und Unternehmen Verbesserung der internen Prozesse Kosten Output Input Ein Kriterium kann in Geldeinheiten gemessen werden. Die übrigen vier Kriterien werden auf einer Skala mit Punkten (1-5) gemessen, wobei 1 = geringe Kriterienbedeutung und 5 = hohe Kriterienbedeutung. 105

106 TUM School of Management Beispiel 1 Entscheidungsmatrix D Für die Berater 1 bis 4 und die 5 Kriterien wurden die unten dargestellten Kriterienausprägungen ermittelt. Berater Beschleunigung Zertifizierungsprozess Entlastung interner Mitarbeiter Kommunikation Verbesserung der internen Prozesse Kosten Die Entscheidungsmatrix wird im ersten Rechenschritt normalisiert: Für die Kriterienausprägung 1/1 gilt: r 11 = ,615 Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

107 TUM School of Management Beispiel 1 normalisierte Entscheidungsmatrix R Berater Beschleunigung Zertifizierungsprozess Entlastung interner Mitarbeiter Kommunikation Verbesserung der internen Prozesse Kosten 1 0,615 0,680 0,577 0,640 0, ,492 0,544 0,462 0,512 0, ,369 0,272 0,346 0,256 0, ,492 0,408 0,577 0,512 0,630 Diese normalisierte Entscheidungsmatrix ist nun mit den Kriteriengewichten zu gewichten. Diese sind: Beschleunigung Zertifizierungsprozess Entlastung interner Mitarbeiter Kommunikation Verbesserung der internen Prozesse Kosten Gewicht 0,42 0,06 0,06 0,04 0,42 107

108 TUM School of Management Beispiel 1 gewichtete normalisierte Entscheidungsmatrix V z.b. 0,615 * 0,42 Berater Beschleunigung Zertifizierungsprozess Entlastung interner Mitarbeiter Kommunikation Verbesserung der internen Prozesse Kosten 1 0,258 0,041 0,035 0,026 0, ,207 0,033 0,028 0,020 0, ,155 0,016 0,021 0,010 0, ,207 0,024 0,035 0,020 0,265 Peter und Zelewski, TOPSIS als Technik der Effizienzanalyse,

109 TUM School of Management Beispiel 1 Berechnung der virtuellen Alternativen Aus den Spalten werden nun die jeweils besten und schlechtesten Werte herausgesucht. Beschleunigung Zertifizierungsprozess Entlastung interner Mitarbeiter Kommunikation Verbesserung der internen Prozesse Kosten Best-C 0,258 0,041 0,035 0,026 0,164 Worst-C 0,155 0,016 0,021 0,010 0,265 Beim Kostenkriterium ist der geringste Wert der beste und der höchste der schlechteste! 109

110 TUM School of Management Beispiel 1 Berechnung der Abstandsmaße Beschleunigung Zertifizierungsprozess Entlastung interner Mitarbeiter Kommunikation Verbesserung der internen Prozesse Kosten Best-C 0,258 0,041 0,035 0,026 0,164 Worst-C 0,155 0,016 0,021 0,010 0,265 Nun werden die euklidischen Abstände berechnet (am Beispiel Berater 2): 2 0,207 0,033 0,028 0,020 0,171 Abstand zur besten virtuellen Alternative: S 2 + = 0,207 0, ,033 0, ,028 0, ,020 0, ,171 0,164 2 = = 0,053 Abstand zur schlechtesten virtuellen Alternative: S 2 - = 0,207 0, ,033 0, ,028 0, ,020 0, ,171 0,265 2 = = 0,

111 TUM School of Management Beispiel 1 Abstandmaße und Effizienzindex Berater Abstand zum Best-case Abstand zum Worst-Case Effizienz- Index Rangplatz 1 0,046 0,077 0, ,053 0,109 0, ,059 0,097 0, ,082 0,046 0,359 4 Beispiel für die Berechnung des Effizienz-Index für Berater 2 B 2 = 0,109 0, ,109 0,

112 TUM School of Management Literatur Peters, Malte L. und Zelewski, Stephan: TOPSIS als Technik zur Effizienzanalyse. Wirtschaftsstudium, Heft 1, 2007, S Hwang und Yoon: Multiple Attribute Decision Making- Methods and Applications A State of the Art Survey, Berlin, Heidelberg, New-York, 1981 Shih, Shyur, Lee: An extension of TOPSIS for group decision making, Mathematical and Computer Modelling 45 (2007), S

113 TUM School of Management Übungsaufgabe Auf dem Firmengelände sollen neue Bäume gepflanzt werden. Sie stehen vor der Entscheidung der Baumartenwahl und konnten über die reinen Kosten der Stecklinge hinaus weitere Informationen recherchieren. a) Erstellen Sie aus der vorgegebenen, bereits gewichteten und normalisierten Matrix die virtuellen Alternativen wie sie im TOPSIS- Verfahren benötigt werden. Übertragen Sie Ihre Ergebnisse in die jeweilige Zeile der Ergebnismatrix: 113

114 TUM School of Management Virtuelle Alternativen Best-Case Worst-Case 0,23 0,19 Anwuchshäufigkeit Anpassungsfähigkeit Wurzelintensität Kosten 0,04 0,035 0,18 0,01 0,021 0,22 114

115 TUM School of Management b) Die euklidischen Abstände der Baumarten zu den virtuellen Alternativen sind in der folgenden Tabelle dargestellt. Errechnen Sie den Effizienz-Index der jeweiligen Baumart und erstellen Sie anschließend eine Rangreihenfolge (Ergebnisse mit max. drei Kommastellen). Baumart Abstand zum Best- Case Abstand zum Worst-Case Effizienzindex Rangplatz 1 0,04 0,03 2 0,05 0,05 3 0,04 0,05 4 0,03 0,04 Abstand zur Worst-case-Alternative Abstand zur Best-case-Alternative + Abstand zur Worst-case-Alternative 115

116 TUM School of Management Lösung b) Baumart Abstand zum Best-Case Abstand zum Worst-Case Effizienzindex Rangplatz 1 0,04 0,03 0, ,05 0,05 0, ,04 0,05 0, ,03 0,04 0,

117 TUM School of Management ANWENDUNGSBEISPIEL Effizienzbeurteilung von Fakultätsbibliotheken M. Mancev: The Application of the TOPSIS Method in Selecting the Best Academic Library at the Universtity of Nis, The Canadian Journal of Information and Library Science, 2016, S

118 TUM School of Management Fakultätsbibliotheken 118

119 TUM School of Management Fakultätsbibliotheken Kriterien: f 1 f 2 f 3 benötigte Zeit für einen erfolgreichen Datenbankzugriff Fläche der Bibliothek (in m² angegeben) Größe des Literaturangebots (Bücher, Zeitschriften) 119

120 TUM School of Management Normalisierung der Entscheidungsmatrix 120

121 TUM School of Management Gewichtete, normalisierte Entscheidungsmatrix 121

122 TUM School of Management Virtuelle Alternativen und euklidische Abstände 122

123 TUM School of Management TOPSIS-Effizienzindex 123

124 TUM School of Management Ranking der Fakultätsbibliotheken 124

125 TUM School of Management Vergleich AHP vs. TOPSIS Eigenschaften AHP TOPSIS Skala kardinal kardinal Hauptaugenmerk der Vorgehensweise Paarweiser Vergleich Kriterien gegeben gegeben Erhebung der Gewichtung Paarweiser Vergleich gegeben Abstandsmaße von Best-Case und Worst- Case Konsistenzcheck möglich nicht möglich Anzahl der empf. Kriterien Anzahl der empf. Alternativen Sonstiges 7 ± 2 oder hierarchische Zerlegung mehr möglich 7 ± 2 mehr möglich multikriterielle Entscheidungsfindung multikriterielle Entscheidungsfindung Shih/Shyr/Lee, An extension of TOPSIS for group decision making, 2007

126 TUM School of Management Zusammenfassende Übungsaufgabe: Entscheidungsproblem einer ökologischen Bilanzierung ist es, im Rahmen einer Produktplanung, aus der Menge der zu vergleichenden Produkte (oder Verpackungen) jenes mit den insgesamt geringsten ökologischen Auswirkungen bei Produktherstellung, Produktgebrauch und Produktentsorgung auszuwählen. Strebel, 2007, S. 93 ff. 126

127 TUM School of Management Gegeben ist folgende Entscheidungsmatrix: Tragetaschen aus Polyethylen Kraftpapier ungebleicht Energie für den Herstellungsprozess im Material enthalten Gesamtverbrauch Luftverunreinigende Emissionen SO 2 NO x CH x CO Staub Abwasserbelastungen CSB BSB 5 CH Phenole AOX 29 GJ 38 GJ 67 GJ 9,9 kg 6,8 kg 3,8 kg 1,0 kg 0,5 kg 0,5 kg 0,02 kg 0,003 kg 0,0001 kg entfällt 67 GJ 29 GJ 96 GJ 19,4 kg 10,2 kg 1,2 kg 3,0 kg 3,2 kg 16,4 kg 9,2 kg entfällt entfällt entfällt Papierkombination 69 GJ 29 GJ 98 GJ 28,1 kg 10,8 kg 1,5 kg 6,4 kg 3,8 kg 107,8 kg 43,1 kg entfällt entfällt 5,0 kg 127

128 TUM School of Management mit folgenden Gewichtungen: Energie Herstellungsprozess Material Luftverunreinigende Emissionen SO 2 NO x CH x CO Staub Abwasserbelastungen CSB BSB 5 CH Phenole AO X 0,5 0,7 0,3 0,3 0,2 0,3 0,2 0,2 0,1 0,2 0,3 0,3 0,2 0,1 0,1 128

129 TUM School of Management Aufgabenstellung a) Erstellen Sie zunächst eine normierte Entscheidungsmatrix (nach Hwang/Yoon). r ij = d ij i=1 n 2 d ij b) Berechnen Sie anhand der Nutzwertanalyse, für welche Verpackung man sich nach ökologischen Kriterien entscheiden sollte. 129

130 TUM School of Management a) Lösung: Matrix Polyethylen Kraftpapier Papierkombination Energie 0,5 für die Herstellung 0, für das Material 0, Luftverunreinigung 0,3 SO 2 0,2 9,9 19,4 28,1 NO X 0,3 6,8 10,2 10,8 CH x 0,2 3,8 1,2 1,5 CO 0,2 1,0 3,0 6,4 Staub 0,1 0,5 3,2 3,8 Abwasser 0,2 CSB 0,3 0,5 16,4 107,8 BSB 5 0,3 0,02 9,2 43,1 CH 0,2 0, Phenole 0,1 0, AO X 0,

131 TUM School of Management Bsp a) Lösung: Normierte Entscheidungsmatrix Polyethylen Kraftpapier Papierkombination Energie 0,5 für die Herstellung 0,7 0,29 0,67 0,69 für das Material 0,3 0,68 0,52 0,52 Luftverunreinigung 0,3 SO 2 0,2 0,28 0,55 0,79 NO X 0,3 0,42 0,62 0,66 CH x 0,2 0,89 0,28 0,35 CO 0,2 0,14 0,42 0,90 Staub 0,1 0,10 0,64 0,76 Abwasser 0,2 CSB 0,3 0 0,15 0,99 BSB 5 0,3 0 0,21 0,98 CH 0,2 1, Phenole 0,1 1, AO X 0, ,

132 Energie TUM School of Management b) Lösung Luftverunreinigung Polyethylen Kraftpapier Papierkombination für die Herstellung 0,1015 0,2345 0,2415 für das Material 0,102 0,078 0,078 SO 2 0,0168 0,033 0,0474 NO X 0,0378 0,0558 0,0594 CH x 0,0534 0,0168 0,021 CO 0,0084 0,0252 0,054 Staub 0,003 0,0192 0,0228 Abwasser CSB 0 0,009 0,0594 BSB 5 0 0,0126 0,0588 CH 0, Phenole 0, AO X 0 0 0,02 SUMME 0,3829 0,4841 0,

133 TUM School of Management Literatur Haasis, Hans-Dietrich: Betriebliche Umweltökonomie: Bewerten Optimieren Entscheiden, Springer, 1996 Strebel, Heinz: Umwelt und Betriebswirtschaft: Die natürliche Umwelt als Gegenstand der Unternehmenspolitik, Erich Schmidt,

134 TUM School of Management Exkurs: Nudge von Richard Thaler (2003) Unter einem Nudge wird eine Methode verstanden, das Verhalten von Menschen auf vorhersagbare Weise zu beeinflussen, ohne dabei auf Verbote und Gebote zurückgreifen oder ökonomische Anreize verändern zu müssen. Es wird von einem realistischen Menschenbild ausgegangen, d.h. der fehlbare Mensch ist nicht in der Lage die optimale Entscheidung für sich zu treffen. Drei Grundsätze die Verwendung von ethischen Nudges: 1. Nudges müssen transparent und dürfen nicht irreführend sein; 2. Es sollte so einfach wie möglich sein, sich gegen einen Nudge zu entscheiden, wenn immer möglich nur mit einem Mausklick; 3. Es sollte gute Gründe geben anzunehmen, dass das Verhalten, welches durch einen Nudge ermutigt wird, dem Wohlergehen der Gesellschaft dient.

135 TUM School of Management Beispiele: Wird in Urinalen ein Abbild einer Fliege angebracht, landet 80 % weniger Urin auf dem Boden, da die Männer beim Urinieren auf die Fliege zielen. Quelle: Nudge. Improving Decisions About Health, Wealth, and Happiness. S. 4. Wird an einem Kantinenbuffet Obst erhöht in Griffnähe präsentiert, Donuts und Plundergebäck dagegen weiter entfernt, greifen die Nutzer öfter zum Obst. Auch ein Spiegel hinter dem Buffet lässt sie zu Obst statt Donuts greifen, wie ein Experiment des US-Senders ABC zeigt.

136 TUM School of Management Weitere Beispiele: Defaults (Standardeinstellungen) Amazon Standardversand Drucker standardmäßig auf doppelseitig in 4 Jahren Verringerung um 44 % und der Schonung von Bäumen

137 TUM School of Management Entscheidungsnavi