Diplomarbeit: Universitäten im Wettbewerb? - Zu den Einsatzpotenzialen der Competitive Intelligence am Beispiel einer Fakultät

UNIVERSITÄTEN IM WETTBEWERB? –

ZU DEN EINSATZPOTENZIALEN DER

COMPETITIVE INTELLIGENCE AM BEISPIEL

EINER FAKULTÄT

EINGEREICHT BEI: Prof. Dr. Eric Schoop

LEHRSTUHL FÜR WIRTSCHAFTSINFORMATIK,

INSBES. INFORMATIONSMANAGEMENT

FAKULTÄT WIRTSCHAFTSWISSENSCHAFTEN

TECHNISCHE UNIVERSITÄT DRESDEN

EINGEREICHT AM: 27.05.2009

EINGEREICHT VON: Paul Kruse

EXTENDED ABSTRACT: UNIVERSITÄTEN IM WETTBEWERB? – ZU DEN EINSATZPOTENZIALEN DER COMPETITIVE INTELLIGENCE AM BEISPIEL EINER FAKULTÄT

EXTENDED ABSTRACT 1

UNIVERSITÄTEN IM WETTBEWERB? – ZU DEN EINSATZ-POTENZIALEN DER COMPETITIVE INTELLIGENCE AM BEI-SPIEL EINER FAKULTÄT

PAUL KRUSE

1. Schlüsselworte

Competitive Intelligence, Wettbewerbsforschung, Wettbewerbsanalyse, Wettbe-

werbsbeobachtung, Stakeholder Management, Informationsmanagement, Informati-

onsdefizite, Stakeholder-Cluster, Competitive Intelligence-Methoden, Informationsde-

fizite, Hochschulen, Fakultäten

2. Kontext der Arbeit

Diese Arbeit untersucht mögliche Verbesserungspotenziale in der Entscheidungsfin-

dung an einer Universitätsfakultät durch die systematische Anwendung der Methoden

der Competitive Intelligence. Im Zuge des wachsenden Wettbewerbs an und zwischen

Universitäten werden von den Möglichkeiten der Wettbewerbsforschung, -analyse

und -beobachtung signifikante Mehrwerte erwartet. So dass auf Basis der gewonnenen

Erkenntnisse davon ausgegangen wird, dass in Zukunft die im unternehmerischen be-

reits Umfeld etablierte Disziplin der Competitive Intelligence Einzug in die Hoch-

schullandschaft halten wird.

3. Motivation zu diesem Thema

Universitäten hegen heute den Anspruch bzw. verspüren den Druck, wie Unterneh-

men der Wirtschaft agieren zu müssen, um im Wettbewerb bestehen zu können. Mit

der vorliegenden Arbeit soll geklärt werden, ob in diesem Zusammenhang mit den

Möglichkeiten der Konkurrenz- und Wettbewerbsforschung auch auf die Wirtschaft-

lichkeit einer Universität Einfluss genommen werden kann. Es soll zudem die Frage

beantwortet werden, ob an Universitäten Informationsdefizite im Rahmen der Ent-

scheidungsbildung existieren und wie diese zu lösen sind. Beantwortet werden soll

ebenso, ob die Methoden der Competitive Intelligence die Defizite bei der Gewin-

nung, der Aktualität usw. von Informationen im universitären Bereich lösen können.


EXTENDED ABSTRACT 2

Informationen und Wissen an Universitäten sind weit verteilt. Die einzelnen Ans-

pruchsgruppen können meist auf keinen einheitlichen Kommunikationskanal zurück-

greifen, um miteinander in Kontakt zu treten. Häufig stellt sich die Frage, was es

überhaupt zu kommunizieren gilt und in welcher Form dies am wirtschaftlichsten, ef-

fektivsten geschieht.

Grundvoraussetzung zur Beantwortung dieser Fragestellung ist die Identifikation der

Stakeholder einer Universität bzw. Fakultät und die Klärung, welche Stakeholder bzw.

welches Cluster sich für die Anwendung der Competitive Intelligence in diesem Rah-

men als am attraktivsten erweisen bzw. erweist?

Kann eine Universität mit Hilfe der Competitive Intelligence z.B. Einfluss auf den In-

formationsaustausch mit ihren heterogenen Stakeholdern nehmen? Wie lassen sich aus

Sicht der Universität relevante Entscheidungen mit Methoden der Competitive Intelli-

gence unterstützen? Kann sich eine Universität durch aktuellere und bessere Informa-

tionen Wettbewerbsvorteile gegenüber sogenannten Konkurrenten herausarbeiten?

4. Forschungsdesign

Logischer Positivismus

Kritischer Rationalismus Konstruktivismus Solipsismus

Konsenstheorie Kohärenztheorie Korrespondenztheorie

Individuell Kollektiv Gesellschaftlich

Erklärungsziel Gestaltungsziel

Terminologie Theorie Technologie Normierung

Abduktion Induktion Deduktion

Quantitativ Qualitativ

Wissenschafts-theoretische Positionierung

Wahrheitstheorie

Einordnung des Problems

Erkenntnisinteresse

Verfahren der Erkenntnisbildung

Forschungs-methode

Wissenschaftliche Positionierung

Forschungsdesign

FORSCHUNGSDESIGN (VGL. MICHEL, 2007, S. 3).

Die im Rahmen der Arbeit eingenommene persönliche Grundposition ist die des

Konstruktivismus. Demnach ist entscheidend, ob die entwickelte Konstruktion in der

Lage ist, die Fragestellungen der Arbeit zu lösen. Bei der Wahrheitsfindung soll die


EXTENDED ABSTRACT 3

Kohärenz ausschlaggebend sein. Richtig seien Aussagen dann, wenn man sie in die

Gesamtheit der vorherigen Aussagen eingliedern könne. Alle anderen würden als un-

richtig abgelehnt, so NEURATH (1931).

Die Problemstellung wird im allgemeinen Teil des Forschungsdesigns als kollektives

Problem befunden, da z.B. die Betrachtung der Stakeholder einen größeren Personen-

kreis umfasst. Zudem werden durch die Fokussierung der Arbeit auf eine Universität,

insbesondere Fakultät andere Bildungseinrichtungen, die der Fragestellung eine eher

gesellschaftliche Problem-Perspektive verleihen würden, ausgeschlossen. Das Interes-

se liegt insgesamt weniger auf theoretischer Ebene. Ziel der Erkenntnis der Arbeit sind

Methoden der Competitive Intelligence – also folglich Technologien.

Da ein Großteil der Forschungsarbeit auf das Zusammentragen von Beiträgen aus der

Literatur, dem Internet und Fachdatenbanken etc. baut, wird der hypothesenbildende

Teil der Arbeit durch Verfahren der Deduktion geprägt sein. Dabei wird grundsätzlich

vom Allgemeinen auf das Spezielle geschlossen.

Zum Abschluss erfolgen eine Zusammenfassung der Ergebnisse und die konkrete Klä-

rung der Forschungsfragen mit entsprechenden Verweisen auf die jeweiligen Kapitel.

5. Zusammenhänge in der Arbeit

ZUSAMMENHÄNGE IN DER ARBEIT (EIGENE DARSTELLUNG)


EXTENDED ABSTRACT 4

6. Erkenntnisse

Der in dieser Arbeit konzipierte Katalog enthält eine Reihe von Methoden der Compe-

titive Intelligence, die jeweils für ganz unterschiedliche Anwendungsfälle zum Einsatz

kommen können. Grundlage dieser Zusammenstellung ist eine umfangreiche Untersu-

chung der Stakeholderlandschaft einer spezifischen Universitätsfakultät. Anhand aus-

gewählter Stakeholder konnten im Anschluss Szenarien entwickelt werden, die einen

Aufschluss über die Vorteilhaftigkeit der Competitive Intelligence bei ihrer Anwen-

dung an der Fakultät gaben.

Schlussendlich wurde anhand von Beispielen aufgezeigt, dass von der Übertragung

der CI aus der freien Wirtschaft auf eine Bildungseinrichtung Verbesserungen im

Hinblick auf die Entscheidungsfindung und -entwicklung erwarten lassen. Das bedeu-

tet, dass nachgewiesen werden konnte, dass die Competitive Intelligence in diesem

Anwendungsfall geeignet ist, einigen der wachsenden Anforderungen an eine Fakultät

adäquat zu entgegnen.

7. Weiteres Forschungspotenzial

Zur Erweiterung und praktischen Untermauerung der in dieser Arbeit entwickelten

Erkenntnisse gilt es in jedem Fall, die Competitive Intelligence an einer Fakultät an-

zuwenden. Zusätzlich sollte die Übertragbarkeit der Methoden auf weitere interne und

externe Teilbereiche der Universität sowie andere Hochschulformen untersucht wer-

den, um auch dort die Potenziale korrekt abschätzen und eventuell Rückwirkungen

auf die Fakultät identifizieren zu können. Von großer Bedeutung kann dabei die Ent-

wicklung neuer Messinstrumente sein, die in der Lage sind, die Lücken bei der Be-

stimmung des Mehrwertes der Competitive Intelligence zu schließen.

8. Fünf wichtigste (verwendete) Literaturquellen

MICHAELI, R. (2006). Competitive Intelligence: Strategische Wettbewerbsvorteile erzielen durch sys-tematische Konkurrenz-, Markt- und Technologieanalysen. Heidelberg: Springer.

Als eines der deutschsprachigen Standardwerke zum Thema Competitive Intelligence

ist dieses Werk besonders bei der Definition des Begriffes CI hilfreich sowie zur Be-

stimmung ihrer Aufgaben und der Ermittlung möglicher CI-Methoden. Zusätzlich lie-

ferte die Lektüre dieses Buchs wichtige Ansätze für die Bestimmung des Mehrwertes

der CI.


EXTENDED ABSTRACT 5

FLEISHER, C. S. & BENSOUSSAN, B. E. (2007). Business and Competitive Analysis: Effective Applica-tion of New and Classic Methods. New Jersey: FT Press

Dieses sehr ausführliche, methodenfokussierte Buch bildet die Grundlage für die An-

passung der Mehrwertbetrachtungen der einzelnen Methoden der CI und ermöglicht

zusätzlich die Abgrenzung der Thematik zu anderen Disziplinen.

PASTOWSKI, S. (2003). Der Markt für Hochschulleistungen – Implikationen für das Qualitätsmanage-ment aus Sicht des Stakeholder-Ansatzes. In S. Fließ (Hrsg.), Messung der Dienstleistungsqua-lität in komplexen Marktstrukturen (S. 139-166). Wiesbaden: Gabler Verlag.

Dieser Buchabschnitt enthält erste Forschungsergebnisse zur Stakeholderlandschaft an

Hochschulen und ist somit das Einstiegswerk für die Erfassung der Stakeholder an der

betrachteten Fakultät. Zusätzlich konnten ihm wichtige Statistiken, die die Entwick-

lungen an Hochschulen beschreiben, entnommen werden.

ROMPPEL, A. (2006). Competitive Intelligence: Konkurrenzanalyse als Navigationssystem im Wettbe-werb. Berlin: Cornelsen Verlag.

Wiederum als eines der deutschsprachigen Standardwerke zum Thema CI, enthält

auch dieses Buch wichtige Hinweise zur CI-Definition und ist zusätzlich Quelle der in

dieser Arbeit durchgeführten Stakeholder Analysis sowie weiterer Analysemethoden,

deren Einsatzpotenzial auf die Fakultät untersucht wurde.

INHALTSVERZEICHNIS

SEITE I

INHALT

ABKÜRZUNGEN III ABBILDUNGEN V

TABELLEN VI

1 Einleitung ........................................................................................................ 1

1.1 Einstieg und Motivation .................................................................................... 1

1.2 Ausgangssituation ............................................................................................ 2

1.3 Eingrenzung des Themas................................................................................. 5

1.4 Zielsetzung der Arbeit ...................................................................................... 6

1.5 Vorgehen .......................................................................................................... 7

2 Stakeholdermanagement an einer Fakultät ................................................. 9

2.1 Definition Stakeholder ...................................................................................... 9

2.2 Stakeholder Management .............................................................................. 11

2.3 Stakeholder einer Universität insbesondere Fakultät ..................................... 12

2.4 Möglichkeiten des Clusterings der Stakeholder .............................................. 20

2.4.1 Clustering nach Stakeholder-Zugehörigkeit nach Sachs et al. (2007) und Schmid & Lyczek (2008) .............................................................................. 20

2.4.2 Die Influence-Impact Matrix ......................................................................... 21

2.4.3 Stakeholder Analysis nach Romppel (2006) ................................................ 24

2.5 Selektion eines einfachen Stakeholderclusters .............................................. 32

2.6 Clustering der Stakeholder nach Leistungen bzw. Produkten der Fakultät .... 32

2.7 Zusammenfassung der Erkenntnisse ............................................................. 34

3 Methoden der Competitive Intelligence und deren Potenziale ................. 36

3.1 Definition Competitive Intelligence ................................................................. 36

3.2 Ziele und Aufgaben der Competitive Intelligence ........................................... 38

3.3 Competitive Intelligence in Deutschland ......................................................... 39

3.4 Informationsdefizite an einer Fakultät ............................................................. 40

3.4.1 Definition Informationsmanagement ............................................................ 40

3.4.2 Definition Informationsdefizite ...................................................................... 41

3.4.3 Identifikation von Informationsdefiziten ........................................................ 41

3.5 Identifikation des Verbesserungspotenzials durch Competitive Intelligence .. 44

3.6 Einführung in die Methoden der Competitive Intelligence .............................. 45

3.6.1 Ausgewählte Analysemethoden ................................................................... 47

3.6.1.1 Customer Segmentation Analysis ............................................................. 47

3.6.1.2 Customer Value Analysis .......................................................................... 48

3.6.1.3 Issue Analysis ........................................................................................... 49

INHALTSVERZEICHNIS

SEITE II

3.6.1.4 Szenarioanalyse ........................................................................................ 50

3.6.1.5 Growth Vector Analysis ............................................................................. 51

3.6.1.6 Product Lifecycle Analysis ......................................................................... 52

3.6.1.7 Wettbewerberprofile .................................................................................. 52

3.6.1.8 SWOT-Analyse .......................................................................................... 53

3.6.1.9 Kernkompetenzanalyse eines Wettbewerbers .......................................... 54

3.6.2 Ausgewählte Recherchemethoden .............................................................. 54

3.6.2.1 HUMINT .................................................................................................... 55

3.6.2.2 Observation von Wettbewerberaktivitäten ................................................. 56

3.7 Mehrwert der Competitive Intelligence für die Fakultät ................................... 56

4 Entwicklung eines Methodenkatalogs ........................................................ 61

4.1 Auswahl geeigneter Methoden ....................................................................... 61

4.2 Ausgewählte Methoden der CI und Anwendungsszenarien ........................... 62

4.3 Einbettung der Methoden in Organisationsstrukturen der Fakultät ................. 67

4.4 Voraussetzungen für den Erfolg der Competitive Intelligence ........................ 70

5 Diskussion der Ergebnisse und Forschungsfragen.................................. 72

6 Fazit und Ausblick ........................................................................................ 75 LITERATUR VII GLOSSAR XII ANHANG XV

ABKÜRZUNGSVERZEICHNIS

SEITE III

ABKÜRZUNGEN

BCG Boston Consulting Group BI Business Intelligence

BMBF Bundesministerium für Bildung und Forschung BSC Balanced Scorecard

CI Competitive Intelligence CIM Competitive Intelligence Measurement Model

CoUNSeL Competence Unit for Networking and Strategies in eLearning CSA Customer Segmentation Analysis CVA Customer Value Analysis

DA Diplomarbeit DCIF Deutsches Competitive Intelligence Forum

EIS Enterprise Information System EK Eigenkapital EU Europäische Union

F&E Forschung und Entwicklung FK Fremdkapital

FHöV Fachhochschulen für öffentliche Verwaltung GE General Electric

GVA Growth Vector Analysis HUMINT Human Intelligence

IKT Informations- und Kommunikationstechnik IM Informationsmanagement IS Informationssystem IT Information Technology

KIT Key Intelligence Topics M&A Mergers & Acquisitions

MA Mitarbeiter MIS Management Information System

NGO Non-Governmental Organization OLAP Online Analytical Processing

PLA Product Lifecycle Analysis PLC Product Lifecycle

ABKÜRZUNGSVERZEICHNIS

SEITE IV

ROCII Return On Competitive Intelligence Investment SRI Stanford Research Institute

SCIP Society of Competitive Intelligence Professionals STEEP Social, Technological, Economic, Ecological, Political SWOT Strengths, Weaknesses, Opportunities, Threads

TU Technische Universität VCA Value Chain Analysis Wiwi Wirtschaftswissenschaften WSK Wertschöpfungskette

ZIS Zentrum für Internationale Studien

ABBILDUNGSVERZEICHNIS

SEITE V

ABBILDUNGEN

Abbildung 1.1: Studienberechtigtenquote nach Geschlecht (vgl. Statistisches Bundesamt, 2008d, S. 7) ............................................................... 3

Abbildung 1.2: Studienberechtigte mit Studienbeginn im Jahr des Erwerbs der Hochschulzugangsberechtigung nach Geschlecht (vgl. Statistisches Bundesamt, 2008d, S. 9) .................................. 4

Abbildung 1.3: Hochschulen nach Hochschularten (vgl. Statistisches Bundesamt, 2008a, S. 141; Pastowski, 2004, S. 84) ......................................... 5

Abbildung 1.4: Vorgehensmodell (Eigene Darstellung) ......................................... 8

Abbildung 2.1: Stakeholder einer Fakultät (Eigene Darstellung) ......................... 14

Abbildung 2.2: Systemorientierte Betrachtung ausgewählter Hochschulleistungen (vgl. Pastowski, 2004, S. 123; Pastowski, 2003, S. 148) ............. 15

Abbildung 2.3: Stakeholder einer Fakultät nach klassischen Unternehmensstakeholdern (Eigene Darstellung) ....................... 19

Abbildung 2.4: Influence-Impact Matrix (vgl. Golder & Gawler, 2005) ................. 22

Abbildung 3.1: Anforderungen an die Methoden der Competitive Intelligence (Eigene Darstellung) .................................................................... 46

TABELLENVERZEICHNIS

SEITE VI

TABELLEN

Tabelle 2.1: Stakeholder der Fakultät nach klassischen Unternehmensstakeholdern (Eigene Darstellung) ....................... 16

Tabelle 2.2: Clustering der Stakeholder (Eigene Darstellung) ......................... 21

Tabelle 2.3: Influence-Impact-Matrix (vgl. Kerns, 2008) .................................. 23

Tabelle 2.4: Influence-Impact-Matrix der Fakultätsstakeholder (Eigene Darstellung) .................................................................... 24

Tabelle 2.5: Stakeholder Analysis Tabelle (Eigene Darstellung) ..................... 31

Tabelle 2.6: Fakultätsleistungen und- produkte nach Stakeholdern (Eigene Darstellung) .................................................................... 34

Tabelle 3.1: Analysemethoden und ihre Anwendungsbereiche (vgl. Michaeli, 2006, S. 237) ............................................................................... 57

Tabelle 4.1: CI-Methodenkatalog für ausgewählte Produkte bzw. Leistungen und ihre Eignung für Studierende, Doktoranden und Professoren (Eigene Darstellung) .................................................................... 62

KAPITEL 1: EINLEITUNG

SEITE 1

1 EINLEITUNG

Zitat: „Lasst uns mit Ausdauer in den Wettkampf laufen, der uns aufgetragen ist.“

HEBRÄER 12.1, 2

Im einleitenden Abschnitt erfolgt zunächst eine logische Einordnung des Kontextes dieser

Arbeit und der untersuchten Problemstellung in den ihr umgebenden Rahmen. Anschließend

werden die zugrunde liegende Ausgangssituation umrissen und das Thema der Arbeit termi-

nologisch und fokal eingegrenzt. Dem schließt sich dann die Ausarbeitung konkreter For-

schungsfragen, die es in den darauffolgenden Kapiteln anhand des entwickelten Vorgehens-

modells zu beantworten gilt, an.

1.1 EINSTIEG UND MOTIVATION

Wer sich und seine Unternehmung heute am Markt behaupten will, bedarf einer steten Ver-

sorgung mit aktuellen Informationen über sein Umfeld und den Wettbewerb (vgl. Lux &

Peske, 2002, S. 12). Die richtigen Informationen zum richtigen Zeitpunkt ermöglichen die

Festigung der eigenen Position am Markt und sind Grundvoraussetzung für die nachhaltige

Sicherung des Markterfolgs – nicht zuletzt durch Verdrängung der Konkurrenz (vgl.

Großklaus, 2008, S. 57).

Der Wert und Nutzen dieser sogenannten Intelligence, als unternehmensübergreifende Mana-

gementperspektive, lässt sich eindrucksvoll an Vorbildern der Best Practice verdeutlichen.

Bob Flynn, CEO von NutraSweet1

Obwohl solche Maßstäbe nicht ohne weiteres auf deutsche Hochschulen übertragbar sind,

zeigen das obige und viele weitere Beispiele (vgl. Herring, 2006), dass die Competitive Intel-

, beispielsweise stellte 1994 auf der alljährlichen SCIP

Conference in St. Louis fest, dass sein Intelligence Program einen wesentlichen Beitrag im

Wettbewerb des Unternehmens für die Bereiche Marketing, Fertigung und Finanzen darstelle.

Die Competitive Intelligence ermögliche den Führungskräften seiner Unternehmen bedeutend

mehr gute Entscheidungen („good decisions“) zu fällen – und weniger „bad ones” (Herring,

2006). In der Summe sei seinen Darlegungen zufolge der Einsatz der Competitive Intelligence

„worth up to $50.000.000 a year!” (Herring, 2006).

1 Die NutraSweet Company, mit Hauptsitz in Chicago (USA), ist ein weltweit agierender Hersteller von Aspar-tam, einem synthetisch hergestellten Süßstoff. Aspartam wird weltweit in 5.000 Produkten verwendet und laut Hersteller von über 250 Millionen Menschen konsumiert (vgl. The NutraSweet Company, 2009).


SEITE 2

ligence deutlich zur Verbesserung der Entscheidungsfindung in ganz unterschiedlichen Berei-

chen einer Unternehmung beitragen kann.

Die persönliche Motivation der Autors zu einem Thema mit Bezug zur Competitive Intelli-

gence ist eines der Ergebnisse der erfolgreichen Teilnahme und letztendlich auch des Ge-

winns des alljährlichen ReQueSt-Wettbewerbs der DCIF im Jahre 2007 (vgl. DCIF, 2007).

1.2 AUSGANGSSITUATION

Die Situation, die dieser Arbeit zugrunde liegt, lässt sich folgendermaßen zusammenfassen:

Universitäten befinden sich derzeit in einem wachsenden Wettbewerb um Studenten, Res-

sourcen, finanzielle Mittel und nicht zuletzt um Professoren.

Die deutsche Universitätslandschaft ist einem starken Wandel unterworfen. Die Exzellenz-

Initiative (vgl. BMBF, 2009c) der Bundesregierung, aber auch der Bologna-Prozess (vgl.

BMBF, 2009b) und Budgetkürzungen (vgl. Bruhn, 2007, S. 14) führen zu tiefgreifenden Ver-

änderungen an Universitäten. Es besteht der Anspruch – nicht zuletzt durch Druck von außen

– flexibler und effizienter zu arbeiten. Aber nicht nur im Kampf um Mittel müssen sich Uni-

versitäten behaupten. Durch die gesteigerte Internationalität und Mobilität des Studiums und

der wissenschaftlichen Arbeit an Universitäten ist gleichzeitig ein Wettbewerb um qualifizier-

te Studenten und wissenschaftliches Personal entbrannt (vgl. Abbildung 1.2). Hierhinein

spielt ebenson die partielle Einführung von Studiengebühren, denn sie erwirkt in der Regel

gesteigerte Erwartungen der Studenten an die akademische Bildung einer Hochschule (vgl.

Bruhn, 2007, S. 14). Zudem darf aus Sicht öffentlicher Hochschulen nicht vernachlässigt

werden, auch dass vermehrt Bildungseinrichtungen und ausländische Universitäten um Stu-

dienberechtigte, Mittel, Mitarbeiter etc. werben.

„Zweifelsohne konkurrieren Forschungseinrichtungen um die besten Köpfe“ (Müller-Böling,

2006, S. 2). Nicht nur der Konkurrenzdruck der Forschungs- und Bildungseinrichtungen hat

sich im Lauf der Jahre verstärkt. Inzwischen gelten „möglichst überdurchschnittliche bezie-

hungsweise exzellente Leistungen […] als der entscheidende Faktor für die Sicherung des

mittelfristigen Organisationserfolgs von Universitäten“ (Nickel, 2008, S. 16). Die Hum-

boldtsche „Sachidee“, die gegen eine „Vereinnahmung des Wissenschaftsbetriebes durch

wirtschaftliche und politische Interessen“ (Preglau, 2002) strebt, ist längst nur noch eine

Idealvorstellung, die in der Realität nicht mehr funktioniert.


SEITE 3

Weiterhin durch „gleiche Lehrer gleiche Schüler mit den gleichen Methoden darauf vorberei-

ten, an gleichen Universitäten das gleiche zu lernen“ (Herrmann, 1999), kann und wird in

Zukunft nicht ausreichen, um sich im Wettbewerb um Mittel, qualifizierte Studenten, Projekt-

beteiligungen oder gegen internationale Konkurrenten etc. behaupten zu können. MÜLLER-

BÖLING (2002) stellt hierzu klar, dass diese Gleichheitsfiktion zwar ein Faktor zur Sicherung

der Qualität an Hochschulen darstelle, die Art und Weise wie dies geschieht, aber allemal ins

„Mittelmaß auf international gutem Niveau“ (Müller-Böling, 2002, S. 20) einzuordnen sei. So

wird man „sich daran gewöhnen müssen, dass die Leistungskraft der Gleichheitsfiktionen die

Forschung und Lehre betreffend innerhalb einer Hochschule wie auch innerhalb des gesamten

Hochschulsystems […] an ihr Ende gekommen ist“ (Breitbach, 2007, S. 3).

Da sich die eingangs formulierte Feststellung, Universitäten sähen sich einem gesteigerten

Wettbewerbsdruck ausgesetzt, sinnfällig durch Zahlen und Statistiken verbildlichen lässt,

sollen nun ausgewählte Graphen die Entwicklungen der vergangenen Jahre veranschaulichen:

ABBILDUNG 1.1: STUDIENBERECHTIGTENQUOTE NACH GESCHLECHT (VGL. STATISTISCHES BUNDESAMT, 2008D, S. 7)

Die obige Abbildung zeigt beispielsweise, dass in dem zehnjährigen Beobachtungszeitraum

und darüber hinaus der Anteil der Jugendlichen, die eine Berechtigung zu einem Studium

erhalten haben, deutlich angestiegen ist (vgl. Abbildung 1.1). Dies kann zwar so ausgelegt

werden, dass es für Universitäten leichter geworden ist, ihre Hörsäle zu füllen – andererseits

erschwert eine höhere Zahl an potenziellen Studenten die Möglichkeiten, qualitativ herausra-

gende Schüler zu identifizieren und zu fördern.

Eine weitere Statistik zeigt zudem, dass nicht jeder, der eine solche Studienberechtigung er-

worben hat, ein Studium beginnt. Das Statistische Bundesamt (2008d) spricht von einem

25%

30%

35%

40%

45%

50%

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

männlichweiblich

Einführung des 13. Schuljahrgangs in Mecklenburg-Vorpommern und Sachsen-Anhalt


SEITE 4

Viertel (der Schüler), das die Option einer höheren Bildung nicht einlöst (Brugger, Scharfe &

Stroh, 2008, S. 9).

ABBILDUNG 1.2: STUDIENBERECHTIGTE MIT STUDIENBEGINN IM JAHR DES ERWERBS DER HOCHSCHULZU-GANGSBERECHTIGUNG NACH GESCHLECHT (VGL. STATISTISCHES BUNDESAMT, 2008D, S. 9)

Zusätzlich verdeutlicht der Blick in die Bundesstatistiken (vgl. Abbildung 1.2), dass der An-

teil derer, die dem Erwerb der Hochschulreife ein Studium folgen lassen, in den letzen Jahren

stagniert bzw. leicht rückgängig ist. Speziell im Osten ist „bis 2014 mit einem deutlichen

Rückgang der Studienberechtigtenzahlen zu rechnen, bis auf etwa 50 Prozent des Jahres

2005“ (Deissner, 2008). Diese jungen Frauen und Männer zu erreichen und sich nutzbar zu

machen, stellt eine weitere Herausforderung im Wettbewerb zwischen Hochschulen dar.

Betrachtet man die nachstehende Abbildung 1.3, wird ebenfalls ersichtlich, dass trotz der eher

verhaltenen Zahlen zukünftiger Studenten die Anzahl der Hochschulen in Deutschland stetig

wächst. Auch dies kann als eine neuerliche Bedrohung besonders für etablierte Universitäten,

die sich in Zukunft einem größeren Wettbewerb um qualifizierte Studenten konfrontiert se-

hen, interpretiert werden.

0%

10%

20%

30%

40%

50%

1995 2000 2002 2004 2005 2006

Männer Frauen


SEITE 5

ABBILDUNG 1.3: HOCHSCHULEN NACH HOCHSCHULARTEN (VGL. STATISTISCHES BUNDESAMT, 2008A, S. 141; PASTOWSKI, 2004, S. 84)

Zusammenfassend bleibt zu konstatieren, dass die deutsche Universitätslandschaft wesentli-

chen Veränderungen unterworfen ist, die über kurz oder lang ein Umdenken im Hinblick auf

die Konfrontation mit dem Wettbewerb (und das nicht nur um Studenten) erforderlich macht.

Zum Überleben bedarf es exzellenter Leistungen in allen Bereichen einer Universität; nur so

lässt sich mittel- und langfristig der Organisationserfolg garantieren. Die systematische Beo-

bachtung des Wettbewerbsumfeldes und der Märkte, ist dabei eine entscheidende Vorausset-

zung, um die eigene Position nachhaltig stärken und im Wettbewerb langfristig bestehen zu

können.

1.3 EINGRENZUNG DES THEMAS

Um die angesprochene Problematik eingehend beleuchten und das Vorgehen ebenso mit

greifbaren, praktischen Beispielen untermauern zu können, müssen vorab einige Eingrenzun-

gen vorgenommen werden:

Zuerst soll darauf hingewiesen werden, dass das Verständnis der Competitive Intelligence,

welches dieser Arbeit zugrunde liegt, keineswegs mit dem 1993 durch die Gartner Group ge-

prägten Begriff Business Intelligence (BI) gleichzusetzen ist bzw. synonym verwendet wer-

den kann (vgl. Kunze, 2000, S. 63; Lux & Peske, 2002, S. 17; Fleisher & Bensoussan, 2007,

S. 6). Die Business Intelligence versteht sich als Nutzung und Analyse der in einem Unter-

0

100

200

300

4002001/02

2002/03

2005/06

2006/07

2007/08


SEITE 6

nehmen gespeicherten Daten durch die Anwender in Data Warehouses usw. mittels OLAP,

MIS/EIS, Data Mining, BSC etc. (vgl. Kemper, Mehanna & Unger, 2004, S. 4ff.). Die Com-

petitive Intelligence (CI) beschränkt sich auf die Sammlung, Analyse und Verteilung von

Wissen über das wirtschaftliche Umfeld, über die Wettbewerber und über die eigene Organi-

sation (vgl. Romppel, 2006, S. 42). Beide Disziplinen dienen somit der Entscheidungsunters-

tützung und stellen im Verständnis dieser Arbeit eher gleichberechtigte Teile des Business

Performance Managements dar (vgl. Michaeli, 2006, S. 42) Die CI konzentriert sich auf uns-

trukturierte, externe Quellen, während sich die BI mit strukturierten, unternehmensinternen

Daten beschäftigt (vgl. Michaeli & Bill, 2002; Pfaff, 2005, S. 27f.; Martell, 2009).

Die vorliegende Arbeit beschränkt sich bei der Betrachtung von Hochschulen ausschließlich

auf öffentliche Universitäten; am Beispiel der Technischen Universität Dresden. Die wesent-

lichen Gründe für die Entscheidung sind die Nähe (des Autors) zur eigenen Bildungsstätte

und der dort ansässigen Experten sowie die vielseitigen, abweichenden Charaktere von Fach-

hochschulen und Privatuniversitäten etc. (Pastowski, 2004, S. 120). Da eine Universität mit

der Vielzahl an Sektionen ein immer noch äußerst komplexes Gebilde darstellt, wird die Be-

trachtung weiter auf eine einzelne Fakultät – insbesondere auf die Fakultät Wirtschaftswis-

senschaften der TU Dresden – fokussiert. Der Versuch, Methoden der Competitive Intelligen-

ce (s. Kapitel 3.1) und deren Anwendung in allen Fachbereichen einer Universität zu identifi-

zieren, würde den Umfang dieser Arbeit sprengen. Eine solche Betrachtung „über den Teller-

rand“ hinaus bleibt lediglich im Rahmen eines Ausblicks bzw. als Hinweis auf weiteren For-

schungsbedarf enthalten.

1.4 ZIELSETZUNG DER ARBEIT

Ziel der vorliegenden Forschungsarbeit ist es, der betrachteten Fakultät eine Methodensamm-

lung an die Hand zu geben, durch deren Anwendung sich wirtschaftliche und Vorteile im

Hinblick auf die Effektivität der Entscheidungsentwicklung an einer Fakultät erzielen lassen.

Dazu werden Methoden der Competitive Intelligence auf ihre Eignung zur Verbesserung vor-

handener, zunächst zu identifizierender Informationsdefizite untersucht. Im Anschluss daran

erfolgt ein Einblick in die Anwendungspotenziale und den Mehrwert der Competitive Intelli-

gence bezogen auf einzelne Leistungen bzw. Produkte der Fakultät.

Zusammenfassend lassen sich die unterschiedlichen Untersuchungsfelder mit den folgenden

sechs Forschungsfragen darstellen:


SEITE 7

Welche Stakeholder existieren an einer Universität insbesondere an einer Fakultät?

Welche Stakeholder-Cluster lassen sich entwickeln?

Wo existieren Informationsdefizite an Universitäten?

Welches Verbesserungspotenzial in Bezug auf die Entscheidungsentwicklung und Ge-

winnung sowie Verteilung von Informationen ist identifizierbar und wie kann dies mess-

bar gemacht werden?

Welche Potenziale lassen sich mit den Methoden der Competitive Intelligence realisie-

ren?

1.5 VORGEHEN

Auf ein eigenständiges Grundlagenkapitel soll in dieser Arbeit verzichtet werden. Die fachli-

che Basis und Begrifflichkeiten, die für das Verständnis der Abschnitte von Nöten sind, wer-

den vorab in den betreffenden Kapiteln erläutert.

Im Anschluss dieser Einleitung (vgl. Kapitel 1) erfolgt in Kapitel 2 eine umfassende Betrach-

tung des Stakeholdermanagements an Hochschulen im Allgemeinen und exemplarisch an

einer Fakultät. Besonderer Wert wird dabei auf das Clustering der identifizierten Anspruchs-

berechtigten gelegt. Ziel ist es, bestimmte Stakeholder zu Gruppen zusammenzufassen, um

den Untersuchungsbereich einzugrenzen und um ihnen später Methoden der Competitive In-

telligence zuordnen zu können.

In Kapitel 3 liegt der Fokus auf der Untersuchung der Potenziale der Competitive Intelligen-

ce, die sich beim Einsatz an einer Fakultät realisieren lassen. Um die Vorteilhaftigkeit der

Methoden der Competitive Intelligence genau einschätzen zu können, bedarf es im Vorfeld

der Identifikation von Informationsdefiziten im Rahmen der universitären Entscheidungsun-

terstützung. Werden solche Ansatzpunkte exemplarisch aufgedeckt, kann nach Einsatz (zu-

mindest in der Theorie) der jeweiligen CI-Methoden bewertet werden, inwieweit sich mit der

Competitive Intelligence Verbesserungspotenziale verwirklichen lassen – und wie dies im

Hinblick auf die Effektivität und Wirtschaftlichkeit in Form konkreter Messwerte dargestellt

werden kann.

Eine kurze Diskussion der Ergebnisse und die Klärung der Forschungsfragen ist Gegenstand

von Kapitel 5. An dieser Stelle soll ebenfalls auf offene Frage und etwaige Probleme einge-


SEITE 8

gangen werden. Abschließende Bemerkungen und ein Ausblick in die Zukunft dieses For-

schungsfeldes befinden sich im 6. und letzten Kapitel.

Kapitel 1

Kapitel 2

Einleitung

Stakeholdermanagement an einer Fakultät

Grundlagen Clustering der Stakeholder

Selektion eines Clusters

Kapitel 3

Methoden der Competitive Intelligence

Grundlagen Informationsdefizite an einer Fakultät

Identifikation des Verbesserungs-

potenzials durch CI

Einführung in die Methoden der CI

Kapitel 4

Mehrwert der Methoden für die Fakultät

Kapitel 5 Diskussion der Ergebnisse und Forschungsfragen

Kapitel 6 Fazit und Ausblick

Entwicklung eines MethodenkatalogsAuswahl geeigneter Methoden

Anwendungs-szenarien

Einbettung in die Fakultät

ABBILDUNG 1.4: VORGEHENSMODELL (EIGENE DARSTELLUNG)

Abbildung 1.4 veranschaulicht das entwickelte Vorgehensmodell noch einmal grafisch. Nach

der Einleitung in Kapitel 1 erfolgt zunächst die Erarbeitung der Grundlagen, die einem jeden

Kapitel voranstehen. Im Anschluss daran werden die drei Hauptkapitel abgearbeitet, die dann

der Klärung und Diskussion der Forschungsfragen dienen und im Fazit wieder aufgegriffen

werden.

KAPITEL 2: STAKEHOLDERMANAGEMENT AN EINER FAKULTÄT

SEITE 9

2 STAKEHOLDERMANAGEMENT AN EINER FAKUL-TÄT

Zitat: „Erfolge nehmen alle in Anspruch, Misserfolge werden einem einzigen zugeschrieben.“

PUBLIUS CORNELIUS TACITUS, (ca. 58 - 120 n. Chr.)

Der Stakeholder-Ansatz, wie wir ihn heute kennen, existiert seit Mitte der 1980er Jahre (vgl.

Post, Preston & Sachs, 2002, S. 19). Einen entscheidenden Einfluss auf die Etablierung und

Entwicklung dieser Bewegung stellt die Veröffentlichung des Buches Strategic Management.

A Stakeholder Approach (vgl. Freeman, 1984) von R. EDWARD FREEMAN dar. Laut FREEMAN

(1984) fiel der eigentliche Begriff Stakeholder trotz weitreichender Forschung in diesem Be-

reich erst Anfang der 1960er Jahre. Ausgehend von Untersuchungen durch IGOR ANSOFF &

ROBERT STEWART (in der Planungsabteilung von Lockheed) bzw. später am Standford Re-

search Institute (SRI) durch STEWART und MARION DOSCHER fand eine erste Definition des

Stakeholderbegriffs statt (vgl. Freeman & Reed, 1983, S. 89).

Dieses Kapitel beschäftigt sich nun mit dem Stakeholder-Ansatz, dessen Definition und seiner

Anwendung am Beispiel einer Fakultät. Nach der Klärung grundlegender Begrifflichkeiten

geklärt, werden im Anschluss die Stakeholder einer Universität bzw. Fakultät eingeführt und

ein Clustering dieser erfolgt.

2.1 DEFINITION STAKEHOLDER

Die Herkunft des Wortes Stakeholder gründet sich auf die englische Bezeichnung einer Per-

son oder Gruppe, die „etwas auf dem Spiel stehen […] (‚at stake‘) bzw. [die] ein Interesse

(‚stake‘) an einer Sache hat” (Wentges, 2002, S. 91). Die sich daraus ableitende Bedeutung

des Begriffs2

Auf die erwähnten Ursprünge des Wortes verweisend definieren FREEMAN & EVAN (1993)

Stakeholder „klassisch” als „those groups who have a stake in or claim on the firm” und

schließen darin „suppliers, customers, employees, stockholders, and the local community, as

well as management in its role as agent for those groups” ein.

Stakeholder weiter einzugrenzen, haben sich einige Autoren zur Aufgabe ge-

macht:

2 Im deutschen Sprachraum ist meist von „Anspruchsgruppen“, vereinzelt auch von „Interessengruppen“ die Rede. (vgl. Karmasin, 2006a, S. 63)


SEITE 10

Dieser recht allgemeinen Definition gegenüber stehen verschiedene Ansätze, nach denen Sta-

keholder noch feiner unterteilt werden können. Vorweg wird meist das engere Verständnis

von FREEMAN & REED (1983) zitiert, demzufolge Stakeholder als „[a]ny identifiable group or

individual on which the organization is dependent for its continued survival“ (Freeman &

Reed, 1983, S. 91) bezeichnet werden. Nach Ansicht der Autoren gehören dazu Angestellte,

Kunden, Lieferanten, Behörden, Anteilseigner, Finanzinstitute und andere Stakeholder (vgl.

Freeman & Reed, 1983, S. 91). KARMASIN (2006a) bezeichnet diese Gruppe als „primäre Sta-

keholder“, weil sie „über marktliche Prozesse mit der Unternehmung verbunden sind“

(Karmasin, 2006a, S. 63).

Nach dem breiten Verständnis von FREEMAN & REED (1983) zählen zu den Stakeholdern ei-

ner Unternehmung „[a]ny identifiable group or individual who can affect the achievement of

an organization’s objectives or who is affected by the achievement of an organization’s objec-

tives“ (vgl. Freeman & Reed, 1983, S. 91). Stakeholder sind also „all diejenigen Gruppen

[…], deren Interesse durch Handlungen der Unternehmung[…] beeinflusst werden können

bzw. die bei der Unternehmung etwas auf dem Spiel stehen haben“ (Wentges, 2002, S. 91).

Laut FREEMAN & REED (1983) zählen dazu neben den Stakeholdern des engeren Verständnis-

ses insbesondere Gruppen des öffentlichen Interesses, der Staat und seine Behörden, Wirt-

schaftskammern, Konkurrenten, Gewerkschaften, Regulierungsbehörden und einige andere

(vgl. Freeman & Reed, 1983, S. 91). Anders als später bei FREEMAN & EVAN (1993) wird in

dieser Betrachtung auch solchen Gruppen Beachtung geschenkt, die gänzlich entgegengesetz-

te Interessen verfolgen können (Konkurrenten), aber trotzdem oder gerade deshalb zu den

Stakeholdern einer Unternehmung zu zählen sind. Nach KARMASIN (2006a) schließt dieses

breite Verständnis die „primären“, aber ebenso die „sekundären Stakeholder“ ein, „die über

nicht-marktliche Prozesse mit der Unternehmung verbunden sind“ (Karmasin, 2006a, S. 63).

Eine schlichtere, prägnantere Definition nimmt PHILIPS (2003) vor und geht dabei besonders

auf die Freiwilligkeit der eingebrachten Leistungen und moralischen Verpflichtung, die sich

daraus ergeben, ein. Seinen Auslegungen zufolge sind Stakeholder solche Gruppen, „from

whom the organization has voluntarily accepted benefits and to whom there arises a moral

obligation” (Philips, 2003, S. 135).

Die Stakeholderdefinition, die dieser Arbeit zugrunde liegen soll, stammt von POST, PRESTON

& SACHS (2002), da sie besonders hervorhebt, dass die Einflussnahme der Anspruchsgruppen

einer Unternehmung der Wohlfahrt des Unternehmens zugute kommt: „Stakeholders in a cor-

poration are the individuals and constituencies that contribute, either voluntarily or involunta-


SEITE 11

rily, to its wealth-creating capacity and activities, and that are therefore its potential beneficia-

ries and/or risk bearers” (Post, Preston & Sachs, 2002, S. 19).

2.2 STAKEHOLDER MANAGEMENT

Ausgehend von der Bedeutung und Herkunft des Stakeholderbegriffs, soll in diesem Ab-

schnitt eine kurze Definition des Stakeholder Managements vorgenommen werden.

Die Stakeholder einer Unternehmung werden, wie erwähnt, durch die Taten dieser (Unter-

nehmung) beeinflusst, können aber ebenso das Handeln der Unternehmung beeinflussen (vgl.

Philips, 2003, S. 135). Dabei ermöglicht das Stakeholder Management „via Integration von

Interessen (Ansprüchen – ‚Stakes‘), die durch Entscheidungen der Unternehmung betroffen

werden und die diese betreffen, die ‚Rückkehr der Gesellschaft‘ in die Organisation“

(Karmasin, 2007, S. 74; Ortmann, Sydow & Türk, 2000).

Damit diese „Rückkehr“ gelingt, sind Manager angehalten, die Stakeholder sowohl „in the

firm’s environment“ als auch in „their relationship to the firm” (Starik, 1995) zu verstehen.

Dieses Verständnis und der wertschöpfungsorientierte, risikominimierende Umgang mit den

Anspruchsgruppen einer Unternehmung (vgl. Schäfer, 2008, S. 4) werden als Stakeholder

Management bezeichnet.

Obwohl sich die Stakeholder-Forschung seit ihrem ersten Entwurf weiter entwickelt hat und

von vielen Autoren ausführlich untersucht wurde, ist noch nicht genau geklärt, was es bedeu-

tet, Stakeholder „gut zu managen” (Johnson-Cramer & Berman, 2006, S. 3). Klar ist nur, dass

(a) jedes Unternehmen Stakeholder hat, dass (b) Firmen in der Art und Weise, wie sie mit

diesen Beziehungen umgehen, variieren und dass (c) ein Unternehmen, das die Beziehungen

zu seinen Stakeholdern pflegt, andere, die dies nicht tun, überflügelt (vgl. Johnson-Cramer &

Berman, 2006, S. 3; Jones & Wicks, 1999). Dies kann sich sowohl wirtschaftlich, als auch im

Hinblick auf die Effizienz/Effektivität der Unternehmung usw. auswirken.

Grundlegend wird mit dem Stakeholder Management und der enthaltenen Stakeholder Analy-

se der Einblick in die verschiedenen Anspruchsgruppen (das Verhältnis zu ihm, seine Macht,

verbundene Risiken, seine Bedeutung für die Organisation etc.) verbessert, um daraus Strate-

gien zum Umgang und der Pflege dieser ableiten zu können. Schlussendlich soll daraus eine

verbesserte Integration der Stakeholder in Entscheidungen und eine erhöhte Akzeptanz durch

diese erzielt werden. Die Funktion des Managements im Hinblick auf die Stakeholder einer

Unternehmung ist es, Strategien zu entwickeln, sie zu implementieren und Entscheidungen zu


SEITE 12

fällen, die alle oder den Großteil der Stakeholder zufrieden stellen bzw. absichern, dass kein

wesentlicher Stakeholder vernachlässigt und unzufrieden wird.

In einem vergleichbaren Tenor definieren POST, PRESTON & SACHS (2002) das Ziel einer Un-

ternehmung im Rahmen des Stakeholder Managements und damit das Ziel des Stakeholder

Managements selbst als Pflege der Beziehungen zu (all) seinen Anspruchsgruppen mit beider-

seitigem Nutzenzuwachs (Benefit) (vgl. Post, Preston & Sachs, 2002, S. 1). Auf organisatio-

naler Ebene umreißt KARMASIN (2006a) Stakeholder Management als eine Funktion, die „je-

de Organisation als Veranstaltung zur Maximierung der Erfüllung von Ansprüchen und der

Sicherstellung der Wohlfahrt der Anspruchsgruppen und nicht als Veranstaltung zur Realisie-

rung von Partikularinteressen auf[fasst]“ (Karmasin, 2006a, S. 66).

Grundlage eines funktionierenden Stakeholder Managements ist zunächst die Identifikation

und dann die Beobachtung und Überwachung von Stakeholder-Interessen sowie die Kommu-

nikation mit ihnen (vgl.Johnson-Cramer & Berman, 2006, S. 3f.; Freeman, 1984). Gleichzei-

tig müssen der Dialog zu den Stakeholdern gefördert und opportunistisches Verhalten ihnen

gegenüber vermieden werden (vgl. Johnson-Cramer & Berman, 2006, S. 4). Wenn parallel die

Unternehmung in der Lage ist, stetigen Veränderung bezüglich „networks, resource imbalan-

ces, and even institutions“ zu begegnen bzw. entsprechende Anpassungen über die Zeit vor-

zunehmen, kann Unvorhergesehenem, „jolts, which force firms and stakeholders to renegotia-

te the terms of their relationships“ (Johnson-Cramer & Berman, 2006, S. 4) adäquat begegnet

werden. Gelingt dies, lassen sich dauerhafte Stakeholder-Beziehungen und somit ein effizien-

tes Stakeholder Management etablieren.

Trotz derlei Einsichten mangelt es weiter an einem umfassenden Modell, welches das Stake-

holder Management erschöpfend beschreibt und angibt, welche jeweilige Form in unter-

schiedlichen Unternehmen zur Anwendung kommt (vgl. Johnson-Cramer & Berman, 2006, S.

4).

2.3 STAKEHOLDER EINER UNIVERSITÄT INSBESONDERE FA-KULTÄT

Der vorliegende Abschnitt beschäftigt sich mit der Identifikation der Stakeholder einer Uni-

versität. Da dieses Gebiet keine gänzlich unergründete Forschungslandschaft darstellt, kann

von den anfangs gewonnenen Erkenntnissen aus der Literatur im Verlauf des Kapitels auf die

eigentlich wesentlichen Stakeholder, die der Fakultät, geschlossen werden. Als exemplari-


SEITE 13

scher Betrachtungsfall dient in diesem Zusammenhang die Fakultät der Wirtschaftswissen-

schaften an der Technischen Universität Dresden.

Universitäten sind zunehmend bestrebt, ihre Leistungen messbar zu machen. Ausgehend von

den Anforderungen, die den Universitäten u.a. „aus Gründen der Rechenschaftslegung, Effi-

zienzbestrebung, Kundenorientierung und Qualitätsverbesserung“ (Pastowski, 2003, S. 130),

von verschiedenen Seiten herangetragen werden, lässt sich eine wachsende Notwendigkeit der

Gruppierung der Anspruchsträger ausmachen. Die Leistungserwartungen der einzelnen Grup-

pen/Individuen sind weit gefächert und erfordern ganz unterschiedliche Messverfahren. Damit

bei derartigen Untersuchungen zielgerichteter vorgegangen werden kann, erweist es sich als

förderlich, zunächst sämtliche Gruppen/Individuen zu identifizieren, die Ansprüche (vgl. 2.1)

an einer Universität bzw. Fakultät haben.

Damit die Ermittlung dieser Anspruchsgruppen strukturiert abläuft, soll an dieser Stelle auf

einige Stakeholderübersichten und -zusammenstellungen zurückgegriffen werden, die in der

Literatur entwickelt und in der Praxis bereits weitreichend angewendet wurden. Es handelt

sich dabei um bekannte Stakeholdergruppen aus dem unternehmerischen Umfeld. Dieses

Vorgehen hat den Vorteil, dass bei der Betrachtung der Anspruchsgruppen einer Universität

bzw. Fakultät stets auf vorhandene Grundlagen zurückgegriffen werden kann. Nur so kann ein

angemessenes Maß an Vollständigkeit einer solchen Zusammenstellung gewährleistet wer-

den. Dennoch wird es, um die Komplexität nicht unnötig zu steigern, vorkommen, dass klei-

nere Anspruchsinhaber oder -gruppen nicht in die Betrachtung aufgenommen werden. Ebenso

wird an dieser Stelle von einer weiteren Unterteilung der Stakeholder beispielsweise nach

Standort (regional, national, international etc.) abgesehen. Da der Schwerpunkt der Arbeit auf

den Anwendungsmöglichkeiten der Competitive Intelligence für bestimmte Stakeholdergrup-

pen liegt, würde eine vollständige Erfassung der Stakeholder den Rahmen sprengen. Die we-

sentlichen, für die Wirtschaftlichkeit einer Fakultät bedeutendsten Stakeholder finden sich in

jedem Fall in der Betrachtung wieder.

Untersuchungen von SACHS, RÜHLI & KERN (2007) und SCHMID & LYCZEK (2008) zufolge

werden zu den klassischen Stakeholdern eines Unternehmens (wie z.T. bereits erwähnt) die

folgenden gezählt:

(1) Eigen- und Fremdkapitalgeber (Inhaber, Aktionäre, Investoren sowie Banken und Gläubi-

ger); (2) Mitarbeiter und Manager (zzgl. Belegschaftsvertretungen und Arbeitnehmerverbän-

de); (3) Käufer, Kunden und Interessenten; (4) vor- und nachgelagerte Unternehmen der

Wertschöpfungskette (Lieferanten etc.) & Partner (Joint Ventures und Allianzen); (5) Regie-


SEITE 14

rung, Staat (regional, national, international) und seine Behörden; (6) Regulierungsbehörden

(Berufsverbände, Industriehandelsgruppen); (7) Nichtstaatliche Organisationen (Medien

usw.); (8) Interessengruppen (öffentliche, soziale, politische, religiöse) und natürlich die (9)

Konkurrenten (Sachs, Rühli & Kern, 2007, S. 33; Schmid & Lyczek, 2008, S. 76ff)

Kooperationspartner

Scientific Community

Ratingagenturen

Staat

wiss. Mitarbeiter

Schulen

Verwaltung der Universität

Studienberechtigte

Sekretariat

Andere Hochschulen

andere Fakultäten

Unternehmen

Drittmittel-geber

Hochschul-organisationen

Gremien

Rektor

Dekan

Studierende

Kontroll-ausschüsse

Alumni

studentische Hilfskräfte

Diplomanden

Professoren

Doktoranten

Gastdozenten

Bund

Land

EU Eltern Schüler

Austausch-programme

Beauftragte

Lehrstühle der Fakultät

Ausländische Hochschulen

Fernunis

Akademien

Medien/Öffentlichkeit

Austausch-studenten

Partnerunis

Sponsoren

Forschungs-institute

Fakultät

ABBILDUNG 2.1: STAKEHOLDER EINER FAKULTÄT (EIGENE DARSTELLUNG)

Nach dieser groben Auflistung von Stakeholdern aus dem Unternehmensumfeld werden nun

in deren Anlehnung die Anspruchsgruppen einer Universität bzw. Fakultät zusammengetra-

gen. Am einfachsten geschieht dies mit Hilfe von Brainstormings und Brainwritings (vgl.

Anhang 2 bis 4). In Abgleich mit Entscheidungsträgern der Technischen Universität Dresden

konnte dabei eine Zusammenstellung der wesentlichen Stakeholder, der auf eine Fakultät

einwirkenden Anspruchsgruppen (vgl. Abbildung 2.1), entworfen werden.

Abbildung 2.1 stellt alle ermittelten Stakeholder dar, die beliebig viele Ansprüche gegenüber

der betrachteten Fakultät vorzuweisen haben. In dieser Übersicht bereits enthalten sind Zu-

sammenhänge, die verdeutlichen, inwieweit manche Stakeholder miteinander in Verbindung

stehen bzw. welche Stakeholder eine „räumliche Nähe“ zueinander besitzen. Durch die Iden-

tifikation solcher Knotenpunkte kann das spätere Clustering vereinfacht werden.


SEITE 15

Exemplarisch: Grundsätzlich ergibt sich eine solche „räumliche Nähe“ aus Beziehungen und

Interaktionen, die Stakeholder untereinander pflegen. Am Beispiel bedeutet dies, dass Eltern

und Schüler, die dem gröberen Umfeld der Schule zugeordnet werden, sich in der Abbildung

in der unmittelbaren Nähe des Knotens „Schule“ wiederfinden. Da bei der Betrachtung dieser

Anspruchsgruppe aber ebenso die zukünftigen Studenten und der Staat eine Rolle spielen

bzw. sie Stakeholder dieser Stakeholder (der Staat ist u.a. als Mittellieferant Stakeholder von

Schulen usw.) sind, gehören auch sie in die Nähe des Knotens „Schule“.

Wie bereits erwähnt, liefert die Darstellung lediglich einen sehr groben Überblick über die

geschilderte Nähe einzelner Anspruchsgruppen.

ABBILDUNG 2.2: SYSTEMORIENTIERTE BETRACHTUNG AUSGEWÄHLTER HOCHSCHULLEISTUNGEN (VGL. PASTOWSKI, 2004, S. 123; PASTOWSKI, 2003, S. 148)

Inwieweit manche Stakeholder konkret untereinander interagieren, veranschaulicht Abbildung

2.2. Anders als in Abbildung 2.1 laufen hier nicht alle symbolischen Beziehungen über den

Hauptknoten, sondern verbinden ebenso Unterknoten untereinander. Durch das Hinzufügen

von Beschriftungen an den Verbindungslinien der Anspruchsinhaber hebt diese Darstellung

zudem hervor, welche konkreten Wechselwirkungen zwischen den einzelnen ausgewählten

Stakeholdern stattfinden.

Zieht man nun die eingangs in Anlehnung an SACHS, RÜHLI & KERN (2007) und SCHMID &

LYCZEK (2008) herausgearbeiteten Stakeholdergruppen (1) bis (9) heran, lässt sich eine tabel-

larische Übersicht entwickeln. Sie veranschaulich auf den vorliegenden Anwendungsfall be-

zogen die Zugehörigkeiten der einzelnen Stakeholder (vgl. Tabelle 2.1). Die Darstellung der

Tabelle hegt dabei wiederum keinen Anspruch an Vollständigkeit, umfasst aber die wichtigs-


SEITE 16

ten Stakeholder und deren Zuordnung, die für diese Arbeit von Bedeutung sind und schluss-

endlich die Basis des akademischen Mehrwertes darstellen.

TABELLE 2.1: STAKEHOLDER DER FAKULTÄT NACH KLASSISCHEN UNTERNEHMENSSTAKEHOLDERN (EIGENE DARSTELLUNG)

In der Kopfzeile befinden sich die zusammengetragenen unternehmerischen Stakeholdergrup-

pen nach SACHS, RÜHLI & KERN (2007) und SCHMID & LYCZEK (2008). In der linken Spalte

wurden nacheinander die identifizierten Stakeholder (vgl. Abbildung 2.1) abgetragen und

entsprechend ihrer Zugehörigkeit zu einer oder mehrerer Gruppen überprüft. Ein großes „X“

in einer der Spalten veranschaulicht dabei eine starke Zugehörigkeit der gegenüber gestellten

Stakeholder bzw. -gruppen3. Ein kleines „x“ hingegen deutet einen Zusammenhang an, der

nicht für jedes Mitglied der entsprechenden Stakeholdergruppe der linken Spalte gilt4

3 In der Mengenlehre entspricht diese Zuordnung einer echten Teilmenge (A ⊂ B).

.

4 Dies entspricht dem Durchschnitt aus der Mengenlehre (A ∩ B) (vgl. Riedel & Wichardt, 2007, S. 6f.).

Stakeholder

(1) Eigen- und Frem

dkapitalgeber

(2) Mitarbeiter und

Manager

(3) Käufer, K

unden und Interessenten

(4) Unternehm

en der W

SK &

Partner

(5) Regierung und

Staat sowie seine

Behörden

(6) Regulierungs-

behörden

(7) Nichtstaatliche

Organisationen

(8) Interessen-gruppen (politi-sche, soziale, reli-giöse etc.)

(9) Konkurrenten

Studierende X x X Austauschstudenten X x X Alumni X x X Diplomanden X x X Doktoranden X X X Professoren X X x Studentische Hilfskräfte X X X Wissenschaftliche Mitarbeiter X X X Gastdozenten X X X x Studienberechtigte X Schüler X Eltern der Schüler x X Lehrstühle der Fakultät X X x x Andere Hochschulen x x X Andere Fakultäten x x X Ausländische Hochschulen x x X Partneruniversitäten x x x x Fernunis x x x Akademien x x x Schulen x X x Bund X X x X x Land X X x X x EU X x x X x Unternehmen X x X X Drittmittelgeber X x X Sponsoren X X x Kooperationspartner X x X X Forschungsinstitute X x X x x Sekretariat x X Verwaltung der Uni X x x Rektorat x X Dekan x X Gremien x X Beauftragte X x x Hochschulorganisationen x X Scientific Community x X X X Medien/Öffentlichkeit x X Ratingagenturen X Austauschprogramme x x X x X


SEITE 17

Exemplarisch: Studierende zählen sowohl zu den Eigen- und Fremdkapitalgebern, weil ihre

studentischen Leistungen und Arbeiten zur Anhäufung des (geistigen) Kapitals der Fakultät

beitragen und sie zudem mit Studiengebühren einen Anteil zum betriebswirtschaftlichen Ka-

pital der Universität beisteuern. Obendrein sind einige (i.S.d. „Durchschnitts“) Studenten

bzw. Studentinnen Angestellte der Fakultät, wenn sie als studentische Hilfskräfte Veranstal-

tungen o.ä. an einem Lehrstuhl leiten. Gleichzeitig, und das gilt wiederum für alle Studieren-

den, können sie der Gruppe der Käufer und Kunden zugeordnet werden, weil sie schließlich

die Leistung, den Wissenstransfer und das Bildungsangebot der Fakultät in Anspruch neh-

men.

Spaltenweise betrachtet sind Tabelle 2.1 und die Einordnung in die Stakeholdergruppen (1)

bis (9) folgendermaßen zu interpretieren:

(1) EK- und FK-Geber sind an der Beispielfakultät mehr als nur die klassischen Kapitalgeber.

Da an einer Universität nicht nur mit wirtschaftlichem, sondern auch mit geistigem Kapital

gearbeitet wird, zählen zu dieser Gruppe sämtliche Personen, die sowohl finanziell (Bund,

Land, EU, Drittmittelgeber, Kooperationspartner) als auch wissenschaftlich an der Arbeit der

Hochschule (Studierende, Professoren etc.) beteiligt sind

(2) Hierzu zählen sämtliche Mitarbeiter, die – in welcher Form auch immer – an der Bildung

und Forschung beteiligt sind sowie all jene, die administrative Aufgaben innehaben. In einem

breiteren Verständnis können dies sowohl Abgesandte von Partnerunternehmen als auch die

Unternehmen selbst sein.

(3) Als Kunden etc. einer Fakultät sind hauptsächlich die Studenten und jene, die solche wer-

den wollen bzw. gewesen sind, anzusehen. Zusätzlich werden hier sämtliche Stakeholder ein-

geordnet, die einen Nutzen aus der an der Fakultät stattfindenden Forschungsarbeit ziehen

(staatliche Einrichtungen, Unternehmen, Partner und die Scientific Community).

(4) Den vor- bzw. nachgelagerten Unternehmen der Wertschöpfungskette (WSK) können

Schulen, als „Lieferanten“ zukünftiger Studenten und Kooperationspartner inklusive Partner-

unternehmen und Drittmittelgeber zugeordnet werden. Zusätzlich gehören wiederum das

Land, der Bund und die EU in diese Kategorie, die u.a. über Forschungsaufträge auf die

Wertschöpfungskette einer Fakultät einwirken können.

(5) Zur Regierung etc. zählen bei der Betrachtung der Stakeholder einer Fakultät der Bund

(die Bundesregierung und -ministerien), das Land (und seine Regierung bzw. Ministerien)

sowie die Europäische Union, die ebenfalls bildungspolitisch Ansprüche erheben können.


SEITE 18

(6) Regulierungsbehörden im Rahmen universitärer Aufgaben stellen zum einen Ratingagen-

turen dar. Sie bemessen als externe Gutachter die Arbeit an Fakultäten, wovon abhängig ge-

macht wird, wie die verfügbaren Mittel verteilt werden; also welchen „Teil vom Kuchen“ die

jeweilige Fakultät erhält. Zum anderen ordnen sich hier inneruniversitäre „Behörden“, Kont-

rollausschüsse und Gremien wie beispielsweise der Universitäts-Senat ein.

(7) Nichtstaatliche universitätsnahe Organisationen sind u.a. Link-Partner oder Austausch-

programme, die z.B. die Integration ausländischer Studenten in den Fakultätsbetrieb unters-

tützen.

(8) Zu Interessengruppen, die „stakes“ an der betrachteten Fakultät haben, zählen u.a. Perso-

nal- und Studienräte, die die Interessen der Arbeitnehmer und Studenten vertreten. Zudem

existieren an jeder Universität Beauftragte, die sich mit speziellen Themen wie Studenten mit

Behinderung, dem Strahlenschutz oder der Gleichstellung von Mann und Frau beschäftigen;

auch diese Stakeholder sind hier einzuordnen.

(9) Die letzte Stakeholdergruppe, Konkurrenten, besteht aus Fakultäten der gleichen oder ei-

ner anderen Universität, mit denen sich die betrachtete Fakultät im Wettbewerb um besagte

„Kuchenstücke“ befindet und natürlich andere Hochschulen (ausländische, inländische, Fern-

universitäten usw.) und Bildungseinrichtungen.

In Abbildung 2.3 werden die identifizierten Stakeholder und deren Beziehungen untereinan-

der bzw. zu den herausgearbeiteten Stakeholdergruppen nach SACHS, RÜHLI & KERN (2007)

und SCHMID & LYCZEK (2008) noch einmal grafisch dargestellt.


SEITE 19

(5) Regierung und Staat sowie seine

Behörden

(1) Eigen- und Fremdkapitalgeber

(4) Vor- und nachgelagerte Unternehmen

(3) Käufer, Kunden und Interessenten (6) Regulierungs-

behörden

(2) Mitarbeiter und Manager

(9) Konkurrenten

UnternehmenDrittmittel-geber

Hochschul-organisationen Gremien

Rektorat

Dekan

Studierende

studentische Hilfskräfte

Diplomanden

Professoren

DoktorantenGastdozenten

Bund

Land

EU

Eltern der Schüler

SchülerStudien-

berechtigte

wiss Mitarbeiter Andere

Fakultäten

Alumni

Scholen

Rating-agenturen

Kooperations-partner

Scientific Community

Andere Hochschulen

Sekretariat

(7) Nichtstaatliche Organisationen

Austausch-programme

(8) Interessengruppen

Beauftragte

Austausch-studenten

Lehrstühle der Fakultät


Partnerunis

Fernunis

Akademien

Sponsoren


Verwaltung der Uni

Medien/ÖffentlichkeitFakultät

ABBILDUNG 2.3: STAKEHOLDER EINER FAKULTÄT NACH KLASSISCHEN UNTERNEHMENSSTAKEHOLDERN (EIGE-NE DARSTELLUNG)

Exemplarisch: Abbildung 2.3 veranschaulicht, dass z.B. Doktoranden sowohl zu den Mitar-

beitern und Managern gezählt werden, aufgrund ihrer Tätigkeit als Wissenschaftler aber eben-

so an der Entstehung des geistigen Kapitals der Fakultät beteiligt sind. Zusätzlich weisen sie

ein gewisses Interesse am Output der Fakultät (z.B. an Diplomarbeiten, die in ihre Disserta-

tionen einfließen) auf, was sie wiederum zu Kunden bzw. Käufern macht. Hier sei hinzuge-

fügt, dass die obige Abbildung die Zusammenhänge, die in Tabelle 2.1 aufgezeigt wurden

nicht in Gänze darzustellen vermag. Abbildung 2.3 soll lediglich noch einmal verdeutlichen,

dass manche Stakeholder gewisse Ähnlichkeiten und Interaktionspotenzial aufweisen und

sich folglich in der Nachbarschaft wiederfinden. Die jeweilige Entfernung der aufgeführten

Stakeholder zu anderen Stakeholdern oder Knotenpunkten kann dabei allerdings keinen direk-

ten, maximal einen ungefähren Hinweis drauf geben, ob zwischen den Anspruchsgruppen ein

starker bzw. schwacher Zusammenhang besteht.

Die Arbeit zeigt an dieser Stelle deutlich, dass die Identifikation der Stakeholder eines nicht-

unternehmerischen Umfeldes noch weitgehend wissenschaftliches Neuland darstellt. Der hier

eingeschlagene Weg über die Anpassung bekannter Anspruchsgruppen an das universitäre

Untersuchungsgebiet erweist sich dennoch als unumgänglich und äußerst hilfreich. Zwar lie-

fert die Untersuchung kein allumfassendes Bild der die Fakultät umgebenden Landschaft; die


SEITE 20

zeitliche Veränderlichkeit der Rollen und Überschneidung einzelner Stakeholder finden eben-

falls keine Berücksichtigung. Dennoch genügt die hier durchgeführte Betrachtung, um später

auf einzelne Anspruchsträger bzw. Cluster detailiert eingehen zu können.

2.4 MÖGLICHKEITEN DES CLUSTERINGS DER STAKEHOLDER

In diesem Kapitel werden die Möglichkeiten des Clusterings der Stakeholder einer Fakultät

untersucht. Ziel ist es, bestimmte Anspruchsgruppen zusammenzuführen, auf die aufgrund

ihrer Ähnlichkeit oder besonderen Bedeutung für die Fakultät später Methoden der Competi-

tive Intelligence angewendet werden können. Dazu werden zunächst Clustering Methoden

vorgestellt, von denen am Ende eine zur Auswahl einer Stakeholdergruppe dienen wird. Spä-

ter wird ebenfalls untersucht, welche gemeinsamen Interessen, Leistungen oder Produkte die

unterschiedlichen Stakeholder haben, um Kapitel 3 Ansatzpunkte zu liefern, die nach Anwen-

dung der Methoden der Competitive Intelligence Raum für Verbesserungen der Entschei-

dungsfindung bieten.

2.4.1 CLUSTERING NACH STAKEHOLDER-ZUGEHÖRIGKEIT NACH SACHS ET AL. (2007) UND SCHMID & LYCZEK (2008)

Wie Tabelle 2.2 veranschaulicht, können bereits mit recht einfachen Mitteln grobe Ähnlich-

keiten zwischen den zusammengetragenen Stakeholdern identifiziert und somit ein erstes

Clustering entwickelt werden. Die einzelnen Rahmen beinhalten Stakeholder oder Gruppen

solcher, die in ihrer Zuordnung zu den klassischen Stakeholdern einer Unternehmung nach

SACHS, RÜHLI & KERN (2007) und SCHMID & LYCZEK (2008) weitestgehend übereinstimmen.

Exemplarisch: Fremde Hochschulen und Fakultäten beispielsweise können mit ausländischen

Hochschulen bzw. Fakultäten in einem Cluster vereint werden, weil sie zur Konkurrenz gehö-

ren, aber ebenso als Käufer, Kunden etc. und Unternehmen der WSK interpretiert werden.

Obwohl u.a. auch die Scientific Community als Konkurrent verstanden werden kann, wird

dieser Stakeholder aufgrund seiner Zugehörigkeit zu den EK- und FK-Gebern bzw. Mitarbei-

tern und Managern nicht in dieses Cluster eingeschlossen.

Grundlage dieser Betrachtung ist die Annahme, dass Stakeholdern mit einer annähernd kon-

gruenten Einordnung in das Schema der Tabelle später in ähnlicher Weise begegnet werden

kann, wenn es um die Anwendungsszenarien und Methoden der Competitive Intelligence auf

ausgewählte Stakeholder-Cluster geht.


SEITE 21

TABELLE 2.2: CLUSTERING DER STAKEHOLDER (EIGENE DARSTELLUNG)

Da sich diese Betrachtung aber weitestgehend auf die Zugehörigkeit zu einer Stakeholderg-

ruppe und weniger auf die methodische Perspektive bezieht, folgen im Anschluss weitere

Clustering-Ansätze.

2.4.2 DIE INFLUENCE-IMPACT MATRIX

Die Influence-Impact-Matrix (vgl. Bulman, 2007; Golder & Gawler, 2005) wird an dieser

Stelle herangezogen, um eine weitere Möglichkeit des Clusterings der Stakeholder eine Fa-

kultät zu veranschaulichen. Sie wird andernorts auch als Influence-Interest Matrix oder In-

fluence-Importance-Matrix bezeichnet und verstanden (vgl. Romppel, 2006, S. 214; USPS,

2006; Carro, 2009). Wie Abbildung 2.4 verdeutlicht, können mit der Influence-Impact-Matrix

die Stakeholder unterschieden werden, wenn bei der Betrachtung der Geltungsgrad oder die

Betroffenheit (Impact, aber auch Importance und Interest) und der Einfluss (Influence oder

Stakeholder

(1) Eigen- und Frem

dkapitalgeber

(2) Mitarbeiter und

Manager

(3) Käufer, K

unden und Interessenten

(4) Unternehm

en der W

SK &

Partner

(5) Regierung und

Staat sowie seine

Behörden

(6) Regulierungs-

behörden

(7) Nichtstaatliche

Organisationen

(8) Interessen-gruppen (politi-sche, soziale, reli-giöse etc.)

(9) Konkurrenten

Studierende X x X Austauschstudenten X x X Alumni X x X Diplomanden X x X Doktoranden X X X Professoren X X x Studentische Hilfskräfte X X X Wissenschaftliche Mitarbeiter X X X Gastdozenten X X X x Studienberechtigte X Schüler X Eltern der Schüler x X Lehrstühle der Fakultät X X x x Andere Hochschulen x x X Andere Fakultäten x x X Ausländische Hochschulen x x X Partneruniversitäten x x x x Fernunis x x x Akademien x x x Schulen x X x Bund X X x X x Land X X x X x EU X x x X x Unternehmen X x X X Drittmittelgeber X x X Sponsoren X X x Kooperationspartner X x X X Forschungsinstitute X x X x x Sekretariat x X Verwaltung der Uni X x x Rektorat x X Dekan x X Gremien x X Beauftragte X x x Hochschulorganisationen x X Scientific Community x X X X Medien/Öffentlichkeit x X Ratingagenturen X Austauschprogramme x x X x X


SEITE 22

Power) im Vordergrund stehen. Diese Einteilung kann ebenso genutzt werden, um einzelne

Stakeholder von einem in einen anderen Quadranten strategisch neu zu positionieren.

e.g. government departments, NGOs

MORE INFLUENCE

information giving

e.g. media, opinion formers

e.g. general public e.g. local communities

dialogue

consultationinformation gatheringLESS

INFLUENCE

MORE IMPACT UPON

LESSIMPACTUPON

ABBILDUNG 2.4: INFLUENCE-IMPACT MATRIX (VGL. GOLDER & GAWLER, 2005)

Quadrant A: High Impact - High Influence

Kategorie A beinhaltet solche Stakeholder, die sowohl einen hohen Geltungsgrad als auch

einen starken Einfluss auf die Leistungserstellung der Fakultät besitzen. Sie sind, um den Er-

folg der Arbeit der Fakultät zu gewährleisten, verstärkt zu involvieren. Die Entscheidungsträ-

ger der Fakultät müssen dazu besonders gute Beziehungen zu diesen Anspruchsgruppen pfle-

gen. Als Beispiel aus dem unternehmerischen Umfeld sind hier Gewerkschaften etc. ein-

zuordnen. Im Fokus der Fakultät stehen vielmehr Studierende, denen neben anderen Stake-

holdern sowohl ein hoher Einfluss als auch ein hohe Betroffenheit beigemessen wird.

Quadrant B: Low Impact - High Influence

Stakeholder dieses Quadranten können die Arbeit der Fakultät sowohl fördern als auch behin-

dern oder gar zum Scheitern bringen. Obwohl ihre Interessen nicht notwendigerweise mit

denen der Fakultät übereinstimmen müssen, ist es erforderlich, dass diese Anspruchsinhaber

stets informiert, ihre Einwände berücksichtigt und drohende Konflikte mit ihnen vermieden

werden. Da beispielsweise die Medien oder die Öffentlichkeit – die beide dieser Kategorie

angehören – auf die Tätigkeit der Fakultät Einfluss nehmen können, geht von dieser Kategorie

ein gewisses Risiko aus, das nur durch ein sorgfältiges Monitoring und Management auf ei-

nem akzeptablen Niveau gehalten werden kann.


SEITE 23

Quadrant C: High Impact - Low Influence

Diese Kategorie umfasst alle Stakeholder, die einen hohen Geltungsgrad und demzufolge

Interesse aufweisen, jedoch nur über einen geringen Einfluss auf Entscheidungen der Fakultät

verfügen. Aus diesem Grund muss besonders in die Sorgfalt im Umgang mit ihnen investiert

werden, denn nur so können ihre Interessen geschützt und ihre Beteiligung gesichert werden.

Als Beispiel aus dem unternehmerischen Umfeld sind hier z.B. die Gemeinden einzuordnen.

Fakultäts-Stakeholder, die dieser Kategorie angehören, sind u.a. Sponsoren, die zwar von der

Leistung der Fakultät profitieren, aber kaum einen direkten Einfluss auf deren Arbeit haben.

Quadrant D: Low Impact - Low Influence

Stakeholder, die sich hier wiederfinden, bedürfen keiner besonderen Behandlung. Ihnen reicht

das Informiertwerden über die endgültigen Ergebnisse und Leistungen der Fakultät, sie sind

aber aufgrund ihres geringen Einflusses und Geltungsgrades meist außer Acht zu vernachläs-

sigen.

Die Stakeholder, die in die Quadranten A, B und C einzuordnen sind, können die Aktivität der

Fakultät signifikant beeinflussen bzw. haben einen hohen Geltungsgrad, dass in beiderseiti-

gem Interesse ihre Ziele eingehalten und ihnen insgesamt eine besondere Beachtung ge-

schenkt werden muss.

Die Zuordnung der Kategorien wurde in Tabelle 2.3 noch einmal zusammengefasst.

TABELLE 2.3: INFLUENCE-IMPACT-MATRIX (VGL. KERNS, 2008)

Tabelle 2.4 wurde nun um die einzelnen Stakeholder der Fakultät je nach Zugehörigkeit zu

einer der Kategorien ergänzt:

Impact of Stakeholder

unknown Little / No Importance

Some Importance

Significant Importance

Influence of Stakeholder

Significant Influence B

(zufrieden stellen) A

(enge Zusammenarbeit) Somewhat influential

Little / No Influence C

(minimaler Aufwand) C (informiert halten) unknown


SEITE 24

Importance of Stakeholder

unknown Little / No Importance

Some Importance

Significant Importance

Influence of Stakeholder

Significant Influence

Dekan Rektorat Gremien

Beauftragte

Studierende Professoren Lehrstühle

Diplomanden Doktoranden

Somewhat influential

Scientific Community Partneruniversitäten

Medien Öffentlichkeit

Sekretariat Verwaltung der Uni

Little / No Influence

Hochschulen Fakultäten Fernunis

Akademien

Schüler Schulen Eltern

Studien-berechtigte


Hochschul-organisationen

Rating-agenturen

Gastdozenten

Studentische Hilfskräfte

Wissenschaftli-che Mitarbeiter

Alumni

Austausch-studenten

Unternehmen

Drittmittelgeber

Sponsoren

Kooperations-partner

Bund

Land

Europäische Union

unknown Austausch- programme

TABELLE 2.4: INFLUENCE-IMPACT-MATRIX DER FAKULTÄTSSTAKEHOLDER (EIGENE DARSTELLUNG)

Exemplarisch: Die Studierenden beispielsweise sind der Kategorie der kritischen Stakeholder

zuzuordnen. Sie haben durch ihre wissenschaftliche Arbeit an der Fakultät Einfluss auf deren

Output, sind aber ebenso dann von Bedeutung, wenn es z.B. um den Fortbestand der einzel-

nen Lehrstühle geht; denn ohne Studenten kann eine Fakultät nicht existieren.

Alumni als „Ehemalige“ hingegen haben kaum noch Einfluss auf das aktuelle Geschäft der

Fakultät, sind dann aber von Bedeutung, wenn es um Networking und um die Vermittlung

von Kontakten etc. geht. Sie werden deshalb der Kategorie C zugeordnet.

Neben diesem qualitativen Clustering, das nur eine grobe Untergliederung der Stakeholder

des betrachteten Anwendungsfalls liefert, wird im Anschluss eine Methode für eine quantita-

tive Gruppeneinteilung vorgestellt und durchgeführt.

2.4.3 STAKEHOLDER ANALYSIS NACH ROMPPEL (2006)

Wenig überraschend existieren auch im Fundus der Methoden der Competitive Intelligence

Ansätze, die eine Präzisierung der Stakeholder-Cluster ermöglichen. Besonders hervorzuhe-


SEITE 25

ben sind dabei die sogenannten Umfeld-Techniken, die sich „auf langfristige, schlecht vorher-

sehbare, nicht finanzorientierte, weite Phänomene fokussieren“ (Michaeli, 2006, S. 334).

Mit der Stakeholder Analyse nach ROMPPEL (2006) werden die eingangs bestimmten Stake-

holder im Hinblick auf „ihre Stärke [und] ihre Interessen“ untersucht. Weil mit dem Cluste-

ring besonders wichtige Stakeholdergruppen identifiziert werden sollen (vgl. 2.5), kann sich

eine eher quantitativ ausgerichtete Bewertung der Anspruchsgruppen (bzgl. ihrer Stärke, ihrer

Interessen etc.) als wertvoll erweisen. Da sich das Vorgehen von ROMPPEL (2006) außerdem

mit der „Wirksamkeit von Maßnahmen mit Bezug auf“ (Romppel, 2006, S. 213) Stakeholder

beschäftigt, kann sich die Analyse später ebenso als nützlich erweisen, wenn sie der Untersu-

chung der Auswirkungen ausgewählter CI-Methoden auf ein Stakeholder-Cluster Material

liefert. Der Schwerpunkt wird dabei auf Produkte oder Leistungen, die von den jeweiligen

Stakeholdern hergestellt bzw. erbracht werden, verlagert. Zusätzlich lässt sich die Nähe bzw.

die Distanz zwischen den einzelnen Stakeholdern konkretisieren (vgl. 2.3) und das im Hinb-

lick auf jede frei wählbare Dimension; die der nachstehenden Tabelle (vgl. Tabelle 2.5) ein-

fach angefügt werden können.

Bevor eine quantitative Bewertung der Stakeholder vorgenommen werden kann, gilt es zu-

nächst solche geeigneten Dimensionen zu definieren. Neben den bereits bekannten Größen

Einfluss (Influence) und Wichtigkeit (Importance bzw. Impact) (vgl. 2.4.2) werden dazu die

Interessen, Stärken, Schwächen und Widerstände der verschiedenen Stakeholder herangezo-

gen (vgl. Romppel, 2006, S. 213). Um der Tabelle zusätzlich Substanz zu verleihen und das

Verständnis der Priorisierung der Stakeholder am Ende zu erleichtern, wurden die Dimensio-

nen Charakter (eine Angabe über die Qualität der Beziehung zur Fakultät), potenzieller Ein-

fluss (neben dem tatsächlichen Einfluss im aktuellen Betrachtungszeitrahmen eine Angabe

über das Potenzial), Masse (die vom Autor geschätzte Anzahl der Personen, die zu der Stake-

holdergruppe zählen) und die Priorität, die sich aus den zuvor bestimmten Dimensionen ab-

leitet, hinzugefügt.

In Tabelle 2.5 befinden sich nun die ermittelten Stakeholder und ihre jeweiligen Ausprägun-

gen in den entsprechenden Dimensionen. Neben der quantitativen Bewertung jeder Ans-

pruchsgruppe sind in der Tabelle ebenso qualitative Angaben hinterlegt, die zu einem besse-

ren Verständnis der einzelnen Zahlenwerte beitragen sollen.

Exemplarisch: Studenten, betrachtet man jeden für sich, sind wie jeder andere Stakeholder der

Fakultät nur über einen begrenzten Zeitraum vorhanden. Sie sind, sobald sie einmal immatri-

kuliert sind, von der Fakultät abhängig. Das bedeutet, dass sie auf die erstellten Leistungen


SEITE 26

dieser, z.B. in Form von Vorlesungen, Tutorien etc. angewiesen sind. Andernfalls kann ihnen

aus Sicht der Fakultät und in dieser Betrachtung ein eher geringer Wert beigemessen werden.

Für die Dimension Interessen/Erwartungen ergeben sich daraus verschiedene qualitative

Ausprägungen wie beispielsweise eine akademische Bildung oder ein Abschluss an der Fa-

kultät. Die Angaben dieser und der anderen Dimension sind eher allgemeiner Natur. Sie die-

nen der Einordnung und der Unterstützung des Verständnisses der Stakeholder und können

nicht in Form eines Ratings gegenübergestellt werden. Ob das Interesse an einer akademi-

schen Bildung in diesem Sinne höher zu bewerten ist als Networking- oder Kooperationsab-

sichten, lässt sich nicht bestimmen. Lediglich ein Pro (+) oder Contra (-) der Interessen bzw.

Charaktere kann in diesem Schema erfasst werden.

Die Dimensionen Einfluss auf Fakultät und Wichtigkeit leiten sich direkt aus Tabelle 2.4 ab.

Der jeweiligen Einordnung entsprechend wurden in Tabelle 2.5 Werte von 1 bis 5 eingetra-

gen, die einen Einfluss von 5 (kritisch) oder eine Wichtigkeit von 1 (unwichtig) repräsentieren

(3 entfällt, da Tabelle 2.4 nur vier Ausprägungen pro Dimension hat). Für Studenten bedeutet

dies z.B. im Hinblick auf den Einfluss auf die Fakultät, dass ohne ihre Anwesenheit die Arbeit

dieser keine Bedeutung oder Hoffnung auf Fortbestand hat (vgl. 2.4.2) und daher entspre-

chend als kritisch, also mit 5, zu bewerten ist. Im Vergleich dazu haben Austauschstudenten

einen eher geringen bzw. sehr geringen Einfluss auf die Tätigkeit der Fakultät und werden

deshalb mit 1 bemessen. In der Mitte dieser Dimension befinden sich beispielsweise Diplo-

manden, weil eine höhere bzw. niedrigere Anzahl dieser keinen direkten Einfluss auf die Pro-

duktivität der Fakultät u.a. hat, durch einen Mangel an Diplomanden aber ihr Fortbestand ge-

fährdet werden kann.

Der potenzielle Einfluss gibt an, welcher „Influence“ (vgl. 2.4.2) dem jeweiligen Stakeholder

insgesamt beigemessen werden kann. Studenten sind auch in dieser Dimension als kritisch

einzuschätzen. Studienberechtigte haben hier einen höheren Einfluss im Vergleich zum ange-

gebenen Wert in der vorherigen Dimension, weil nur durch ihr fortwährendes Interesse an

einem Studium an der beobachteten Fakultät die Zukunft dieser gesichert werden kann.

Mit Stärken und Schwächen werden vereinzelte exemplarische Angaben über besonders posi-

tive bzw. negative Eigenschaften der Stakeholder aufgenommen. Die negativen Ausprägun-

gen werden dabei mit Werten von -1 bis -5 beziffert; die positiven weiterhin mit 1 bis 5.

Für Studenten ergibt sich der Wert aus der Annahme, dass sie sich zwar durch eine erhöhte

Leistungsbereitschaft, was die Arbeit an der Fakultät betrifft (sie stellen ihre Leistung mehr


SEITE 27

oder weniger freiwillig der Fakultät zur Verfügung), auszeichnen. Sie sind ebenso in der La-

ge, Werbung in Form von Mundpropaganda für ihre Bildungseinrichtung zu produzieren.

Durch ihren erhöhten Eigensinn weisen sie andererseits auch gewisse Schwächen auf, da

klassische Gruppentätigkeiten an der Fakultät nur noch in geringer Zahl abgehalten werden.

Um die Stakeholder einer zusätzlichen rein quantitativen Betrachtung zu unterziehen, wurde

in der vorletzten Spalte die geschätzte Masse als ungefähre Anzahl der Personen, die der Sta-

keholdergruppe angehören, eingefügt. Aus ihr lässt sich ein grober Ausblick auf mögliche

Synergieeffekte (vgl. 3.5) entwickeln, die dann zu realisieren sein werden, wenn beispielswei-

se fertige CI-Lösungen auf eine größere Gruppe Stakeholder angewendet werden sollen. Die

Angaben dieser Spalte sind teilweise geschätzt und gelten zudem in einzelnen Fällen für mehr

als nur die beobachtete Fakultät. Da nicht nur Studenten der beobachteten Fakultät selbst ei-

nen „stake“ an dieser haben, muss hier und auch bei anderen Stakeholdern der Fokus der Di-

mension erweitert werden. An der Fakultät Wirtschaftswissenschaften der TU Dresden bei-

spielsweise studieren 2.634 Studenten, an der ganzen TU 35.094 (vgl. TU Dresden, 2009d).

Die letzte Spalte Priorität stellt eine Zusammenfassung der vorherigen Dimensionen dar. Sie

bestimmt sich aus der Summe der Werte der anderen Spalten und entspricht einer ungewich-

teten Priorisierung der Stakeholder. Je höher der dort eingetragene Wert desto größer ist die

Bedeutung der Anspruchsgruppe für die Fakultät. Studenten erreichen mit einem Wert von 21 (5 + 5 + 5 + 4 − 3 + 5 = 21) die Priorität sehr hoch. Hierein fallen ebenso alle Stakeholder,

die einen Wert von 21 bis 18 aufweisen. Darunter befindet sich die Priorität hoch, zu der die

Stakeholder zwischen 17 und 14 gehören. Zwischen 13 und 10 befinden sich Gruppen mittle-

rer, von 9 bis 6 niedriger Priorität und zwischen 5 und 1 solche mit der Priorität sehr niedrig.

In der entwickelten Stakeholder Analysis Tabelle ergeben sich aus der Priorität folglich fünf

verschiedene Cluster. Im ersten Cluster befinden sich die wesentlichen Leistungsträger – also

die Studierenden, Doktoranden und Professoren. Darunter befinden sich in einem größeren

Cluster die Drittmittelgeber und Sponsoren (als Säulen der Finanzierung), die Medien bzw.

Öffentlichkeit und die Science Community, die eine erhebliche Bedeutung für die untersuchte

Fakultät haben. Zudem sind hier alle Studienberechtigen, die wissenschaftlichen Mitarbeiter

der Fakultät, die Diplomanden und mit dem Rektorat, dem Dekanat und den Lehrstühlen Tei-

le der Universität einzuordnen. Auf der Stufe der untersten Priorität befinden sich die Eltern

der Schüler, die nur indirekt (über ihre Kinder)eine Bedeutung für die Fakultät haben, andere

Hochschulen bzw. Fakultäten, Fernuniversitäten, Akademien und Austauschprogramme. Der

Rest der Stakeholder gehört den Clustern der niedrigen oder mittleren Priorität an.


SEITE 28

5 vgl. Tabelle 2.4 6 vgl. TU Dresden (2009d) (an der Fakultät Wirtschaftswissenschaften bzw. an der TU Dresden gesamt) 7 vgl. Statistisches Bundesamt (2008c), S. 141 (deutschlandweit) 8 vgl. TU Dresden (2009d) 9 vgl. Statistisches Bundesamt (2008b), S. 47 10 vgl. Statistisches Bundesamt (2008b), S. 39 11 Schätzung 12 vgl. TU Dresden (2009b) 13 vgl. TU Dresden (2009c)

Stakeholder

Charakter

Interessen, Erw

artungen

Einfluss auf Fakultät

Potenzieller Einfluss

Wichtigkeit

Stärken

Schwächen

Masse,

Volumen

Priorität

Gruppe oder Individuum

Welche Art Person oder Organisation

liegt vor?

Rating

Welche sind ihre Haupt-interessen

oder Motive?

Rating

Welchen aktuellen Einfluss

nehmen die Stakeholder?

Rating

Wie stark ist das theoreti-

sche Einfluss-potenzial?

Rating

Wie hoch ist die Bedeutung

einzuschät-zen?

Rating

Welche Stärken

machen den Stakeholder

aus?

Rating

Welche Schwächen

hat er?

R a t i n g

Wie hoch ist die Anzahl der Mitglieder der

Gruppe?

Rating

Ranking der Stakeholder nach Bedeu-

tung (hoch, mittel,

niedrig)

R a t i n g

Studierende unabhängig, temporär +

Akademische Bildung,

Abschluss +

Teil der Leistung der

Fakultät 5 kritisch 5 kritisch5 5

Leistungs-bereitschaft,

Werbung 4 Eigensinn -3

2.634 (35.094)6

(1.307.579 7

5 )

sehr hoch 21

Austauschstudenten temporär +

Akademische Bildung, Sprache,

Doppeldiplom

+ Renommee-Lieferanten 1 sehr gering 1 hoch 4 Werbung im

Ausland 2 Verweilzeit, schwache Integration

-2 269 (an Uni)8

206.875 (in D)

9 2 niedrig 8

Alumni eher abwe-send + Networking +

Leistung der Fakultät ,

Abschluss-quote

2 gering 2 hoch 4 Kontakte zur Wirtschaft 4

Abwesen-heit, Er-

reichbarkeit -1

3.900 (Wiwi sachsen-

weit)103

hoch 14

Diplomanden abhängig + Diplom + Leistung der Fakultät 4 mittel 3 kritisch 5 Produktivität 4 DA-Fokus,

Zeitdruck -2 <10011 2 hoch 16

Doktoranden angestellt + Dissertation, Forschung,

Gehalt +

Publikationen, Leistung,

Renommee 4 hoch 4 kritisch 5

Produktivität, Fachwissen, Lehrtätigkeit

4 didaktische Erfahrung -1 <10011 2 sehr hoch 18

Professoren angestellt + Forschung,

Publikationen, Reputation

+ Publikationen, Renommee 5 kritisch 5 kritisch 5

Fachwissen, Lehrtätigkeit,

Initiator 5 Erreichbar-

keit -2 26+412 (41913) 2 sehr hoch 20

Studentische Hilfskräfte angestellt + Gehalt,

Forschung + Lehrtätigkeit 2 mittel 3 hoch 4 Lehrtätigkeit 3 didaktische Erfahrung -1 <10011 2 mittel 13

Stakeholder Charakter Interessen, Erwartungen


Potenzieller Einfluss Wichtigkeit Stärken Schwächen Masse,

Volumen Priorität


SEITE 29

14 vgl. Statistisches Bundesamt (2008b), S. 24 15 vgl. Statistisches Bundesamt (2008a), S. 3 (an Gymnasien) 16 vgl. TU Dresden (2009b) 17 (BMBF, 2009a)) 18 vgl. Anhang 1 19 vgl. TU Dresden (2009e) 20 vgl. Fachhochschule Augsburg (2009)




Volumen Priorität

wissenschaftliche Mitarbeiter angestellt +

Gehalt, Forschung, Lehrtätigkeit

+ Lehrtätigkeit 2 mittel 3 hoch 4 Fachwissen, Lehrtätigkeit 4 didaktische

Erfahrung -1 <10011 2 hoch 14

Gastdozenten temporär angestellt + Gehalt,

Networking + Renommee 2 gering 2 hoch 4 Fachwissen, Kontakte 3 didaktische

Erfahrung -1 <1011 1 mittel 11

Studienberechtigte interessiert + Studium,

Akademische Bildung

+ Studentenak-quise 2 kritisch 5 gering 2 Motivation

zum Studium 2 Entschei-

dungsfreu-digkeit

-2 334.80814 5 hoch 14

Schüler interessiert + Studium,

Akademische Bildung

+ Studentenak-quise 2 gering 2 gering 2 Nähe zur

Bildung 1 Entschei-

dungsfreu-digkeit

-2 2.450.00015 5 mittel 10

Eltern der Schüler besorgt + Qualität der Bildung & Forschung

+ Studentenak-quise 1 sehr gering 1 gering 2 Motivation der

Kinder 1 Distanz -3 >1.000.00011 2 sehr niedrig 4

Lehrstühle der Fakultät konkurrierend o. kooperie-

rend + Kooperation + Mittelverlust 4 hoch 4 kritisch 5 Fachkräfte,

Nähe 2 Fachfremd-heit -2 26+816 1 hoch 14

Andere Hochschulen konkurrierend + Kooperation + Mittel-, Stu-

dentenverlust 2 sehr gering 1 sehr gering 1 Fachkräfte, Mittel 2 Distanz -3 33317 2 sehr niedrig 5

Andere Fakultäten

konkurrierend o. kooperie-

rend

+/-

Kooperation + Mittelverlust 2 sehr gering 1 sehr gering 1 Fachkräfte, Mittel 2 Fachfremd-

heit -2 14 (22)18 1 sehr niedrig 5


konkurrierend o. kooperie-

rend +

Partnerschaf-ten, Studen-

ten +

Studentenak-quise, Pro-jektarbeit

2 sehr gering 1 sehr gering 1 Fachkräfte, Mittel 2 Distanz -3 >10.00011 4 niedrig 7

Partneruniversitäten kooperierend + Partnerschaf-ten, Transfers + Renommee,

Projektarbeit 4 sehr gering 1 gering 2 Fachkräfte, Mittel, Nähe 3 „Eigene

Sorgen“ -3 5119 1 niedrig 8

Fernunis konkurrierend - Abwerben

von Studen-ten

- Studentenver-lust 2 sehr gering 1 sehr gering 1 Fachkräfte,

Mittel 2 Distanz -3 3120 1 sehr niedrig 4

Akademien konkurrierend - Abwerben

von Studen-ten

- Studentenver-lust 2 sehr gering 1 sehr gering 1 Fachkräfte,

Mittel 2 Fachfremd-heit -2 >5011 1 sehr niedrig 5


SEITE 30

21 vgl. TU Dresden (2009d) 22 vgl. Anhang 1 23 vgl. Anhang 1




Volumen Priorität

Schulen liefern Stu-denten + Kooperation,

Integration + Vorbildung der Studenten 2 sehr gering 1 gering 2

Studierende, Vorbereitung der Schüler

3 Eigene Sorgen -3 36.3053 2 niedrig 7

Bund Mittellieferant + Qualität der Bildung +

Forschungs-aufträge,

Mittel 2 kritisch 5 kritisch 5 Elitegedanke 3

Entschei-dungsfreu-

digkeit, Bürokratie

-4 1 1 mittel 12

Land Vormund + Qualität der Bildung + Mittel 2 hoch 4 kritisch 5 Mittelhoheit

4

Entschei-dungsfreu-


-4 1 1 mittel 12

EU Mittellieferant + Qualität der Bildung und Forschung

+ Forschungs-

aufträge, Mittel

2 mittel 3 kritisch 5 Europäische Perspektive 4

Entschei-dungsfreu-


-4 1 1 mittel 11

Unternehmen Mittellieferant + Kooperation, Know-how + Renommee 2 gering 2 kritisch 5 Kontakte,

Praxisnähe 3 Wirtschaft-lichkeitso-rientierung

-1 >5011 2 mittel 13

Drittmittelgeber Mittellieferant + Kooperation + Zusatzmittel 2 kritisch 5 kritisch 5 Finanzkraft 4 Outputfixie-rung -2 6,9% aller21 3 hoch 17

Sponsoren Mittellieferant + Renommee + Renommee 2 mittel 3 kritisch 5 Finanzkraft 4 Outputfixie-rung -2 <50011 3 hoch 15

Kooperationspartner Mittellieferant, kooperierend + Kooperation,

Know-how + Renommee 2 mittel 3 kritisch 5 Kontakte, Praxisnähe 4 Eigensinn -3 <5011 2 mittel 13

Forschungsinstitute kooperierend + Know-how + Teil der

Leistung der Fakultät

2 mittel 3 gering 2 Kontakte,

Forschungs-umgebung

3 Eigensinn -3 <5011 1 niedrig 8

Sekretariat angestellt, verwaltend + Koordinierte

Abläufe + Ordnung 4 gering 2 hoch 4 Einsicht, Übersicht 4 Bürokratie -3 1 1 mittel 12

Verwaltung der Uni verwaltend + Koordinierte Abläufe + Ordnung 4 mittel 3 hoch 4 Übersicht 4 Bürokratie -3 1 1 mittel 13

Rektorat vorsitzend + Qualität der Bildung und Forschung

+ Führung, Renommee 5 mittel 3 gering 2 Richtungswei-

sung 4 Komplexität -1 122 1 hoch 14

Dekan vorsitzend + Renommee + strategische Ausrichtung 5 hoch 4 gering 2 Übersicht 4 Doppelbe-

lastung -2 123 1 hoch 14


SEITE 31

TABELLE 2.5: STAKEHOLDER ANALYSIS TABELLE (EIGENE DARSTELLUNG)

24 vgl. Anhang 1 25 vgl. Anhang 1 26 vgl. Statistisches Bundesamt (2008a) 27 vgl. TU Dresden (2009f)




Volumen Priorität

Gremien kontrollierend + Interessen-wahrung + Rechenschaft

ablegen 5 mittel 3 gering 2 Kontrollmög-lichkeit 4 Bürokratie -3 1224 1 mittel 12

Beauftragte kontrollierend + Interessen-wahrung + Rechenschaft

ablegen 5 mittel 3 gering 2 Gerechtig-keitssinn 4 Fachfremde -2 1525 1 mittel 13

Hochschulorganisatio-nen hinterfragend + Interessen-

wahrung + Rechenschaft ablegen 2 mittel 3 gering 2 Nähe 2 Fachfremde,

Eigensinn -3 <157 1 niedrig 7

Scientific Community forschend interessiert + Kooperation,

Know-how + Forschungs-aufträge 4 hoch 4 gering 2 Fachkräfte,

Kontakte 3 Eigensinn -3 >50.00011 4 hoch 14

Medien/Öffentlichkeit hinterfragend + Einblick + Rechenschaft ablegen 4 kritisch 5 gering 2 Werbefähig-

keit 4 Beeinfluss-barkeit -4 82.217.80026 5 hoch 16

Ratingagenturen bewertend + Einblick + Entscheidung

über Mittel (-kürzungen)

2 hoch 4 gering 2 Objektivität 4 Zuviel

Einfluss -4 <1011 1 niedrig 9

Austauschprogramme kooperierend + Studenten + Studentenak-quise 1 sehr gering 1 sehr gering 1 Kontakt zu

Studenten 3 Kaum Einfluss -4 >1127 1 sehr niedrig 3


SEITE 32

2.5 SELEKTION EINES EINFACHEN STAKEHOLDERCLUSTERS

Ziel der Selektion eines Clusters aus den ermittelten Stakeholdern mit den Methoden aus Ka-

pitel 2.4 ist es, solche herauszuheben, deren Verbesserungen durch die Methoden der Compe-

titive Intelligence sich besonders positiv auf die Leistungsfähigkeit und Entscheidungsent-

wicklung der betrachteten Fakultät auswirken.

Die Auswahl des für den späteren Verlauf dieser Arbeit im Fokus stehenden Clusters soll an-

hand der in Kapitel 2.4.3 vorgenommenen Stakeholder Analysis nach ROMPPEL (2006)

durchgeführt werden. Dabei ist zu beantworten, welches bei der Untersuchung entwickelte

Cluster sich am ehesten mit den Methoden der Competitive Intelligence optimieren lässt. Ist

es das Cluster mit der höchsten Priorität, dessen Entscheidungsentwicklung von den Vorzü-

gen der Competitive Intelligence im Hinblick auf die Effektivität besonders profitiert? Oder

sind es die Stakeholder der unteren Stufen, bei denen bereits kleinere Veränderungen einen

großen Nutzen erwirken können? Im Hinblick auf die Influence-Impact-Matrix (vgl. Abbil-

dung 2.4), die vorgibt, welche Stakeholder einer besonderen Behandlung bedürfen und wel-

che vernachlässigt werden können, lässt sich diese Frage klar beantworten. Eher vernachläs-

sigbare Stakeholder, die lediglich einen geringen Einfluss auf die Fakultät haben bzw. kaum

von ihr beeinflusst werden und dementsprechend bei Verbesserungen des Umgangs mit ihnen

auch keinen signifikanten Fortschritt diesbezüglich erwarten lassen, werden folglich nicht in

den Fokus der Betrachtungen im Kapitel 3 rücken. Vielmehr soll untersucht werden, inwie-

weit beispielsweise der Einfluss der Studierenden, Diplomanden etc. effektiver genutzt oder

wie der Informationsaustausch mit den Medien und der Öffentlichkeit optimiert werden kann.

Der Blickpunkt liegt demnach auf Stakeholdern der Kategorien A und B (vgl. Tabelle 2.3).

Es bleibt zu konstatieren, dass die Anspruchsgruppen, bei denen in der anschließenden Be-

trachtung das Verbesserungspotential untersucht wird, die Studierenden, Doktoranden und

Professoren umfasst – also all jene Stakeholder, die in der nach ROMPPEL (2006) durchge-

führten Stakeholder Analysis eine Priorität zwischen 18 und 21 aufweisen.

2.6 CLUSTERING DER STAKEHOLDER NACH LEISTUNGEN BZW. PRODUKTEN DER FAKULTÄT

Die Ergebnisse der Stakeholder Analysis nach ROMPPEL (2006) noch einmal aufgreifend soll

an dieser Stelle untersucht werden, wie sich die ermittelten Stakeholder nach den durch die


SEITE 33

Fakultät erstellten Leistungen bzw. Produkten (vgl. Tabelle 2.5, Spalten 3 und 4) in Cluster

einteilen lassen. Grundlage dieses Vorgehens ist die Hypothese, nach der die Interessen und

Erwartungen der einzelnen Stakeholder an die Fakultät mit den Leistungen bzw. Produkten,

die diese erstellt, gleichzusetzen sind.

Exemplarisch: Das Know-how einer Fakultät beispielsweise lässt sich auf aus Forschungser-

kenntnissen abgeleiteten Transferleistungen zurückführen. Das Interesse der Stakeholder an

diesem Know-how zielt demnach auf Transferleistungen der betrachteten Fakultät ab. Über

Kooperationen versuchen Unternehmen, andere Hochschulen, die Scientific Community usw.

wiederum die an der Fakultät entwickelten Forschungsergebnisse für sich nutzbar zu machen.

Da diese Verschiebung der Perspektive auf jedes Objekt der Dimension Interes-

sen/Erwartungen übertragbar ist, kann jede dort aufgeführte Ausprägung als Leistung bzw.

Produkt, die bzw. das die Fakultät auf dem einen oder anderen Wege erstellt und verkauft,

verstanden werden.

Um aus den Interessen bzw. Erwartungen der Stakeholder ein Clustering entwickeln zu kön-

nen, müssen zunächst die unterschiedlichen Ausprägungen der entsprechenden Spalten ge-

sammelt und aggregiert werden. Da die qualitativen Angaben in Tabelle 2.5 nur der Unter-

mauerung der Bewertungen und dem besseren Verständnis dienen, ist es im Hinblick auf die

Vollständigkeit der Zuordnung ausgewählter Leistungen, die von der Gesamtheit der Stake-

holder abgefragt werden können, sinnvoll, jeden Stakeholder diesbezüglich erneut zu untersu-

chen.

Tabelle 2.6 ergibt sich aus der Gegenüberstellung der Stakeholder und deren Interessen bzw.

Erwartungen an die Fakultät. Der hier dargestellte Ausschnitt (vgl. Tabelle 2.6) gibt lediglich

die Zuordnung der Leistungen der Fakultät und zu dem in Kapitel 2.5 selektierten Stakehol-

dercluster wieder. Die vollständige Abbildung befindet sich im Anhang 5.

Exemplarisch: Studierende sind neben der akademischen Ausbildung und einem Abschluss,

wie schon in Tabelle 2.5 aufgeführt, ebenso daran interessiert, die beste Bildungseinrichtung

zu besuchen. Die Entscheidung für ein ganz bestimmte Hochschule und Fakultät basiert auf

sehr unterschiedlichen Kriterien (regionale Präferenzen, Studiengebühren etc.), ist dennoch

grundlegend davon geprägt, die beste oder in den gegebenen Umständen bestmögliche Aus-

wahl zu treffen. Studenten erwarten von der Fakultät Einblicke in die Welt der Forschung, die

Wahrung ihrer Interessen (Hochschulpolitik, Studienreform, Semesterticket usw. (vgl. stura

Dresden, 2009) und sind im Idealfall rege am Networking u.a. mit Vertretern von Unterneh-

men aus der Wirtschaft interessiert. An Publikationen hingegen hegen sie noch kein Interesse,


SEITE 34

ebenso wenig an einem Gehalt – erst nach Übergang in eine andere Stakeholdergruppe (Dok-

toranden etc.) kann sich diese Haltung ändern.

TABELLE 2.6: FAKULTÄTSLEISTUNGEN UND- PRODUKTE NACH STAKEHOLDERN (EIGENE DARSTELLUNG)

Tabelle 2.6 bietet nun verschiedene Blickwinkel, nach denen die Stakeholder anhand ihrer

gemeinsamen Interessen zusammengefasst werden können. Vornehmliches Ziel dieses neuer-

lichen Clustering ist es, solche Produkte bzw. Leistungen zu identifizieren, an denen beson-

ders viele Stakeholder Interesse haben. Jede Spalte stellt dabei bereits Stakeholdern zusam-

men, die in die Betrachtung der jeweiligen Leistung bzw. des jeweiligen Produktes einbezo-

gen werden müssen.

Resultat dieser Gruppenbildung sind 18 Cluster. Die Anzahl der jeweiligen Interessen an ei-

nem Produkt bzw. einer Leistung bemisst sich aus der Summe der Stakeholder, die einer der

18 Spalten zugeordnet wurden (vgl. Anhang 5, letzte Zeile). Besonders hervorzuheben sind

dabei drei Leistungen bzw. Produkte, an denen jeweils mehr als die Hälfte der identifizierten

Stakeholder ein Interesse hegt. Neben der Qualität der Bildung und Forschung der Fakultät

(27) wird der Forschungsarbeit an sich (20) und der Wahrung der Interessen (22) eine beson-

ders hohe Beachtung geschenkt.

2.7 ZUSAMMENFASSUNG DER ERKENNTNISSE

Zu diesem Kapitel sei abschließend gesagt, dass die gewonnenen Erkenntnisse einem hohen

Maß an subjektiven Einschätzungen zugrunde liegen. Trotz einer Entscheidung (vgl. Kapitel

2.5), die auf den ersten Blick auf Messwerten oder Zahlen beruht, stehen hinter jeder Ausprä-

gung eine sorgfältige Abschätzung des Autors. In einer anderen Betrachtung ist es somit mög-

Akquise von Studenten

Abschluss

Akademische Bildung

Qualität der Bildung & Forschung

Einblick in Organisation

Forschung

Gehalt

Integration

Interessenwahrung

Know-how

der Fakultät

Kooperation

Koordinierte Abläufe

Lehrtätigkeit

Netw

orking

Partnerschaften

Publikationen

Reputation, R

enomm

ee

Fremdsprache

Studierende + + + + + + Doktoranden + + + + + + + + + Professoren + + + + + + + + + +


SEITE 35

lich, dass die hier vorgestellten Werte Abweichungen aufweisen. ROMPPEL (2006) unterstellt

in diesem Zusammenhang der in Kapitel 2.4.3 gewählten Methode einen starken Hang zur

Verwässerung und Betriebsblindheit aufgrund der hohen Subjektivität bei der Bestimmung

der Ausprägungen (vgl. Romppel, 2006, S. 215).

Ein Vorteil der Untersuchung in Kapitel 2.4 aber ist, dass mit ihr soziale und ethische Aspekte

aufgenommen und berücksichtigt werden. Das bedeutet, dass beispielsweise mit den Stärken

und Schwächen der Stakeholder auf Erfahrungen beruhende Charaktereigenschaften in das

Rating einbezogen wurden. Somit wird berücksichtigt, dass es sich bei den Stakeholdern zu-

meist um Personen(-gruppen) handelt, denen menschlich Züge und folglich Stärken und

Schwächen zueigen sind.

Des Weiteren sind die Voraussetzungen, an die sich die Analyse der Clustermöglichkeiten

lehnt, zeitlich abhängig. Das bedeutet, dass die Entscheidungen, die in Kapitel 2.5 und Kapitel

2.6 gefällt wurden, in der Praxis steter Erneuerung bzw. Überprüfung bedürfen. Wenn also

eine Fakultät in Zukunft auf Basis der Untersuchung in dieser Arbeit die Einsatzpotenziale

der Competitive Intelligence an einem der ermittelten Cluster bestimmen möchte, müssen

dazu vorher das Rating und die Zuordnung der einzelnen Stakeholder, letztlich das Cluster

selbst neuerlich untersucht werden.

Schlussendlich dienen die durchgeführten Clusterings und die Selektion einzelner Cluster

jedoch hauptsächlich der systematischen Eingrenzung des Beobachtungsrahmens. Die Sub-

jektivität mancher Einschätzung führt in den sich anschließenden Betrachtungen nicht zu fal-

schen Ergebnissen, sondern liefert nach Auffassung des Autors maximal einen etwas ver-

schobenen Blickwinkel.

KAPITEL 3: METHODEN DER COMPETITIVE INTELLIGENCE UND DEREN POTENZIALE

SEITE 36

3 METHODEN DER COMPETITIVE INTELLIGENCE UND DEREN POTENZIALE

Zitat: „Erfolg hat nur der, der etwas tut, während er auf den Erfolg wartet.“

THOMAS ALVA EDISON, (1847 - 1931)

Im vorliegenden Kapitel sollen nun für die in Kapitel 2 ermittelten Cluster geeignete Metho-

den der Competitive Intelligence identifiziert werden, die bei Anwendung einen Mehrwert für

die Entscheidungsfindung an einer Fakultät erwirtschaften können und sich posititv auf den

Erfolg dieser auswirken.

3.1 DEFINITION COMPETITIVE INTELLIGENCE

Die Forschung zur Competitive Intelligence (CI) hat ihre Ursprünge in den 1980er Jahren

(vgl. Lux & Peske, 2002, S. 26). Als erster beschrieb Michael E. Porter in seiner Studie Com-

petitive-Strategy: Techniques for Analyzing Industries and Competitors (vgl. Porter, 1980)

den Begriff (vgl. Pfaff, 2005, S. 31). Sein Konzept umfasste ursprünglich nur die „direkte

Analyse von Konkurrenten“ (Lux & Peske, 2002, S. 26). Fast 30 Jahre später, in denen POR-

TERS Ansatz „weitreichend Anerkennung gefunden“ (Lux & Peske, 2002, S. 26) hat, kann

seine Definition lediglich zur Beschreibung eines Teilbereiches der CI, wie sie heute verstan-

den wird, verwendet werden.

Der Ausdruck „Competitive Intelligence“ ist ein mehrteiliger Begriff. Um eine aktuelle Defi-

nition vornehmen zu können, lohnt es sich, den Terminus auf seine Ursprünge zu untersu-

chen: „Intelligence stammt […] aus dem militärischen Sprachschatz“ (Michaeli, 2006, S. 3)

und beschreibt dort die Früh- oder Feindaufklärung. Dieser Teil deutet bereits darauf, dass

sich die CI mit der Analyse von externen Informationen beschäftigt. Das Adjektiv „competi-

tive“ hingegen kann grob als „konkurrenzbetont“ oder „wettbewerblich“ übersetzt werden

und bezieht sich auf die „wettbewerbsorientierte Ausrichtung einer Tätigkeit“ (Michaeli,

2006, S. 3). Von dieser Betrachtung ausgehend kann die Competitive Intelligence also als

Konkurrenz- oder Wettbewerbsaufklärung übersetzt und verstanden werden.

MICHAELI (2006), einer der führenden deutschsprachigen Autoren zu diesem Thema, sieht die

Competitive Intelligence als eine „fachübergreifende Disziplin moderner Unternehmensfüh-

rung und -entwicklung“ mit dem Ziel, „Wettbewerbsvorteile durch gezielte Erhebung und


SEITE 37

Analyse fragmentierter Informationen von Markt und Wettbewerb zu erringen“ (Michaeli,

2006, S. 1). Sein Verständnis legt ein besonderes Augenmerk auf den Anspruch vieler Unter-

nehmen, „der Konkurrenz einen Schritt voraus zu sein“. In Zeiten erhöhten Wettbewerbs-

drucks mit „einem komplexen, schnelllebigen Wettbewerbsumfeld“ käme der Competitive

Intelligence dabei eine besondere Bedeutung zuteil (Michaeli, 2006, S. 1).

PFAFF (2005) hingegen sieht die CI als eine „weiterführende“ oder vielmehr „aggressive und

fortgeschrittene Form der Wettbewerbsanalyse“ (Pfaff, 2005, S. 36).

Da der CI-Begriff seine Wurzeln im angloamerikanischen Sprachraum hat (vgl. Pfaff, 2005,

S. 31), dürfen Definitionen führender Autoren aus den USA an dieser Stelle nicht fehlen und

vervollständigen das entworfene Bild der CI. LARRY KAHANER (1996), Board Member der

Society of Competitive Intelligence Professionals (SCIP), definiert den Begriff als “systema-

tic program for gathering and analyzing information about your competitors' activities and

general business trends to further your own company's goals” (Kahaner, 1996, S. 16) und legt

damit wie MICHAELI (2006) den Schwerpunkt auf die systematische Sammlung und Analyse

von Konkurrenz- bzw. Brancheninformationen. Im Gegensatz zu PORTER wird hier der Um-

weltbegriff jedoch deutlich ausgedehnt.

Die SCIP selbst definiert CI auf ihrer Internetpräsenz als „process of monitoring the competi-

tive environment and analyzing the findings in the context of internal issues, for the purpose

of decision support” (SCIP, 2009) und betont somit den Charakter der Entscheidungsunters-

tützung durch die CI. Zusätzlich wird der Nutzen hervorgehoben, welcher der CI beigemessen

wird: “CI enables senior managers […] to make more-informed decisions about everything

from marketing, R&D and investing tactics to long-term business strategies” (SCIP, 2009).

Eine wesentliche Erweiterung stellt der Hinweis auf die Legalität und ethische Korrektheit der

CI dar (vgl. McGonagle & Vella, 2003, S. 57). Er soll – anders als das in anderen Definitio-

nen der Fall ist – das Gebiet u.a. von der Wirtschaftsspionage abgrenzen: „Effective CI is a

continuous process involving the legal and ethical collection of information, analysis that

does not avoid unwelcome conclusions and controlled dissemination of actionable intelli-

gence to decision makers” (SCIP, 2009).

Eine ähnliche Richtung schlägt ROMPPEL (2006), ein weiterer deutscher Autor, ein. Sein Buch

„Konkurrenzanalyse als Navigationssystem im Wettbewerb“ liefert eine Definition, die die

Competitive Intelligence als „Prozess ethisch einwandfreier Sammlung, Analyse und Vertei-

lung von korrektem, relevantem, spezifischen, rechtzeitigem, zukunftsgerichtetem und hand-


SEITE 38

lungsorientiertem Wissen (Intelligence) über das wirtschaftliche Umfeld, über die Wettbe-

werber und über die eigene Organisation“ (Romppel, 2006, S. 42) darstellt.

Im Folgenden soll die Definition der SCIP als Grundlage weiterführender Gedanken zu Com-

petitive Intelligence verwendet werden, da sie das umfassendste und ethisch korrekteste Bild

der Competitive Intelligence umreißt.

3.2 ZIELE UND AUFGABEN DER COMPETITIVE INTELLIGENCE

Die Motivation, Competitive Intelligence zu betreiben bzw. CI-Strukturen zu implementieren,

ergibt sich zumeist aus „äußere[n] Zwänge[n] des Marktes“ (Michaeli & Bill, 2006, S. 74).

Dazu zählen laut MICHAELI & BILL (2006) z.B. das Marktwachstum, die Technologieanforde-

rungen sowie der Kosten- und Innovationsdruck (vgl. Michaeli & Bill, 2006, S. 74). Als prob-

lematisch erweist sich, dass die zu entwickelnden Strukturen meist individuell den Zielen der

Unternehmung angepasst werden müssen. Eine „einheitliche Vorgehensweise“ (Michaeli &

Bill, 2006, S. 74) gibt es demnach nicht.

Viele Unternehmen sind sich bezüglich der Untersuchungsziele der Competitive Intelligence

aber bereits im Klaren. Untersuchungen zeigen eine deutliche Wettbewerbsfokussierung auf,

denn schon im Jahr 2003 lag bei 76 Prozent der Befragten das Hauptaugenmerk der CI auf der

Analyse der „Stärken/Schwächen eines Wettbewerbers“ (Michaeli, 2006, S. 15). In der durch

MICHAELI (2006) zitierten Studie zählen zu den CI-Zielen weiter u.a. die Gewinnung von

Erkenntnissen zu Produkten/Dienstleistungen der Wettbewerber (73%), die Entwicklung von

Wettbewerberstrategien (70%), die Ermittlung von strategischen Kennzahlen (64%) und Prei-

sen (57%) sowie mit 50 Prozent Innovationen und Technologien (vgl. Altensen, 2003).

Die Aufgaben der Competitive Intelligence können sich je nach definiertem Ziel sehr unter-

schiedlich gestalten. Aus den gewonnenen Daten kann z.B. „anwendbares Wissen über ge-

genwärtige und zukünftige Positionierungen [im Hinblick auf die „Stärken/Schwächen eines

Wettbewerbers“, s.o.], Verhalten und Absichten [also zu „Wettbewerberstrategien“, s.o.] so-

wie über die Leistungsfähigkeit [u.a. in Form von „Kennzahlen“, s.o.]“ (Pfaff, 2005, S. 36)

generiert werden. Entscheidend ist hierbei, dass dieses „Know-how“ die „Grundlage für [die]

strategische und operative Unternehmensführung und -planung“ (Pfaff, 2005, S. 37) bildet.


SEITE 39

3.3 COMPETITIVE INTELLIGENCE IN DEUTSCHLAND

Studien zufolge ist die Competitive Intelligence in Deutschland und im deutschsprachigen

Raum im Gegensatz zum US-amerikanischen Gebiet noch relativ gering verbreitet (vgl.

Altensen & Pfaff, 2006, S. 60). Eine bereits 2003 von PFAFF & ALTENSEN (2006) durchge-

führte Umfrage unter 499 Unternehmen, „darunter 413 deutsche, 78 schweizerische und acht

österreichische Firmen“ (Altensen & Pfaff, 2006, S. 63), die sich zu 40 Prozent an SCIP-

Mitglieder richtete, erlaubt unterschiedliche Einblicke in die hiesige CI-Welt. Von der Stich-

probe gaben 61 Prozent an, den Begriff „Competitive Intelligence“ zu kennen; allerdings

waren nur 32 Prozent in der Lage, den Terminus korrekt zu definieren (vgl. Altensen & Pfaff,

2006, S. 65). Trotz eines in Teilen vorhandenem, sogenannten zweckmäßigen Verständnisses

der CI ist im deutschsprachigen Raum eher von „Wettbewerbs- und Konkurrenzbeobachtung

sowie Wettbewerber- und Konkurrentenanalyse“ die Rede, wenn Unternehmer zu einer um-

fassenden Beschreibung des „Sammelns, Analysierens und Aufbereitens von Informationen

über den Markt und ihre Mitbewerber/Konkurrenten“ (Altensen & Pfaff, 2006, S. 66) befragt

werden.

Neben der fortschreitenden unternehmerischen Etablierung der CI, hält die Disziplin bereits

Einzug in die Programme einzelner deutscher Universitäten. Der Fokus der CI beschränkt

sich jedoch oftmals auf Kunden-Lieferanten-Beziehungen. Zumeist werden Universitäten

lediglich als Know-how-Geber verstanden und weniger als möglicher Einsatzort (der CI) und

Anwender der CI. So fokussieren viele Unternehmen (Kooperationspartner etc.) ihre CI-

Aktivitäten ausschließlich auf Sekundärrecherchen, um „relevante Institute und Fachbereiche

[an Universitäten zu] identifizieren (Vorlesungsverzeichnisse, Forschungsvorhaben, Koopera-

tionspartner, Sponsoring, Lehrbeauftragte, Diplom- und Studienarbeiten, Dissertationen und

Habilitationen)“ (Michaeli, 2006, S. 204). Eine fakultäts- bzw. universitätsseitige CI findet

aktuell keine Anwendung.

Nichtsdestotrotz existieren bereits Vorlesungen und/oder spezielle Studiengänge zur CI u.a.

an den Universitäten in Dresden (TU), Karlsruhe sowie den Fachhochschulen in Koblenz,

Darmstadt usw. (vgl. Romppel, 2006; DCIF, 2008; Michaeli, 2009). Neben der eigentlichen

Forschungsarbeit zum Thema Competitive Intelligence erfährt die Anwendung der CI in

Deutschland auf der Organisationsebene einer Universität oder einzelner Fakultäten hingegen

kaum eine Bedeutung. An der Fakultät Wirtschaftswissenschaften der TU Dresden beispiels-

weise werden die Methoden der CI – trotz intensiver Forschung zu diesem Thema und Koo-


SEITE 40

perationen mit der Wirtschaft – nicht genutzt. Als Gründe hierfür werden meist die schwierige

Finanzierung solcher Aktivitäten oder ein Mangel an Personal, Zeit und Technologien ange-

führt.

3.4 INFORMATIONSDEFIZITE AN EINER FAKULTÄT

Auf die dargestellten Grundlagen aufbauend sollen in diesem Abschnitt allgemeine Informa-

tionsdefizite an der beobachteten Fakultät ermittelt werden. Sie dienen der späteren Untersu-

chung und sollen Ansatzpunkte für die Anwendung der Methoden der Competitive Intelligen-

ce liefern und gleichzeitig erkennbar machen, dass das Informationsmanagement der Fakultät

optimiert werden kann.

Dazu sei erwähnt, dass sich die folgenden Betrachtungen hauptsächlich auf die Methodenebe-

ne und weniger die inhaltliche Ebene beziehen. Zum einheitlichen Verständnis soll jedoch

vorerst eine Definition des Informationsmanagements vorgenommen werden.

3.4.1 DEFINITION INFORMATIONSMANAGEMENT

Die meisten Definitionen des Informationsmanagements (IM) gehen auf das Information Re-

sources Management von HORTON (1981) zurück. Heute existieren verschiedene Ansätze und

Begriffsdefinitionen, von denen an dieser Stelle eine Auswahl vorgestellt werden soll:

STAHLKNECHT & HASENKAMP (2005) verstehen IM „primär [als] die Aufgabe, den für das

Unternehmen (nach Kapital und Arbeit) „dritten Produktionsfaktor" Information zu beschaf-

fen und in einer geeigneten Informationsstruktur bereitzustellen, und davon ausgehend die

Aufgabe, die dafür erforderliche IT-Infrastruktur, d. h. die informationstechnischen und per-

sonellen Ressourcen für die Informationsbereitstellung […] zu planen […], zu beschaffen und

einzusetzen" (Stahlknecht & Hasenkamp, 2005, S. 437).

Die wesentlichen Aufgaben des Informationsmanagements nach KRCMAR (2006) sind die

„Planung, Steuerung und Kontrolle von Information, von Informationssystem (IS) und von

Informations- und Kommunikationstechnik (IKT)“ (Krcmar, 2006, S. 1). Das IM wird dabei

ebenfalls „als eine zentrale Aufgabe der Unternehmenskoordination gesehen“ (Krcmar, 2006,

S. 1).


SEITE 41

Fasst man alle Aufgaben der Unternehmung, die sich mit Information und Kommunikation

beschäftigen zusammen, so wird diese Gesamtheit als Informationsfunktion bezeichnet (vgl.

Heinrich & Lehner, 2005, S. 8).

Das Verständnis des IM, das dieser Arbeit aufgrund seiner eher allgemeinen Formulierung

zugrunde liegt, stammt von HEINRICH & LEHNER (2005). Informationsmanagement nach

HEINRICH & LEHNER (2005) umfasst „das Leitungshandeln (das Management) […] in Bezug

auf Information und Kommunikation" (Heinrich & Lehner, 2005, S. 7) .Hierzu zählen „alle

Führungsaufgaben, die sich mit Information und Kommunikation […] befassen" (Heinrich &

Lehner, 2005, S. 7).

3.4.2 DEFINITION INFORMATIONSDEFIZITE

Da die spätere Untersuchung von Informationsdefiziten die Grundlage für Anwendungsszena-

rien der CI an der Fakultät bildet, muss zunächst erläutert werden, was Informationsdefizite

sind. Bevor dazu einige ausgesuchte Problemfelder untersucht werden können, wird darauf

eingegangen, worum es sich bei den hier und auch im restlichen Teil der Arbeit oft zur Spra-

che kommenden Informationsdefiziten handelt.

Im Grunde genommen ist ein Informationsdefizit ein Mangel an bestimmten Informationen.

Das heißt, dass in manchen Teilen des Informationsmanagements der Fakultät die Informatio-

nen im Sinne der Informationslogistik nicht im richtigen Umfang, zur richtigen Zeit, am rich-

tigen Ort und in der richtigen Qualität zur Verfügung stehen (vgl. Leinemann, 2001). Das

Verständnis von Informationsdefiziten, welches dieser Arbeit zugrunde liegt, schließt dabei

sowohl gegenwärtige als auch zukünftige Szenarien ein, in deren Rahmen es zu Informations-

engpässen kommen kann. Für die folgenden vier Einsatzgebiete soll dies anhand ausgewählter

Beispiele noch einmal verdeutlicht werden.

3.4.3 IDENTIFIKATION VON INFORMATIONSDEFIZITEN

Die in diesem Abschnitt vorgestellten Informationsdefizite beziehen sich im Wesentlichen auf

die sogenannte „Vision 2020“ der Fakultät Wirtschaftswissenschaften der TU Dresden

(Karman, 2007). Diese Entwicklungskonzeption wurde Ende 2007 vom Dekanat der Fakultät

erstellt und liefert konzeptionelle, zeitliche und strategische Richtungsvorgaben zur näheren

Zukunft der Fakultät. Da die hier zu identifizierenden Probleme und Lücken im Umgang mit

Informationen sich am ehesten an Beispielen verdeutlichen lassen, werden einige aus der „Vi-


SEITE 42

sion 2020“ abgeleitete Optimierungsszenarien, bzw. Szenarien, die ein Optimierungspotenzial

offenbaren, näher beleuchtet. Diese Szenarien sollen die Grundlagen liefern, auf deren Basis

im Anschlusskapitel verdeutlicht wird, inwieweit die eine oder andere Problemstellung mit

den Methoden der Competitive Intelligence optimiert oder gar gelöst werden kann. Die In-

formationsdefizite, die dazu herausgearbeitet werden, sollen jedoch lediglich ein grobes Ver-

ständnis davon liefern, wo Ansatzpunkte existieren, an denen die Entscheidungsentwicklung

der Fakultät ineffektiv verläuft.

Das Arbeitspapier der Fakultät liefert dieser Untersuchung Aufschlüsse in zweierlei Richtung.

Zunächst lassen sich Frage- und Problemstellungen im Hinblick auf bestimmte Leistungen

und Produkte der Fakultät entwickeln. Zusätzlich liefert die „Vision 2020“ Grundlagen, die

eine Betrachtung der Informationsdefizite in Bezug auf die unterschiedlichen Stakeholder der

Fakultät ermöglichen.

Allem voran steht das Ziel, mit der Fakultät Wirtschaftswissenschaften der TU Dresden, „den

Rang als Top 1 in den Neuen Bundesländern und Top 1 unter den Technischen Universitäten

zu erreichen bzw. zu festigen“ (Karman, 2007, S. 1). Auf dem Weg dorthin sind vielerlei

Probleme auch nicht zuletzt in der Informationsversorgung zu erwarten. Wie sich diese bei-

spielhaft darstellen können, klären die folgenden Szenarien.

In der Ausgangssituation der Entwicklungskonzeption ist die Rede von einer großen Anzahl

an Studenten (als Stakeholder), die auch in Zukunft eine Ausbildung an der TU anstreben

(Karman, 2007, S. 1). Da allerdings nur eine verhältnismäßig geringe Zahl an Professoren die

Lehre an der Fakultät betreibt und sich dieser Zustand in der näheren Zukunft nicht ändern

wird, muss ein besonderes Augenmerk darauf gelegt werden, dass die Qualität der Lehre und

Forschung (als Leistung bzw. Produkt der Fakultät) nicht unter diesem Missstand leidet. Das

beschriebene Ungleichgewicht birgt beispielsweise die Gefahr, dass nicht alle Studenten glei-

chermaßen angesprochen werden können oder die Erreichbarkeit der Professoren durch den

hohen Andrang vieler Anfragen in Mitleidenschaft gezogen wird. Zusätzlich sind einige Au-

toren der Meinung, dass mit „den neuen [Master- und Bachelor-] Studiengängen […] ein Bü-

rokratisierungsschub und eine eklatante Erhöhung der Prüfungsbelastungen [einhergeht], die

den Lehrenden immer weniger Zeit für Forschung lassen“ (Brandt, 2009).

Ein wichtiges Standbein der Forschung an der Fakultät Wirtschaftswissenschaften der TU

Dresden stellt die Kooperation mit der (regionalen) Wirtschaft und Politik dar. Über solche

und andere Wege werden aktuell und sollen auch zukünftig Drittmittelgeber und Sponsoren

angeworben. Da die meisten Kooperationen einen konkreten Projektbezug haben, stammt die


SEITE 43

Mehrzahl der Sponsoren usw. aus dem näheren Forschungsumfeld der Wirtschaftswissen-

schaften; so z.B. SAP oder die Commerzbank (vgl. TU Dresden, 2009a). Das Werben um

nachhaltige Drittmittelprojekte etc. setzt eine fortlaufende Marktbeobachtung voraus und ist

deshalb mit einem erheblichen Informationsaufwand verbunden. Die Gefahr von Informati-

onsdefiziten ist auch hier allgegenwärtig. Denn nur eine proaktive und sorgfältige Beobach-

tung des Marktes und des Wettbewerbs sichert die Versorgung mit Drittmitteln und Projekten,

welche den Fakultäten bei einer eher nachlässigen und abwartenden Haltung entgehen wür-

den. Zusätzlich sollten auch solche Firmen in den Fokus rücken, die keinen primären Fachbe-

zug zur Fakultät haben, aber dennoch von deren Forschungsleistung profitieren könn(t)en.

Eine wichtige Aufgabe bei der Gewinnung von Forschungsaufträgen wird es nach Auffassung

des Autors in Zukunft sein, auch nach solchen Unternehmen Ausschau zu halten und diese

initiativ anzusprechen. Je mehr qualifizierte Unternehmen und Drittmittelgeber davon über-

zeugt werden können, mit der Fakultät zu kooperieren, desto sicherer wird man dem wach-

senden Wettbewerb entgegentreten können.

Neben dieser eher nach außen gerichteten Perspektive lassen sich durch die Betrachtung ein-

zelner Lehrstühle der Fakultät weitere potenzielle Informationsdefizite ausmachen. So exis-

tiert bereits im Vorfeld ein enormer Anspruch an die Informationsgewinnung bezüglich mög-

licher Kooperationen innerhalb und außerhalb der Fakultät. Während z.B. der Lehrstuhl für

Wirtschaftsinformatik insbesondere Informationsmanagement bereits intensive Beziehungen

zum Lehrstuhl für Wirtschaftspädagogik derselben Fakultät pflegt (Schoop, 2009, S. 4), sollte

es auch im Interesse anderer TU-Einrichtungen sein, miteinander zu kooperieren. Die „Visi-

on“ der Fakultät stellt hierzu heraus, dass „eine Bündelung wirtschaftswissenschaftlicher

Kompetenz der TU Dresden innerhalb der Fakultät nötig [ist], um Skaleneffekte zu generie-

ren“ (Karman, 2007, S. 5). Neben der Zusammenarbeit einzelner Lehrstühle soll in Zukunft

die inhaltliche Kooperation über bestehende Fakultätsgrenzen hinaus forciert werden. KAR-

MAN (2007) räumt dazu ein, dass beispielsweise eine Zusammenarbeit mit den Bereichen der

„technische[n] Logistik und Transportlogistik […] aber auch mit den am ZIS [Zentrum für

Internationale Studien] beteiligten Fakultäten und mit der juristischen Fakultät“ (Karman,

2007, S. 5) vorstellbar wäre. Dass eine solche Entwicklung hohe Ansprüche an das Informati-

onsmanagement stellt, begründet sich bereits durch die räumliche Distanz der unterschiedli-

chen Kooperationspartner. Ob zudem die Identifikation nachhaltiger Synergien zwischen den

Leistungsträgern der TU ohne vordefinierte Wege, Instrumente und Methoden effektiv durch-

geführt werden kann, ist nach Ansicht des Autors zu bezweifeln. Aktuell sind dazu überwie-


SEITE 44

gend persönliche Kontakte zwischen Entscheidungsträgern oder ein gemeinsames For-

schungsprojekt notwendig. Dass in Zukunft Mittel und Wege gesucht werden müssen, die

eine Identifikation potenzieller Schnittstellen vereinfachen und gleichzeitig bürokratische

Barrieren zu überwinden wissen, stellt eine weitere Herausforderung an die Wettbewerbsfä-

higkeit der beobachteten Fakultät dar.

In eine ähnliche Richtung stößt der Lehrstuhl Wirtschaftsinformatik insbesondere Informati-

onsmanagement u.a. mit dem Bestreben, das Kompetenznetzwerk eLearning (CoUNSeL e.V.)

in der Region auszubauen (Schoop, 2009, S. 18). Diese außeruniversitäre Organisation bedarf

einer steten Überwachung der Region Sachsen und deren Märkte, um das Netzwerk als sol-

ches pflegen zu können. Auch dieses Szenario zeichnet sich durch eine Nähe zu den Diszipli-

nen der Wettbewerbsforschung und -beobachtung aus.

Wie und ob solche Wege durch die Unterstützung von Methoden der Competitive Intelligence

geebnet und dadurch Defizite in der Informationsversorgung beseitigt werden können, soll

Aufgabe der anschließenden Untersuchung sein.

3.5 IDENTIFIKATION DES VERBESSERUNGSPOTENZIALS DURCH COMPETITIVE INTELLIGENCE

Bei der Betrachtung der exemplarisch identifizierten Informationsdefizite aus Kapitel 3.4.3,

lassen sich auf der methodischen Ebene Ansatzpunkte ausmachen, an deren Stelle ein Einsatz

der CI Verbesserungen mit sich bringen würde. Hierbei geht es weniger darum, eine konkret

messbare Optimierung der Entscheidungsfindung zu ermitteln, als vielmehr potenzielle Ein-

satzbereiche der CI auszumachen.

Die Competitive Intelligence kann u.a. dann herangezogen werden, wenn es darum geht, die

eigene „Verhandlungsposition bei M&A-Projekten, Lieferverträgen, Kooperationen“ zu stär-

ken (Michaeli, 2006, S. 277). Ist die Fakultät bestrebt, die interfakultative Zusammenarbeit

mit anderen Bereichen etc. (vgl. 3.4.3) zu unterstützen und gleichzeitig die eigenen Interessen

zu sichern, können sogenannte Profilings (vgl. Michaeli, 2006, S. 274) angefertigt und bei

Verhandlungen herangezogen werden. Mit ihrer Hilfe werden Informationen über Personen –

beispielsweise Entscheidungsträger anderer Fakultäten – systematisch erfasst und auf be-

stimmte „Charaktereigenschaften und das Entscheidungsverhalten (z.B. Risikopräferenzen)“

(Michaeli, 2006, S. 274) untersucht. Während vorher zumeist persönliche Erfahrungen mit

den Verhandlungspartnern Voraussetzung für florierende Kooperationen waren, können nun


SEITE 45

ausgearbeitete Profile (auch ganzer Bereiche oder Fakultäten) früh den Grundstein für eine

nachhaltige Zusammenarbeit legen. Voraussetzung dafür sind allerdings Sekundärrecherchen

über Veröffentlichungen oder Recherchen und die Nutzung indirekter Quellen der HUMINT

(vgl. 3.6.2.1).

Die Suche nach regionalen Fachleuten und Wissensträgern zur Erweiterung des in Kapitel

3.4.3 angeführten „Kompetenznetzwerks eLearning“ kann mit den Methoden der CI ebenfalls

weitreichend unterstützt werden. Bezug nehmend auf die im Kapitel 3.1 zitierte CI-Definition,

kann hier die Beobachtung der Märkte in der Region als ein Aspekt des „monitoring“ des

„competitive environment“ verstanden werden.

Im Hinblick auf das Streben der Fakultät nach Kooperationen sei an dieser Stelle noch auf

eine Aussage MICHAELIS (2006) hingewiesen, nach der „dynamische Wettbewerbsstrategien

[…] geradezu die flexible Gestaltung von Allianzen und Kooperationen mit Wettbewerbern

und anderen Marktteilnehmern“ (Michaeli, 2006, S. 4) bedingen würden. Wie schon in Kapi-

tel 3.2 herausgestellt, dient die Anwendung der CI zu 73 Prozent der Gewinnung von Erkenn-

tnissen zu Produkten/Dienstleistungen der Wettbewerber. Demzufolge sollte die Unterstüt-

zung der Kooperation mit Fakultäten, die im Grunde um dieselben Mittel (Dritt-, Fördermittel

etc.) konkurrieren und ebenfalls in eine Wettbewerberbeobachtung mit der CI eingeschlossen

werden können.

3.6 EINFÜHRUNG IN DIE METHODEN DER COMPETITIVE IN-TELLIGENCE

Bevor an im Anschluss eine Einführung in die Methoden der Competitive Intelligence erfolgt,

müssen einige einschränkende Vorbemerkungen auf- und ausgeführt werden. Im Hinblick auf

die eigentliche Aufgabenstellung dieser Arbeit beschränkt sich die hier vorgenommene Aus-

wahl auf einige wenige Methoden der CI. Ziel dieser Übersicht ist eine Zusammenstellung

solcher Methoden, an die folgende Ansprüche gestellt werden können (vgl. Abbildung 3.1):

Die Methoden, deren Eignung und Einsatz im Rahmen dieser Arbeit untersucht werden, müs-

sen zunächst leicht zu implementieren sein (vgl. Abbildung 3.1). Dies bedeutet, dass der ma-

terielle und finanzielle Aufwand, der zur Einführung und zum Einsatz der Methoden erforder-

lich ist, möglichst gering sein sollte. Sofern die Möglichkeit besteht, auf vorhandene Systeme

oder Teile der Infrastruktur (IT und Organisation) aufzubauen, sollte diese genutzt werden.

Ziel ist es, die Einstiegsbarrieren in die CI möglichst gering zu halten. Idealerweise sollen


SEITE 46

ohne großen Aufwand, möglichst schnell messbare Ergebnisse erzielbar sein, die frühe Rück-

schlüsse auf die Einsatzpotenziale der Competitive Intelligence erlauben. Eine Voraussetzung

dafür ist die Verständlichkeit der zur Anwendung kommenden Methoden. In Anbetracht der

Tatsache, dass an der beobachteten Fakultät keineswegs Competitive Intelligence Professio-

nals agieren, ist es wichtig, die Transparenz der Methoden möglichst hoch zu halten. Es kann

an dieser Stelle nicht davon ausgegangen werden, dass intensive Schulungen vor der Einfüh-

rung der CI durchgeführt werden. Will man die Motivation der Mitarbeiter nicht vorzeitig

beinträchtigen, sollte der Fokus an dieser Stelle zunächst auf leicht verständliche, gut kom-

munizierbare und einfach anwendbare Methoden der Competitive Intelligence liegen.

ABBILDUNG 3.1: ANFORDERUNGEN AN DIE METHODEN DER COMPETITIVE INTELLIGENCE (EIGENE DARSTEL-LUNG)

Dennoch muss darauf hingewiesen werden, dass es neben den später herausgestellten Metho-

den weitere Ansätze gibt, die an der beobachteten Fakultät zur Anwendung kommen könnten,

aus Gründen der Komplexität wird auf eine vollständige Zusammenstellung allerdings ver-

zichtet (vgl. Anhänge 8 bis 12).

Die Analysephase im Rahmen der CI nimmt neben der Datenerhebung vom zeitlichen und

ressourcenbezogenen Umfang her den größten Teil in Anspruch (vgl. Michaeli, 2006, S. 117).

Ihnen wird deshalb an dieser Stelle eine besondere Bedeutung beigemessen. In der Literatur

existieren bereits umfassende Übersichten verschiedenster Methoden der Competitive Intelli-

gence. Der folgende Abschnitt wird sich zunächst auf Analyse-Methoden und im Anschluss

daran auf Recherchemethoden nach ROMPPEL (2006) beschränken. ROMPPEL (2006) orientiert

sich an populären Methoden der CI. Aus Sicht des Autors sind diese Ansätze für den vorlie-

genden Anwendungsfall besonders geeignet, weil sie in der Literatur vielfach beschrieben,

Schnelle, messbare

Ergebnisse

Auf vorhandene Infrastruktur aufbauend

hohe Verständlich-

keit & Kommunizier-

barkeit

Geringer materieller & finanzieller Aufwand

Einfache Implemen-

tierung


SEITE 47

gewissermaßen standardisiert und in ihrer Anwendung auch für wenig CI-erfahrenes Personal

verständlich sind.

Entsprechend des Competitive Intelligence Zyklus (vgl. Romppel, 2006, S. 45; Deltl, 2004, S.

123) sind die Methoden, die nun vorgestellt werden vor der Kommunikation, Speicherung

und Nutzung der Ergebnisse einzuordnen (vgl. Anhang 6 und 7).

3.6.1 AUSGEWÄHLTE ANALYSEMETHODEN

Die an dieser Stelle vorgenommene Auswahl orientiert sich im Wesentlichen an den in Kapi-

tel 3.6 aufgeführten Kriterien. Neben den im Folgenden vorgestellten Methoden der Competi-

tive Intelligence existieren selbstverständlich noch unzählige weitere, denen sich unterschied-

liche Autoren bereits intensiv gewidmet haben. Im Anhang (vgl. Anhänge 8 bis 12) befindet

sich dazu als ein Beispiel die komplette Aufstellung der Analysemethoden nach ROMPPEL

(2006).

3.6.1.1 CUSTOMER SEGMENTATION ANALYSIS

Die Analyse von Kundensegmenten stellt oft eine Voraussetzung für die Anwendung weiterer

Methoden der CI dar. Mit ihrer Hilfe wird die Kundenbasis in Gruppen eingeteilt. Anhand

von Ähnlichkeiten, die nach sehr unterschiedlichen Dimensionen bemessen werden können,

erfolgt die Zuordnung der Kunden zu unterschiedlichen Segmenten. So können sie beispiels-

weise zu demographischen Einheiten (nach Alter, Geschlecht, Nationalität etc.) oder zu

Gruppen mit ähnlichen Einstellungen etc. zusammengefasst werden. Eine Unterteilung nach

ökonomischen Aspekten ist ebenfalls denkbar. So lassen weitere Gruppierungen z.B. nach

dem durch sie generierten Umsatz, den Kommunikationskosten usw. bilden (vgl. Jackson &

Wang, 1994, S. 163).

Durch den „Vergleich dieser Kundengruppen mit den Stärken und Schwächen der eigenen

Produkte und Dienstleistungen“ lassen sich „Wettbewerbsvorteile herausdestillieren“

(Romppel, 2006, S. 202). Ziel der Customer Segmentation Analysis (CSA) ist die Steigerung

der Effektivität mit der die unterschiedlichen Kunden bzw. -gruppen angesprochen werden.

Es sollen speziell solche Gruppen identifizierbar gemacht werden, die besonders wichtig für

den Fortbestand der Unternehmung sind.

Im Rahmen dieser Arbeit kann sich die Customer Segmentation Analysis als sehr effizientes

und effektives Instrument für die Sicherung der Wettbewerbsvorteile der betrachteten Fakultät


SEITE 48

erweisen. Die Fokussierung auf die Stakeholdergruppe der Kunden ist dann besonders von

Nöten, wenn es darum geht, aufzudecken, welche Kunden mit bestimmten Leistungen bzw.

Produkten der Fakultät angesprochen werden. Die Gruppierung ähnlicher Kunden ermöglicht

eine effektive Adressierung dieser teilweise umfangreichen Segmente. Sie kann aber ebenso

Grundlage sein, um die Perspektive der Kunden auf bestimmte (oder neue) Produkte und

Leistungen zu lenken. Die Segmentierung selbst erfolgt im Vorfeld – allerdings durch die

Nutzung anderer Methoden. Die Customer Segmentation Analysis dient, wie der Name ver-

deutlicht, lediglich der Untersuchung der zuvor identifizierten Kundensegmente.

3.6.1.2 CUSTOMER VALUE ANALYSIS

Die Customer Value Analysis (CVA), die Kundenwertanalyse, ist eher als ein Oberbegriff für

unterschiedliche Methoden zu verstehen und umfasst eine Reihe von Werkzeugen und Tech-

niken (vgl. Romppel, 2006, S. 204). Im Rahmen von Umfragen etc. werden bei der Customer

Value Analysis umfangreiche Informationen aus sehr unterschiedlichen Quellen gewonnen,

die z.B. darüber Aufschluss geben, warum Kunden dem Unternehmen verloren gegangen sind

und wie bzw. warum es zu gewissen Kundenentscheidungen gekommen ist. In der Umsetzung

der Methode steht dann im Vordergrund, „welche Merkmale bei Produkten und […] Leistun-

gen […] vom Kunden mit dem höchsten Wert verbunden“ (Romppel, 2006, S. 204) werden.

Hintergrund dieser Analyse ist die Tatsache, dass „der vom Kunden wahrgenommene Wert

der Leistung ausschlaggebend für den Erfolg der Unternehmung ist“ (Matzler, Renzl &

Hinterhuber, 2004, S. 304f). So lässt sich über die CVA am Ende eine effektivere Kommuni-

kation im Hinblick auf das Marketing, den Kundenservice etc. etablieren (vgl. Mauth, 2004).

Für den Einsatz an der Fakultät offenbart die Customer Value Analysis unterschiedliche Vor-

und Nachteile. Auf der einen Seite können mit ihrer Hilfe recht einfach Wettbewerbsvorteile

aufgedeckt werden (vgl. Romppel, 2006, S. 204). So lassen die durchgeführten Umfragen

erkennen, welche Produkte oder Leistungen der Fakultät besonders nachgefragt werden. Es ist

ebenso möglich, die Prioritäten vorhandener Leistungen zu verlagern, um schlussendlich den

Kundennutzen im Verhältnis zum Aufwand seiner Erstellung zu optimieren. Voraussetzung

dafür ist die ständige Beobachtung und Quantifizierung des Kundenwertes, was typischerwei-

se mit einem hohen Aufwand verbunden ist, entsprechend laufend Kosten verursacht und Per-

sonal bindet. Zusätzlich verlangt die Strategieentwicklung mit der CVA eine Menge Erfah-

rung und Kenntnisse im Umgang mit der Methode (vgl. Romppel, 2006, S. 204). Trotz des


SEITE 49

hohen Nutzwertes sind zu Beginn hohe Investitionen von Nöten, um valide Ergebnisse erzie-

len zu können.

3.6.1.3 ISSUE ANALYSIS

Die Issue Analysis, als eine Methode der Umfeldanalyse, dient vornehmlich der Identifikation

sogenannter „virulenter Themen“ im Umfeld eines Unternehmens. Dadurch sollen frühzeitig

Bereiche erfasst werden, von denen eine potenzielle Unruhe oder gar Aufruhr ausgehen könn-

ten (vgl. Romppel, 2006, S. 208). Wurden solche Gefahrstellen frühzeitig erfasst, kann rech-

tzeitig Einfluss auf sie ausgeübt, mögliche Chancen wahrgenommen und Risiken vermieden

werden.

Typischerweise erfolgt die Zusammenstellung der Erkenntnisse in Matrix-Form – ähnlich

einer Risikomatrix (vgl. Lunau, et al., 2007, S. 54). In ihr werden die jeweiligen Themen ent-

sprechend ihres Ausmaßes und der Wahrscheinlichkeit ihres Eintretens gegenübergestellt. So

können je nach Unterteilung der einzelnen Dimensionen Cluster entwickelt werden, die die

Virulenz der unterschiedlichen Themen vergleichbar machen. Für jedes Cluster können im

Anschluss Strategien entwickelt werden, die operative Reaktionen auf die unterschiedlichen

Themen nahelegen. Das so entwickelte Regelwerk kann dem Unternehmen als Leitfaden die-

nen, wenn Aussagen darüber getroffen werden müssen, welche Entscheidungen von einem

identifizierten Thema abzuleiten sind: Ist ein Thema beispielsweise zu ignorieren, zu beeinf-

lussen oder muss das Thema selbst und die Kommunikation dessen verändert werden.

Im Hinblick auf den Einsatz an der Fakultät Wirtschaftswissenschaften der TU Dresden hat

die Issue Analysis verschiedene Potenziale. Zum einen lassen sich mit ihrer Anwendung Er-

gebnisse aus Recherchen in konkretes strategisches Handeln übertragen (vgl. Romppel, 2006,

S. 209), d.h. es lassen sich Rückschlüsse auf die Entscheidungsfindung erzielen. Zum anderen

erleichtert sie die Früherkennung von kritischen Themen und erhöht dadurch den strategi-

schen Spielraum (vgl. Romppel, 2006, S. 209) bei der Begegnung und Bewältigung der „Is-

sues“. Als nachteilig beim Einsatz an der Fakultät kann sich die nur mittelbare Eignung zur

Wahrung und zum Ausbau der Wettbewerbsfähigkeit erweisen. Weiterhin erfordert die Issue

Analyse permanente von Recherchen und ist folglich mit einen hohen Personal- und Informa-

tionsaufwand verbunden. Zusätzlich sind Aussagen über die Effektivität nur schwer ableitbar,

weil viele Problemfelder sich einer Systematisierung eher entziehen (vgl. Romppel, 2006, S.

209).


SEITE 50

3.6.1.4 SZENARIOANALYSE

Die Szenarioanalyse dient dem Entwurf einer in sich geschlossenen „möglichen Zukunft und

basiert auf genau detaillierten Annahmen über das Umfeld des Unternehmens“ (Romppel,

2006, S. 211). Durch die Konzipierung mehrerer solcher wahrscheinlicher Szenarien lassen

sich unterschiedliche Perspektiven auf eigene Entscheidungen entwickeln. Sie erlauben Vor-

hersagen zu Auswirkungen einer bestimmten Alternative und folglich wie diese antizipiert

werden können (vgl. Gilad, 2004, S. 75f.).

Grundlegend kann die Szenarioanalyse aus vier verschiedenen Ansätzen heraus durchgeführt

werden (vgl. Romppel, 2006, S. 211). Neben der Delphi-Methode, die auf Expertenbefragun-

gen beruht und eher auf der Suche nach dem wahrscheinlichsten Szenario und dessen mögli-

chen Abweichungen ist, existieren ökonometrische Modelle, intuitive Methoden und soge-

nannte Cross-Impact-Analysen. Während intuitive Methoden auf qualitative Variablen setzen

und versuchen, kreativ Trends zu entwickeln und deren Folgen abzuschätzen, konzentrieren

sich ökonometrische Modelle auf eine Vielzahl von Parametern, deren Veränderung bei der

Anpassung einer einzelnen Variable beobachtet wird. Bei Cross-Impact-Analysen beschäfti-

gen sich Experten mit möglichen Zukunftsszenarien. Über den Ansatz der Delphi-Methode

hinausgehend werden sie noch zu möglichen Eintrittszeitpunkten, zur Eintrittswahrschein-

lichkeit usw. befragt.

Schlussendlich erhält der Anwender der Szenarioanalyse eine Reihe wahrscheinlicher und

plausibler Szenarien, die alle kritischen Themenbereiche abdecken und sowohl den Worst- als

auch den Best-Case der Unternehmensentwicklung beschreiben. Idealerweise sind diese Sze-

narien in der Lage, eingefahrene Stereotypen aufzubrechen (vgl. Romppel, 2006, S. 212),

wobei es weniger darauf ankommt, ein exaktes Bild der Zukunft zu liefern. Vielmehr sollen

die entwickelten Szenarien einen Ansatz für bessere Entscheidungen in der Gegenwart bieten.

Bei der Anwendung an der beobachteten Fakultät kann sich die Szenarioanalyse als zweck-

dienlich im Hinblick auf die Aufdeckung sogenannter Blind Spots erweisen. Mit ihrer Hilfe

lassen sich Bereiche im Umfeld der Bildungseinrichtung ausmachen, denen bis dato keine

oder eine zu geringe Beachtung geschenkt wurde. Zusätzlich lassen sich mit der Szenarioana-

lyse ähnlich der Issue Analysis Problemfelder und Trends aufdecken. Als vorteilhaft erweist

sich die Flexibilität der Methode. Es gibt keine genauen Vorschriften, die vorgeben, welche

Messinstrumente auf die einzelnen Zukunftskonzepte anzuwenden sind. Dem Anwender steht

es frei, auf quantitative, qualitative oder gar unstrukturierte Daten zurückzugreifen (vgl.


SEITE 51

Romppel, 2006, S. 213). Als problematisch kann sich der Rückschluss von allgemeinen Sze-

narien auf die tatsächliche Entscheidung erweisen. Aus eher abstrakten Formulierungen konk-

rete operative Konsequenzen abzuleiten, bedarf einiger Erfahrung und birgt die Gefahr, Sze-

narien zu bevorzugen, die eher den aktuellen Stärken bzw. Schwächen des eigenen Anwen-

dungsfalls entsprechen. Die Szenarioanalyse ist aber besonders dann stark, wenn es darum

geht, heterogene Variablen und Informationen in ausformulierte Szenarien und damit in lesba-

re Texte zu transformieren. Besonders dieser Aspekt hat für die beobachtete Fakultät eine

große Anziehungskraft, weil mit ihrer Hilfe aus vorhandenen Daten weit weniger komplexe

Schlussfolgerungen formuliert werden (vgl. Romppel, 2006, S. 213), die auch für Non-

Professionals verständlich und umsetzbar sind.

3.6.1.5 GROWTH VECTOR ANALYSIS

Eine Methode der CI-Entwicklungsanalysen beschäftigt sich mit der Darstellung des poten-

ziellen Wachstums eines Unternehmens in dessen Märkten. Dazu werden aktuelle und zu-

künftige Produkte bzw. Leistungen des Unternehmens herangezogen und in eine Matrix ein-

geordnet. In dieser Zusammenstellung stehen sich, ähnlich wie in der Ansoff-Matrix (vgl.

Ansoff, 1965), unterschiedliche Vorschläge zu Vorgehensweisen bezüglich möglicher Pro-

dukt-Markt-Kombinationen gegenüber. Ursprünglich sehr unterschiedliche Strategien lassen

sich dadurch auf einige wenige reduzieren (vgl. Romppel, 2006, S. 217). So erlaubt die ers-

tellte Matrix recht einfach zwischen Strategien, die beispielsweise die Marktdurchdringung

aktueller Produkte auf existierenden Märkten vorschlagen und solchen, die eher auf neue Pro-

dukte in neuen Märkten abzielen, zu differenzieren.

Die Anwendung der Methode auf die Fakultät hat den Vorteil, dass sich mit ihrer Hilfe ein

leicht entwickel- und anwendbares Instrument zur Entscheidungsfindung zur Anwendung

kommt. Allerdings sind die Schlüsse, die sich aus der Matrix ziehen lassen maximal neue

Ansätze für weitere Recherchen und Analysen. Zum Teil wird der Methode deshalb vorge-

worfen, „unterkomplex“ zu sein (vgl. Romppel, 2006, S. 218), da sie lediglich vorhandene

und potenzielle Produkte bzw. Leistungen in Matrizenform zusammenfasst, keine konkreten

strategischen Empfehlungen vorzugeben vermag und manch eine Produkt-Markt-

Kombination vernachlässigt (vgl. Romppel, 2006, S. 218). Aus Sicht der Fakultät kann die

Growth Vector Analysis (GVA) aber auch dann herangezogen werden, wenn es darum geht,

die Optionen der Wettbewerber in ein Schema einzuordnen. So können ebenfalls Vergleiche


SEITE 52

der Konkurrenzprodukte mit den eigenen angestrebt und Rückschlüsse auf alternative Wach-

stumsrichtungen gezogen werden.

3.6.1.6 PRODUCT LIFECYCLE ANALYSIS

Mit Hilfe der Product Lifecycle Analysis (PLA) kann das Verständnis der Marktdynamik

durch eine Beschreibung der Umsätze und deren Entwicklung, die ein Produkt im Laufe sei-

nes Lebenszyklus erzielt, verbessert werden (vgl. Romppel, 2006, S. 220). Von der Produkt-

einführung bis zu seiner Reife, Sättigung und Rückgang lassen sich mit dieser Methode Emp-

fehlungen aus unterschiedlichen Produktperspektiven anhand von verschiedenen Parametern

(Preis, Eintrittsbarrieren, Produktdifferenzierung etc.) entwickeln. Diese Empfehlungen kön-

nen beispielsweise auf konkrete Marketingstrategien abzielen, sind aber ebenso in der Lage in

anderen Phasen des Produktlebenszyklus adäquate Entscheidungen zu liefern.

Der beobachteten Fakultät kann die Product Lifecycle Analysis einen schnellen Einblick in

die Dynamik der eigenen Produkte und Leistungen gewähren. So können aus den ermittelten

Indikatoren Hinweise abgeleitet werden, die es der Fakultät erlauben, abzuschätzen, ob be-

stimmte Produkte in eine andere Phase des Lebenszyklus übergegangen sind und entspre-

chend strategisch eine neue Richtung eingeschlagen werden sollte. Die PLA bleibt dabei zwar

relativ leicht anwendbar, allerdings haben sich ihre Aussagen in der Praxis schon häufig als

widerlegbar erwiesen (vgl. Romppel, 2006, S. 222). Trotzallem können auf ihrer Grundlage

strategische Entscheidungen initiiert und auf den richtigen Weg gebracht werden.

3.6.1.7 WETTBEWERBERPROFILE

Diese Methode hat bereits eine weitreichende Bekanntheit in Unternehmerkreisen (vgl.

Altensen, 2003; Michaeli, 2006, S. 18). In Wettbewerberprofilen erfolgt eine tabellarische

Gegenüberstellung der Wettbewerber, um einen Vergleich mit der eigenen Organisation hin-

sichtlich der aktuellen Aktivitäten, Ziele, Stärken, Schwächen, Strategien usw. zu erreichen

(vgl. Bausch, 2006, S. 209f.). Diese Ergebnisse können genutzt werden, um Kriterien für die

Steuerung der eigenen Wettbewerbsposition abzuleiten und um schlussendlich die eigene

Strategie und Aktivität zu lenken (vgl. Freibichler, 2006, S. 61). „Ein vollständiges Wettbe-

werberprofil ist zudem Ausgangspunkt für zahlreiche weiterführende Analysen“ (Michaeli,

2006, S. 271).

Die Entscheidungsentwicklung der Fakultät kann von Wettbewerberprofilen profitieren, wenn

sie sich beispielsweise von anderen Universitäten oder sonstigen Bildungseinrichtungen ab-


SEITE 53

setzen möchte. Sie lassen erkennen, welche Schwerpunkte sich die Konkurrenz gesetzt hat,

wo der Wettbewerber „verletzlich“ ist (vgl. Romppel, 2006, S. 201) und wo eventuell Lücken

existieren, die durch die Fakultät abgedeckt werden können und aus denen sich Wettbewerbs-

vorteile erwirtschaften lassen. Gleichzeitig können Rückschlüsse gewonnen werden, welche

Veränderungen und Reaktionen von Wettbewerbern zu erwarten sind (vgl. Romppel, 2006, S.

201). Besonders vorteilhaft ist dabei die Tatsache, dass es für die Erstellung solcher Profile

bereits vorgefertigte Softwarelösungen gibt, auf welche die Fakultät zurückgreifen kann (vgl.

Michaeli, 2006, S. 273). Bei Vorhandensein solcher Programme – vorausgesetzt, ihr Erwerb

ist für die Fakultät wirtschaftlich möglich – besteht auch für weniger CI-affine Nutzer eine

Möglichkeit, relativ leicht in die Methodik einzusteigen.

3.6.1.8 SWOT-ANALYSE

Die SWOT-Analyse ist ein Werkzeug aus dem strategischen Management und beschäftigt

sich mit den Stärken (Strengths), Schwächen (Weaknesses), Chancen (Opportunities) und

Gefahren (Threats) eines Projekts oder einer Unternehmung. Die Zusammenstellung der ein-

zelnen Dimensionen erlaubt Rückschlüsse darauf, ob aktuelle Stärken und Schwächen eines

Geschäftsfeldes für die zu erwartenden Entwicklungen relevant und zur Realisierung bzw.

Bewältigung bzw. der sich eröffnenden Chancen und bestehenden Gefahren geeignet sind

(vgl. Hungenberg, 2004, S. 86).

Die SWOT-Analyse als eines der bekanntesten und effektivsten Managementinstrumente

(Michaeli, 2006, S. 18 und 174) erlaubt den Vergleich der eigenen strategischen Position in

Relation zum Wettbewerb und sollte deshalb auch an der Fakultät in Betracht gezogen wer-

den. Vorausgesetzt, die Fakultät engagiert sich im Vorfeld bei der detaillierten Wettbewerber-

erhebung, lassen sich auf einfachem Weg und visuell gut darstellbar die Chancen und Bedro-

hungen (Risiken) für das eigene Unternehmen identifizieren. Zusätzlich können Hinweise zu

den Auswirkungen einzelner Dimensionen auf die Unternehmensstrategie abgeleitet werden

(vgl. Michaeli, 2006, S. 405).

Für den Anwendungsfall dieser Arbeit können mit der SWOT-Analyse verschiedene Prob-

lem- oder Chancenfelder identifiziert werden. Eine Stärke der Fakultät ist beispielsweise ihr

hoher regionaler und nationaler Bekanntheitsgrad. Eher als Schwäche auszulegen ist ihre Ab-

hängigkeit vom heimischen Markt (vgl. Hammer, 2008; TU Dresden, 2009d). Mit 48,2 Pro-

zent stammt fast die Hälfte der Studienanfänger der TU Dresden aus Sachsen, während der

Anteil ausländischer Studenten nur mit 13,6 Prozent beziffert werden kann (vgl. TU Dresden,


SEITE 54

2009g, S. 17). Als Chance, die sich aus den Stärken ableiten lässt, sind u.a. regionale Partner-

schaften und die Erschließung neuer internationaler Märkte zu verstehen. Risiken ergeben

sich aus der mangelnden Fokussierung auf ausländische Studenten. Speziell im Hinblick auf

die sinkenden Studentenzahlen (vgl. 1.2), sollte die Fakultät bestrebt sein, die Studentenak-

quise über den heimischen Markt hinaus zu intensivieren.

3.6.1.9 KERNKOMPETENZANALYSE EINES WETTBEWERBERS

Auch mit dieser Methode kann die betrachtete Fakultät Indikatoren ableiten, die sie in die

Lage versetzen, sich von der Konkurrenz abzusetzen.

Da Kernkompetenzen die Basis für langfristige Wettbewerbsvorteile bilden (vgl. Hinterhuber,

Handlbauer & Matzler, 2003, S. 1f.), muss auch ihnen in der Betrachtung möglicher Metho-

den der Competitive Intelligence Beachtung geschenkt werden. Im Rahmen der Kernkompe-

tenzanalyse eines Wettbewerbers wird untersucht, welche besonderen Fähigkeiten, Fertigkei-

ten oder Technologien den Konkurrenten ausmachen. Ziel ist es, eigene Kernkompetenzen

aufzubauen und langfristig zu sichern (vgl. Michaeli, 2006, S. 317). Nebenbei lassen sich bei

dieser Untersuchung Schwachstellen identifizieren (vgl. 3.6.1.7), die vom Wettbewerber oder

der gesamten Konkurrenz nicht abgedeckt werden. So können solche Lücken Ausgangspunk-

te für eigene offensive Vorstöße in den Markt darstellen oder Hinweise darauf geben, welche

Schwachstellen am eigenen Unternehmen im Wettbewerb angreifbar sind.

Die Darstellung der Kernkompetenzen erfolgt üblicherweise in Profilen (vgl. 3.6.1.7) oder

Spider-Diagrammen (vgl. Riempp, 2004, S. 188), sie kann aber auch verbal geschehen.

An der Fakultät können mit Kernkompetenzanalysen vor allem die Stärken konkurrierender

Bildungseinrichtungen identifiziert werden. Gleichzeitig wäre die Fakultät in der Lage, daraus

Rückschlüsse für die Fokussierung der eigenen Kompetenzen abzuleiten und seine Wettbe-

werbsposition auszubauen.

3.6.2 AUSGEWÄHLTE RECHERCHEMETHODEN

Da der Analyse der Daten, welche der Fakultät vorliegen, meist komplexe Recherchevorgän-

ge vorausgehen, soll an dieser Stelle noch auf zwei Methoden hingewiesen werden, die im CI-

Zyklus (vgl. Romppel, 2006; Anhänge 6 und 7) den beschriebenen Analysemethoden voran-

gestellt sind. Sie sollen ebenso in den Methodenkatalog (vgl. Tabelle 4.1), der im Rahmen

dieser Arbeit entwickelt wird, aufgenommen und auf ihre Eignung bei der Anwendung bezüg-


SEITE 55

lich bestimmter Produkte bzw. Leistungen und auf ausgewählte Stakeholdercluster untersucht

werden. Die vorgenommene Auswahl beschränkt sich hier auf die, durch MICHAELI (2006)

vorgestellten Recherche- und Observationsschwerpunkte (vgl. Michaeli, 2006, S. 177ff.),

ohne dabei auf das Internet und Online-Datenbanken einzugehen.

3.6.2.1 HUMINT

Ein bedeutender Teil der Datenerhebung der Competitive Intelligence fußt auf der Nutzung

menschlicher Informationsquellen (vgl. Kunze, 2000, S. 76ff.). Dieses Vorgehen bezeichnet

man gemeinhin als „Human Intelligence“ (HUMINT). Die Erhebung der Informationen er-

folgt zumeist über Dialoge, z.B. in Form von Gesprächen per Telefon oder persönlicher Tref-

fen. In der Wirtschaft werden zu solchen Gesprächen meist „Industrieexperten, Mitarbeiter

von Kunden, Zulieferer, Wettbewerber, Industriebeobachter wie Journalisten, Behördenmi-

tarbeiter, eigene Mitarbeiter etc.“ (Michaeli, 2006, S. 198) herangezogen. Im Vergleich zu

anderen Recherchemethoden stellt die HUMINT besondere Herausforderungen an die Ge-

sprächspartner. Aus Sicht der Datensammler und Rechercheure wird speziell der Fähigkeit,

einer Quelle gewisse Informationen zu entlocken (Elicitation), ein hoher Wert beigemessen

(vgl. Michaeli, 2006, S. 198). Getreu der CI-Definition der SCIP muss bei derartigen Befra-

gungen in jedem Fall darauf verzichtet werden, Legenden (i.S.v. falscher Identitäten etc.) an-

zulegen oder falsche Tatsachen vorzutäuschen (vgl. 3.1).

Im Hinblick auf die in dieser Arbeit beobachtete Fakultät ergeben sich zusätzliche Herausfor-

derungen. Besonders von Vorteil für Effektivität der CI ist die Erfassung der Kompetenzen

der Fakultät durch die Methode. Über sie lassen sich wesentliche Wissensträger identifizieren

und die Transparenz des im Unternehmen befindlichen Know-hows gewährleisten. Besondere

Eignung der HUMINT für die Anwendung an der Fakultät erfährt die Methode durch die

Konzentration des Know-hows auf einzelne Personen. Anders als in den meisten Unterneh-

men, existiert an der Fakultät eine Reihe Wissensträger, die alle mit Hilfe der HUMINT im

Sinne der CI nutzbar gemacht werden können. Wie an Bildungseinrichtungen allgemein üb-

lich, ist das Wissen auf einige wenige Leistungsträger (Professoren, Doktoranden etc.) ver-

teilt. Diese zu identifizieren und ihr Wissen für andere nutzbar zu machen, stellt eine wesent-

liche Herausforderung dar, die mit den Methoden der CI zu lösen ist. Zusätzlich kann mit der

Einbeziehung anderer, leicht erreichbarer Stakeholder der Quellenpool nachhaltig erweitert

und das Wissen der Fakultät über längere Zeiträume weitgehend unabhängig von den Wis-

sensträgern erfasst und abrufbar gemacht werden.


SEITE 56

3.6.2.2 OBSERVATION VON WETTBEWERBERAKTIVITÄTEN

Die Observation von Aktivitäten der Wettbewerber umfasst „alle direkten und indirekten au-

diovisuellen Maßnahmen, die der Erfassung relevanter Wettbewerberaktivitäten dienen“

(Michaeli, 2006, S. 177). Auch hier gilt die Einschränkung entsprechend der CI-Definition

der SCIP, die dieser Arbeit zugrunde liegt, dass Mittel und Wege der Betriebsspionage, Ab-

hörmethoden oder Beschattungen etc. aus der Betrachtung auszuschließen sind. Für aussage-

kräftige Ergebnisse ist zwar einiger Aufwand (sowohl finanziell als auch zeitlich) zu betrei-

ben. Es sind Kampagnen erforderlich, die sich oft seht personalintensiv darstellen. Demzufol-

ge sollte die Observation nur dann genutzt werden, wenn es darum geht, kritische Lücken in

der Wissensbasis aufzufüllen oder um kritische Erkenntnisse abzusichern (vgl. Michaeli,

2006, S. 178). Die Optionen, die dabei in Frage kommen, sind breit gefächert. Es ist sowohl

denkbar, bestimmte Personen zu observieren oder sich auf Gebäude und Einrichtungen der

Konkurrenz zu konzentrieren. Es können aber genauso gut Messeauftritte und Konferenzteil-

nehmer der Wettbewerber herangezogen werden (vgl. Michaeli, 2006, S. 178f).

3.7 MEHRWERT DER COMPETITIVE INTELLIGENCE FÜR DIE FAKULTÄT

Rückschlüsse auf den Mehrwert der Anwendung der Methoden der Competitive Intelligence

für die Fakultät lassen sich aufgrund mangelnder Praxiserfahrung nur auf theoretischer Ebene

ziehen. Tabelle 3.1 stellt dazu heraus, welche Methoden der CI in welchen Anwendungsge-

bieten zum Einsatz kommen können und dementsprechend in welchen Problemfeldern Mehr-

werte realisierbar sind. Neben den von MICHAELI (2006) vorgegebenen Analysemethoden

wurde die Tabelle um jene ergänzt, die in dieser Arbeit aus anderen Quellen herangezogen

wurden (vgl. 3.6). Dabei orientiert sich die Zuordnung bei den zusätzlichen Methoden an An-

gaben zu vorhandenen Methoden aus der Originaltabelle von MICHAELI (2006) und an Hin-

weisen MICHAELIS (2006) und denen von FLEISHER & BENSOUSSAN (2007) zu ver-

wandtschaftlichen Beziehungen einzelner Methoden (vgl. Michaeli, 2006, S. 237ff.).


SEITE 57

Wettbew

erberprofile

Product Lifecycle Analysis

Custom

er Value Analysis

Custom

er Segmentation

Grow

th Vector Analysis

Issue Analysis

Kernkompetenzanalyse

SWO

T-Analyse

Szenarioanalyse

Entschei-dungs-

unterstützung

Handlungsalternativen entwickeln

Wettbewerbsstrategien entwickeln

Risiken bewerten

Daten- und Inform

ationsinterpretation

Hypothesen entwickeln

Unternehmerische Chancen & Risiken identifizieren

Bewertung der Wettbewerberpotenziale

Bewertung der Wettbewerberintentionen

Positionierung relativ zum Wettbewerb

Umfeldstrukturen und -dynamik analysieren

Heutige und zukünftige Wettbewerber identifizieren

Daten- und Inform

ati-onsaufbereitung

Unerkannte Daten identifizieren

Fehlende Daten ergänzen

Beziehungsstrukturen erkennen

Vorhandene Daten extrapolieren

TABELLE 3.1: ANALYSEMETHODEN UND IHRE ANWENDUNGSBEREICHE (VGL. MICHAELI, 2006, S. 237)

So basiert beispielsweise die Einordnung der Product Lifecycle Analysis auf den Angaben der

Spalte der Patentanalyse (vgl. Michaeli, 2006, S. 240), die nach MICHAELI (2006) ein ver-

wandtes Analysekonzept darstellt. FLEISHER & BENSOUSSAN (2007) unterstellen der Methode

ebenso eine Verwandtschaft mit der Industry Analysis – den „Nine Forces“ – (vgl. Fleisher &

Bensoussan, 2007, S. 99) und der Product Line Analysis (vgl. Fleisher & Bensoussan, 2007,

S. 238). Die restlichen Verwandtschaftsbeziehungen, auf deren Basis die Tabelle ausgefüllt

wurde, stammen ebenfalls zu großen Teilen von FLEISHER & BENSOUSSAN (2007). So weist

die Customer Segmentation Analysis Ähnlichkeiten mit der Competitive Positioning Analysis

(vgl. Fleisher & Bensoussan, 2007, S. 116), der SERVO Analysis (vgl. Fleisher &

Bensoussan, 2007, S. 152), der Benchmarking Analysis (vgl. Fleisher & Bensoussan, 2007, S.


SEITE 58

189), der McKinsey 7S Analysis (vgl. Fleisher & Bensoussan, 2007, S. 201), der Product Li-

ne Analysis (vgl. Fleisher & Bensoussan, 2007, S. 238) und der Win/Loss Analysis (vgl.

Fleisher & Bensoussan, 2007, S. 252) auf. Der Customer Value Analysis hingegen sagen die

Autoren eine Verwandtschaft zur Benchmarking Analysis (vgl. Fleisher & Bensoussan, 2007,

S. 189), zur Business Model Analysis (vgl. Fleisher & Bensoussan, 2007, S. 136), zur SER-

VO Analysis (vgl. Fleisher & Bensoussan, 2007, S. 152) sowie zur McKinsey 7S Analysis

(vgl. Fleisher & Bensoussan, 2007, S. 201) und zur Win/Loss Analysis (vgl. Fleisher &

Bensoussan, 2007, S. 252) nach. Diesen Einordnungen entsprechend wurden nun verwandte

Methoden aus der Tabelle von MICHAELI (2006) entnommen, um die Spalten der neuen Me-

thoden zu ergänzen. Die unterschiedlichen Einfärbungen in Tabelle 3.1 veranschaulichen, ob

die Methode eher als eine der Hauptanwendungen (schwarze Zellen) oder als Nebenanwen-

dungen (graue Zellen) in die jeweilige Phase des CI-Zyklus einzuordnen ist (vgl. Michaeli,

2006, S. 237).

So erlaubt Tabelle 3.1 einen ersten Einblick in qualitative Mehrwerte, die sich mit den Me-

thoden der Competitive Intelligence erzielen lassen. Das Plus durch die einzelnen Methoden

variiert selbstverständlich und ist stark vom Anwender, dessen Know-how, zeitlichen Res-

sourcen etc. abhängig. Zusätzlich sind manche Methoden nur als Grundlage weiterer Metho-

den (vgl. 3.6.1.1) zu verstehen oder haben lediglich einen indirekten Einfluss auf die Wirt-

schaftlichkeit der Fakultät. Ausgehend von Forschungsergebnissen MICHAELIS (2006) und

den Schlüssen, die in dieser Arbeit gezogen wurden, können Entscheidungsträger mit der Ta-

belle dennoch bereits herausfinden, welche Methode für welchen Anwendungsbereich zum

Einsatz kommen kann. Die Zusammenstellung ist zwar aufgrund der in Kapitel 3.6 vorge-

nommenen Einschränkungen nicht allumfassend, kann aber die Ausgangsbasis für Erweite-

rungen um neue Methoden darstellen. Grundsätzlich sollten die Anwender an der Fakultät

stets bestrebt sein, die verwendeten Konzepte „immer wieder auf ihre Effizienz [und Effekti-

vität] hin zu überprüfen und ggf. neue Verfahren zu verwenden“ (Michaeli, 2006, S. 152).

Nur dann lassen sich auf Dauer die gewünschten Mehrwerte erzielen. Nach Abschluss erster

Anwendungsfälle sollten sich dann auch quantitative Aussagen zum Mehrwert der CI für die

Fakultät treffen lassen.

Dank der intensiven Nutzung der Competitive Intelligence im unternehmerischen Umfeld

existieren bereits verschiedene Ansätze, nach denen der Einfluss der CI auf den Unterneh-

menserfolg gemessen werden kann. Im Hinblick auf die Tatsache, dass bei der Anwendung

der Methoden der CI betriebliche Ressourcen beansprucht werden, kann beispielsweise eine


SEITE 59

Abschätzung des Aufwand-Nutzen-Verhältnisses in Betracht gezogen werden, um den Wert

der CI zu bestimmen. Ein solches Verhältnis ist zwar schwer messbar, da der exakte Einfluss

der CI auf den Unternehmens-, im Anwendungsfall Fakultätserfolg, nicht eindeutig bestimm-

bar ist. Dennoch sollte eine Messung des CI-Einflusses in welcher Form auch immer angest-

rebt werden (vgl. Pirttimäki, Lönnqvist & Karjaluoto, 2006). PIRTTIMÄKI ET AL. (2006) nen-

nen dazu zwei Gründe: Zum einen müssen die Ergebnisse der CI stets kontrolliert werden,

damit bestimmt werden kann, ob sie den Aufwand rechtfertigen. Zum anderen hilft die Kont-

rolle, den Ablauf der CI zu überwachen und die CI korrekt zu steuern (vgl. Pirttimäki,

Lönnqvist & Karjaluoto, 2006, S. 84).

Dazu ist festzuhalten, dass der Wert der CI, der dieser Betrachtung zugrunde liegt, sich aus

den subjektiven Erwartungen und dem Bedarf des Nutzers ableitet. Da die CI selbst keinen

eigenen Wert hat, kann seine Bestimmung nur über die durch die Anwendung der CI gefällten

Entscheidungen und vollzogenen Handlungen bemessen werden – „the value is created as a

result of utilizing the intelligence“ (Pirttimäki, Lönnqvist & Karjaluoto, 2006, S. 85).

Die Betrachtung hat dabei zwei Ausgangspunkte. Erstens muss geklärt werden, welche Res-

sourcen, welchen Aufwand, welche Kosten die CI benötigt bzw. verursacht und schließlich

welcher Nutzen mit ihr erzielt werden kann. Dabei ist es weitaus einfacher, die Kosten der CI

zu bestimmen als den Nutzen. Ein Großteil des Nutzens liegt in nicht-finanzieller Form vor,

kann immateriell etc. sein (vgl. Hannula & Pirttimäki, 2003, S. 596).

Nichtsdestotrotz existieren Messinstrumente wie beispielsweise das CIM-Modell von DAVIS-

SON (2001), das zur Anwendung kommt, wenn der sogenannte Return on CI Investment

(ROCII) bestimmt werden soll. Dieser wird für jedes CI-Projekt separat berechnet. Der Out-

put der CI orientiert sich dabei an den Auswirkungen des Projekts. Dazu können beispielswei-

se die Erfüllung der vorab gesteckten Ziele oder die Zufriedenheit der Entscheidungsträger

herangezogen werden (Davison, 2001). Der Input wiederum bestimmt sich aus den Kosten,

die zum Tragen des Projekts erforderlich sind (vgl. Pirttimäki, Lönnqvist & Karjaluoto, 2006,

S. 85).

Die Formel, welche sich für den ROCII aus diesen Annahmen ergibt, ist folgende:

ROCII = CI outputs − CI inputs

CI inputs

Problematisch an dieser Formel bleibt die Tatsache, dass der CI Output auf qualitativen Be-

wertungen fußt und deshalb unzuverlässig erscheint (vgl. Pirttimäki, Lönnqvist & Karjaluoto,

2006, S. 85).


SEITE 60

HERRING (1996) benennt in seinem Ansatz vier Größen, mit denen die Effektivität der CI be-

stimmt werden kann: Zeiteinsparung, Kosteneinsparung, Kostenvermeidung und Ertragsstei-

gerungen (vgl. Herring, 1996, S. 5). PIRTTIMÄKI ET AL. (2006) erkennen zwar an, dass es sich

bei diesen Messgrößen um typische Effekte einer erfolgreichen Intelligence handelt, kritisie-

ren aber, dass weiter unklar bleibt, wie diese zu messen sind (vgl. Pirttimäki, Lönnqvist &

Karjaluoto, 2006, S. 85).

Ein weiterer Ansatz zur Bestimmung der Wirksamkeit der CI stellt das Konzept der subjekti-

ven Messung der durch den Nutzer empfundenen Effektivität der CI dar. In der Praxis werden

hier die CI-Nutzer z.B. zur Effektivität der Produkte oder zur Zufriedenheit mit der CI be-

fragt. Ein Vorteil dieser Herangehensweise ist die Tatsache, dass Einblicke in die Wahrneh-

mung des Nutzens der CI durch ihre Anwender gewonnen werden können. Dennoch kann

auch hier von den subjektiven Messwerten kein direkter Rückschluss auf monetäre Werte

gezogen werden (vgl. Pirttimäki, Lönnqvist & Karjaluoto, 2006, S. 85).

In der Summe ist zu konstatieren, dass die Bestimmung des betriebswirtschaftlichen Mehr-

wertes der Competitive Intelligence über die vorgestellten Ansätze sich weiterhin als proble-

matisch darstellt. Da die aktuellen Messverfahren ausschließlich aus dem unternehmerischen

Umfeld stammen, muss im Vorfeld ihrer Anwendung ebenso untersucht werden, ob sie auf

den in dieser Arbeit behandelten Anwendungsfall übertragbar sind.

KAPITEL 4: ENTWICKLUNG EINES METHODENKATALOGS

SEITE 61

4 ENTWICKLUNG EINES METHODENKATALOGS

Zitat: „Nur was zu Ende gedacht ist, bringt auch ein Ergebnis.“

NAPOLEON I. BONAPARTE, (1769 - 1821)

In diesem Abschnitt der Arbeit werden die Ergebnisse aus den vorangegangenen Kapiteln

zusammengefasst und erweitert, um einen Katalog zu entwickeln, dessen Anwendung – wie

eingangs erwähnt – „wirtschaftliche und Vorteile im Hinblick auf die Effektivität der Ent-

scheidungsentwicklung an einer Fakultät“ (vgl. 1.4) erschließen. Die hier zusammengetrage-

nen Ergebnisse werden ausschließlich entsprechend ihrer Eignung für die Anwendung an der

Fakultät Wirtschaftswissenschaften der TU Dresden untersucht.

4.1 AUSWAHL GEEIGNETER METHODEN

Ziel der Auswahl einiger Methoden der CI ist die Entwicklung einer Zusammenstellung, die

Aufschluss darüber gibt, in welchen realisierbaren Szenarien (Stakeholder- und Produkt- bzw.

Leistungskombinationen) der Einsatz der CI im Hinblick auf die Effektivität und Wirtschaft-

lichkeit der Entscheidungsentwicklung der Fakultät Erfolg hat. Über die Betrachtungen in

Kapitel 3.7 hinaus sollen nun die Methoden aus Kapitel 3.6 um Anwendungsbeispiele mit

Stakeholderbezug erweitert werden. Dabei geht es weniger darum, eine allumfassende Gege-

nüberstellung möglicher Methoden und Cluster (verschiedener Stakeholder bzw. Produkte

und Leistungen) zu entwickeln. Vielmehr soll anhand einzelner Beispiele der Einsatz der CI

in Bezug auf einige ausgewählte Cluster untersucht werden. Dabei wird erneut auf die Ergeb-

nisse des Stakeholderclusterings (vgl. 2.5) und des Clusterings nach Leistungen bzw. Produk-

ten der Fakultät (vgl. 2.6) zurückgegriffen, die dann mit den Erkenntnissen aus der Einfüh-

rung in die Methoden der Competitive Intelligence (vgl. 3.6) vereint werden.

Wie bereits in Kapitel 3.6 herausgestellt, geht es hauptsächlich darum, Methoden auszuwäh-

len, die ein schnelle Einführung ermöglichen, geringe Kosten verursachen und eine hohe Ver-

ständlichkeit garantieren, um damit auch Non-Professionals die Anwendung zu ermöglichen.


SEITE 62

4.2 AUSGEWÄHLTE METHODEN DER CI UND ANWENDUNGSSZENARIEN

TABELLE 4.1: CI-METHODENKATALOG FÜR AUSGEWÄHLTE PRODUKTE BZW. LEISTUNGEN UND IHRE EIGNUNG FÜR STUDIERENDE, DOKTORANDEN UND PROFESSOREN (EIGENE DARSTELLUNG)

Stakeholder bzw. CI-Methode

Abschluss

Akadem

ische B

ildung

Qualität der

Bildung &

Forschung

Forschung

Gehalt

Interessen-w

ahrung

Know

-how

der Fakultät

Lehrtätigkeit

Netw

orking

Publikationen

Reputation,

Renom

mee

Studierende (S) + + + + + + Doktoranden (D) + + + + + + + + + Professoren (P) + + + + + + + + + +

Analysemethoden CSA S D S D P S D P S D P D P S P D P P S D P D P D P

CVA S D S D P S D P S D P D P - - D P P - - - D P D P

Issue Analysis - - - - - - - - - - - D P S P - - - - - - - - - -

Szenarioanalyse - - S D P S D P S D P - - - - D P P S D P - - - -

GVA - - S D P S D P S D P - - - - D P P S D P D P D P

PLA S D S D P S D P - - - - - - - - - - - - - D P - -

Wettbewerberprofile

S D S D P S D P S D P D P - - D P P S D P D P D P

Kernkompetenzanalyse - - S D P S D P S D P - - - - D P - - - - D P D P

SWOT-Analyse - - S D P S D P S D P - - - - D P P S D P D P D P

Recherchemethoden

HUMINT - - S D P S D P S D P - - S P D P P - - - D P - -

WB-Observation - - - - - S D P S D P D P - - D P P - - - D P D P

Nachgefragte Leistung


SEITE 63

In Tabelle 4.1 befinden sich nun die in Kapitel 3.6 zusammengestellten Methoden der Com-

petitive Intelligence sowie das Stakeholdercluster aus Kapitel 2.5 und die unterschiedlichen

Produkte bzw. Leistungen aus Kapitel 2.6. Vorweg wurden bereits jene Felder entfernt bzw.

weiß ausgefüllt, die entsprechend der Zuordnung der Leistungen bzw. Produkte der Fakultät

(vgl. Tabelle 2.6) nicht von den Stakeholdern nachgefragt werden. In die übrigen Felder wur-

den im Anschluss all jene Stakeholder eingetragen (farblich und S für Studenten, D für Dok-

toranden oder P für Professoren), die vom Einsatz der jeweiligen CI-Methode bezogen auf die

unterschiedlichen Produkte bzw. Leistungen der Fakultät profitieren. Dort, wo kein Einsatz-

potenzial für den Anwendungsfall identifiziert werden konnte, befindet sich ein „-“.

Exemplarisch: Die Customer Segmentation Analysis kommt für alle Leistungen bzw. Produk-

te in jeder Stakeholderperspektive (mit Ausnahme der zuvor eliminierten, weißen Felder) in

Betracht. Mit der CSA lassen sich, wie in Ansätzen bereits vorgestellt (vgl. 2.4), Stakeholder

entsprechend ihrer Ähnlichkeiten gruppieren. Mit der CSA gelingt es dabei, die Perspektive

der Kunden (i.S.v. Stakeholdern) auf bestimmte (oder neue) Produkte und Leistungen zu len-

ken (vgl. 3.6.1.1). Grundsätzlich ist die CSA auch dann geeignet, wenn die wesentlichen

Kundencluster, von denen der Fortbestand der Fakultät abhängig ist, analysiert werden sollen.

Auf die entwickelten Segmente können im Anschluss weitere Methoden der Competitive In-

telligence appliziert werden, die die Stakeholder (hier: Studenten) beispielsweise auf neue

Networking- oder Bildungsangebote und Publikationsmöglichkeiten aufmerksam machen

(vgl. Tabelle 4.1). Nachdem aufgedeckt wurde, welche Gruppen mit welchen Leistungen bzw.

Produkten angesprochen werden, können diese in der Folge effektiver adressiert werden (vgl.

3.6.1.1) und so einen größeren Beitrag zur Wirtschaftlichkeit usw. der Fakultät leisten.

Ein Einsatz der Customer Value Analysis ist dann beispielsweise sinnvoll, wenn für Studie-

rende und Doktoranden die Nachfrage bestimmter Produkte und Leistungen der Fakultät er-

mittelt werden soll. So bietet es sich an, die Methode u.a. auf die Abschlüsse oder das Bil-

dungsangebot an der Fakultät anzuwenden (vgl. Tabelle 4.1). Mit ihrer Hilfe kann das Ver-

hältnis des Nutzens für den Kunden zum Aufwand der Erstellung optimiert werden (vgl.

3.6.1.2). Gelingt es, mit der CVA z.B. eine rege Nachfrage an einer Vorlesung zu einem be-

stimmten Thema nachzuweisen, hat die Fakultät (oder einer ihrer Lehrstühle) die Möglich-

keit, das eigene Angebot dem identifizierten „Kundennutzen“ anzupassen. In Abstimmung

mit dem Pflichtprogramm an Vorlesungen etc. kann dies die Entscheidungsfindung zur Ein-

führung bzw. Anpassung einer (neuen) Veranstaltung vereinfachen und die resultierende „Be-

antwortung“ der ermittelten Nachfrage die Hörerzahlen in den Vorlesungen steigern. Ebenso


SEITE 64

denkbar ist ein Bezug der Methode zu den Gehältern der Doktoranden und Professoren. Mit

der CVA kann u.a. untersucht werden, welchen Stellenwert das Gehalt der Mitarbeiter bei der

Wahl eines Projekts oder Tätigkeitsausschreibung hat. Auch wenn die Flexibilität der Fakultät

bei der Festlegung der Höhe des Gehaltes an den Tarifvertrag für den öffentlichen Dienst der

Länder (vgl. Cerff, 2009) gebunden ist, kann die Methode grobe Rückschlüsse auf das Inter-

esse und die entsprechende Eignung (Interesse, Priorität etc.) eines Kandidaten für ein Projekt

liefern.

Mit der Issue Analysis sollen virulente Themen und Bereiche, von denen eine Unruhe oder

gar Aufruhr ausgehen könnte, aufgedeckt werden (vgl. 3.6.1.3). Diese Methode kann weniger

auf das Bildungsangebot oder die Abschlüsse der Fakultät angewendet werden (vgl. Tabelle

4.1), weil diese zu jeder Zeit vorliegen bzw. erfolgen und für den Fortbestand der Fakultät

unabdingbar sind. Zudem wird an dieser Stelle davon ausgegangen, dass von den betrachteten

Stakeholdern im Hinblick auf die meisten Leistungen bzw. Produkte der Fakultät keine Unru-

he oder Aufruhr ausgehen wird, weil die Stakeholder selbst in die Herstellung involviert und

demnach an reibungslosen Abläufen interessiert sind. Vielmehr sollte mit der Issue Analysis

untersucht werden, ob beispielsweise die Vernachlässigung der Studenten- und Professoren-

interessen sich negativ auf die Tätigkeit der Fakultät auswirken und welches Ausmaß dies

haben kann. Können gewisse Interessen ignoriert werden, oder sollte man ihnen nachgehen

(vgl. Tabelle 4.1)? Ist diese Frage zweifelsfrei beantwortet, kann die Fakultät unwichtige

Themen, denen eventuell zuvor zu viel Aufmerksamkeit geschenkt wurde, vernachlässigen

und im Umkehrschluss zuvor vernachlässigte Bereiche in den Vordergrund rücken. Ein posi-

tiver Effekt auf die Wirtschaftlichkeit der Fakultät kann dadurch erzielt werden.

Die Szenarioanalyse erlaubt die Erstellung unterschiedlicher, wahrscheinlicher Szenarien,

anhand derer über verschiedene Ansätze abgeschätzt werden kann, welche Auswirkungen die

einzelnen Handlungsalternativen mit sich bringen und wie diese antizipiert werden können

(vgl. 3.6.1.4). Für das Bildungsangebot und die Forschung an der Fakultät könnte dies bedeu-

ten, dass z.B. über die Delphi-Methode, also über Expertenbefragungen, Ausblicke zu mögli-

chen Ausrichtungen des Fakultätangebots entworfen werden. Wenn dabei Themen und

Trends identifiziert werden, die sich später als richtungsweisend herausstellen und durch die

Anwendung der Szenarioanalyse rechtzeitig vorhergesehen und adaptiert werden konnten,

stellt dies für die Fakultät einen Vorsprung gegenüber den Wettbewerbern dar. Bestenfalls

werden Blind Spots aufgedeckt und rechtzeitig abgedeckt (vgl. 3.6.1.4). Einen eher unbedeu-

tenden Einfluss auf die Wirtschaftlichkeit der Fakultät hätte die Anwendung der Methode


SEITE 65

beispielsweise auf Abschlüsse und Publikationen, weil hierbei bedeutend weniger Stell-

schrauben existieren, über die die Entwicklung unterschiedlicher Szenarien durch die Analys-

ten beeinflusst werden kann. Im Vorfeld der Umstellung von Diplom- auf Master- bzw. Ba-

chelorstudiengänge hätte man mit einer umfangreichen Szenarioanalyse einige Probleme, z.B.

bei der Rezeption durch die Studenten eliminieren können.

Die Growth Vector Analysis beschäftigt sich ursprünglich mit dem potenziellen Wachstum

eines Unternehmens in dessen Märkten (vgl. 3.6.1.5). Übertragen auf den vorliegenden An-

wendungsfall kann die GVA also überall dort zum Einsatz kommen, wo sich Wachstumspro-

zesse abzeichnen und somit Vergleiche zwischen aktuellen und potenziellen Produkten bzw.

Leistungen angestellt werden können. Neben Publikationen und dem Know-how der Fakultät

sollte die Methode speziell im Hinblick auf das Networking zur Anwendung kommen (vgl.

Tabelle 4.1). Die Märkte, die hier unter Beobachtung stehen, sind potenzielle Arbeitgeber der

Studenten oder Doktoranden und sollten dementsprechend von der Fakultät gefördert werden.

Zusätzlich lassen sich aus aufstrebenden Märkten aus Sicht der Professoren Drittmittelprojek-

te akquirieren, wovon die Fakultät im Ganzen profitieren kann. Da mit der GVA auch die

Strategien, Aktivitäten etc. der Wettbewerber erfasst werden können, geht ihre Anwendung

meist über den hier abgesteckten Stakeholderrahmen hinaus. Nichtsdestotrotz kann die GVA

im Hinblick auf Vergleiche des eigenen mit dem Forschungs- und Bildungsprogramm der

Konkurrenz (vgl. 3.6.1.5) herangezogen werden. Zumeist liefert sie dabei weitere Ansätze für

neuerliche Recherchen und Analysen.

Die Beobachtung der Produkt-Lebenszyklen gibt Aufschluss darüber, ob bestimmte Produkte

strategisch neu ausgerichtet werden müssen (vgl. 3.6.1.6). Der Übergang eines Fakultätspro-

duktes in eine andere Phase des PLC erfordert meist Veränderung beispielsweise im Marke-

ting. So kann die Untersuchung einer Vorlesung mit der Product Lifecycle Analysis den

Übergang dieser von einer Erstveranstaltung bis hin zu einer etablierten Pflichtvorstellung

begleiten, vereinfachen und dabei auf die beteiligten Stakeholder einwirken. Ebenfalls denk-

bar ist der Einsatz der PLA auf Publikationen (vgl. Tabelle 4.1), denn auch sie durchlaufen in

ihrer Erstellung durch Doktoranden und Professoren unterschiedliche Lebenszyklen. Während

zu Beginn erst gesichert werden muss, z.B. welche Mittel und welches Human Kapital zur

Verfügung stehen, muss bei zunehmender Reife der Publikation ein Verlag etc. auf diese

aufmerksam gemacht werden. Nach einem Marketing, das eher in das Innere der Fakultät

gerichtet ist, erfolgt im Anschluss die Verkaufsförderung nach außen hin. Der Weg dorthin

kann mit der PLA geebnet werden.


SEITE 66

Wettbewerberprofile können in fast jedem Produkt- bzw. Leistungsfeld zur Anwendung

kommen (vgl. Tabelle 4.1). Überall, wo Parallelen im Angebotsportfolio der Fakultät zu

Wettbewerbern auszumachen sind, kann eine Gegenüberstellung der „Aktivitäten, Ziele, Stär-

ken, Schwächen und Strategien usw.“ (vgl. 3.6.1.7) erfolgen. Beobachtet man beispielsweise

die Bildungsangebote, die den Studenten, Doktoranden und Professoren von der Fakultät

eröffnet werden, können Wettbewerberprofile dazu genutzt werden, Schwächen gegenüber

den Angeboten konkurrierender Bildungseinrichtungen zu identifizieren. Gleichwohl kann die

Untersuchung derartiger Profile genutzt werden, um Schwerpunkte, die sich die Konkurrenz

gesetzt hat, zu entdecken und daraufhin die eigene Strategie anzupassen. Die Interessenwah-

rung von Studenten und Professoren stellt hingegen eher eine Problematik dar, die sich an das

Innere der Fakultät richtet. Ein Vergleich mit anderen Fakultäten etc. ist weniger erstrebens-

wert oder vorteilhaft für die Optimierung der Entscheidungsunterstützung an der beobachteten

Fakultät.

Über Kernkompetenzanalysen lassen sich indirekt Schwachstellen bei der Konkurrenz identi-

fizieren (vgl. 3.6.1.9). Gleichzeitig erfolgt eine zielgerichtetere Analyse der Konkurrenz.

Durch die Beschränkung auf die Untersuchung der Kernkompetenzen lassen sich die Erkenn-

tnisse, die u.a. mit vergleichbaren Wettbewerberprofilen gewonnen werden können, auf be-

sonderen Fähigkeiten, Fertigkeiten oder Technologien der Konkurrenz herunterbrechen. So

kann Aufschluss darüber gewonnen werden, welche Forschungsschwerpunkte die Konkurrenz

hat und ob sich die Professoren, Studenten oder Doktoranden der Fakultät diesen widmen

oder ob dies aus Abgrenzungsgründen gerade nicht geschehen sollte. Leistungen bzw. Pro-

dukte wie Abschlüsse (Diplom, Dissertation), Gehälter und Networking etc. (vgl. Tabelle 4.1)

können mit dieser Methode nicht gefördert werden, weil sie vom Autor in diesem Anwen-

dungsfall nicht zu den möglichen Kernkompetenzen von Bildungseinrichtungen gezählt wer-

den.

Die letzte Analysemethode, die in Kapitel 3.6.1 vorgestellt wurde, ist die SWOT-Analyse. Mit

ihrer Hilfe lassen sich aktuelle Stärken und Schwächen eines Geschäftsfeldes und die zu er-

wartenden Entwicklungen mit den errechenbaren Chancen und Risiken zusammenfassen und

visuell gegenüberstellen. Die besondere Relevanz der Methode für die Fakultät ergibt sich aus

ihrer Eignung zur Realisierung der sich eröffnenden Chancen bzw. zur Bewältigung beste-

hender Gefahren (vgl. 3.6.1.8). So ist der Einsatz der Methode überall dort vorstellbar, wo

sich Stärken und Schwächen im Vergleich zum Angebot der Konkurrenz ausmachen lassen

(vgl. Tabelle 4.1). Deshalb kann die SWOT-Analyse bei nahezu denselben Produkten und


SEITE 67

Szenarien zur Anwendung kommen, wie dies bereits bei der Kernkompetenzanalyse der Fall

ist.

Als Teil der Recherchemethoden der Competitive Intelligence eignet sich der Einsatz der

HUMINT an der beobachteten Fakultät besonders, wenn eine Erfassung der an der Fakultät

und in ihrem Umfeld befindlichen Kompetenzen (vgl. 3.6.2.1) durchzuführen ist. Die Daten

und Informationen der Wissensträger können mithilfe der HUMINT über ganz unterschiedli-

che Produkte bzw. Leistungen gewonnen werden. So kann beispielsweise die Qualität der

Bildung und Forschung über Interviews oder Feedbackfunktionen erhoben und im Anschluss

mit den Analysemethoden der CI ausgewertet werden (vgl. Tabelle 4.1). Im Vordergrund ste-

hen dabei stets Informationen und Daten, die in der Regel nicht über Datenbankenabfragen,

Literaturrecherchen etc. gewonnen werden können, sondern die ausnahmslos über menschli-

che Informationsquellen erhältlich sind.

Dank der Wettbewerber-Observation können kritische Lücken in der Wissensbasis aufgefüllt

und kritische Erkenntnisse abgesichert werden (vgl. 3.6.2.2). Im Fokus der Beobachtung der

Fakultät stehen hier Personen oder Gebäude und Einrichtungen der Konkurrenz. Für den vor-

liegenden Anwendungsfall schließt dies ebenfalls die Leistungen bzw. Produkte der Konkur-

renz ein. Verschafft sich die Fakultät beispielsweise Informationen zum Output (Publikatio-

nen, Know-how, Forschung etc. und indirekt über Reputation und Renommee) anderer kon-

kurrierender Bildungseinrichtungen (vgl. Tabelle 4.1), kann dies die Grundlage für weiterfüh-

rende Analysen sein. Neben direkten Kontakten mit Partneruniversitäten etc. können mit der

Wettbewerber-Observation Daten und Informationen eingeholt werden, die die Konkurrenz

selbst nicht preisgibt, an welche die Fakultät mit legalen Mitteln aber dennoch herankommt.

Will die Fakultät beispielsweise zur Abgrenzung der eigenen Position ermitteln, wie die Kon-

kurrenz ihre fachlichen Schwerpunkte in Zukunft setzen möchte, kann sie Messeauftritte,

Konferenzteilnahmen u.a. heranziehen, um sich Einblicke – über das, von den Wetteberbern

herausgegebene Informationsmaterial hinaus – zu verschaffen.

4.3 EINBETTUNG DER METHODEN IN ORGANISATIONSSTRUK-TUREN DER FAKULTÄT

In der Literatur werden vier grundlegende Entwicklungsstufen unterschieden, welche wider-

spiegeln, wie die CI in einem Unternehmen aufgebaut und eingebettet ist. Je entwickelter sich

die Competitive Intelligence im Unternehmen darstellt, desto komplexer sind auch die Abläu-


SEITE 68

fe und die Einbettung der CI (Claassen, 2007, S. 10). Gleichzeitig steigt mit jeder Evolutions-

phase der durch die CI erzielbare Nutzen (vgl. Michaeli, 2006, S. 5) und damit der ROCII

(vgl. 3.7).

CI-CenterMission critical, umfassend, proaktiv, unternehmensweit, optimiertCI-Inseln

Strukturiert, aber nur in Teilbereichen

Guerilla-CISubversiv, inoffiziell, opportunistisch

Lonely CI-StarsAd-hoc-Recherchen

CI-

Nut

zen

Evolutionsphasen

ABBILDUNG 4.1: DIE VIER CI-EVOLUTIONSPHASEN (VGL. MICHAELI, 2006, S. 6)

Die in Abbildung 4.1 dargestellten Phasen zeigen den Weg einer jeden Unternehmung beim

Aufbau einer CI-Struktur auch im Hinblick auf die Organisation, die Kultur und das Know-

how auf. Für den vorliegenden Anwendungsfall und jedes andere Szenario gilt, dass nicht

zwangsläufig die höchste Stufe der CI-Evolution erreicht werden muss. Oft steht vielmehr das

Erreichen einer Balance zwischen den Anforderungen des Wettbewerbsumfeldes, der Organi-

sationsstruktur und dem Aufwand, der mit der CI verbunden ist, im Vordergrund (vgl.

Michaeli, 2006, S. 5).

Lonely CI-Stars: Beginnt ein Mitarbeiter beispielsweise, Informationen über Wettbewerbs-

produkte o.ä. einzuholen, führt dieser sogenannte Lonely CI-Star zur Entwicklung einer ersten

„CI-Keimzelle“ (vgl. Michaeli & Bill, 2006, S. 74). In dieser Evolutionsphase beschäftigen

sich zunächst ausschließlich Einzelpersonen mit CI-Aufgaben. Die Analysen und Recherchen

erfolgen ad-hoc und ohne fest zugeordnete Ressourcen, interne Kooperationsbereitschaft oder

klare Ziele (KITs) (vgl. Michaeli, 2006, S. 6). Folglich sind der Nutzen und die Akzeptanz der

CI im Unternehmen nur sehr gering.

Guerilla-CI: Auf dieser Stufe entstehen bereits erste Netzwerke. Die Recherchen erfolgen

zwar weiterhin ad-hoc, ermöglichen aber bereits den Austausch mit anderen Projekten. Die

CI-Aktivitäten sind weitgehend unstrukturiert, inoffiziell und wirken subversiv; meist „gegen


SEITE 69

etablierte Abteilungen (wie Marktforschung, Vorentwicklung)“ (Michaeli, 2006, S. 6). Der

zusätzliche Nutzen (vgl. Abbildung 4.1) gegenüber der ersten Stufe ergibt sich aus der Reali-

sierung von „Quick Wins“ (vgl. Michaeli, 2006, S. 6).

CI-Inseln: Werden Guerilla-CI-Netzwerke in verschiedenen Unternehmensbereichen etab-

liert, entwickeln sich dort sogenannte CI-Inseln. Bereiche, die solche Inseln beherbergen kön-

nen, sind z.B. „organisatorische Einheiten (z.B. F&E, Vertrieb) […], Produktgruppen oder

Regionen“ (Michaeli, 2006, S. 6). Die zuvor inoffiziellen Prozesse laufen nun öffentlich ab,

wodurch die Bekanntheit der CI im Unternehmen und der Nutzen dieser stark ansteigen.

CI-Center: Auf der obersten Stufe der CI-Evolutionsphasen versteht sich die CI als gleichbe-

rechtigte Unternehmensfunktion und koexistiert beispielsweise mit der Marketing- oder

Marktforschungsabteilung. Entsprechend hoch ist der administrative Aufwand, der mit der CI

verbunden wird, genau wie die Aufgabenfelder und der Nutzen, der allerdings nicht mehr so

stark ansteigt, wie das beim Übergang der anderen Evolutionsphasen der Fall war (vgl.

Michaeli, 2006, S. 6). Die Aufgaben der CI in dieser Phase sind nunmehr von entscheidender

Bedeutung für das Gesamtunternehmen und werden proaktiv, optimiert und umfassend be-

handelt (vgl. Romppel, 2006, S. 27).

Für den Anwendungsfall dieser Abreit gilt es, zuerst die Phase der Lonely CI-Stars zu errei-

chen. Hier stehen, wenn auch unkoordiniert, traditionelle Analysemethoden, die in der Regel

einfach umzusetzen und leicht verständlich sind (vgl. 3.6), im Vordergrund. Das wechselsei-

tige Aufeinandereinwirken von Entscheidern oder anderen Stakeholdern erfolgt zu Beginn

lediglich über ad-hoc Reportings und beschränkt sich auf reaktive (pull) Interaktionen (vgl.

Michaeli & Bill, 2006, S. 82).

Die mit den CI-Methoden beschäftigten Mitarbeiter arbeiten in Teilzeit – mehr ist nach Ein-

schätzung des Autors an der beobachteten Fakultät aus Zeit- und Kostengründen derzeit nicht

möglich. In der weiteren Entwicklung sollte aber angestrebt werden, die Aufgaben von Teil-

zeitspezialisten übernehmen zu lassen. Ein Vollzeit CI-Beauftragter hingegen ist nach Ansicht

des Autors auch in ferner Zukunft unrealistisch, da sich im öffentlichen Bereich nur schwer

Mittel für eine Tätigkeit ohne konkreten Projektbezug oder Lehrtätigkeit, bewilligen lassen.

Vielmehr sollte die Fakultät bestrebt sein, die ersten Schritte in die CI zu wagen. Ob später

eine intensivere Handhabung der CI-Aufgaben erforderlich ist, hängt von der Entwicklung

des Wettbewerbs und der Wettbewerbsfähigkeit der Fakultät ab. Dennoch ist es zunächst am

sinnvollsten, dass zur Erreichung der Optimierungspotenziale der Einsatz der CI auf eine Fa-

kultät beschränkt bleibt.


SEITE 70

In Zukunft sollte die CI als dedizierte Funktion aber angestrebt werden. Dies ist auf der Lone-

ly Star-Ebene noch nicht möglich (vgl. Michaeli & Bill, 2006, S. 82). Daher wird die Etablie-

rung der CI an der betrachteten Fakultät auf die Guerilla-CI hinauslaufen. Mit ihr lassen sich

schließlich HUMINT-Netzwerke – auch über die Fakultät hinaus – erschließen. Für CI-

Workshops wiederum, in denen Mitarbeiter geschult werden können, ist allerdings die Wei-

terentwicklung zur CI-Insel-Phase erforderlich.

Insgesamt zeigt sich, dass der Einsatz der CI zunächst beschränkt auf eine Fakultät zur Errei-

chung der Optimierungspotenziale am sinnvollsten ist. Auf dieser Ebene bleibt der Anwen-

dungsaufwand überschaubar und die Messung des Mehrwertes wird durch weitere Einfluss-

faktoren nicht zusätzlich erschwert.

Eine Einbettung der Methoden in andere Fakultäten stellt nach Auffassung des Autors kein

Problem dar, da die in dieser Arbeit verwendeten Szenarien – ohne dass dabei große Anpas-

sungen vorgenommen werden zu müssen – auf andere Fachbereiche und Fakultäten der TU

Dresden, aber auch auf andere Universitäten übertragbar sind. Es muss dennoch beispielswei-

se darauf geachtet werden, dass die Stakeholder und Cluster den unterschiedlichen Gegeben-

heiten entsprechen oder ggf. angepasst und aktualisiert werden müssen.

4.4 VORAUSSETZUNGEN FÜR DEN ERFOLG DER COMPETITIVE INTELLIGENCE

An dieser Stelle soll auf einige Grundvoraussetzungen, unter denen die Anwendung der Me-

thoden und die Competitive Intelligence selbst erfolgreich betrieben werden können, hinge-

wiesen werden. DELTL (2008) zufolge existieren verschiedene Erfolgsfaktoren, durch deren

Realisierung das voll Potenzial der CI ausgeschöpft werden kann. Er stellt heraus, dass zum

einen das Management (in diesem Fall die Leitung der Fakultät) besonders hinter dem Thema

CI stehen muss. Hierzu müssen klare Zuständigkeiten/Verantwortlichkeiten definiert werden,

ohne die nicht systematisch und strukturiert gearbeitet werden kann. Auf die Ermittlung der

Informationen, die bereits an der Fakultät existieren, aufbauend muss zuerst pragmatisch auf

operativer Ebene begonnen werden, um dann im zweiten Schritt die strategische Perspektive

in den Fokus nehmen zu können. Zwei Grundsätze, auf die die Etablierung der CI nach

DELTL (2008) fußt, sind KISS („Keep it Short and Simple“) und Start Small. Durch die Kon-

zentration auf geringe Informationsmengen können rasch Ergebnisse vorgewiesen werden.

Zusätzlich sollte die Fakultät bestrebt sein, eine unnötige Komplexität zu vermeiden, um das


SEITE 71

Verständnis der CI und ihre Vorteilhaftigkeit für jeden Teilnehmer transparent zu halten (vgl.

Deltl, 2008, S. 16).

Vergleichbare Erfolgsfaktoren existieren auch in den Werken von HERRING (2006), einem

Pionier im Bereich der Competitive Intelligence. Seine Zusammenstellung umfasst die Vor-

aussetzungen, die nach seiner Ansicht nach ein „world class CI program“ ausmachen. Auch er

hebt die Bedeutung eines „CI-savvy” Managements hervor und räumt ein, dass der jeweilige

CI-Zuständige unternehmensweit respektiert werden muss (vgl. Herring, 2006). Seiner An-

sicht nach sollte die Competitive Intelligence einen festen Bestandteil in der Unternehmens-

kultur einnehmen. Ohne die nötige Akzeptanz und das entsprechende Bewusstsein, ließe sich

die CI nicht erfolgreich umsetzen. Die CI in die Kultur oder Vision (vgl. 3.3) einer Fakultät

aufzunehmen ginge in dieser Betrachtung ganz sicher einen Schritt zu weit. Obwohl die

Competitive Intelligence an Hochschulen erst in den Kinderschuhen steckt, sollte dennoch

darauf geachtet werden, dass sie richtiggehend mit der Organisation verwoben ist (vgl. 4.3).

Ob dies gleich einen kulturellen Wandel bedingt, sei dahingestellt, denn schließlich geht es

zunächst nur darum, die Einsatzpotenziale der CI zu beleuchten.

Eine wesentliche Ergänzung zu den bereits identifizierten Erfolgsfaktoren liefert der Autor

mit der Hervorhebung der Bedürfnisse der Nutzer der CI und der Implementierung ethischer

und operationaler Richtlinien (vgl. Herring, 2006). Gemäß der in dieser Arbeit vorgenomme-

nen Definition der CI liegt ein wesentlicher Fokus bei der Anwendung der Methoden der CI

auf der ethischen Korrektheit des Vorgehens. Besonders die Tatsache, dass es sich bei der

betrachteten Fakultät um eine öffentliche Einrichtung handelt, macht die Formulierung gewis-

ser Grundlinien unabdingbar. Des Weiteren legt HERRING (2006) besonderen Wert auf die

proaktive Nutzung primärer und sekundärer Quellen (inkl. HUMINT), die auch bei Anwen-

dung der CI an einer Fakultät von besonderer Bedeutung sind und die neben allen anderen

Ressourcen in ausreichender Quantität vorhanden sein müssen. Der Autor schließt sogenannte

Counter-Intelligence Aktivitäten nicht aus.

KAPITEL 5: DISKUSSION DER ERGEBNISSE UND FORSCHUNGSFRAGEN

SEITE 72

5 DISKUSSION DER ERGEBNISSE UND FORSCHUNGS-FRAGEN

Zitat: „Erfolg ist das Ergebnis, er darf nicht das Ziel sein.“

GUSTAVE FLAUBERT, (1821 - 1880)

Im Anschluss sollen nun die eingangs gestellten Forschungsfragen (vgl. Kapitel 1.4) zusam-

menfassend beantwortet werden:

Welche Stakeholder existieren an einer Universität insbesondere an einer Fakultät: Im Rah-

men dieser Arbeit konnten mithilfe verschiedener Brainstormings insgesamt 39 (vgl. Anhang

2 bis 4) unterschiedliche, sich teilweise überschneidende Anspruchsgruppen oder -individuen

identifiziert werden (vgl. Kapitel 2.3). Diese wurden z.T. in Anlehnung an klassische Stake-

holder aus dem unternehmerischen Umfeld aber ebenso gänzlich neu aus den Organisations-

strukturen der Technischen Universität Dresden und ihrer Fakultät der Wirtschaftswissen-

schaften ermittelt. Probleme ergaben sich hier u.a. bei der Einordnung der ermittelten Stake-

holder in die gegebenen Schemata. Da die Untersuchung der Stakeholder einer Fakultät in der

Literatur aktuell noch nicht sonderlich vertieft wurde, galt es bei der Beantwortung dieser

ersten Forschungsfrage, weitgehendes Neuland zu betreten. Trotz der Verwendung von Mo-

dellen aus der Wirtschaft hegt die in dieser Arbeit entwickelte Zusammenstellung keinen

Anspruch an Vollständigkeit.

Welche Stakeholder-Cluster lassen sich entwickeln: Nachdem unterschiedliche Herange-

hensweisen zum Clustering vorgestellt, durchgeführt und ausgewählt wurden (vgl. Kapitel

2.4, 2.6), konnte über quantitative und qualitative Bewertungsmethoden eine Dimensionie-

rung der Stakeholder bzw. Leistungen und Produkte der Fakultät und eine Unterteilung dieser

vorgenommen werden. Schlussendlich konnte so eine Identifikation besonders (im Hinblick

auf die Verbesserungsmöglichkeiten durch die Methoden der Competitive Intelligence in Be-

zug auf die Entscheidungsentwicklung der betrachteten Fakultät) lohnenswerter Cluster

durchgeführt werden (vgl. Kapitel 2.5). Als problematisch erwies dabei sich zum einen die

Quantifizierung bzw. Qualifizierung der verschiedenen Kriterien, die u.a. zum Clustering im

Rahmen der Stakeholder Analysis herangezogen wurden. Zum anderen galt es stets, die ge-

wählten Einordnungen möglichst fundiert darzulegen, um die Verständlichkeit der Entschei-

dungen zu gewährleisten. Ein weiterer „Knackpunkt“ lag in der Tatsache, dass viele der Da-

ten, die herangezogen wurden aus äußerst heterogenen Quellen stammen und teilweise nur in


SEITE 73

Form von Schätzwerten vorlagen. Ebenso sind die Ergebnisse zeitlich stark veränderlich und

müssen bei Fortführung der Forschung stets aktualisiert werden. Zuletzt sei erwähnt, dass die

vorgenommene Betrachtung lediglich einen Ausschnitt bietet, der aufgrund der Komplexität

der Einordnungen vom Autor stark eingeschränkt werden musste.

Wo existieren Informationsdefizite an Universitäten: Grundsätzlich konnte im Rahmen dieser

Arbeit nachgewiesen werden, dass sich für bestimmte Anwendungsszenarien allgemeine Op-

timierungsansätze im Informationsmanagement und der Entscheidungsfindung ausmachen

lassen (vgl. 3.4.3). Besonders kritisch sind derzeit die Zusammenarbeit einzelner Teile der

Universität oder mit externen (regionalen und überregionalen) Kooperationspartnern sowie

das Ungleichgewicht zwischen Studierenden- und Professorenzahl zu betrachten (vgl. 3.4).

Hier standen eher allgemeine Informationsdefizite im Vordergrund, denn aufgrund der Komp-

lexität der Wechselwirkungen der einzelnen Fakultätsstakeholder wäre eine Vielzahl weiterer

Ansatzpunkte zu identifizieren gewesen.

Welches Verbesserungspotenzial in Bezug auf die Entscheidungsentwicklung und Gewinnung

sowie Verteilung von Informationen ist identifizierbar und wie kann dies messbar gemacht

werden: Die Potenziale, die sich durch die Anwendung der Methoden der Competitive Intel-

ligence realisieren lassen, sind zumeist intangibler Natur. Mit unterschiedlichen Analyseme-

thoden lassen sich u. a. Wettbewerbsstrategien entwickeln, Risiken bewerten, unternehmeri-

sche Chancen identifizieren aber auch vorhandene Daten explorieren und fehlende ergänzen

etc. (vgl. 3.6.1). Der Grad der Realisierung solcher Potenziale hängt dabei stark vom Anwen-

der und den eingesetzten Ressourcen ab (vgl. 3.5).

Grundsätzlich lässt sich der Mehrwert, der aus den Verbesserungspotenzialen ableitbar ist,

nur schwer messen. Auch hier besteht das Problem, dass sich das Potenzial und das Plus der

Methoden der CI nur schwer quantifizieren lassen. Zwar existieren in der Literatur mit dem

ROCII etc. bereits unterschiedliche Ansätze, mit denen der Wert der „Intelligence“ bemessen

werden kann, jedoch haftet ihnen in der Regel ein hohes Maß an Subjektivität an. Weil den

Messungen allesamt qualitative und weniger quantitative Bewertungsansätze zugrunde liegen,

werden sie oft als unzuverlässig erachtet (vgl. 3.5). Ein tiefergehender Exkurs in diese Rich-

tung musste im Hinblick auf den Umfang der vorliegenden Arbeit entfallen, sollte aber bei

Fortführung der Forschung dringend aufgegriffen werden.

Welche Potenziale lassen sich mit den Methoden der Competitive Intelligence realisieren:

Konkrete Potenziale durch die Anwendung der CI an der Fakultät Wirtschaftwissenschaften

der TU Dresden wurden in der Arbeit in Form unterschiedlicher Anwendungsszenarien darge-


SEITE 74

legt, die in ihrer Summe die Entwicklung eines Katalogs verschiedener Methoden und ihrer

Anwendungsbereiche ermöglichte (vgl. 4.2). Das Erreichen dieser Potenziale hängt im We-

sentlichen davon ab, in welcher Art und Weise die CI in die vorhandenen Organisationsstruk-

turen eingebettet wird (vgl. 4.3) und ob grundlegende Erfolgskriterien (vgl. 4.4) beachtet und

eingehalten werden. Obwohl das gewählte Stakeholdercluster und die Beschränkung der Be-

trachtung auf einige wenige Methoden der Competitive Intelligence (vgl. Tabelle 4.1) eine

Reduktion möglicher Untersuchungsszenarien bedeutet, zeigen die Ergebnisse, dass der Ein-

satz der CI im Fakultätsumfeld Potenziale hat.

Zur Festigung der in dieser Arbeit entwickelten Szenarien bedarf es schlussendlich der An-

wendung und Durchsetzung der Competitive Intelligence an der Fakultät oder an einer ver-

gleichbaren Bildungseinrichtung. Insgesamt ist zu konstatieren, dass dank der allgemeinen

Beispiele, anhand derer die im Rahmen dieser Arbeit erläuterten Zusammenhänge verdeutlich

wurden, davon auszugehen ist, dass die Erkenntnisse auch auf andere Teile der Universität

oder fremde Fakultäten übertragen werden können (vgl. 4.3).

KAPITEL 6: FAZIT UND AUSBLICK

SEITE 75

6 FAZIT UND AUSBLICK

Zitat: „Es soll nicht genügen, dass man Schritte tue, die einst zum Ziele führen, sondern jeder

Schritt soll Ziel sein und als Ziel gelten.“

JOHANN WOLFGANG VON GOETHE, (1749 - 1832)

Rückblickend auf die Beobachtung, nach der sich deutsche Hochschulen einem zunehmenden

Wettbewerb, der die Verfolgung nachhaltiger Konkurrenzanalysen immer notwendiger macht,

ausgesetzt sehen, wurde in der vorliegenden Arbeit zunächst das Stakeholdermanagement an

einer ausgewählten Fakultät untersucht. Nach der Definition grundlegender Begrifflichkeiten,

erfolgte eine Übertragung des Stakeholderansatzes auf die Fakultät Wirtschaftswissenschaften

der Technischen Universität Dresden. Dabei wurde zunächst ein umfassendes Bild der Stake-

holderlandschaft der Fakultät entwickelt, auf die im Anschluss verschiedene Clusteringansät-

ze zur Anwendung kamen. Ergebnis dieses Vorgehens waren zwei Gruppen, in deren Foki

sich zum einen konkrete Stakeholder und zum anderen Leistungen bzw. Produkte der Fakultät

befanden.

Auf diese Ergebnisse aufbauend rückte im Folgenden die Competitive Intelligence in den

Vordergrund. Eingangs wurden in einem Grundlagenkapitel wiederum die wesentlichen Be-

grifflichkeiten, Ziele und Aufgaben der CI umrissen. Daraufhin fand eine Identifikation von

Informationsdefiziten und somit von Ansatzpunkten der CI am konkreten Anwendungsfall

statt. Nachdem so die allgemeine Anwendbarkeit der CI aufgedeckt wurde, erfolgte die Ein-

führung in einige Methoden der Competitive Intelligence. Neben ausgesuchten Analyseme-

thoden fanden dort ebenso Rechercheansätze Einzug in die Betrachtungen. Weitere Teile des

CI-Zyklus wurden außen vor gelassen.

Der Fokus der Arbeit lag dabei vielmehr auf der Prüfung der Übertragbarkeit des Competitive

Intelligence-Ansatzes und damit des Optimierungspotenzials auf Seiten der Fakultät als auf

der Ausarbeitung eines konkreten CI-Programmes für den gewählten Anwendungsfall. Ent-

sprechend allgemein gehalten wurden die beschriebenen Anwendungsfälle, die zur Unter-

mauerung einzelner Annahmen und der Einsatzpotenziale der Methoden der CI herangezogen

wurden. Die entwickelte Übersicht ermöglicht dabei lediglich einen Einblick in Anwendungs-

szenarien der CI und der dort erzielbaren Verbesserungspotenziale (im Hinblick auf die Ent-

scheidungsfindung an der beobachteten Fakultät) und bezeugt, dass die Anwendung der CI

grundlegend sinnvoll ist. Zur Untermauerung dieser Vorteilhaftigkeit, standen in der Folge

KAPITEL 6: FAZIT UND AUSBLICK

SEITE 76

einige Kriterienkataloge und Messmodelle im Vordergrund, die Ausdruck darüber geben soll-

ten, welche konkreten Mehrwerte von der CI an der Fakultät zu erwarten sind. Dabei stellte

sich heraus, dass die quantitative Bewertung der Mehrwerte aufgrund der Immaterialität der

Outputs der CI mit herkömmlichen Methoden nur schwer durchführbar ist. Die Identifikation

des qualitativen, durch CI erzeugten Nutzens stellt daher eine besondere Herausforderung für

die Messung des Mehrwertes und demzufolge des Optimierungspotenzials der Methoden der

CI dar und sollte entsprechend in die weiterführende Forschung aufgenommen werden.

Im darauffolgenden Kapitel konnten dann die Ergebnisse der vorangegangen Abschnitte zur

Konzeption eines Methodenkatalogs, in dem ausgewählte Ansätze der CI auf ihre Anwend-

barkeit bezüglich unterschiedlicher Cluster untersucht wurden, zusammengefasst werden. Ein

neuerlicher Bezug zum Anwendungsfall fand dabei mit der Betrachtung der Einbettungsmög-

lichkeiten der CI-Methoden in Organisations- und Entscheidungsstrukturen der Fakultät satt.

In diesem Abschnitt wurden mögliche Ansätze vorgestellt, über die die CI – derzeit noch

nicht im Einsatz an der beobachteten Fakultät – in die vorhandenen Strukturen eingepasst

werden kann. Es zeigte sich, dass zur Erreichung der Optimierungspotenziale an der Fakultät

idealerweise die Guerilla-CI zur Anwendung kommen sollte. Zum Abschluss dieses Kapitels

erfolgte zusätzlich eine Zusammenstellung wesentlicher Voraussetzungen für den Erfolg der

Competitive Intelligence; im Allgemeinen und auf den Anwendungsfall bezogen.

Zusammenfassend wurde in der vorliegenden Arbeit auf der theoretischen Ebene untersucht,

inwieweit die Methoden der Competitive Intelligence einen Einfluss auf den Erfolg des In-

formationsmanagements einer Fakultät haben. Im Ergebnis kann festgehalten werden, dass

die Anwendung der Methoden grundsätzlich als vorteilhaft angesehen werden kann, ihr Ein-

satz sich aber oft gewissen Barrieren ausgesetzt sieht. Sollte sich der Wettbewerb um Studen-

ten und Mittel etc. weiterhin forcieren, wird in naher Zukunft der Einsatz der Competitive

Intelligence nicht nur auf das Unternehmensumfeld beschränkt bleiben dürfen. Dasjenige „öf-

fentliche Unternehmen“, welches rechtzeitig die Vorteile der Methoden für sich entdeckt und

nutzbar macht, wird dem Konkurrenzkampf besser entgegnen können.

Weiterer Forschungsbedarf wurde dort ausgemacht, wo die Ergebnisse dieser Arbeit empi-

risch zu untermauern sind. Ebenfalls von hohem Interesse wird dann die Reaktion der Wett-

bewerber sein. Ob und wie die Einsatzpotenziale der CI realisiert werden können, wenn die

Disziplin nachhaltig etabliert werden konnte oder ob sich gänzlich andere Anwendungsberei-

che ausmachen lassen, kann nur die praktische Anwendung zeigen. Zudem sollte untersucht

werden, wie der Einstieg in die CI überhaupt bewerkstelligt und erleichtert werden kann.

LITERATURVERZEICHNIS

SEITE VII

LITERATUR

ALTENSEN, A. (2003). Stellenwert und Verbreitung von Competitive Intelligence in Deutschland und im deutschsprachigen Raum. Gießen: FH Gießen-Friedberg, Fachbereich Wirtschaft.

ALTENSEN, A. & PFAFF, D. (2006). Fachhochschule Gießen-Friedberg: Ergebnisse einer bundesweiten Studie zur Competitive Intelligence. In R. Michaeli (Hrsg.), Competitive Intelligence (S. 60-81). Berlin: Springer Verlag.

ANSOFF, H. I. (1965). Checklist for Competitive and Competence Profiles. Corporate Strategy (pp 98-99). New York: McGraw-Hill.

BAUSCH, A. (2006). Branchen- und Wettbewerbsanalyse im strategischen Management. In D. Hahn, B. Taylor (Hrsg.), Strategische Unternehmungsplanung - Strategische Unternehmungsführung (S. 195-214). Ber-lin: Springer Verlag.

BMBF. (2009a). Hochschulen. http://www.bmbf.de/de/6574.php?V=list [30.03.2009], 2009.

BMBF. (2009b). Der Bologna-Prozess. http://www.bmbf.de/de/3336.php [30.03.2009], 2009.

BMBF. (2009c). Exzellenzinitiative zur Förderung der Hochschulen. http://www.bmbf.de/de/1321.php [30.03.2009], 2007.

BRANDT, H. (2009). Hochschulreform - Schachern statt Lernen. http://www.faz.net/s/RubC3FFBF288EDC421F93E22EFA74003C4D/Doc~EFAC99CA59BE7497D9F7E5ECCB6A4361F~ATpl~Ecommon~Sspezial.html [10.04.2009], 2009.

BREITBACH, M. (2007). Hochschulfinanzierung: Spitze statt Breite? – Eine Analyse. Forschung und Lehre, 12 (14), S. 736-739.

BRUGGER, P., SCHARFE, S. & STROH, A. (2008). Hochschulen auf einen Blick. Wiesbaden: Statistisches Bun-desamt.

BRUHN, M. (2007). Dienstleistungsmarketing und marktorientierte Unternehmensführung an Universitäten . In K. Siebenhaar (Hrsg.), Master your Service! – Die Universität als Dienstleister – 1. Forum Hoch-schulmarketing der Freien Universität Berlin, 12, S. 13-36). Berlin: Vistas Verlag.

BULMAN, A. (2007). Mehrwert durch mehr Wert: Nachhaltiger Unternehmenserfolg durch Investitionen in Cor-porate Social Responsibility. Bremen: Salzwasser-Verlag.

CARRO, E. (2009). On Prioritising Your Stakeholders (Simple). http://onprojects.net/2007/12/17/information-requirements-stakeholder-analysis-management [28.02.2009], 2007.

CERFF, G. (2009). Tarifrecht öffentlicher Dienst (TVöD - TV-L ): Bund, Kommunen, Länder, TV-Ärzte. Mün-chen: Deutscher Taschenbuch Verlag.

CLAASSEN, M. A. (2007). Notwendigkeit und Instrumente der Competitive Intelligence in Abgrenzung zur Wirt-schaftsspionage. Norderstedt: Grin Verlag.

DAVISON, L. (2001). Measuring Competitive Intelligence Effectiveness: Insights from the Advertising Industry. Competitive Intelligence Review, 12 (4), pp. 25-38.

DCIF. (2008). DCIF/SCIP-Award: Bisherige Gewinner. http://www.dcif.de/dcif-scip-award-bisherige-gewinner.html [30.03.2009], 2008.

DCIF. (2007). ReQueSt 2007. http://www.dcif.de/request-2007.html [30.03.2009], 2007.

DEISSNER, D. (2008). Ost-Unis kämpfen um Studenten aus dem Westen. http://www.welt.de/politik/article2581732/Ost-Unis-kaempfen-um-Studenten-aus-dem-Westen.html [30.03.2009], 2007.

DELTL, J. (2008). Competitive Intelligence: Der Konkurrenz voraus. http://www.brainguide.de/data/publications/PDF/pub5009.pdf [30.03.2009], 2007.

DELTL, J. (2004). Strategische Wettbewerbsbeobachtung. Wiesbaden: Gabler Verlag.


SEITE VIII

FACHHOCHSCHULE AUGSBURG. (2009). Fernuniversitäten und Internetstudiengänge deutschsprachiger Raum. http://www.hs-augsburg.de/informatik/projekte/mebib/fidb/ausbildung/elearning/fernuni_nat.html [30.03.2009], 2007.

FLEISHER, C. S. & BENSOUSSAN, B. E. (2007). Business and Competitive Analysis: Effective Application of New and Classic Methods. New Jersey: FT Press.

FREEMAN, R. E. (1984). Strategic Management: A Stakeholder Approach. Boston: Pitman.

FREEMAN, R. E. & EVAN, W. M. (1993). A stakeholder theory of the modern corporation: Katian capitalism. In T. Donaldson & P. H. Werhane (Eds.), Ethical Issues in Business (pp. 166-271). Englewood Cliffs, New Jersey: Prentice-Hall.

FREEMAN, R. E. & REED, D. L. (1983). Stockholders and Stakeholders: A New Perspective on Corporate Go-vernance. California Management Review, 25 (3), S.88-106.

FREIBICHLER, W. (2006). Competitive Manufacturing Intelligence - Systematische Wettbewerbsanalyse zur Entscheidungsunterstützung im strategischen Produktionsmanagement der Automobilindustrie. Wies-baden: Deutscher Universitäts-Verlag.

GILAD, B. (2004). Early Warning. New York: McGraw-Hill Professional.

GOLDER, B. & GAWLER, M. (2005). Cross-Cutting Tool – Stakeholder Analysis. Resources for Implementing the WWF Standards, pp. 1-6.

GROßKLAUS, R. H. (2008). Neue Produkte einführen - Von der Idee zum Markterfolg. Wiesbaden: Gabler Ver-lag.

HAMMER, B. (2008). Haltet sie. UniSpiegel, 5, S. 16.

HANNULA, M. & PIRTTIMÄKI, V. (2003). Business Intelligence - Empirical Study on the top 50 Finnish Com-panies. Journal of American Academy of Business, 2 (2), pp. 593-599.

HEINRICH, L. J. & LEHNER, F. (2005). Informationsmanagement: Planung, Überwachung und Steuerung der Informationsinfrastruktur. München: Oldenbourg Wissenschaftsverlag.

HERRING, J. P. (1996). Measuring the Effectiveness of Competitive Intelligence: Assessing & Communicating CI's Value to Your Organization. Alexandria: Society of Competitive Intelligence Professionals.

HERRING, J. P. (2006). World-Class Intelligence Programs. Competitive Intelligence Magazine, 9 (3), pp. 20-25.

HERRMANN, W. A. (1999). Handwerk, Wissenschaft und Technik – gemeinsam ins nächste Jahrtausend. Mün-chen: Landreises Kelheim.

HINTERHUBER, H. H., HANDLBAUER, G. & MATZLER, K. (2003). Kundenzufriedenheit durch Kernkompeten-zen. München: Gabler Verlag.

HORTON, F. W. (1981). Information resources management: IRM made simple. Washington: Information Ma-nagement Press.

HUNGENBERG, H. (2004). Strategisches Management in Unternehmen: Ziele - Prozesse - Verfahren. Wiesba-den: Gabler Verlag.

JACKSON, R. R. & WANG, P. (1994). Strategic Database Marketing. Chicago: McGraw-Hill Contemporary.

JOHNSON-CRAMER, M. & BERMAN, S. (2006). A Dynamic Model of Stakeholder Management. Leavey School of Business Working Papers, WP06/07-04. Lewisburg: Bucknell University.

JONES, T. M. & WICKS, A. C. (1999). Convergent stakeholder theory. Academy of Management Review, 24, pp. 206-221.

KAHANER, L. (1996). Competitive Intelligence: How to Gather Analyze and Use Information to Move Your Business to the Top: From Black Ops to Boardroom. New York: Touchstone.

KARMAN, A. (2007). Vision 2020 der Fakultät Wirtschaftswissenschaften an der TU Dresden. Unveröffentlich-tes internes Strategiepapier als Vorlage für die Universitätsentwicklung. Dresden: TU Dresden.

KARMASIN, M. (2007). Stakeholdermanagement als Grundlage der Unternehmenskommunikation. In M. Piwin-ger & A. Zerfaß (Hrsg.), Handbuch Unternehmenskommunikation (S. 71-88). Wiesbaden: Gabler Ver-lag.


SEITE IX

KARMASIN, M. (2006a). Stakeholdermanagement als Kontext von Medienmanagement. In K.-D. Altmeppen (Hrsg.), Anwendungsfelder der Medienökonomie (S. 61-88). Wiesbaden: VS Verlag für Sozialwissen-schaften.

KEMPER, H.-G., MEHANNA, W. & UNGER, C. (2004). Business Intelligence - Grundlagen und praktische An-wendungen. Wiesbaden: Friedr. Vieweg & Sohn Verlag.

KERNS, C. D. (2008). The Trybaby Syndrome - Identifying and breaking out of this performance challenge. Graziadio Business Report, 2 (11).

KRCMAR, H. (2006). Informationsmanagement. Berlin: Springer Verlag.

KUNZE, C. W. (2000). Competitive Intelligence - Ein ressourcenorientierter Ansatz strategischer Frühaufklä-rung. Aachen: Shaker Verlag.

LEINEMANN, C. (2001). Informationslogistik - Qualität im Fokus. In W. Deiters (Hrsg.), Report Informationslo-gistik – Informationen just-in-time (S. 13-34). Düsseldorf: Symposion Publishing.

LUNAU, S., MOLLENHAUER, J.-P., STAUDTER, C., MERAN, R., HAMALIDES, A., ROENPAGE, O., ET AL. (2007). Design für Six Sigma+Lean Toolset: Innovationen erfolgreich umsetzen. Berlin: Springer Verlag.

LUX, C. & PESKE, T. (2002). Competitive Intelligence und Wirtschaftsspionage. Analyse, Praxis, Strategie. Wiesbaden: Gabler Verlag.

MARTELL, J. (2009). Competitive Intelligence: Tactical, Operational & Strategic Analysis of Markets, Competi-tors & Industries. http://competitiveintelligence.ning.com/group/software/forum/topics/difference-between-business [30.03.2009], 2009.

MATZLER, K., RENZL, B. & HINTERHUBER, A. (2004). Internationale Wettbewerbsanalyse - Bedeutung für exportorientierte Unternehemen. In J. Zentes, D. Morschett & H. Schramm-Klein (Hrsg.), Außenhandel (S. 281-308). Wiesbaden: Gabler Verlag.

MAUTH, R. (2004). Kommunikationsmanagement. Der Weg zum Kunden führt über Ihre Mitarbeiter. http://www.business-wissen.de/personal/personalentwicklung/fachartikel/kommunikationsmanagement-der-weg-zum-kunden-fuehrt-ueber-ihre-mitarbeiter.html [30.03.2009], 2004.

MCGONAGLE, J. J. & VELLA, C. M. (2003). The Manager's Guide To Competitive Intelligence. Westport: Prae-ger Publishers.

MICHAELI, R. (2009). Competitive Intelligence Studiengänge. http://competitive-intelligence.com/ressourcen/86-studienge.html [30.03.2009] (nur für geschlossene Benutzergruppe zu-gänglich), 2009.

MICHAELI, R. (2006). Competitive Intelligence: Strategische Wettbewerbsvorteile erzielen durch systematische Konkurrenz-, Markt- und Technologieanalysen. Heidelberg: Springer.

MICHAELI, R. & BILL, T. (2006). Competitive-Intelligence-Evolutionsphasen in der Praxis. In S. Strahringer (Hrsg.). HMD – Praxis der Wirtschaftsinformatik , 247, S. 74-83. Heidelberg: dpunkt Verlag.

MICHAELI, R. & BILL, T. (2002). Corporate Intelligence und Balanced Scorecard. In U. Hannig (Hrsg.), Know-ledge Management und Business Intelligence (S. 335-346). Berlin: Springer Verlag.

MICHEL, K.-U. (2007). Wissenschaftstheoretisches Vorgehen zur Anfertigung einer schriftlichen, wissenschaftli-chen Arbeit am Lehrstuhl für Informationsmanagement. Unveröffentlichtes Manuskript. Dresden: TU Dresden.

MÜLLER-BÖLING, D. (2006). Hochschule und Profil – zwischen Humboldt und Markt? In Hochschulrektoren-konferenz (Hrsg.). Von der Qualitätssicherung der Lehre zur Qualitätsentwicklung als Prinzip der Hochschulsteuerung, 1/06 (1), (S. 15-23). Bonn: Hochschulrektorenkonferenz.

MÜLLER-BÖLING, D. (2002). Reaktionen auf die 12 Thesen. Die Hochschule, 2/02, S. 16-21.

NEURATH, O. (1931). Soziologie im Physikalismus. Erkenntnis, 2 (1), S. 393-431.

NICKEL, S. (2008). Qualitätsmanagementsysteme an Universitäten und Fachhochschulen: Ein kritischer Über-blick. Beiträge zur Hochschulforschung, 1, S. 16-39.

ORTMANN, G., SYDOW, J. & TÜRK, K. (2000). Theorien der Organisation: Die Rückkehr der Gesellschaft. Wiesbaden: Westdeutscher Verlag.


SEITE X

PASTOWSKI, S. (2003). Der Markt für Hochschulleistungen – Implikationen für das Qualitätsmanagement aus Sicht des Stakeholder-Ansatzes. In S. Fließ (Hrsg.), Messung der Dienstleistungsqualität in komplexen Marktstrukturen (S. 139-166). Wiesbaden: Gabler Verlag.

PASTOWSKI, S. (2004). Messung der Dienstleistungsqualität in komplexen Marktstrukturen. Wiesbaden: Gabler Verlag.

PFAFF, D. (2005). Competitive Intelligence in der Praxis. Mit Informationen über Ihre Wettbewerber auf der Überholspur. Frankfurt/M: Campus-Verlag.

PFAFF, D. (2004). Praxishandbuch Marketing - Grundlagen und Instrumente. Frankfurt: Campus Verlag.

PHILIPS, R. (2003). Stakeholder Theory and Organizational Ethics. San Fransisco: Berrett-Koehler Publishers.

PIRTTIMÄKI, V., LÖNNQVIST, A. & KARJALUOTO, A. (2006). Measurement of Business Intelligence in a Fin-nish Telecommunications Company. Electronic Journal of Knowledge Management, 4 (1), pp. 83-90.

PORTER, M. E. (1980). Competitive-Strategy: Techniques for Analyzing Industries and Competitor. New York: The Free Press.

POST, J. E., PRESTON, L. & SACHS, S. (2002). Redefining the Corporation – Stakeholder Management and Organizational Wealth. Stanford: Stanford University Press.

PREGLAU, M. (2002). Die Austreibung der Humboldt’schen Universitätsidee. Innsbruck: Universität Innsbruck.

RIEDEL, F. & WICHARDT, P. (2007). Mathematik für Ökonomen. Heidelberg: Springer Verlag.

RIEMPP, G. (2004). Integrierte Wissensmanagement-Systeme. Berlin: Springer Verlag.

ROMPPEL, A. (2006). Competitive Intelligence: Konkurrenzanalyse als Navigationssystem im Wettbewerb. Ber-lin: Cornelsen Verlag.

SACHS, S., RÜHLI, E. & KERN, I. (2007). Lizenz zum Managen – Mit Stakeholdern zum Erfolg: Herausforde-rungen und Good Practices. Bern: Haupt Verlag.

SCHÄFER, T. F. (2008). Stakeholderorientiertes Integrationsmanagement bei Fusionen und Akquisitionen. Wiesbaden: Gabler Verlag.

SCHMID, B. F. & LYCZEK, B. (2008). Die Rolle der Kommunikation in der Wertschöpfung der Unternehmung. In M. Meckel & B. F. Schmid (Hrsg.), Unternehmenskommunikation: Kommunikationsmanagement aus Sicht der Unternehmensführung (S. 3-148). Wiesbaden: Gabler Verlag.

SCHOOP, E. (2009). Profil - Lehrstuhl für Wirtschaftsinformatik insbes. Informationsmanagement. Unveröffent-lichtes internes Strategiepapier. Dresden: TU Dresden.

SCIP. (2009). About SCIP. http://www.scip.org/content.cfm?itemnumber=2214&navItemNumber=492 [30.03.2009], 2009.

STAHLKNECHT, P. & HASENKAMP, U. (2005). Einführung in die Wirtschaftsinformatik. Berlin: Springer Verlag.

STARIK, M. (1995). Should trees have managerial standing? Toward stakeholder status for non-human nature. Journal of Business Ethics, 3, pp. 207-217.

STATISTISCHES BUNDESAMT. (2008a). Deutschland 2008 - Statistische Daten zu Deutschland. http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/Content/Publikationen/Broschueren/Deutschland2008,property=file.pdf [30.03.2009], 2008.

STATISTISCHES BUNDESAMT. (2008d). Hochschulen auf einen Blick. Wiesbaden: Statistisches Bundesamt.

STATISTISCHES BUNDESAMT. (2008b). Nichtmonetäre hochschulstatistische Kennzahlen - Fachserie 11 Reihe 4.3.1 - 1980 - 2007. https://www-ec.destatis.de/csp/shop/sfg/bpm.html.cms.cBroker.cls?cmspath=struktur,vollanzeige.csp&ID=1023300 [30.03.2009], 2008.

STATISTISCHES BUNDESAMT. (2008c). Statistisches Jahrbuch 2008 für die Bundesrepublik Deutschland. Wies-baden: Statistisches Bundesamt.

STURA DRESDEN. (2009). Studentenrat. http://www.stura.tu-dresden.de/studentenrat [30.03.2009], 2009.

THE NUTRASWEET COMPANY. (2009). NutraSweet Overview and Company Profile. http://www.nutrasweet.com/company.asp [30.03.2009], 2009.


SEITE XI

TU DRESDEN. (2009). Daten und Fakten 2008/2009. Dresden: TU Dresden.

TU DRESDEN. (2009a). Fakultät Wirtschaftswissenschaften. www.tu-dresden.de/wiwi/index.php [30.03.2009], 2009.

TU DRESDEN. (2009b). Lehrstühle und Professuren. http://www.tu-dresden.de/wiwi/index.php?id=4&open=4 [30.03.2009], 2009.

TU DRESDEN. (2009c). Portrait. http://tu-dresden.de/die_tu_dresden/portrait [30.03.2009], 2009.

TU DRESDEN. (2009e). SOKRATES Programm. http://www.tu-dresden.de/wiwi/index.php?id=135 [30.03.2009], 2009.

TU DRESDEN. (2009d). Zahlen und Fakten zur TU Dresden. http://tu-dresden.de/die_tu_dresden/portrait/zahlen_und_fakten [30.03.2009], 2009.

TU DRESDEN. (2009f). Zentrale Austauschprogramme der TU Dresden. http://tu-dresden.de/internationales/deutschstud/tudprogramme/zentraleaustausch [30.03.2009], 2009.

USPS. (2006). Supplying Principles and Practices (SPP). http://www.usps.com/cpim/ftp/manuals/pm/spp.pdf [30.03.2009], 2006.

WENTGES, P. (2002). Corporate Governance und Stakeholder-Ansatz: Implikationen für die betriebliche Fi-nanzwirtschaft. Wiesbaden: Deutscher Universitäts-Verlag.

GLOSSAR

SEITE XII

GLOSSAR

ANSOFF-MATRIX: Die Ansoff-Matrix (auch Produkt-Markt-Matrix) nach Harry Igor Ansoff betrachtet Potenzia-le und Risiken möglicher Produkt-Markt-Kombinationen und ist ein Werkzeug zur strategischen Wach-stumsplanung: S. 51.

BENCHMARKING ANALYSIS: Die Benchmarking Analysis ermöglich einer Unternehmung, die Schlüsselfaktoren einer anderen Instanz (Produkt, Kampagne, Strategie, Prozess etc.) zu bestimmen, um daraus Rück-schlüsse für die Verbesserung der eigenen Anwendung zu ziehen. Bei erfolgreicher Anwendung bildet die Methode eine Grundlage für Wettbewerbsvorteile, reduzierte Kosten oder eine erhöhte Produktivität sein: S. 57f.

BEST PRACTICE: Best Practice, frei übersetzt Erfolgsrezept oder Erfolgsmethode, beschreibt Aktivitäten, Pro-zesse, Vorgehensweisen, Techniken und Methoden, die sich als effektiver als jede andere Technik, Me-thode etc. zur Erreichung eines bestimmten Ergebnisses erweisen und deshalb oft als Muster verwendet werden können: S. 1.

BOLOGNA-PROZESS: Der sogenannte Bologna-Prozess beschreibt ein Bestreben in der europäischen Bildungs-politik mit dem Ziel der Entwicklung einer einheitlichen europäischen Hochschullandschaft mit stan-dardisierten akademischen Abschlüssen und vergleichbaren Qualitätsstandards in Europa bis zum Jahr 2010. Er beruht auf einer im italienischen Bologna von 29 europäischen Bildungsministern verabschie-deten aber völkerrechtlich nicht bindenden Erklärung: S. 2.

BLIND SPOT: Blind Spots sind Bereiche im Umfeld, denen keine oder eine zu geringe Beachtung geschenkt wird, was sich unter Umständen als negativ für den Betrachter auswirken kann: S. 50, 64.

BRAINSTORMING: Ein Brainstorming ist eine Kreativitätstechnik zur Ideenentwicklung, die vorwiegend in Gruppen zur Anwendung kommt: S. 14, 72.

BRAINWRITING: Ein Brainwriting ist eine Kreativitätstechnik zur Ideenentwicklung, die vorwiegend in Gruppen zur Anwendung kommt und eine Abart des Brainstormings darstellt. Anders als beim Brainstorming sammelt hier jeder Teilnehmer Ideen und hält diese schriftlich fest: S. 14.

BSC: Die Balanced Scorecard (BSC) ist ein Konzept, mit dem Ergebnisse aus Messungen von Unternehmensak-tivitäten im Hinblick auf Vision und Strategie dokumentiert werden können. Es verschafft Führungs-kräften einen Einblick in die Effektivität und Leistungsfähigkeit der Organisation: S. 6.

BUSINESS INTELLIGENCE: Business Intelligence umfasst Fähigkeiten, Technologien, Anwendungen und Verfah-ren, die einer Unternehmung ein besseres Verständnis der Daten zum eigenen Unternehmen, zum Wett-bewerb oder zu Marktentwicklungen liefern. Die Grundlage dafür bildet die systematische Analyse (Sammlung, Auswertung und Darstellung) von Daten in elektronischer Form: S. 5f BUSINESS PER-FORMANCE MANAGEMENT.

BUSINESS MODEL ANALYSIS: Die Business Model Analysis liefert die Werkzeuge, die zur Quantifizierung der Stärken eines Geschäftsmodells erforderlich sind: S. 58.

BUSINESS PERFORMANCE MANAGEMENT: Das Business Performance Management beschreibt Methoden, Tools und Prozesse, die der Verbesserung der Leistungsfähigkeit und Profitabilität von Unternehmen dienen. Das Business Performance Management wird oft als Weiterentwicklung der Business Intelligence ver-standen: S. 6 BUSINESS INTELLIGENCE.

CLUSTER: Der Begriff „Cluster“ stammt aus dem englischen Sprachgebrauch und beschreibt eine Gruppe meh-rerer diskreter Elemente, die einander in irgendeiner Form nah sind. Im wirtschaftlichen Kontext bildet ein Cluster den Verbund von mehreren Betrieben ab: S. 7f, 20ff., 32ff., 36, 49, 55, 61, 63, 70, 72, 74, 76 CLUSTERING.

CLUSTERING: Das Clustering gehört zu den strukturentdeckenden, multivariaten Analyseverfahren und dient der Ermittlung von Gruppen von Objekten, die sich durch ähnliche Eigenschaften oder Ausprägungen die-ser auszeichnen: S. 7f, 9, 15, 20ff., 32ff., 61ff., 72, 75 CLUSTER.

COMPETITIVE INTELLIGENCE: Als Competitive Intelligence wird der Prozess der Überwachung der kompetiti-ven Umwelt und der Analyse ihres Bezugs zu innerbetrieblichen Belangen mit dem Ziel der Entschei-dungsunterstützung bezeichnet: S. 1f., 5ff., 13, 20, 24, 32, 35, 36ff., 44ff., 56ff., 61ff., 72f., 75f. IN-TELLIGENCE BUSINESS INTELLIGENCE.

GLOSSAR

SEITE XIII

COMPETITIVE POSITIONING ANALYSIS: Dieses Analyseverfahren dient der Bestimmung der strategischen Posi-tion in Relation zur Konkurrenz und der Ableitung von Handlungsalternativen. Im Vordergrund der Be-obachtungen stehen dabei die Bewertung der Marktanteile, der Kundenwahrnehmung der Produkte und Dienstleistungen einer Unternehmung sowie die Einschätzung aktueller Marktstrategien, Preise und Kosten: S. 57f.

COUNTER-INTELLIGENCE: Als Counter-Intelligence werden die Bemühungen einer Organisation beschrieben, die darauf abzielen, feindliche Organisationen davon abzuhalten, erfolgreich Daten, Informationen und Wissen zu sammeln, die gegen sie verwendet werden können: S. 71 INTELLIGENCE COMPETITI-VE INTELLIGENCE.

DATA MINING: Data Mining ist die systematische Anwendung meist statistisch-mathematischer Methoden auf einen Datenbestand zur Aufdeckung von Mustern: S. .6

DATA WAREHOUSE: Ein Data Warehouse ist der Aufbewahrungsort, an dem sämtliche unternehmensbezogene elektronisch gespeicherten Daten gesammelt werden: S. 6 BUSINESS INTELLIGENCE.

EIS: Das Enterprise Information System (EIS) ist ein computergestütztes Informationssystem, dass die techno-logische Grundlage bildet, mit der eine Unternehmung ihre Geschäftsprozesse koordinieren und auf ei-nander abstimmen kann. Meist zentral in das Unternehmen integriert stellt das EIS sicher, dass Informa-tionen zwischen allen funktionalen Ebenen und Managementstufen ausgetauscht werden können: S. 6.

ELICITATION: Unter Elicitation versteht man die Fähigkeit von Rechercheuren, Informationen, die für Recher-chen im Rahmen der CI von Bedeutung sind, zu entlocken; speziell wenn diese auf anderem Wege nur schwer erhebbar sind: S. 55 HUMINT.

EXZELLENZ INITIATIVE: Die sogenannte „Exzellenzinitiative des Bundes und der Länder zur Förderung von Wissenschaft und Forschung an deutschen Hochschulen“ umfasst die nachhaltige Förderung der Spit-zenforschung und die Verbesserung der Qualität der Wissenschaft und Hochschullandschaft in der Bundesrepublik, um den Standort Deutschland im internationalen Wettbewerb zu stärken und die Ex-zellenz im Universitäts- und Wissenschaftsbereich herauszuheben: S. 2f.

GLEICHHEITSFIKTION: Die Gleichheitsfiktion zwischen deutschen Universitäten stellt den Vorläufer des heute weitgehend vollzogenen Differenzierungsparadigmas dar und beinhaltete das Bestreben deutscher Hochschulen durch gleiche Lehrer den gleichen Schülern, die mit gleichen Methoden darauf vorbereitet werden sollten, an gleichen Universitäten das gleiche zu lehren: S. 3.

HUMBOLDTSCHE SACHIDEE: Die Sachidee einer Institution nach Wilhelm von Humboldt (1767 - 1835) galt der Verhinderung der Vereinnahmung der Wissenschaft durch Interessen aus der Wirtschaft und der Politik. Ihr zugrunde lag auch das Bestreben, die sich entwickelnden Einzelwissenschaften zusammenzuführen, um diese für eine ganzheitliche Bildung zu gewinnen: S. 2f.

HUMINT: Human Intelligence bezeichnet die Gewinnung von Informationen (Intelligence) durch die Nutzung menschlicher (humaner) Quellen: S. 45, 55f., 62, 67, 70f.

INDUSTRY ANALYSIS: Die Industry Analysis ist eine Methode zur Bewertung des Marktes. Sie beinhaltet die Beobachtung der ökonomischen, politischen Marktfaktoren und deren Einfluss auf die Marktentwick-lung und fokussiert sich dabei u.a. auf die Abnehmer, Lieferanten, den Wettbewerb und mögliche neue Konkurrenten: S. 57f.

INTELLIGENCE: Der Begriff Intelligence ist dem militärischen Sprachschatz entnommen und beschreibt die Früh- oder Feindaufklärung: S. 1ff., 5f., 36ff., 56, 59, 71 BUSINESS INTELLIGENCE COMPETITI-VE INTELLIGENCE COUNTER-INTELLIGENCE.

KERNKOMPETENZ: Eine Kernkompetenz ist eine besondere Fähigkeit, Fertigkeit oder Technologie, die vom Kunden als einzigartig wahrgenommen wird. Dieser Differenzierungsfaktor ist von keinem Konkurren-ten imitierbar: S. 54, 56, 66f.

KIT: Key Intelligence Topics dienen CI-Aktivitäten als Fokus und bilden dabei die Basis für konkrete CI-Projekte. Sie beschreiben Problemfelder und Themen, die darauf hinweisen, wo das Management Intel-ligence benötigt und wie diese sinnvoll angewendet werden kann: S. 68.

KISS: Keep It Short and Simple steht dafür, dass zur Lösung eines Problems stets der einfachste mögliche An-satz gewählt werden sollte: S. 70.

MCKINSEY 7S ANALYSIS: Das McKinsey 7S Framework ist ein Managementwerkzeug, das der Überprüfung der Passgenauigkeit der aktuellen zu einer möglichen zukünftigen Unternehmensstrategie dient und fin-det seine Anwendung häufig im Bereich des organisationalen Wandels: S. 58.

GLOSSAR

SEITE XIV

MIS: Ein Management-Informationssystem (MIS) stellt einem Unternehmen jene Informationen zur Verfügung, die für die Lenkung und das Controlling eines Unternehmens von Nöten sind: S. 6.

OLAP: Das Online Analytical Processing (OLAP) ist ein Analyseansatz, der in der Lage ist, schnelle Antworten auf multi-dimensionale, analytische Abfragen zu liefern. OLAP ist den Methoden der analytischen In-formationssysteme und den hypothesengestützten Analysemethoden zugeordnet: S. 6.

PATENTANALYSE: Patentanalysen geben Auskunft über technische Trends und die eigene Wettbewerbsfähigkeit durch die Analyse von Patentinformationen. Diese erfolgt in der Regel über eine bibliometrische Zäh-lung von Zitaten und deren Auswertung: S. 57f.

PRODUCT LINE ANALYSIS: Die Product Line Analysis dient dem Vergleich der Stärken einzelner Produkte einer Firma mit denen ihrer Konkurrenten: S. 57f.

PROFESSIONALS: Professionals sind Personen, die Fach- und Spezialwissen aus dem Bereich, in dem sie profes-sionell tätig sind, besitzen: S. 37, 45, 51, 61.

PROFILINGS: In Profilings erfolgt die systematische Erfassung von Informationen über eine Person. Mit ihrer Hilfe können Aussagen über Charaktereigenschaften und Entscheidungsverhalten getroffen werden: S. 44.

QUICK WINS: Quick Wins werden im Rahmen von betriebswirtschaftlichen Strategien realisiert, die bestrebt sind, all jene Vorhaben umzusetzen, die in kürzester Zeit zu sichtbaren Resultaten und Verbesserungen führen. Die Ergebnisse tragen dazu bei, Akzeptanz für Neuerungen zu schaffen: S. 69.

REQUEST-WETTBEWERB: Der ReQueSt ist ein jährlich von der DCIF ausgetragener studentischer Wettbewerb deutscher und internationaler Hochschulen, bei dem es Ziel ist, zu einem aktuellen Thema Informatio-nen mit Hilfe der Competitive Intelligence zu sammeln und daraus eine Entscheidungsunterstützung für einen Sponsor oder im Rahmen einer fiktiven Fallstudie zu generieren: S. 2.

SCIENTIFIC COMMUNITY: Die Scientific Community oder auch Wissensgemeinde bildet sich aus der Gesam-theit aller am internationalen Wissenschaftsbetrieb teilnehmenden Wissenschaftler: S. 14f, 20f.

SERVO ANALYSIS: Im Rahmen der SERVO (Akronym für strategy, environment, resources, values, organisati-on) Analyse werden strategische Entscheidungen und Initiativen einer Unternehmung entwickelt, for-muliert und auf ihre Eignung zur Anwendung getestet: S. 57f.

SKALENEFFEKTE: Skaleneffekte beschreiben die Abhängigkeit des Outputs vom eingesetzten Input. Der Begriff wird zumeist positiv ausgelegt. Von positiven Skaleneffekten (auch economies of scale) ist die Rede, wenn der Output stärker steigt, als der Input: S. 43.

STAKE: Mit einem „Stake“ wird ein Anteil an einem Geschäft oder das Interesse an einer Angelegenheit be-schrieben: S. 7, 9ff., 27 STAKEHOLDER.

STAKEHOLDER: Ein Stakeholder bezeichnet Anspruchsberechtigte, also Personen oder Gruppierungen, die ihre berechtigten Interessen („Stakes“) wahrnehmen: S. 7, 9ff., 11ff, 20ff., 32ff, 42, 47, 54f, 58, 61ff, 69f, 72f STAKE.

START SMALL: Mit Start Small wird ein betriebswirtschaftliches Vorgehen bezeichnet, das auf Veränderungen setzt, die bereits in einem relativ kleinen Rahmen erzielt werden können: S. 70.

VIRULENZ: Ist ein Begriff, der aus der der Mikrobiologie stammt und ein Maß der Fähigkeit eines Krankheitser-regers, eine Krankheit auszulösen, darstellt: S. 49f., 64.

VISION 2020: Die Vision 2020 ist eine im Jahre 2007 durch die Leitung der Technischen Universität in Auftrag gegebene nicht publizierte, schriftliche Standortbestimmung, die Auskunft darüber geben soll, welche Position die TU und ihre Fakultäten im Jahr 2020 einnehmen wollen und welche strategische Ausrich-tung der Bildungseinrichtung in den nächsten zehn Jahre verfolgt werden soll: S. 41f.

WIN/LOSS ANALYSIS: Die Win/Loss Analysis dient der Sammlung und Analyse von Informationen über den Markt, die Kunden und das Wettbewerbsumfeld einer Unternehmung. Sie erlaubt die Identifikation der Kundenwahrnehmung in bestimmten Verkaufssituationen und den Vergleich dieser mit der Konkur-renz. So erhält das Unternehmen einen Einblick in die Kaufentscheidung seiner Kunden und warum diese ein Produkt oder eine Dienstleistung erworben oder eben nicht erworben haben: S. 58.

http://de.wikipedia.org/wiki/Wissenschaftsbetrieb�

ANHANG

SEITE XV

ANHANG

Anhang 1: Aufbau der Technischen Universität Dresden ................... A1 - 6-1

Anhang 2: Brainstorming Paul Kruse .................................................... A2 - 6-2

Anhang 3: Brainstorming Dipl.-Wirt.-Inf. Andreas Schieber ................ A3 - 6-3

Anhang 4: Brainwriting Dipl.-Wirt.-Inf. Marco Hartmann ..................... A4 - 6-4

Anhang 5: Fakultätsleistungen und -produkte nach Stakeholdern .... A5 - 6-5

Anhang 6: Der CI-Zyklus ......................................................................... A6 - 6-7

Anhang 7: Der CI-Prozess ...................................................................... A7 - 6-8

Anhang 8: Strategische Analysemethoden der CI ................................ A8 - 6-9

Anhang 9: Wettbewerbs- und Kundenanalysemethoden der CI ....... A9 - 6-10

Anhang 10: Umfeldanalysemethoden der CI ...................................... A10 - 6-11

Anhang 11: Entwicklungsanalysemethoden der CI ............................ A11 - 6-12

Anhang 12: Finanzanalysemethoden der CI ....................................... A12 - 6-13

ANHANG

ANHANG SEITE 1

ANHANG 1: AUFBAU DER TECHNISCHEN UNIVERSITÄT DRESDEN

TU D

resd

enZe

ntra

le

Uni

vers

itäts

-ve

rwal

tung

Dez

erna

te

Dez

erna

t 1:

Hau

shal

t, Ze

ntra

le

Besc

haffu

ng u

nd

Allg

emei

ne

Verw

altu

ng

Dez

erna

t 2: P

erso

nal

und

Pers

onal

haus

halt

Dez

erna

t 3:

Akad

emis

che

Ange

lege

nhei

ten,

Pl

anun

g un

d C

ontro

lling

Dez

erna

t 4:

Geb

äude

man

age-

men

t und

D

aten

vera

rbei

tung

Dez

erna

t 5:

Fors

chun

gs-

förd

erun

g un

d Ö

ffent

lichk

eits

arbe

it

Dez

erna

t 8: S

tudi

um

und

Wei

terb

ildun

g

Gru

ppe:

G

esun

dhei

ts-,

Arbe

its- u

nd

Stra

hlen

schu

tz

Faku

ltäte

n

Mat

hem

atik

und

N

atur

wis

sen-

scha

ften

Mat

hem

atik

Phys

ik

Biol

ogie

Che

mie

und

Le

bens

mitt

elch

em

ie

Psyc

holo

gie

Philo

soph

isch

e Fa

kultä

t

Juris

tisch

e Fa

kultä

t

Spra

ch-,

Lite

ratu

r- &

Kultu

r-w

isse

nsch

afte

n

Baui

ngen

ieur

-w

esen

Mas

chin

enw

esen

Arch

itekt

ur

Erzi

ehun

gs-

wis

sens

chaf

ten

Wirt

scha

fts-

wis

sens

chaf

ten

Verk

ehrs

-w

isse

nsch

afte

n "F

riedr

ich

List

"

Elek

trote

chni

k &

Info

rmat

ions

-te

chni

k

Med

izin

isch

e Fa

kultä

t "C

arl

Gus

tav

Car

us"

Info

rmat

ik

Fors

t-, G

eo- u

. H

ydro

wis

sen-

scha

ften

Geo

wis

sen-

scha

ften

Fors

twis

sen-

scha

ften

Was

serw

esen

Zent

rale

Ei

nric

htun

gen

Betri

ebse

inhe

iten

Uni

spor

tzen

trum

Kust

odie

Uni

arch

iv

Wis

sens

chaf

tlich

e Ei

nric

htun

gen

Zent

rum

für I

nfor

-m

atio

nsdi

enst

e &

Hoc

hlei

stun

gs-

rech

nen

Bota

nisc

her

Gar

ten

Med

ienz

entru

mLe

hrze

ntru

m

Spra

chen

und

Ku

lturrä

ume

Fach

spra

chen

-ze

ntru

mO

stas

ienz

entru

mM

ultim

edia

les

Spra

chle

rn-

zent

rum

Mitt

eleu

ropa

zent

rum

für S

taat

s-,

Wirt

scha

fts- u

nd

Kultu

rwis

.

Biot

echn

olo-

gisc

hes

Zent

rum

Zent

rum

für

Inte

rnat

iona

le

Stud

ien

Zent

rum

für D

emo-

grap

hisc

hen

Wan

del d

er T

UD

Inte

rdis

zipl

inär

e Ei

nric

htun

gen

Zent

rum

für

Lehr

erbi

ldun

g,

Schu

l- &

Beru

fsbi

ldun

gs-

fors

chun

g

TU D

resd

en A

G

Rek

tora

tG

rem

ien

Sena

t

Erw

eite

rter

Sena

t

Hoc

hsch

ul-

rat

Kom

mis

-si

onen

Kura

toriu

m

Mei

ster

rat

Prax

isbe

irat

Pers

onal

rat

Juge

nd- u

nd

Ausz

ubild

ende

nve

rtret

ung

Stud

ente

n-ra

t

Schw

erbe

hind

er-

tenv

ertre

tung

Ref

erat

G

leic

hste

llung

von

Fr

au u

nd M

ann

Kanz

ler

Pror

ekto

ren

Rek

tor

Beau

ftrag

te

Frau

enbe

auftr

agte

Gle

ichs

tellu

ngs-

beau

ftrag

teD

aten

schu

tz-

beau

ftrag

ter

Stra

hlen

schu

tz-

bevo

llmäc

htig

ter

Um

wel

tman

age-

men

tbea

uftra

gter

Beau

ftrag

te fü

r Bi

olog

isch

e Si

cher

heit

Tier

schu

tz-

beau

ftrag

ter

Beau

ftrag

ter f

ür

Stud

iere

nde

mit

Behi

nder

ung

Beau

ftrag

te fü

r Sc

hwer

behi

nder

tena

ngel

egen

heite

n

Beau

ftrag

ter f

ür

Antik

orru

ptio

n

Ausl

ände

r-be

auftr

agte

Betri

ebs-

beau

ftrag

te fü

r Ab

fall

Emm

issi

ons-

schu

tzbe

auftr

agte

Betri

ebs-

beau

ftrag

te fü

r G

ewäs

sers

chut

z

Vertr

auen

sper

son

für U

mga

ng m

it w

iss.

Fe

hlve

rhal

ten

ABBILDUNG A.6.1: AUFBAU DER TECHNISCHEN UNIVERSITÄT DRESDEN (EIGENE DARSTELLUNG)

ANHANG

ANHANG SEITE 2

ANHANG 2: BRAINSTORMING PAUL KRUSE

ABBILDUNG A.6.2: BRAINSTORMING PAUL KRUSE (EIGENE DARSTELLUNG)

ANHANG

ANHANG SEITE 3

ANHANG 3: BRAINSTORMING DIPL.-WIRT.-INF. ANDREAS SCHIEBER

ABBILDUNG A.6.3: BRAINSTORMING DIPL.-WIRT.-INF. ANDREAS SCHIEBER (EIGENE DARSTELLUNG)

ANHANG

ANHANG SEITE 4

ANHANG 4: BRAINWRITING DIPL.-WIRT.-INF. MARCO HARTMANN

ABBILDUNG A.6.4: BRAINWRITING DIPL.-WIRT.-INF. MARCO HARTMANN (EIGENE DARSTELLUNG)

ANHANG

ANHANG SEITE 5

ANHANG 5: FAKULTÄTSLEISTUNGEN UND -PRODUKTE NACH STAKEHOLDERN


Abschluss


Studium

Qualität der Bildung &

Forschung


Forschung

Gehalt

Integration

Interessenwahrung

Know-how

der Fakultät

Kooperation


Lehrtätigkeit

Netw

orking

Partnerschaften

Publikationen

Reputation, R

enomm

ee

Fremdsprache

Studierende + + + + + Austauschstudenten + + + + + + + + Alumni + + Diplomanden + + + + + Doktoranden + + + + + + + + + + Professoren + + + + + + + + + + Studentische Hilfskräfte + + + + + + + + + Wissenschaftliche MA + + + + + + + + + + Gastdozenten + + + + + + + + + Studienberechtigte + + + + Schüler + + + + Eltern der Schüler + + + Lehrstühle der Fakultät + + + + + + Andere Hochschulen + + + + + Andere Fakultäten + + + + + Ausländische Hochschulen + + + + Partneruniversitäten + + + + + + + + + Fernuniversitäten + + Akademien + Schulen + + +

ANHANG

ANHANG SEITE 6


Abschluss


Studium

Qualität der Bildung &

Forschung


Forschung

Gehalt

Integration

Interessenwahrung

Know-how

der Fakultät

Kooperation


Lehrtätigkeit

Netw

orking

Partnerschaften

Publikationen

Reputation, R

enomm

ee

Fremdsprache

Bund + + + + Land + + + + EU + + + + Unternehmen + + + + + + + + + + Drittmittelgeber + + + + + + + + Sponsoren + + + + + Kooperationspartner + + + + + + + + + Forschungsinstitute + + + + + + Sekretariat + + + Verwaltung der Uni + + + + Rektorat + + + + + Dekan + + + + + Gremien + + + Beauftragte + + + + Hochschulorganisationen + + + Scientific Community + + + + + + + Medien/Öffentlichkeit + + + + Ratingagenturen + + Austauschprogramme + + + + Summe der Interessenten 17 8 9 27 8 20 11 3 22 16 16 2 4 16 10 6 11 1

TABELLE A.6.1: FAKULTÄTSLEISTUNGEN UND -PRODUKTE NACH STAKEHOLDERN (EIGENE DARSTELLUNG)

ANHANG

ANHANG SEITE 7

ANHANG 6: DER CI-ZYKLUS

ABBILDUNG A.6.5: DER CI-ZYKLUS (VGL. ROMPPEL, 2006, S. 45; DELTL, 2004)

1. Need Analysis

2. Planning & Monitoring

3. Collection

4. Structuring & Eliminination

5. Analysis

6. Communication

7. Storing

8. Utilisation & Feed-Back

ANHANG

ANHANG SEITE 8

ANHANG 7: DER CI-PROZESS

ABBILDUNG A.6.6: DER CI-PROZESS (VGL. PFAFF, 2004, S. 102)

Daten

Informationen

Wissen

Intelligence

Entscheidung

Ergebnisse

ANHANG

ANHANG SEITE 9

ANHANG 8: STRATEGISCHE ANALYSEMETHODEN DER CI

TABELLE A.6.2: STRATEGISCHE ANALYSEMETHODEN DER CI (VGL. ROMPPEL, 2006, S. 184FF)

Strategische Analysetechniken

Analysemethode Beschreibung

BCG Growth/Share Portfolio Matrix Diese von der Boston Consulting Group entwickelte Methode soll es Managern diversifizierter Konzerne ermöglichen, den optimalen Mix aus Produkten und Geschäftseinheiten herauszufinden. Sie integriert zwei weitere Methoden: die Erfahrungskurve (Experience Curve Analysis) sowie den Produktlebenszyklus (Product Life Cycle Analysis / PLC).

GE Business Screen Matrix

Eine weitere Methode, deren Ergebnis in einer Matrix visuell aufbereitet wird. In ihr werden die Analyse interner Stär-ken von Geschäftseinheiten mit einer externen Branchenanalyse kombiniert. Von McKinsey auf Basis der BCG-Matrix für General Electric Anfang der Siebziger entwickelt, wurde sie bis Ende des Jahrzehnts zur beliebtesten Form der Portfolio-Ansätze.

Industry Analysis / Five-Forces-Analyse

Die Five-Forces-Analyse liefert eine strukturierte Analyse der Akteure und der Eigenschaften einer Branche. Mit dieser Methode können das Profitpotenzial einer Branche aber auch die Kräfte, die dieses Potenzial gefährden, identifiziert werden.

Strategic Group Analysis

Diese Ableitung der Industry Analysis beobachtet Unternehmen als Gruppe, die gleiche oder ähnliche Wettbewerbsan-sätze und strategische Positionen haben. Sie untersucht die verschiedenen Wettbewerbspositionen, die Intensität des Wettbewerbs innerhalb und zwischen strategischen Gruppen, das Profitpotenzial verschiedener Gruppen innerhalb einer Branche sowie die Implikationen für eine eigene Strategie.

SWOT-Analyse Die SWOT-Analyse untersucht die Stärken (Strengths – S), Schwächen (Weaknesses – W), Chancen (Opportunities – O) und Risiken bzw. Herausforderungen (Threats – T) eines Unternehmens und bildet damit die Beziehung zwischen internen Faktoren und externen Einflüssen und Handlungsmöglichkeiten ab.

Value Chain Analysis (VCA)

Die Value Chain Analysis (VCA) untersucht die Wertschöpfungskette in einem Unternehmen: Welchen Weg nehmen Ressourcen durch eine Firma und an welchen Stellen findet die Wertschöpfung statt? Auch dieses Modell wurde von Michael Porter aus vorhanden Ansätzen entwickelt und popularisiert und schließt an seine Industry Analysis an, um eine praktische Handreichung für die Umsetzung der dort gewählten Strategie zu bieten. Ziel einer VCA ist es, Mög-lichkeiten zur Sicherung von Kostenvorteilen und Gelegenheiten zur Schaffung von differenzierenden Produkt- oder Dienstleistungsmerkmalen zu finden. Sie konzentriert sich nicht auf die Symptome erfolgreicher Strategie (nämlich Markanteil und Wachstum), sondern auf die Ursachen des Erfolgs.

ANHANG

ANHANG SEITE 10

ANHANG 9: WETTBEWERBS- UND KUNDENANALYSEMETHODEN DER CI

TABELLE A.6.3: WETTBEWERBS- UND KUNDENANALYSEMETHODEN DER CI (VGL. ROMPPEL, 2006, S. 199FF)

Wettbewerbs- und Kundenanalysen


Blindspot Analysis Die Blindspot-Analyse untersucht die Gründe, warum Analysen fehlerhaft durchgeführt oder falsch verstanden werden – und auf welche Weise „blinde Flecken“ bzw. „tote Winkel“ überwunden werden können. Dazu kombiniert sie psy-chologische Erkenntnisse mit strategischer Theorie und Einsichten über das Verhalten von und in Organisationen.

Competitor Profiling Das Competitor Profiling vereint zunächst alle Basisinformationen über einen Wettbewerber in einer umfassenden Gesamtdarstellung und dient als Ressource für weitere Analysen. Daneben soll es die Ziele der Wettbewerber und ihre wahrscheinlichen Reaktionen auf eigene Schritte erkennbar machen.

Customer Segmentation Analysis (CSA)

Mit dieser Analyse werden Kunden in verschiedene Gruppen eingeteilt, die sich nach bestimmten Parametern unter-scheiden, aber in sich weitgehend homogen sind. Aus dem Vergleich der Kundengruppen mit den Stärken und Schwä-chen der eigenen Produkte und Dienstleistungen lassen sich Wettbewerbsvorteile herausdestillieren. Um die Möglich-keiten der Mass Customization zu integrieren und sinnvoll zu nutzen, gibt es verschiedene Strategien.

Customer Value Analysis (CVA) Die Customer Value Analysis (CVA) fasst mehrere Tools und Techniken zusammen und ist eine zentrale Maßnahme innerhalb der Marktsegmentierung.

Fähigkeiten- und Ressourcen-Analyse

Diese Methode sieht das Unternehmen als eine Ansammlung von materiellen und immateriellen Werten (wie z.B. Mar-kennamen, Patente, Urheberrechte) sowie organisatorischen und Kernkompetenzen und untersucht diese auf ihren Nut-zen für die Wettbewerbsfähigkeit des Unternehmens.

Management-Profiling

Wenn es darum geht, die Richtung anstehender Entscheidungen von Wettbewerbern abzuschätzen, spielt neben Res-sourcen und Fähigkeiten, Optionen und Einschränkungen auch die Persönlichkeit des oder der Entscheider eine Rolle. Management Profiling versucht, anhand veröffentlichter und recherchierter Informationen von oder über das Topmana-gement des Wettbewerbers zu einer Einschätzung der Parameter zu gelangen, die das grundsätzliche Verhalten und die anstehende Entscheidung beeinflussen. Es gibt verschiedene Ansätze, auf welche Weise man sich der Persönlichkeit eines Akteurs nähern kann.

ANHANG

ANHANG SEITE 11

ANHANG 10: UMFELDANALYSEMETHODEN DER CI

TABELLE A.6.4: UMFELDANALYSEMETHODEN DER CI (VGL. ROMPPEL, 2006, S. 208FF)

Umfeldanalysen


Issue Analysis

Diese Analyse erfasst die im Umfeld des Unternehmens auf den verschiedenen Ebenen virulenten Themenfelder, um frühzeitig auf sie Einfluss nehmen zu können bzw. um rechtzeitig Chancen und Risiken für das Unternehmen zu erken-nen. Das betrifft Diskussionen über neue Gesetze oder rechtliche Bestimmungen, aktuelle Ereignisse, ökologische Probleme, internationale Entwicklungen, gesellschaftliche Veränderungen usw. Zur Identifizierung von relevanten Themen werden Inhaltsanalyse, Szenarioentwicklung sowie Umfragen angewandt.

STEEP Analysis

Diese Analysemethode ist sicher diejenige mit dem weitesten Blickwinkel, umfasst sie doch alle Aspekte des Umfeldes eines Unternehmens jenseits der reinen Betrachtung der Wettbewerber: gesellschaftliche (social – S), technologische (technological – T), ökonomische (economic – E), ökologische (ecological – E) und politische (political – P) Faktoren werden hier beobachtet und analysiert.

Szenario-Analyse

Ein Szenario ist ein detaillierter und in sich geschlossener Entwurf einer möglichen Zukunft und basiert auf genau defi-nierten Annahmen über das Umfeld des Unternehmens, technologische oder wirtschaftliche Entwicklungen. Die Szena-rioanalyse entwickelt mehrere solcher möglichen Perspektiven, um die Auswirkungen eigener Entscheidungen und die Veränderungen im Unternehmensumfeld antizipieren zu können. Diese Perspektiven werden in Form von anschauli-chen, erzählenden Texten mit hoher Plausibilität dargestellt.

Stakeholder Analysis

Die Stakeholder-Analyse identifiziert alle Gruppen und Einzelpersonen, die einen wesentlichen Einfluss auf das Unter-nehmen und seine Wettbewerber haben, untersucht ihre Stärke, ihre Interessen und bewertet die Wirksamkeit von Maßnahmen mit Bezug auf diese Akteure. Sie sollte immer vor der Einführung eines neuen Produktes, dem Beginn eines Projektes oder vor größeren Richtungs- oder Zieländerungen erfolgen.

ANHANG

ANHANG SEITE 12

ANHANG 11: ENTWICKLUNGSANALYSEMETHODEN DER CI

TABELLE A.6.5: ENTWICKLUNGSANALYSEMETHODEN DER CI (VGL. ROMPPEL, 2006, S. 215FF)

Entwicklungsanalysen


Erfahrungskurve

Dieser Ansatz basiert auf der statischen Erkenntnis, dass sich mit zunehmender Erfahrung und steigendem Produkti-onsvolumen die Kosten verringern. Verschiedene Faktoren wirken sich auf die Erfahrungskurve eines Unternehmens aus: Lernfähigkeit von Menschen, Spezialisierung, Produktverbesserungen, Verbesserungen des Produktionsprozesses, Skaleneffekte, Anpassung der Organisationsstrukturen, Innovation, geringere Finanzierungskosten, günstigere Ein-kaufsbedingungen. Die Betrachtung der Erfahrungskurve ist eng mit der Analyse des Produktlebenszyklus verbunden.

Growth Vector Analysis (GVA)

Bei der Growth Vector Analysis (GVA) wird eine einfache Matrix zur Verdeutlichung der Wachstumspotenziale eines Unternehmens in seinen spezifischen Märkten mit aktuellen oder potenziellen Produkten entworfen. Die Analyse ist ein Teil der auf Igor Ansoff zurückgehenden Methode zur Strategieentwicklung und schlägt unterschiedliche Vorgehens-weisen bei verschiedenen Produkt-Markt-Kombinationen vor. Damit werden die unzähligen strategischen Möglichkei-ten auf einige wenige kanalisiert.

Patentanalyse

Die Patentanalyse versucht, Patentinformationen in Competitive Intelligence zu übersetzen und darüber die eigene technische Wettbewerbsfähigkeit zu verbessern sowie technologische Trends und ihre Auswirkungen besser einschät-zen zu können. Dies geschieht hauptsächlich über eine bibliometrische Methode der Zählung von Zitaten und deren Auswertung.

Product Life Cycle Analysis (PLA)

Diese Analyse nutzt eine biologische Analogie zur Beschreibung der Entwicklung des Umsatzes eines Produktes im Laufe seiner Existenz: von der Einführung über die Wachstumsphase und die Reifephase bis zum Niedergang. Damit wird ein konzeptioneller Rahmen entworfen, der zum Verständnis der Marktdynamik beiträgt und gleichzeitig einen normativen Rahmen z.B. für unterschiedliche Marketingstrategien bereitstellt.

S-Kurven-Analyse Diese Methode wird auch „Technology Life Cycle Analysis“ genannt und integriert den technologischen Wandel in die strategische Planung. Sie erlaubt einen Vergleich zwischen dem technischen Stand des eigenen Unternehmens und konkurrierenden bzw. potenziellen Technologien.

ANHANG

ANHANG SEITE 13

ANHANG 12: FINANZANALYSEMETHODEN DER CI

TABELLE A.6.6: FINANZANALYSEMETHODEN DER CI (VGL. ROMPPEL, 2006, S. 226FF)

Finanzanalysen


Financial Ratio Statement Analy-

sis

Diese Analyse ermöglicht es, die Leistung eines Unternehmens im Wettbewerb auf Basis seiner Bilanzen und weiterer Kennzahlen zu ermitteln. Sie ist Teil eines größeren, integrierten Bilanzanalyseplans, der die folgenden Schritte umfas-sen sollte: 1. Festlegen der Ziele der Bilanzanalyse. 2. Berücksichtigen der aktuellen und der prognostizierten wirtschaftlichen Bedingungen der Branche, um die es geht. 3. Nutzung der Jahresbilanz oder anderer vorgeschriebener Berichte, um Details über das Management und die Bilan-zierungsmethodik des Unternehmens zu erfahren 4. Durchführen der Analyse 5. Ziehen der Schlüsse vor dem Hintergrund der vorgegebenen Ziele

Strategic Funds Programming Diese Methode ist ein formalisierter Prozess für die strategische Planung, in dem Ziele, Strategien und Prioritäten eines Unternehmens definiert werden, mögliche Strategien ausgewählt und deren Umsetzung vor dem Hintergrund der vor-handenen Ressourcen überwacht wird.

Sustainable Growth Rate Analysis Auch hier findet eine Kombination von Finanzanalysen mit strategischem Management statt. Diese Methode untersucht das Verhältnis zwischen strategischer Planung und operativen Variablen, überprüft die Vereinbarkeit von Wachstums-zielen mit den Finanzierungsgrundsätzen eines Unternehmens und analysiert Stärken und Schwächen unterschiedlicher Strategien.

EHRENWÖRTLICHE ERKLÄRUNG

EHRENWÖRTLICHE ERKLÄRUNG

Ich versichere hiermit ehrenwörtlich, dass ich die vorliegende Arbeit selbstständig angefertigt

habe. Es wurden keine anderen als die angegebenen Hilfsmittel benutzt und alle aus fremden

Quellen übernommenen wörtliche oder sinngemäße Gedanken sind als solche kenntlich ge-

macht.

Weiterhin erkläre ich, dass die Arbeit bisher in gleicher oder ähnlicher Form keiner anderen

Prüfungsbehörde vorgelegen hat und auch noch nicht veröffentlicht wurde.

Ich bin mir bewusst, dass eine unwahre Erklärung rechtliche Folgen haben wird.

……………………………………… …………………………………………

Ort, Datum Unterschrift

___________________________________________

Name, Vorname …………………………………..

Geburtstag …………………………………..

Geburtsort …………………………………..

___________________________________________

Documents

Diplomarbeit: Universitäten im Wettbewerb? - Zu den Einsatzpotenzialen der Competitive Intelligence am Beispiel einer Fakultät