Multidimensionales Prozessbenchmarking im Krankenhaus ...FILE/dis4522.pdf · Multidimensionales Prozessbenchmarking im Krankenhaus – Entwicklung und Evaluation einer Methode mit

Multidimensionales Prozessbenchmarking im Krankenhaus –

Entwicklung und Evaluation einer Methode mit der Data Envelopment Analysis

DISSERTATION

der Universität St. Gallen,

Hochschule für Wirtschafts-,

Rechts- und Sozialwissenschaften

sowie Internationale Beziehungen (HSG)

zur Erlangung der Würde eines

Doktors der Wirtschaftswissenschaften

vorgelegt von

Christian Georgi

aus

Deutschland

Genehmigt auf Antrag der Herren

Prof. Dr. Klaus Möller

und

Prof. Dr. Wolfgang Schultze

Dissertation Nr. 4522

Epubli GmbH, Berlin 2016

Die Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissen-

schaften sowie Internationale Beziehungen (HSG), gestattet hiermit die Drucklegung

der vorliegenden Dissertation, ohne damit zu den darin ausgesprochenen Anschauungen

Stellung zu nehmen.

St. Gallen, den 30. Mai 2016

Der Rektor

Prof. Dr. Thomas Bieger

Vorwort i

VORWORT

Die vorliegende Dissertation beschreibt Ergebnisse meiner wissenschaftlichen Arbeit

am Lehrstuhl für Controlling / Performance Management an der Universität St.

Gallen. Der erfolgreiche Abschluss des Vorhabens war nur mit der Unterstützung

zahlreicher Personen möglich, denen ich an dieser Stelle danken möchte.

Mein besonderer Dank gilt Prof. Dr. Klaus Möller, der mir als Doktorvater stets mit

fachlichem Rat zur Seite stand sowie den notwendigen Freiraum zur Umsetzung des

Vorhabens ermöglichte. Herrn Prof. Dr. Wolfgang Schultze danke ich für die

Übernahme des Korreferats und die gute Zusammenarbeit in den vergangenen Jahren.

Großer Dank gilt den Kollegen des Lehrstuhls für Controlling / Performance

Management und des Center for Performance Research & Analytics für die sehr

angenehme und kurzweilige Zusammenarbeit. Für die fachliche Unterstützung und

intensiven Diskussionen möchte ich insbesondere Dr. Ludwig Sedlmeier und Dr. Finn

Günther danken. Ebenso gilt den teilnehmenden Unternehmen und

Kooperationspartnern herzlicher Dank für die offene und vertrauensvolle

Zusammenarbeit, ohne die die vorliegende Arbeit nicht möglich gewesen wäre.

Ganz besonders bedanken möchte ich mich bei meiner Familie und meinen Freunden,

insbesondere Candy Richter, Laura Anne Schleif und Jacob Andreae, deren Geduld

und moralische Unterstützung maßgeblich zum Gelingen des Projekts beigetragen hat.

Der größte Dank gebührt meinen Eltern für die langjährige ideelle und finanzielle

Förderung meiner Ausbildung und die vorbehaltlose Unterstützung in allen bisherigen

Lebensphasen.

Köln, im Juli 2016

Christian Georgi

Zusammenfassung ii

ZUSAMMENFASSUNG

Eine hohe Transparenz der prozessualen Leistungserbringung ist eine wesentliche

Grundlage unternehmerischer Entscheidungen. Dabei ist branchenunabhängig eine

effiziente und strategiekonforme Ausführung der Prozesse maßgeblich für den Erfolg.

Insbesondere im Krankenhausumfeld ist in den vergangenen Jahren ein starker Anstieg

der Kosten zu konstatieren. Vor allem durch die Einführung der diagnosebezogenen

Fallgruppen (DRG/SwissDRG) wurden grundlegende Veränderungen im

Gesundheitswesen angestoßen, die sich u. a. in einem wachsenden wirtschaftlichen

Druck auf Krankenhäuser manifestieren. Dabei sind namentlich die Personal- und

Sachkosten stark angestiegen. Gleichzeitig wachsen sowohl die Herausforderungen

hinsichtlich der Finanzierung bestehender Strukturen als auch der notwendigen

Infrastrukturinvestitionen. Die Notwendigkeit, zur Bewältigung dieser Aufgaben den

Professionalisierungsgrad insbesondere im Unterstützungsbereich zu erhöhen, bildet

den Ausgangspunkt der Arbeit. Der Anspruch zur effizienten Prozessgestaltung ist für

die Unterstützungsprozesse besonders hoch, da diese ausgehend von einer Ergebnis-

bzw. Zieldefinition möglichst ressourcenschonend ausgeführt werden sollen.

Das Benchmarking bietet als etabliertes Konzept mit einem hohen praktischen

Anwendungsbezug einen strukturellen Rahmen, um sogenannte Best Practices zu

identifizieren und konkrete Handlungsempfehlungen abzuleiten. Dabei gehen mit dem

Benchmarking auf Prozessebene besondere Anforderungen hinsichtlich der

Vergleichbarkeit und der Ableitung individueller und zielspezifischer Referenzwerte

einher. Die vorgeschlagene Methode zum prozessbasierten Benchmarking stellt die

Unterstützung unternehmerischer Entscheidungen in den Mittelpunkt und besteht aus

zwei Kernelementen. Zum einen wird ein Vorgehensmodell zur Strukturierung der

Prozesse mit Rückgriff auf Techniken der Referenzmodellierung präsentiert, zum

anderen wird darauf aufbauend eine Systematik zur effizienzbasierten

Leistungsmessung auf Prozessebene vorgestellt. Zur Messung der Effizienz wird dabei

die Data Envelopment Analysis eingesetzt. Abschließend werden die Kernbestandteile

mit dem Ziel der systematischen Ableitung von Handlungsempfehlungen

zusammengeführt und eine transparente Basis für das Treffen von strategischen und

operativen Entscheidungen bereitgestellt. Beide Bestandteile der Methode werden

anhand eines ausgewählten Unterstützungsbereichs mithilfe empirischer Daten von

Krankenhäusern aus Deutschland und der Schweiz validiert.

Management Summary iii

MANAGEMENT SUMMARY

A high level of transparency concerning the processual performance of services

delivered is an essential basis for entrepreneurial decisions. Irrespective of the industry

involved, an efficient and strategy-guided execution of process is a critical success

factor. Transparency demands thereby cover both structural and performance aspects.

Over the last decade, healthcare costs have risen sharply and, especially for hospitals, a

massive increase in costs can be seen. In particular, with the introduction of the

DRG/SwissDRG to national healthcare systems, essential modifications have been

initiated. Besides raising demand concerning quality aspects, a central consequence

has been increasing economic pressure on hospitals. Above all, personnel and material

costs have shown a significant increase. At the same time, hospitals are facing

challenges concerning both the financing of current structures and necessary

infrastructure investments. Associated with this obvious need for action is the

requirement for a higher degree of professionalism in primary and secondary activities.

In particular, support processes in hospitals can be delayed by the development of

state-of-the-art structures and measures. Due to this, support processes are the focus of

this study. Support processes are characterized by the special requirement to execute

processes efficiently; predefined results and targets should be achieved with a

minimum amount of resources.

Benchmarking is an established management concept that offers a structural

framework to identify best practices and derive goal-oriented guidance. As it is so

implementation oriented, benchmarking enables the practically oriented merging of

strategic and operational targets. It must be stated that benchmarking, on a process

level, raises special challenges concerning comparability and the derivation of

individual and goal-oriented reference levels. The proposed method for process-based

benchmarking focuses on the support of managerial decisions and comprises two

central elements. Firstly, a procedure model to structure the process environment is

presented, with recourse to established techniques of reference modeling. Secondly, a

systematization for an efficiency-based performance measurement on the process level

is described. For this, the established method for efficiency measurement, Data

Envelopment Analysis (DEA), is used. In conclusion, the two parts of the method are

brought together with the aim of providing a valid basis for operative and strategic

decisions. Both parts of the method will be validated against a selected support area,

using empirical data from hospitals in Germany and Switzerland.

Inhaltsverzeichnis iv

INHALTSVERZEICHNIS

VORWORT ....................................................................................................................... I

ZUSAMMENFASSUNG ..................................................................................................... II

MANAGEMENT SUMMARY............................................................................................ III

INHALTSVERZEICHNIS .................................................................................................. IV

ABBILDUNGEN ............................................................................................................... IX

TABELLEN ..................................................................................................................... XI

ABKÜRZUNGEN ............................................................................................................ XII

SYMBOLE ..................................................................................................................... XIV

1 EINLEITUNG UND ZIELSETZUNG ............................................................................ 1

1.1 Problemstellung und Relevanz ............................................................................. 1

1.2 Zielsetzung des Forschungsvorhabens ................................................................. 3

1.3 Vorgehensweise .................................................................................................... 4

2 KONZEPT UND METHODIK DES FORSCHUNGSVORHABENS ................................. 6

2.1 Wissenschaftstheoretische Einordung .................................................................. 6

2.2 Gestaltung des Forschungsdesigns ....................................................................... 9

2.3 Ablauf des Forschungsvorhabens ....................................................................... 12

2.4 Konzeption des theoretischen Bezugsrahmens .................................................. 13

2.4.1 Transaktionskostentheorie ........................................................................... 13

2.4.2 Entscheidungstheorie ................................................................................... 18

2.4.3 Ableitung des Forschungsrahmens .............................................................. 21

3 BEGRIFFLICHE UND THEORETISCHE GRUNDLAGEN .......................................... 22

3.1 Effizienz als Grundlage des Prozessbenchmarkings .......................................... 22

3.1.1 Abgrenzung der Begriffe Produktivität, Effizienz und Effektivität ............ 22

Inhaltsverzeichnis v

3.1.2 Eigenschaften von Technologiemengen ...................................................... 24

3.1.3 Arten der Effizienz ....................................................................................... 25

3.1.4 Effizienz als Entscheidungskriterium .......................................................... 28

3.1.5 Verfahren zur Effizienzmessung im Überblick ........................................... 31

3.1.6 Auswahl einer Methode zur Effizienzmessung auf Prozessebene ............... 33

3.2 Effizienz und Prozessmanagement ..................................................................... 36

3.2.1 Definition des Prozessbegriffs, Prozesshierarchie und -klassifikation ........ 36

3.2.2 Prozessorientierte Organisationsformen als Erfolgsfaktor .......................... 38

3.2.3 Prozessmanagement – Definition, Zielsetzung und Gestaltungsansätze ..... 40

3.2.4 Multidimensionale Leitungsmessung auf Prozessebene .............................. 42

3.2.5 Prozessmodelle als Kernbestandteil der Leistungsmessung auf

Prozessebene ................................................................................................ 44

3.3 Benchmarking auf Prozessebene ........................................................................ 45

3.3.1 Definition und Zielsetzung des Benchmarkings .......................................... 46

3.3.2 Klassifikation unterschiedlicher Benchmarking-Arten................................ 47

3.3.3 Vorgehen und Funktionsweise der Benchmarking-Ansätze ........................ 49

3.3.4 Nutzenbeschreibung des Benchmarkings .................................................... 52

3.4 Zusammenfassung und Implikationen für das weitere Vorgehen ...................... 55

4 PROZESSBASIERTES BENCHMARKING DES UNTERSTÜTZUNGSBEREICHS IM

KRANKENHAUS ..................................................................................................... 56

4.1 Beschreibung des Untersuchungsbereichs ......................................................... 56

4.1.1 Definition des Krankenhausbegriffs ............................................................ 56

4.1.2 Typisierung von Krankenhäusern ................................................................ 57

4.1.3 Charakterisierung und Besonderheiten des Krankenhausumfeldes ............. 58

4.1.4 Strukturelle Kennzahlen zum Krankenhausumfeld ..................................... 61

4.1.5 Prozessorientierung im Krankenhaus und Klassifikation der betrachteten

Prozesse ........................................................................................................ 63

4.2 Systematische Literaturanalyse: Data Envelopment Analysis,

Prozessmanagement und Benchmarking ............................................................ 65

Inhaltsverzeichnis vi

4.2.1 Zusammenfassung vorliegender Literaturanalysen zur DEA ...................... 66

4.2.2 Vorgehen und Zielsetzung der Literaturanalyse .......................................... 67

4.2.3 Grundlegende deskriptive Ergebnisse .......................................................... 68

4.2.4 Systematisierung der Ergebnisse der Literaturanalyse ................................ 72

4.3 Ableitung von Anforderungen an eine Methode zum prozessbasierten

Benchmarking mit der DEA ............................................................................... 76

4.4 Zusammenfassung der deskriptiven Analyse des Untersuchungsbereiches und

der Literatur ........................................................................................................ 81

5 ENTWICKLUNG UND ANWENDUNG EINES VORGEHENSMODELLS ZUR

SYSTEMATISCHEN STRUKTURIERUNG VON PROZESSEN .................................... 83

5.1 Problemstellung und Zielsetzung des Vorgehensmodells .................................. 83

5.2 Status quo: Ausgewählte Anwendungen des Prozessbenchmarkings und deren

Ansätze zur Herstellung von Prozessstrukturtransparenz .................................. 84

5.3 Modelle und Modellierung von Prozessen ......................................................... 87

5.4 Vorgehen zur Konstruktion von Referenzmodellen ........................................... 90

5.5 Bewertungsansätze für Prozessmodelle: Grundsätze ordnungsgemäßer

Modellierung ...................................................................................................... 93

5.6 Sprachen zur Modellierung von Geschäftsprozessen ......................................... 96

5.7 Beschreibung des Vorgehensmodells zur Strukturierung von

Unterstützungsprozessen im Krankenhaus ......................................................... 98

5.7.1 Definition des Analyseziels ......................................................................... 98

5.7.2 Identifikation geeigneter Partner und Sicherstellung der Vergleichbarkeit. 99

5.7.3 Definition der Modellierungsmethode ....................................................... 101

5.7.4 Erstellung des Prozessmodells ................................................................... 104

5.7.5 Analyse der prozessstrukturdeterminierenden Faktoren ............................ 108

5.7.6 Zusammenfassung und Modellabbildung zur Prozessstrukturierung ........ 110

5.8 Anwendung des entwickelten Vorgehensmodells am Beispiel von

Beschaffungsprozessen im Krankenhaus ......................................................... 111

Inhaltsverzeichnis vii

5.8.1 Eigenschaften und Besonderheiten des ausgewählten

Untersuchungsbereichs .............................................................................. 111

5.8.2 Schrittweise Umsetzung des entwickelten Vorgehens .............................. 113

5.8.2.1 Definition des Analyseziels und Identifikation der Partner ............ 114

5.8.2.2 Erstellung der Prozessmodelle unter Nutzung der ausgewählten

Modellierungsmethode .................................................................... 117

5.8.2.3 Analyse der die prozessuale Leistungserbringung determinierenden

Variablen ......................................................................................... 122

5.9 Fazit und Zusammenfassung der Prozessstrukturierung .................................. 123

6 BESCHREIBUNG UND ANWENDUNG EINER SYSTEMATIK ZUR

EFFIZIENZBASIERTEN LEISTUNGSMESSUNG AUF PROZESSEBENE ................... 125

6.1 Verwendung der Data Envelopment Analysis als Methode zur

Effizienzevaluation auf Prozessebene .............................................................. 125

6.2 Bewertung der Leitungsfähigkeit von Prozessen ............................................. 127

6.3 Herleitung des DEA-Grundmodells ................................................................. 130

6.4 Überblick über etablierte Vorgehen zur Leistungsmessung mithilfe der DEA 134

6.5 Beschreibung einer DEA-gestützten Systematik zur Durchführung einer

Prozessleistungsanalyse .................................................................................... 136

6.5.1 Identifikation und Auswahl der Vergleichsobjekte ................................... 136

6.5.2 Definition der Betrachtungsebene und Festlegung des Analyserahmens .. 139

6.5.3 Identifikation der Prozessobjekte und Ableitung einer Vollliste ............... 139

6.5.4 Qualitative Datenanalyse zur Klassifikation der Prozessmessgrößen als

Inputs und Outputs ..................................................................................... 140

6.5.5 Quantitative Analyse und Harmonisierung der Ausgangsdaten zur

Aufstellung des Messmodells .................................................................... 141

6.5.6 Berechnung des individuellen Effizienzwertes und Analyse der

Ineffizienzen ............................................................................................... 144

6.5.7 Überprüfung der Robustheit der Analyseergebnisse ................................. 146

6.5.8 Zusammenfassung der DEA-gestützten Systematik .................................. 147

Inhaltsverzeichnis viii

6.6 Beispielhafte Anwendung der Systematik in der Beschaffung in

Krankenhäusern ................................................................................................ 149

6.6.1 Prozessbasierter Einsatz der DEA-gestützten Systematik im

Beschaffungsbereich .................................................................................. 149

6.6.2 Durchführung der analysevorbereitenden Schritte zur Messung der

Prozessleistung ........................................................................................... 151

6.6.3 Ergebnisse der Effizienzanalyse ................................................................ 159

6.6.3.1 Deskriptive Statistik der Hauptprozesse und Effizienzanalyse ...... 159

6.6.3.2 Zerlegung der Ineffizienz ................................................................ 163

6.7 Fazit und Zusammenfassung der Prozessleistungsmessung ............................ 166

7 SYSTEMATISCHE ABLEITUNG PROZESSBASIERTER ZIELWERTE UND

HANDLUNGSEMPFEHLUNGEN ............................................................................ 168

7.1 Theoretische Konzeption zur Ableitung zielgerichteter Benchmarks .............. 169

7.1.1 Theoretische Fundierung und Konzeption ................................................. 169

7.1.2 Anwendung des Konzepts zur Ableitung zielgerichteter Benchmarks auf

der gewählten Analyseebene ...................................................................... 173

7.2 Ableitung konkreter Handlungsempfehlungen unter Berücksichtigung der

Prozessstrukturierung ....................................................................................... 175

7.2.1 Zusammenführung der Effizienzwerte und der Prozessstrukturierung zur

Ableitung konkreter Handlungsempfehlungen auf Prozessebene ............. 175

7.2.2 Ableitung eines Prozesseffizienz-Portfolios zur Maßnahmenpriorisierung

.................................................................................................................... 179

8 FAZIT ................................................................................................................... 181

8.1 Ergebnisse und eigene Innovationsbeiträge ..................................................... 181

8.2 Kritische Würdigung und Limitationen ............................................................ 184

8.3 Ausblick und weiterer Forschungsbedarf ......................................................... 186

ANHANG ...................................................................................................................... 188

LITERATURVERZEICHNIS ........................................................................................... 196

Abbildungen ix

ABBILDUNGEN

Abbildung 1: Aufbau der Arbeit ...................................................................................... 5

Abbildung 2: Ablauf des Forschungsvorhabens ........................................................... 12

Abbildung 3: Einflussfaktoren auf die Transaktionskosten .......................................... 15

Abbildung 4: Darstellung der Koordinationskurven ..................................................... 16

Abbildung 5: Theoretischer Bezugsrahmen (eigene Darstellung) ................................ 21

Abbildung 6: Überblick zu unterschiedlichen Skalenertragsannahmen ....................... 25

Abbildung 7: Grafische Darstellung der Effizienz ........................................................ 27

Abbildung 8: Übersicht zu Verfahren der Effizienzmessung ....................................... 31

Abbildung 9: Klassifikation von Benchmarking-Arten ................................................ 49

Abbildung 10: Benchmarking-Vorgehen nach Camp ................................................... 51

Abbildung 11: Vergleich des Erkenntnispotenzials unterschiedlicher Benchmarking-

Anwendungen ........................................................................................ 53

Abbildung 12: Beispielhafte Darstellung der Value Chain eines Krankenhauses ........ 64

Abbildung 13: Verteilung der Publikationen nach Jahren ............................................ 68

Abbildung 14: Verteilung der Publikationen nach Journals ......................................... 69

Abbildung 15: Verteilung der Publikationen nach geografischer Herkunft ................. 70

Abbildung 16: Anforderungen an die Entwicklung einer konsistenten mehrstufigen

Methode ................................................................................................. 82

Abbildung 17: Einsatzzwecke von (Referenz-)Prozessmodellen ................................. 89

Abbildung 18: Vorgehensmodell zur Referenzmodellierung ....................................... 91

Abbildung 19: Iterativer Referenzmodellierungsprozess als Doppelkreislaufsystem . 92

Abbildung 20: Erstellung und Verwendung des Referenzprozessmodells ................. 106

Abbildung 21: Schritte des Vorgehensmodells zur Prozessstrukturierung ................. 111

Abbildung 22: Klassifikationsraster zur Spezifikation und Beschreibung des

Analyseziels ......................................................................................... 115

Abbildung 23: Klassifikationsraster der Untersuchungsobjekte ................................. 116

Abbildung 24: Prozesslandkarte des Unterstützungsbereichs in Krankenhäusern ..... 118

Abbildung 25: Prozessabbildung Sortimentsgestaltung und operative Beschaffung.. 119

Abbildung 26: Referenzprozessmodell am Beispiel des Teilprozesses Bestellkontrolle

und –abschluss ..................................................................................... 121

Abbildung 27: Deskriptive Beschreibung der Ausprägungen der

prozessstrukturdeterminierenden Variablen ........................................ 122

Abbildung 28: DEA-gestützte Systematik zur Prozessleistungsmessung ................... 148

Abbildungen x

Abbildung 29: Prozesslandkarte und Darlegung der unterschiedlichen

Betrachtungsebenen ............................................................................. 152

Abbildung 30: Prozess der Generierung einer Vollliste „Verhandlungen“ ................ 154

Abbildung 31: Darstellung des Teilprozesses „Verhandlung“ nach der qualitativen

Datenanalyse ........................................................................................ 155

Abbildung 32: Messmodelle Sortimentsgestaltung nach der quantitativen

Datenanalyse ........................................................................................ 157

Abbildung 33: Zerlegung der Ineffizienz am Beispiel von DMU 26 ......................... 166

Abbildung 34: Prozesseffizienz-Portfolio für DMU 26 .............................................. 180

Tabellen xi

TABELLEN

Tabelle 1: Methodenbasierter Überblick der identifizierten DEA-Ansätze .................. 71

Tabelle 2: Anforderungen an Modellierungssprache .................................................. 102

Tabelle 3: Überblick der prozessstrukturdeterminierenden Faktoren ......................... 109

Tabelle 4: Deskriptive Statistik des Hauptprozesses „Sortimentsgestaltung“ ............ 160

Tabelle 5: Deskriptive Statistik des Hauptprozesses „operative Beschaffung" .......... 160

Tabelle 6: Übersicht der Effizienzwerte auf Hauptprozessebene und nach

Kategorisierung für HP operative Beschaffung ......................................... 162

Tabelle 7: Übersicht der Effizienzwerte der DMU 26 ................................................ 168

Tabelle 8: Übersicht der faktorspezifischen Zielsetzungen aus Sicht des Managements

.................................................................................................................... 173

Tabelle 9: Ergebnisübersicht der zielgerichteten Benchmarks (normiert) .................. 174

Tabelle 10: Überblick beispielhafter Handlungsempfehlungen je Dimension ........... 178

Abkürzungen xii

ABKÜRZUNGEN

AHP Analytic Hierarchy Process

ANP Analytic Network Process

ARIS Architektur Integrierter Informationssysteme

BANF Bestellanforderung

BCC Abkürzung Entwickler Banker, Charnes und Cooper

BPI Business Process Improvement

BPMI Business Process Management Initiative

BPMN Business Process Model and Notation 2.0

BPR Business Process Reengineering

CCR Abkürzung der Entwickler Charnes, Cooper, Rhodes

CRS Constant Resturns to Scale

DEA Data Envelopment Analysis

DMU Decision Making Unit

DRG Diagnosis Related Groups

EMS Efficiency Measurement System (Software)

EPK Ereignisgesteuerte Prozesskette

ERM Entitiy-Relationship-Modell

FDH Free Disposable Hull

FHC Financial Holding Companies

FP Faktorproduktivität

GBE Gesundheitsberichtserstattung des Bundes

GKV Gesetzliche Krankenversicherung

GoM Grundsätze ordnungsgemäßer Modellierung

GP Geschäftsprozess

HP Hauptprozess

IG Investitionsgüter

IKT Informations- und Kommunikationstechnologien

KH Krankenhaus

KHG Krankenhausfinanzierungsgesetz

Abkürzungen xiii

KHEntgG Krankenhausentgeltgesetz

KMU Kleine- und mittlere Unternehmen

LOVeM Line of Visibility Engineering Methodology

MADM Multi Attribute Decision Making

MCDA Multi Criteria Decision Analysis

MCDM Multi Criteria Decision Making

MODM Multi Objective Decision Marking

MPG Medizinproduktegesetz

MPSS Most Productive Scale Size

NDRS Non-decreasing returns to scale

NIRS Non-increasing returns to scale

OB Operative Beschaffung

OMG Object Management Group

PROMETHEE Preference Ranking Organization METHod for Enrichment

Evaluations

SCOR Supply-Chain-Operations-Reference-Modell

SDEA Stochastic Data Envelopment Analysis

SE Skalenerträge

SKE Skaleneffizienz

SFA Strochastic Frontier Analysis

SG Sortimentsgestaltung

SGB Sozialgesetzbuch

SSC Swiss Diagnosis Related Groups

SwissDRG SwissDRG

TP Teilprozess

TQM Total Quality Management

UML Unified Modeling Language

VEM Vektorielles Entscheidungsmodell

VG Verbrauchsgüter

VRS Variable returns on scale

WWS Warenwirtschaftssystem

Symbole xiv

SYMBOLE

𝑎 Alternativen

𝐴 Produktionsraum

g Anspruchsniveau des Inputs

h Anspruchsniveau des Outputs

ℎ0 Input-Effizienzwert der DMU 0 im primalen linearen Programm

i Index des Inputarten

j Index der Beobachtungen

m Anzahl der Inputs

M Maverick-Index

n Anzahl der Beobachtungen

r Index der Outputarten

s Anzahl der Outputs

s+ Schlupfvariable für Output

s- Schlupfvariable für Input

𝑥 Menge des Inputs

𝑦 Menge des Outputs

𝑧 Zielfunktion

𝛼 Gewichtungsfaktor

𝛿 Effizienzwert

휀 Residuum (Fehlerterm)

𝐸 Effizienzmaß

𝜃 Effizienzfaktor

𝜅 Nicht arimedische Konstante

𝜆 Skalenniveaufaktor

𝜇 Skalenfaktor für Output

𝜈 Skalenfaktor für Input

𝑇 Technologiemenge

Einleitung und Zielsetzung 1

1 EINLEITUNG UND ZIELSETZUNG

In diesem Kapitel wird zunächst die Problemstellung und Relevanz der Arbeit darlegt,

bevor die Ziele des Forschungsvorhabens beschrieben werden. Abschließend wird der

grundsätzliche Aufbau der vorliegenden Arbeit erläutert.

1.1 Problemstellung und Relevanz

Der größte Block der Gesundheitsausgaben in Deutschland entfällt auf den Sektor der

stationären Krankenhäuser mit Gesamtkosten von ca. 90 Mrd. Euro (2013), wobei

allein in den vergangenen fünf Jahren ein Anstieg von ca. 24 % zu verzeichnen war

(Destatis, 2014).1 Neben einem erheblichen Anstieg der Sachkosten ist zu beobachten,

dass die Krankenhäuser insbesondere von steigenden Personalkosten betroffen sind.2

Dabei ist neben einem Anstieg der Kosten der wertschöpfenden Aktivitäten, die hier

als ökonomischer Ausdruck der unmittelbar medizinischen Leistungen verstanden

werden, eine ähnliche Entwicklung in den unterstützenden Bereichen zu beobachten.

Dies beschreibt jedoch kein branchenspezifisches Problem, da eine

überdurchschnittliche Steigerung der Gemeinkosten im Vergleich zu den Einzelkosten

branchenübergreifend konstatiert werden kann (Horváth, 2011). Ziel ist die

Erbringung eines unterstützenden Beitrags zur Wertschöpfung, wobei die klare

Zuordnung zur direkten Leistungserbringung in diesem Kontext eine Herausforderung

darstellt (Schweitzer 1997; Porter, 1985). Die unterstützenden Aktivitäten haben dabei

insbesondere planenden, steuernden, koordinierenden und kontrollierenden Charakter

und betreffen vergleichsweise schwierig zu definierende Leistungseinheiten (Horváth,

2011). Eine besondere Herausforderung ist die Bewertung der Leistungsfähigkeit. Die

zahlreichen strukturellen Veränderungen, insbesondere die Einführung der

diagnosebezogenen Fallgruppen (Diagnosis Related Groups, DRG) mit dem Ziel der

Erhöhung der Transparenz und der Stabilisierung der Gesundheitsausgaben, haben

eine Quasi-Deckelung der Erträge der Krankenhäuser zur Folge (Fleßa, 2013;

Haubrock, 2009a). Entsprechend sind die Krankenhäuser gezwungen, ihre Leistungen

sehr ressourceneffizient auszuführen und gleichzeitig den geforderten

Sicherheitsstandards zu entsprechen, die Qualität der Leistungserbringung zu

optimieren und nicht zuletzt den Bedürfnissen der Patienten bestmöglich gerecht zu

1 Die Daten beziehen sich auf die Bundesrepublik Deutschland für den Zeitraum 2008–2013. Es werden die

Gesamtkosten, einschließlich der Kosten für Ausbildungsstätten und Aufwendungen für den

Ausbildungsfonds angegeben (nichtstationäre Leistungen in Höhe von ca. 12 Mrd. Euro). 2 Das Verhältnis zwischen Personal- und Sachkosten beträgt ca. 60 : 40.


werden (Vos et al., 2009). Diese Entwicklungen spiegeln sich in einem Anstieg der

Fallzahlen um 7 % bei einer gleichzeitigen Reduktion der Anzahl der Krankenhäuser

um 4 % wider (Destatis, 2014).3 Dabei arbeiteten 2012 in Deutschland ca. 35 % der

Krankenhäuser unwirtschaftlich, ca. 13 % wurden gar als insolvenzgefährdet

eingestuft (Reifferscheid, 2015; Augurzky et al., 2014). Entsprechend besteht für die

unterstützenden Bereiche die Forderung, sich auf eine effiziente Leistungserbringung

und bestmögliche Unterstützung der medizinischen Aktivitäten zu fokussieren. Daraus

erwachsen konkrete Transparenzanforderungen in Bezug auf Struktur und Leistung.

Veranlasst durch den Erfolg anderer Branchen und den steigenden finanziellen

Handlungsdruck, wird zunehmend ein prozessorientiertes Denken verfolgt und es

werden Techniken des Prozessmanagements angewendet, die von der kontinuierlichen

Verbesserung in kleinen Schritten bis hin zur Restrukturierung ganzer Prozessabläufe

reichen (Cleven et al., 2014; Rohner, 2012). Die Effizienzsteigerung in Organisationen

erfordert eine Verbesserung der Prozessausführung (González et al., 2010).

Gleichzeitig besteht die Notwendigkeit der ständigen Weiterentwicklung der

Prozessstrukturen bzw. der Etablierung transparenter Prozessarchitekturen, um sich

veränderlichen Rahmenbedingungen anzupassen. Die prozessbasierte Betrachtung der

Leistungserbringung wird als multidimensionales Konstrukt der Dimensionen Zeit,

Qualität und Kosten beschrieben, die mit entsprechend unterschiedlichen

Maßeinheiten in die Betrachtung eingehen (Gaitanides et al., 1994b). Eine

multidimensionale Betrachtung mit Berücksichtigung finanzieller Messgrößen ist

dabei einer dimensionsfokussierten Betrachtung vorzuziehen (Maskell, 1998). Für die

Unterstützungsprozesse besteht die Herausforderung darin, dass ein Zusammenhang

zwischen den eingesetzten Mitteln und dem erzielten Output nicht ohne Weiteres

hergestellt werden kann. Das etablierte Verfahren des Benchmarkings wird als

übergeordneter Rahmen eingesetzt, um eine aus Managementsicht notwendige

Informationsaufbereitung im Sinne einer validen Vergleichsgrundlage für operative

(z. B. Prozessoptimierungen) und strategische (z. B. Make-or-buy-Entscheidungen)

Fragestellungen bereitzustellen. Dabei ermöglicht die Messbarkeit von Informationen

Unternehmen ihre Leistungsfähigkeit einzuschätzen und künftig zu steigern sowie die

Prognostizierbarkeit zu erhöhen (González et al., 2010). Benchmarking kann dabei

helfen, effiziente Prozesse zu identifizieren und Referenzwerte für die Verbesserung

ineffizienter Prozesse bereitzustellen (Talluri, 2000a). Zudem bildet die durch das

3 Die Verweildauer hat sich seit 1993 fast halbiert auf durchschnittlich 7,5 Tage, die Anzahl der

Krankenhäuser seit 1993 fast um 15 % reduziert.


Benchmarking erreichte Transparenz die Basis für eine Steigerung der

Entscheidungsqualität im Hinblick auf die Unterstützung strategischer

Planungsaspekte sowie die Ableitung strategischer und operativer Zielsetzungen

(Zairi, 1994; Camp, 1995; Smith, 2000).

1.2 Zielsetzung des Forschungsvorhabens

Übergeordnetes Forschungsziel der Arbeit ist die Entwicklung einer Methode zum

prozessbasierten Benchmarking von Unterstützungsprozessen im Krankenhaus, die der

Verbesserung unternehmerischer Entscheidungen dient, indem sie Transparenz

hinsichtlich der Struktur und Leistungsfähigkeit der zugrunde liegenden Prozesse

herstellt. Neben dem konzeptionellen Teil steht insbesondere die empirische

Validierung des Verfahrens im Vordergrund. Dabei sollen explizit die Erfolgsfaktoren

der operativen Leistungserstellung adressiert werden, die durch aktives Management

der Geschäftsprozesse gestaltet werden können. Eingebettet in das etablierte

Benchmarkingkonzept werden als Ergebnis des systematischen Vorgehens valide,

effizienzbasierte Referenzwerte ermittelt, die das Management bei der Ableitung

konkreter Prozessziele unterstützen und somit der Anforderung einer klaren

quantitativen Beschreibung des notwenigen Handlungsbedarfs entsprechen. Dazu soll

zum einen auf die eigene Leistungsfähigkeit zurückgegriffen werden, zum anderen soll

eine systematische Identifikation von Best Practices als extern validierten und

definierten Leistungsstandards erfolgen, die eine Orientierung an effizienten und

innovativen Unternehmen ermöglichen. Das Forschungsvorhaben nutzt Erkenntnisse

und Methoden aus dem Controlling, der Wirtschaftsinformatik und dem Operations

Research. Die zentrale Forschungsfrage lautet:

Wie muss eine Methode zum prozessbasierten Benchmarking von

Unterstützungsprozessen im Krankenhaus ausgestaltet sein?

Aus dem übergeordneten Forschungsziel und der Forschungsfrage lassen sich

vertiefende Forschungsfragen definieren, die in der angegebenen Reihenfolge

beantwortet werden sollen:

Welche Anforderungen sind an eine Methode zum prozessbasierten

Benchmarking nicht-wertschöpfender Prozesse im Krankenhaus zu stellen?

Wie muss eine Modellierung der Prozessstruktur für den indirekten

Leistungsbereich eines Krankenhauses ausgestaltet sein?


Wie muss eine Systematik zur Leistungsanalyse in Unterstützungsprozessen im

Krankenhaus ausgestaltet sein?

Wie können die Informationen der Prozessstrukturierung und der

Leistungsanalyse zur Ableitung von Handlungsempfehlungen genutzt werden?

Wie können Informationen und Erkenntnisse mit dem Ziel der

Entscheidungsunterstützung aufbereitet werden?

1.3 Vorgehensweise

Zunächst werden die wissenschaftliche Einordnung des Forschungsvorhabens und das

Forschungsdesign beschrieben (Kapitel 2). Anschließend werden die theoretischen

Grundlagen erörtert und wichtige Begriffe definiert (Kapitel 3). Der Fokus liegt

hierbei auf der Effizienz als dem zugrunde liegenden Entscheidungskriterium im

Hinblick auf ein zielgerichtetes Prozessmanagement und die Einbindung des

Benchmarkings auf Prozessebene. Es folgt die detaillierte Beschreibung des

Untersuchungsfeldes, in der explizit die Situation im deutschen Gesundheitswesen

betrachtet wird. Zudem wird eine bibliometrische Analyse durchgeführt, wobei die in

Kapitel 3 vorgestellten Begrifflichkeiten zusammengeführt werden und eine

systematische Analyse der differenzierten Anwendungsfelder erfolgt. Ergebnis der

Betrachtungen ist die Definition von Anforderungen an eine branchenspezifische

Methode zum prozessbasierten Benchmarking (Kapitel 4). Nach einem Überblick über

die theoretischen Grundlagen zur Referenzmodellierung wird ein Vorgehensmodell

entwickelt, dessen Fokus auf der Prozessstrukturierung mithilfe von

Referenzprozessmodellen liegt. Abschließend erfolgt eine exemplarische Anwendung

und Validierung in einem indirekten Leistungsbereich des Krankenhauses, inkl. der

Erstellung eines Referenzprozessmodells (Kapitel 5). Auf dieser Grundlage wird die

Systematik zur effizienzbasierten Leistungsmessung mithilfe der Data Envelopment

Analysis beschrieben und unter Verwendung empirischer Daten von 46

Krankenhäusern beispielhaft umgesetzt. Die individuelle Betrachtung der prozessualen

Effizienzwerte erfolgt dabei anhand einer ausgewählten Untersuchungseinheit

(Kapitel 6). Das Potenzial einer Zusammenführung der Ergebnisse der beiden

Kernbestandteile der Methode besteht in der Identifikation operativer Stellhebel und

der Ableitung konkreter Handlungsempfehlungen (Kapitel 7). Die Arbeit schließt mit

einer Zusammenfassung der Innovationsbeiträge und einer kritischen Würdigung des

entwickelten Vorgehensmodells für Wissenschaft und Praxis, bevor abschließend ein

Ausblick für künftige Forschungsvorhaben gegeben wird (Kapitel 8).


Abbildung 1: Aufbau der Arbeit (eigene Darstellung)

Konzept und Methodik des Forschungsvorhabens 6

2 KONZEPT UND METHODIK DES FORSCHUNGSVORHABENS

In diesem Kapitel wird das grundsätzliche Forschungsdesign beschrieben sowie dessen

wissenschaftstheoretische Fundierung und der Ablauf des Vorhabens dargelegt.

Darüber hinaus erfolgt die Konzeption des theoretischen Bezugsrahmens auf der Basis

einer Diskussion der zugrunde liegenden wissenschaftlichen Theorien.

2.1 Wissenschaftstheoretische Einordung

Aufgabe der Wissenschaft ist die Generierung wissenschaftlichen Fortschritts, wobei

diese durch das Streben nach Wahrheit, Informationsgehalt und Neuheit sowie den

daraus resultierenden Zielkonflikt geprägt ist (Chmielewicz, 1979; Schanz, 1978).4 In

diesem Sinne ist Wissenschaft ein systematischer Erkenntnisprozess mit dem Ziel, den

Wissensvorrat zu vergrößern (Kornmeier, 2007; Fülbier, 2004; Chmielewicz, 1979).

Wissenschaft umfasst das Bemühen, Informationen über unterschiedliche Ereignisse in

der Natur und/oder menschlichem Zusammenleben „zu sammeln, zu ordnen und

Aussagen über ihre innere Verbundenheit zu machen“ (Schnell et al., 2013, S. 45).

Wichtiges Kriterium ist dabei, die Gewinnung der Erkenntnisse so zu gestalten, dass

sie für Dritte nachvollziehbar sind (Schnell et al., 2005). Fokus der vorliegenden

Arbeit ist die Konstruktion und Anwendung einer Methode zum prozessorientierten

Benchmarking von Unterstützungsprozessen im Krankenhaus, die durch Wahrheits-

und Informationsgehalt zu einer Verbesserung der gegenwärtigen Situation beitragen

soll. Nach Schweitzer (1978, S. 1) beschäftigt sich die Betriebswirtschaftslehre als

Wissenschaft mit dem „gesamten Wissen und seiner Vermehrung über das

Wirtschaften in Betrieben.“ Da sich die Betriebswirtschaftslehre auf vorhandene, in

der Realität beobachtbare Gegenstände, Strukturen, Größen oder Relationen bezieht,

wird sie dem Bereich der Realwissenschaften zugeordnet (Schanz, 1978; Schweitzer,

1978; Raffée, 1974).5 Die Realwissenschaften können entsprechend ihrem

spezifischen Zweck bzw. Ziel grundsätzlich in reine und angewandte Wissenschaften

4 Raffée (1974, S. 13) weist dem Wissenschaftsbegriff drei Bedeutungen zu. Die Wissenschaft als Tätigkeit

bezieht sich auf die „systematische Gewinnung von Erkenntnis“, während die Wissenschaft als Institution ein

System von Menschen und Dingen umfasst, „innerhalb dessen sich der Prozess der Erkenntnisgewinnung

vollzieht“. Drittens wird Wissenschaft als Ergebnis der Tätigkeit verstanden, wobei die Elemente in einer

„systematischen Zuordnung zueinander stehen und/oder durch systematische Reflektion kontrolliert wurden.“ 5 Unterschieden wird in metaphysische und nicht-metaphysische Wissenschaft, wobei Letztere in Real- und

Formalwissenschaften differenziert wird. Realwissenschaften fokussieren reale Phänomene,

Formalwissenschaften beschäftigen sich insbesondere mit Methoden und abstrakten Objekten, wobei logisch

überprüfbare Aussagen und Ergebnisse generiert werden (Kornmeier, 2007; Raffée, 1974).


unterschieden werden (Ulrich & Hill, 1979; Raffée, 1974).6 Bei der reinen

Wissenschaft steht der Erkenntnisfortschritt im Fokus, wobei die Konzentration

explizit auf der Erlangung und Sammlung neuen Wissens liegt (Kornmeier, 2007). Die

angewandte Wissenschaft ist auf die praktische Umsetzung der gewonnenen

Erkenntnisse gerichtet, wobei das theoretische Wissen für die Selektion und Adaption

von Handlungsempfehlungen mit dem Ziel der Verbesserung der wirtschaftlichen

Leistungsfähigkeit von Unternehmen genutzt wird (Kornmeier, 2007; Ulrich, 1984).

In der wirtschaftstheoretischen Literatur wird grundsätzlich zwischen vier

Wissenschaftszielen differenziert (Chmielewicz, 1994). Das deskriptive bzw.

essentialistische Wissenschaftsziel kann als Fundamentalziel angesehen werden, es ist

auf eine möglichst präzise Beschreibung der realen Betrachtungsobjekte und ihrer

Merkmale mithilfe betriebswirtschaftlicher Begriffe gerichtet (Schweitzer, 1978;

Kosiol, 1978). Ebenso der reinen Wissenschaft zuzuordnen ist das theoretische

Wissenschaftsziel, bei dem die wissenschaftliche Erklärung und Prognose mithilfe von

Ursache/Wirkungs-Zusammenhängen im Mittelpunkt steht (Kornmeier, 2007;

Schweitzer, 1978). Dabei werden zum Zweck der Aufklärung praktischer

Problemstellungen auf der Basis theoretischen Wissens Hypothesen und Theorien

gebildet, die Grundlage für empirisch belegbare und validierte Aussagesysteme bilden

(Schweitzer, 1978). Das pragmatische Wissenschaftsziel ist durch einen hohen

Anwendungsbezug gekennzeichnet, wobei praktische betriebswirtschaftliche

Problemstellungen mithilfe theoretisch fundierter Aussagen bearbeitet werden. Dabei

werden Mittel/Ziel-Strukturen erarbeitet, die Entscheidungsträger als transparente und

verlässliche Grundlage bei der Identifikation geeigneter Problemlösungen unterstützen

(Schweitzer, 1978; Kornmeier, 2007). Finden darüber hinaus Werturteile in die

Konstruktion der Aussagesysteme Eingang, wird vom normativen Wissenschaftsziel

gesprochen (Schweitzer, 1978; Chmielewicz, 1994).7

Ziel der vorliegenden Arbeit ist die Identifikation und Präsentation einer validen

Grundlage zur Ableitung von Entscheidungen und konkreten Handlungsempfehlungen

für die effiziente Gestaltung und Ausführung von Unterstützungsprozessen im

Krankenhaus. Die Konstruktion entsprechender Modelle und Strukturen unterstützt die

Entscheidungen zur Generierung bestmöglicher Lösungen und das Erreichen der

6 Angewandte Wissenschaft wird zudem in wertende und wertfreie Wissenschaft unterschieden (Raffée, 1974;

Bamberg et al., 2012). 7 Werturteile besitzen keinen empirischen Gehalt, sondern haben lediglich Weisungsgehalt, der anhand seiner

Akzeptanz beurteilt werden kann (Schweitzer, 1978).


individuellen Ziele, wobei neben den informations- auch die gestaltungsfunktionalen

Merkmale der Betriebswirtschaftslehre deutlich werden (Heinen, 1978). Damit wird

ein pragmatisches Wissenschaftsziel verfolgt, das einen hohen Bezug zu praktischen

Problemstellungen aufweist und somit der anwendungsorientierten Wissenschaft

zuzuordnen ist.

Abgeleitet aus dem geschilderten Wissenschaftsziel kann die erkenntnistheoretische

Position der Arbeit bestimmt werden. Diese kann auf vier zentrale Dimensionen

reduziert werden, wobei die erkenntnistheoretische Verortung erklärt, wie die

Wissenschaft zur Erreichung eines Erkenntnisfortschritts aus Sicht der

Betriebswirtschaftslehre betrieben werden muss (Kornmeier, 2007). Der Realismus

unterstellt die Existenz einer vom Denken unabhängigen Realität, die durch

Wahrnehmung und Denken vollständig bzw. in wesentlichen Teilen erkannt und

beschrieben werden kann. Als Einschränkung erweist sich, dass Individuen jeweils nur

einen Teil der Informationen wahrnehmen können, die von der Umwelt bereitgestellt

werden. Zudem unterliegen die individuellen Wahrnehmungen Verzerrungen und

Täuschungen (Kornmeier, 2007; Haug, 2004). Dem steht der radikale

Konstruktivismus gegenüber, der die Realität als subjektabhängiges Konstrukt ansieht

und davon ausgeht, dass die Realität durch Beobachtungen konstruiert wird und daher

einer subjektiven Interpretation unterliegt. Entsprechend werden Theorien lediglich als

nutzenstiftende Fiktionen angesehen, die jedoch nicht veridikal sind (Schnell et al.,

2013; Kornmeier, 2007).

Aus erkenntnistheoretischer Sicht haben sich der klassische Rationalismus und der

klassische Empirismus als die zentralen Positionen herausgebildet (Kern, 1979;

Kornmeier, 2007). Der klassische Rationalismus gründet auf Verstand und Vernunft

als Ursprung der Erkenntnis, nicht auf sinnliche Erfahrung. Dabei geht jeder

Beobachtung eine Theorie voraus, um Erkenntnisse deduktiv aus Beobachtungen oder

Experimenten abzuleiten. Dem steht der klassische Empirismus gegenüber, der aus

einer endlichen Anzahl an Beobachtungen induktiv auf allgemeingültige

Gesetzesaussagen schließt, wobei die Erfahrung als wichtigste Quelle menschlicher

Erkenntnis angesehen wird (Kornmeier, 2007; Schnell et al., 2013). Die radikalen

Positionen sowohl des klassischen Rationalismus als auch des klassischen Empirismus

gelten in der Wirtschaftstheorie als überwunden, da sich weder die reine Deduktion

noch die reine Induktion als allein zielführend erwiesen hat (Schmid, 1996).8

8 Ausführungen zu den Schwachstellen der klassischen Erkenntnislehre finden sich bei Kern (1979).


Die heutige Betriebswirtschaftslehre ist vor allem durch den kritischen Rationalismus

und den Konstruktivismus geprägt, wobei insbesondere erstgenannter wesentliche

Elemente der radikalen Positionen aufgenommen hat (Kern, 1979; Fülbier, 2004). Der

kritische Rationalismus geht davon aus, dass eine objektive Realität existiert und

formal erkennbar ist, diese jedoch nur subjektiv begriffen werden kann (Schirmer

2009). Die implizite Unterstellung der Fehlbarkeit der menschlichen Vernunft führt

dazu, dass die Erkenntnisse lediglich als vorläufig anzusehen sind (Kornmeier, 2007).

Damit erfolgt ein Wechsel vom Anspruch der Verifikation hin zur Falsifikation im

Sinne einer andauernden Suche nach der Wahrheit (Popper, 1994). Durch Falsifikation

von Hypothesen kann eine Annäherung an die Realität erfolgen (Rommelfanger &

Eickemeier, 2002; Kornmeier, 2007). Der oben beschriebene radikale

Konstruktivismus als Kritik des naiven Realismus ist klar vom Konstruktivismus der

Erlanger Schule abzugrenzen.9 Letztgenannter ist vom Begründungsanspruch des

klassischen Rationalismus geprägt, wobei aufbauend auf theoretischen Überlegungen

und Argumentationen deduktiv Erkenntnisse gewonnen werden, die jedoch nicht als

endgültig angesehen werden (Kornmeier, 2007; Lorenzen, 1974). Ziel ist die

Generierung von Wissen in Form eines Konsenses als übereinstimmendes Ergebnis

der an der Diskussion beteiligten Experten (Schnell et al., 2013). Die vorliegende

Arbeit folgt dem Konstruktivismus, wobei meta-theoretischen Fragen mit Empirie

verbunden werden (Kornmeier, 2007). Dabei werden die Hürden und

Herausforderungen des Benchmarkings auf Prozessebene untersucht und eine Methode

mit dem Ziel der Unterstützung unternehmerischer Entscheidungen konzipiert und

validiert.

2.2 Gestaltung des Forschungsdesigns

Nach der wissenschaftstheoretischen Einordung wird im Folgenden der konzeptionelle

Handlungsrahmen definiert. Für die Umsetzung eines realwissenschaftlichen,

entscheidungsorientierten Forschungsvorhabens bedarf es einer engen Kooperation mit

der Unternehmenspraxis (Möller, 2002). Liegt das Untersuchungsfeld in einem wenig

bekannten Wirklichkeitsbereich und zeichnet sich durch einen hohen

Spezifikationsgrad aus, haben sich qualitative Forschungsansätze als besonders

geeignet erwiesen (Flick et al., 2008; Atteslander, 2008). Als grundlegendes Merkmal

9 Dabei zeichnen sich konstruktivistische Theorien dadurch aus, dass die Realität vom individuellen

Standpunkt aus gesehen und konstruiert wird (Schirmer, 2009).


qualitativer Forschung10 wird insbesondere die Ausweitung des explorativen Aspekts

auf die gesamte Untersuchung betont (Kromrey, 2006; Gerdes, 1979). Das ermöglicht

eine systematische Berücksichtigung von durch Beziehungen und Werte geprägten

komplexen Zusammenhängen (Atteslander, 2008). Dabei ist das Verfolgen einer

dualen Forschungsstrategie, die das „schöpferische Entwerfen neuer Konzepte und

Techniken“ neben dem empirischen Forschungsaspekt formuliert, anzustreben

(Chmielewicz, 1978, S. 437).

In der vorliegenden Betrachtung ist von einem komplexen Umfeld auszugehen, sodass

sich ein explorativer Forschungsansatz als geeignet erweist.11 Die Untersuchung

erfolgt fokussiert auf den konkreten Anwendungsbereich der Unterstützungsprozesse

im Krankenhaus. Für die Durchführung von Benchmarking-Anwendungen existieren

zwar etablierte und anerkannte Konzepte, jedoch fehlt es an Konzeptionen im

genannten Anwendungsbereich, insbesondere im Hinblick auf eine systematische

Entscheidungsunterstützung. Die Überprüfung einer Neukonzeption bzw.

Verfeinerung der Methode erfolgt daher mithilfe von Momentaufnahmen und

fallstudienähnlichen Vergleichsstudien. Die vorliegende Arbeit fokussiert dabei auf

den Umsetzungs- und Anwendungsaspekt als eine zentrale Zielsetzung und stellt so

die Verbindung zwischen theoretischer Konzeption und Fundierung und der

analytischen Anwendung in der Praxis her.12 Dabei wird gemäß dem oben dargelegten

anwendungsorientierten Wissenschaftsverständnis der Versuch unternommen, über die

Erklärung eines Realitätsabschnittes hinaus Handlungsempfehlungen für die

Erreichung definierter Ziele zu erarbeiten (Heinen, 1978). Ziel der qualitativen

Untersuchung ist die detaillierte Beschreibung und Evaluation, wobei zum einen die

Überprüfung der „Wirksamkeit, Effizienz und Zielerreichung“ der Prozesse und

Modelle angestrebt wird, zum anderen sollen die Ergebnisse „Entscheidungs- und

Planungshilfen liefern und aus Sicht ihrer Auftraggeber zu verbesserter Steuerung,

höherer Rationalität und verbesserter Qualität“ der Ausführungen und Angebote

führen (Kardorff, 2008, S. 239).13

10 Kromrey (2006) betont, dass im Rahmen qualitativer Forschung der subjektiven Perspektive der

Untersuchten entscheidende Bedeutung zugewiesen wird, jedoch ohne die differenzierten und getrennten

Rollen von Forschendem und dem Objekt der Datenerhebung infrage zu stellen. 11 Heinen (1978, S. 226) führt aus, dass die vorliegende Problemstellung ausschlaggebend für die Wahl der

Methodik ist. Dabei ist nicht von einem Entweder-oder zwischen rein deduktiven oder rein induktiven

Forschungsmethoden zu wählen, vielmehr geht es um ein Sowohl-als-auch. 12 Erklärte Zielsetzung qualitativer Forschung ist das Verstehen und Erklären komplexer Zusammenhänge,

nicht die „Erklärung durch die Isolierung einzelner (z. B. Ursache-Wirkungs-)Beziehung[en]“ (Flick et al.,

2008, S. 23). 13 Zielsetzung ist ausdrücklich nicht die Bildung von Theorien bzw. Überprüfung theoriebasierter Hypothesen.


Für die Durchführung qualitativer Forschungsvorhaben haben sich diverse

grundlegende Konzepte bewährt, sodass hier eine Kurzcharakteristik der

angesprochenen Vergleichsstudien und Momentaufnahmen vorgenommen werden

soll.14 Während Fallstudien auf die präzise Beschreibung bzw. Rekonstruktion eines

Falls gerichtet sind15, wird im Rahmen von Vergleichsstudien der Fall nicht in seiner

umfassenden Komplexität und Ganzheit betrachtet, sondern eine Vielzahl von Fällen

wird hinsichtlich eines bestimmten Ausschnitts analysiert. Dabei werden explizit die

spezifischen Inhalte des Expertenwissens mehrerer Personen im Hinblick auf eine

konkrete Fragestellung genutzt. Die zentrale Herausforderung in der Betrachtung

mehrerer Fälle besteht in der Notwendigkeit, einen angemessen Standardisierungsgrad

bzw. die konstante Beibehaltung der weiteren (strukturellen) Rahmenbedingungen

sicherzustellen. In der vorliegenden Untersuchung soll das mithilfe einer

systematischen Beschreibung des Untersuchungsumfeldes und einer entsprechenden

Integration der dort identifizierten Kriterien gewährleistet werden. Hinsichtlich der

zeitlichen Dimension wird eine Momentaufnahme angestrebt, wobei Beispiele und

Wissen aus früheren Erfahrungen und Rekonstruktionen in die Betrachtung

einbezogen werden und das Interesse auf die individuelle Sicht der Beteiligten gelenkt

wird (Flick, 2008a). Im Rahmen des Forschungsvorhabens werden zahlreiche

unterschiedliche Quellen für die Gewinnung von Informationen genutzt (Schnell et al.,

2013). Diese sog. Triangulation beschreibt im vorliegenden Kontext die Betrachtung

eines Untersuchungsobjekts aus unterschiedlichen Perspektiven, wobei in der

vorliegenden Arbeit vorrangig eine Nutzung unterschiedlicher Daten (z.B. Interviews,

Dokumente, Prozesscharts, Datenbanken) erfolgt (Flick, 2008b).16 Eine zentrale

Fragestellung in qualitativen Untersuchungen ist die Auswahl des betrachteten Falls

bzw. Samples, wobei betont wird, dass bei der Konstruktion der Stichprobe nach einer

maximalen Variation gestrebt werden sollte (Merkens, 2008; Patton, 1990). Im

Rahmen der Betrachtung kommt das theoretical sampling, das eng verbunden ist mit

14 Ausführungen zu den Möglichkeiten qualitativen Designs finden sich bei Creswell (1998). 15 Detaillierte Informationen zu Charakteristika und Gestaltungsmöglichkeiten der Fallstudienforschung finden

sich bspw. bei Yin (2013), Eisenhardt (1989) und Lamnek (2010). Ein Fall kann dabei sowohl eine Person,

Gruppe, Organisation als auch ein gesellschaftliches Teilsystem oder eine Kombination daraus sein

(Brüsemeister, 2008). 16 Dabei kann grundsätzlich in die Triangulation von Daten, Theorien, Investigatoren und Methoden

unterschieden werden (Flick, 2008b).


dem Grounded-Theory-Ansatz17, zum Einsatz. Im Laufe der Untersuchung erfolgt eine

bewusste Auswahl der einbezogenen Untersuchungsobjekte, da sich die Vorstellungen

erst im Laufe der Untersuchung endgültig konkretisieren (Merkens, 2008; Glaser &

Strauss, 1967).

2.3 Ablauf des Forschungsvorhabens

Der Ablauf des Forschungsvorhabens gliedert sich in die drei Dimensionen

Entdeckungs-, Begründungs- und Verwertungszusammenhang, wobei Verknüpfungen

zwischen den Dimensionen bestehen (Atteslander, 2008). Wie in Abbildung 2

dargestellt, erfolgt in der Dimension Entdeckungszusammenhang die Formulierung

der Zielsetzung und eine Beschreibung der Problemstellung, die den Ausgangspunkt

für das Forschungsvorhaben bildet. Dabei wird das Fehlen einer einheitlichen Methode

zum prozessbasierten Benchmarking mit Berücksichtigung der notwendigen

Vergleichsbasis erörtert und die Forschungslücke benannt.

Abbildung 2: Ablauf des Forschungsvorhabens (eigene Darstellung in Anlehnung an Atteslander,2008, S. 46 f. sowie

grafisch an Sedlmeier, 2015, S. 13)

17 Ausführungen zum Grounded-Theory-Ansatz finden sich z. B. bei Glaser und Strauss (1967) sowie Strauss

und Corbin (1996). Besondere Merkmale sind dabei die extensive Datenanalyse und die ständig

vergleichende Analyse sowie die unmittelbare Rückkopplung der Analyse zur Datensammlung (Kromrey,

2006).


In der Dimension Begründungszusammenhang erfolgt zum einen die Darlegung der

Forschungskonzeption inkl. der Auswahl der Forschungsmethode, zum anderen

werden die zugrunde liegenden Theorien und Begriffe definiert und abgegrenzt.

Daneben bilden die ausführliche Beschreibung des Untersuchungsgegenstandes und

die systematische Analyse der Literatur den Rahmen für die Durchführung des

innovativen Teils des Vorhabens. Die Entwicklung und Anwendung einer Methode

mit entscheidungsunterstützendem Charakter ist in die aufeinander aufbauenden

Schritte der Prozessstrukturierung und der Prozessleistungsbetrachtung untergliedert.

Diese werden abschließend zusammengeführt und jeweils empirisch auf ihre

Praxistauglichkeit überprüft. Die Ableitung konkreter Handlungsempfehlungen bildet

den Übergang zur Dimension Verwertungszusammenhang, welche die identifizierten

Problemlösungen aufnimmt und Gestaltungsempfehlungen für Wissenschaft und

Praxis formuliert. Das entspricht insbesondere dem wissenserweiternden Anspruch des

erkenntnistheoretischen Forschungskonzepts.

2.4 Konzeption des theoretischen Bezugsrahmens

Die Konzeption des theoretischen Bezugsrahmens bildet einen wesentlichen

Bestandteil der wissenschaftlichen Fundierung des Forschungsvorhabens. Zu diesem

Zweck werden die zugrunde liegenden Theorien erörtert und abschließend in Form

eines Forschungsrahmens zusammengefügt.

2.4.1 Transaktionskostentheorie

Die Transaktionskostentheorie, die der neuen Institutionenökonomik zugeordnet wird,

geht auf einen grundlegenden Aufsatz von COASE (1937) und entscheidende

Weiterentwicklungen durch WILLIAMSON (1975, 1985, 1996) zurück. Im Unterschied

zur neoklassischen Marktheorie werden Markt und Hierarchie in der

Institutionenökonomik als konkurrierende Koordinationsinstitutionen betrachtet

(Müller-Stewens & Lechner, 2011). Dabei untersucht die Transaktionskostentheorie

die Frage nach Art und Ausmaß der Spezialisierung sowie damit verbunden nach der

Form der Koordination arbeitsteilig erstellter Leistungen (Ebers & Gotsch, 2006). Die

Transaktion ist dabei der zentrale Untersuchungsgegenstand, wobei

Austauschbeziehungen spezialisierter Akteure arbeitsteiliger Wirtschaftssysteme den

Ausgangspunkt bilden (Picot et al., 2008). Dietl (2007, S. 1750 f.) definiert

Transaktionen als die „Übertragung eines Vor- oder Zwischenprodukts bzw. einer


Dienstleistung von einer vorgelagerten auf eine nachgelagerte Produktionsstufe.“18 Die

bei Transaktionen für die Koordination zwischen den Kooperationspartnern

verursachten Kosten werden als Transaktionskosten bezeichnet (Dietl, 2007; Müller-

Stewens & Lechner, 2011).19 Ziel der Untersuchungen ist die „Entwicklung effizienter

Regeln zur Koordination wirtschaftlicher Aktivitäten“ (Müller-Stewens & Lechner,

2011, S. 133). Dabei bestimmen die Anforderungen hinsichtlich der Koordination

einer Transaktion und die Anpassungsfähigkeiten alternativer Organisationsformen die

Grenze zwischen Markt und Unternehmen, d. h. die optimale Unternehmensgröße

(Dietl, 2007).20 Die im Rahmen der Definition implizit angesprochene physische

Übertragung von Gütern und Dienstleistungen erlaubt eine Interpretation des

Transaktionsbegriffs als „Übergabe von Objekten zwischen unterschiedlichen

Bearbeitungsstationen innerhalb eines Unternehmens“ (Gaitanides, 2012, S. 68).

PICOT ET AL. (2008) betonen zudem, dass die Transaktionskostentheorie über die

Anwendung im Rahmen des Tausches und der Abstimmung zwischen spezialisierten

Akteuren hinausgeht und ebenso in der Lage ist, Fragestellungen der bestmöglichen

Spezialisierung bzw. Arbeitsteilung zu annoncieren. Die Einflussfaktoren auf die Höhe

der Transaktionskosten können drei zentrale Dimensionen kategorisiert werden (Picot

et al., 2008; Williamson, 1990). Abbildung 3 veranschaulicht die Dimensionen und

deren Zusammenwirken, wobei begrenzte Rationalität und Opportunismus als die

zentralen Verhaltensannahmen deklariert sind. Die Annahme begrenzter Rationalität

ist zum einen durch die eingeschränkte bzw. begrenze Kapazität zur Aufnahme und

Verarbeitung von Informationen begründet, zum anderen durch Probleme bei der

verbalen Kommunikation einer bestimmten Klasse von Wissen (Simon, 1957; Franck,

1992; Berger & Bernhard-Mehlich, 2006). Die Opportunismusannahme besagt, dass

Akteure nutzenmaximierend handeln, wobei sie ihre individuellen Ziele und eigenen

Interessen verfolgen, die im Zweifel auch zum Nachteil Dritter und entgegen sozialen

Standards angestrebt werden (Ebers & Gotsch, 2006; Picot et al., 2008). Dabei soll

ausdrücklich erwähnt werden, dass die Verhaltensannahmen nicht nur Individuen,

sondern ebenso Organisationen betreffen (Picot et al. 2008).21 Von besonderer

Relevanz für die Höhe der Transaktionskosten ist die Spezifität der Transaktion bzw.

18 Williamson (1990) betont die Übertragung über eine technische Schnittstelle hinweg. 19 Transaktionskosten können dabei sowohl ex post als auch ex ante anfallen (Williamson, 1985). Einen

Überblick über mögliche Kostenkategorien geben Ebers und Gotsch (2006). 20 Hervorgehoben wird insbesondere das Effizienzkriterium, da es vorrangig darum geht, eine möglichst

effiziente Form der Kooperation zur Leistungserbringung zu identifizieren (Müller-Stewens & Lechner,

2011; Ebers & Gotsch, 2006). 21 Eine dritte Annahme beschreibt die Risikoneutralität, die zur Modellvereinfachung angenommen wird

(Williamson, 1985; Ebers & Gotsch, 2006).


deren strategische Bedeutung (Williamson, 1990). Nach PICOT ET AL. (2008, S. 59) ist

die Spezifität dabei charakterisierbar „als Widmung der im Rahmen der Transaktion

benötigten Ressourcen“. Für die Erstellung eines Gutes bzw. zur Erbringung der

vereinbarten Leistung wird auf mehr oder weniger spezialisierte Input-Faktoren

zurückgegriffen. Dabei ist von besonderer Relevanz, inwieweit die zu tätigenden

Investitionen auf die auszutauschenden Güter und Dienstleistungen zugeschnitten sind

(Ebers & Gotsch, 2006).

Abbildung 3: Einflussfaktoren auf die Transaktionskosten (Picot et al. 2008, S. 58; dort zitiert Williamson 1975, S. 40)

Die Spezifität ist umso höher, je größer die Wertdifferenz zwischen der intendierten

Verwendung der zu tätigenden Investitionen im Vergleich zu einer alternativen bzw.

zweitbesten Verwendung der Ressourcen ist (Picot et al., 2008).22 Hinsichtlich der

Spezifität werden unterschiedliche Spezifitätsarten in Abhängigkeit von den

notwendigen Investitionen unterschieden (Williamson, 1989). Dabei ist ein hoher

Spezifikationsgrad dann problematisch, wenn er mit einer hohen strategischen

Bedeutung einhergeht, da dort keine Referenzfälle vorliegen und der Schutz der

Problemlösung von großer Relevanz ist (Picot et al., 2008; Krahnen, 1991).

Entsprechend werden mit einem höheren Grad an Spezifikation statt marktlicher eher

kooperative oder hierarchische Koordinationsformen genutzt (Müller-Stewens &

Lechner, 2011). Die Häufigkeit bezieht sich auf die Anzahl der Wiederholungen eines

bestimmten Transaktionstyps, um die getätigten Investitionen zu rechtfertigen (Picot

et al., 2008). Dabei unterstützt eine häufige Wiederholung die Realisierung von

Skalen- und Synergieeffekten. Es ist hinzuzufügen, dass die Häufigkeit bei isolierter

Betrachtung eine untergeordnete Bedeutung besitzt, wie in Abbildung 4 dargestellt

22 Der Begriff der Quasi-Rente hat sich als Bezeichnung für die beschriebene Wertdifferenz etabliert

(Windsperger, 1996).


jedoch in Kombination mit der Spezifität / strategischen Bedeutung ausschlaggebend

für den Integrationsgrad ist (Ebers & Gotsch, 2006).23

Abbildung 4: Darstellung der Koordinationskurven (eigene Darstellung in Anlehnung an Picot et al., 2008, S. 70)

Die dritte Dimension erfasst die Transaktionsatmosphäre, wobei damit alle

„soziokulturellen und technischen Faktoren, die in einer gegebenen Situation Einfluss

auf die Transaktionskosten verschiedener Koordinations- und Motivationsinstrumente

haben“, berücksichtigt werden (Picot et al., 2008, S. 61). Der Fokus der

Transaktionskostentheorie auf die „Optimierung des Leistungsaustausches zwischen

spezialisierten Akteuren“ wird deutlich, indem die innerbetriebliche arbeitsteilige

Leistungserbringung dann vorteilhaft ist, wenn die damit verbundenen

Herausforderungen hinsichtlich der Koordination und Motivation besser gelöst werden

können als dies über eine marktseitige Abwicklung möglich wäre (Picot et al., 2008, S.

66). Unternehmen können dabei als „Koordinationsmechanismus“ gesehen werden,

der in Konkurrenz zu weiteren Koordinationsmechanismen (Markt,

Kooperationsverträge, öffentliche Verwaltung) steht (Dietl, 2007, S. 1754).

Koordinationsmechanismen unterscheiden sich im Hinblick auf Anreizintensität,

Kontrollstrukturen und zugrunde liegendes Vertragsrecht, wobei das Ziel der

Transaktionskostentheorie darin besteht, anhand der spezifischen Stärken und

Schwächen diejenige Koordinationsform zu bestimmen, die mit Rücksicht auf die

23 Dabei ist hervorzuheben, dass der vertikale Integrationsgrad, der das Verhältnis zwischen Fremd- und

Eigenerstellung einer Leistung beschreibt, ein zentrales Anwendungsgebiet der Transaktionskostentheorie ist

(Müller-Stewens & Lechner, 2011; Bea & Haas, 1995).


Eigenschaften der Transaktion unter Beachtung der Einflussfaktoren die geringsten

Transaktionskosten verursacht (Dietl, 2007).24

Aus der Perspektive des Managements ergeben sich daraus zum einen Fragen

hinsichtlich des In-/Outsourcings von Leistungen bzw. der Auslagerungen spezifischer

Leistungsbereiche25, z. B. in Shared Service Center (SSC), zum anderen Fragen zur

optimalen Organisationsstruktur, z. B. Ablauf- vs. Aufbauorganisation (Müller-

Stewens & Lechner, 2011). Entsprechend der dargelegten Problemstellung ist

insbesondere die Frage nach der bestmöglichen Spezialisierung und der Arbeitsteilung

der innerbetrieblichen Leistungserbringung von Relevanz. Ausgehend von einem

Prozessdenken hat die Zerlegung der Aufgaben direkte Auswirkungen auf die

Produktivität, wobei die Zerlegungslogik identifiziert werden soll, die zu einer

maximalen Effizienz führt (Picot et al., 2008). Diese Zielsetzung kann zum einen

durch Minimierung der Interdependenzen zwischen den Teilaufgaben26, zum anderen

durch Teilung der Aufgaben hinsichtlich der Stadien wissensökonomischer Reife

erreicht werden.27 Entscheidender Indikator für die zentrale bzw. dezentrale

Ausführung der innerbetrieblichen Aufgaben ist dabei die Kompatibilität des Wissens.

Dazu wird eine Analyse anhand der Spezifität der Infrastruktur und der Fachspezifität

vorgeschlagen, wobei in Unterstützungsprozessen im Krankenhaus eine

vergleichsweise geringe Ausprägung hinsichtlich beider Kriterien zu beobachten ist

und somit weniger die Zentralisierungsfrage als strategische Make-or-buy-

Entscheidungen im Vordergrund stehen (Picot et al., 2008; 1990).28 Aufgrund der

Besonderheiten des Gesundheitsbereichs ist außerdem zu betonen, dass die primären

medizinischen Bereiche entscheidenden Einfluss auf die Leistungserbringung sowie

24 Ausführungen zu den unterschiedlichen Ausprägungen institutionellen Arrangements finden sich z. B. bei

Ebers und Gotsch (2006). 25 Informationen zum Outsourcing finden sich bspw. bei Ghodeswar und Vaidyanathan (2008). 26 Dabei wird in gepoolte, sequenzielle, reziproke und teamorientierte Interdependenz unterschieden. Mit

steigender Unabhängigkeit der Teilaufgaben sinkt der Abstimmungsbedarf bei Erhöhung der Integrativität

der Arbeit des Aufgabenträgers (Picot et al., 2008). 27 Die mangelnde Artikulierbarkeit bestimmter Wissensteile impliziert die Vermeidung eines aufwendigen

Wissenstransfers zwischen den Transaktionspartnern durch eine Vereinfachung bzw. Reduktion der

Austauschprozesse. Wissensökonomische Reife ist dann erreicht, wenn spezialisierte Leistungen, die zur

Weiterverwendung bestimmt sind, explizites Wissen enthalten, das jedoch für die Gegenseite für die

Weiterentwicklung der Leistung nicht von Bedeutung ist (Dietl, 1993; Picot et al., 2008). 28 Infrastrukturspezifität beschreibt dabei jene Aufgaben, die zur „Entwicklung und Durchsetzung allgemeiner

und übergreifender Rahmenbedingungen“ notwendig sind, wobei diese dann hoch ausgeprägt sind, wenn

diese Aufgaben von anderen Unternehmen grundsätzlich anders gelöst werden. Die Fachspezifität ist

hingegen eng mit der tatsächlichen primären Wertschöpfung verbunden (Picot et al., 2008, S. 64).

Informationen zur Zerlegung von Unternehmen in Ressourcen, Fähigkeiten und Kernfähigkeiten und damit

verbundenen Kernkompetenzen zur strategischen Differenzierung von Wettbewerbern finden sich bei

Müller-Stewens und Lechner (2011).


deren Finanzierung und Vergütung ausüben.29 Grundsätzlich können veränderte

Transaktionseigenschaften zu Reorganisationsbestrebungen führen (Dietl, 2007; Picot

et al., 2008). Die Transaktionskostentheorie integriert die Ergebnisse weiterer

organisationstheoretischer Ansätze, z. B. der verhaltenswissenschaftlichen

Entscheidungstheorie (Ebers & Gotsch, 2006), und ermöglicht mit vergleichsweise

wenigen Annahmen sowie einem relativ einfachen theoretischen Grundgerüst „ein

hohes Maß an praktischer Orientierungshilfe“ bei einem gleichzeitig breiten

betriebswirtschaftlichen Anwendungsfeld (Dietl, 2007, S. 1758).

2.4.2 Entscheidungstheorie

Unternehmen verfolgen die übergeordnete Zielsetzung, im Rahmen der

Geschäftstätigkeit den Einsatz von Technologie und Wissen durch zielorientiertes

Management derart für die Erstellung von Produkten und Dienstleistungen zu nutzen,

dass der Wert der erbrachten Leistung den Wert der eingesetzten Produktionsfaktoren

übersteigt. Dabei sind die operativen und strategischen Maßnahmen das Ergebnis

unternehmerischer Entscheidungen (Liermann, 2004). Eine Entscheidung ist definiert

als „Akt, bei dem bewusst eine von mehreren Handlungsalternativen zur Erreichung

eines Ziels ausgewählt“ wird (Rommelfanger & Eickemeier, 2002, S. 1). Die

Bewertung von Handlungsalternativen setzt die Prognose der daraus resultierenden

Konsequenzen voraus (Heinen, 1978). Das Controlling hat dabei eine unterstützende

Funktion hinsichtlich Objekt- und/oder Organisationsentscheidungen auf

unterschiedlichen Hierarchieebenen und bei der Bewältigung unterschiedlicher

Aufgaben, wobei insbesondere auf die Operationalisierung und systematische

Erfassung von Soll- und Ist-Werten sowie die Ursachenanalyse zu verweisen ist

(Liermann, 2004; Fischer et al., 2012).

Grundsätzlich lässt sich die Entscheidungstheorie in einen deskriptiven und einen

präskriptiven Ansatz differenzieren. Die präskriptive Entscheidungstheorie beschreibt,

wie rational bestmögliche Entscheidungen im Hinblick auf ein spezifisches Ziel

getroffen werden können. Die deskriptive Entscheidungstheorie beschreibt hingegen,

wie Entscheidungen in der Realität zustande kommen, und erklärt, warum die

Entscheidungen in dieser Form getroffen wurden (Laux et al., 2014; Bamberg et al.,

2012). HEINEN (1969) versteht die präskriptive bzw. normative Entscheidungstheorie

als Antwort auf die Frage, wie das Entscheidungsverhalten von Entscheidungsträgern

29 Siehe dazu detailliert Kap. 4 dieser Arbeit.


ausgestaltet sein soll, um definierte Ziele optimal zu erreichen. Dabei erfolgt die

Abgrenzung von der normativen Entscheidungstheorie, indem die präskriptive

Entscheidungstheorie nicht über vordefinierte Ziele in Form von Idealen und

Standards verfügt, diese werden auf der Basis der individuellen

Entscheidungspräferenzen definiert (Nitzsch, 1992). Neben dem Ziel, erfolgreichere

Entscheidungen zu fördern, ist die Herstellung einer größtmöglichen Transparenz der

Entscheidungsgrundlage ein wichtiges Ziel der präskriptiven Entscheidungstheorie

(Eisenführ & Weber, 2003). Die präskriptive Entscheidungstheorie geht von der

Annahme eines rational agierenden Entscheidungsträgers aus (Bamberg, 2012). Dabei

wird vorausgesetzt, dass der Entscheider über ein widerspruchsfreies Zielsystem

verfügt und sich diesem entsprechend verhält (formale Rationalität). Zudem wird

zwischen objektiver und subjektiver Rationalität unterschieden, wobei objektive

Rationalität dann vorliegt, wenn die Wahrnehmung des Entscheidungsträgers mit den

Informationen über die Realität übereinstimmt, die ein unabhängiger kompetenter

Dritter ermitteln kann. Eine Entscheidung ist hingegen bereits subjektiv rational, wenn

die vom individuellen Entscheidungsträger wahrgenommenen Informationen mit der

Realität deckungsgleich sind (Rommelfanger & Eickemeier, 2002; Bamberg et al.,

2012).30 Deshalb ist die Konsistenz der Entscheidungsgrundlage von besonderer

Bedeutung (Eisenführ & Weber, 2003). Die Erstellung von Entscheidungsmodellen ist

daher wichtiger Bestandteil der präskriptiven Entscheidungstheorie. Ein Modell ist

nach entscheidungstheoretischem Verständnis eine vereinfachte, jedoch

strukturgleiche und zweckorientierte Abbildung des realen Sachverhalts (Bamberg et

al., 2012; Schneeweiß, 1991). Die Erstellung eines Entscheidungsmodells umfasst die

formalisierte Definition der als wesentlich identifizierten Elemente und Beziehungen

hinsichtlich einer problembehafteten Handlungssituation mit dem Ziel, logische

Implikationen aus dem resultierenden Strukturkomplex abzuleiten. Es werden

allgemeine und konkrete Entscheidungsmodelle unterschieden, wobei sich konkrete

Entscheidungsmodelle auf spezifische Entscheidungssituationen beziehen (Bretzke,

1980). Ziel ist die zielorientierte Auswahl und Entwicklung von Instrumenten und

Methoden zur Lösung spezifischer realer Entscheidungssituationen. Die Aufgabe

entscheidungstheoretischer Forschung ist vorrangig darin zu sehen, eine möglichst

klare Formulierung der dem Modell zugrunde liegenden Annahmen und

Anforderungen vorzunehmen. Die häufig mathematische Bestimmung der optimalen

30 Zimmermann (1987) differenziert das zugrunde liegende „innere Modell“ in 1) individuelle Werte, Ziele und

Kriterien, 2) Überzeugungen, die mögliche Konsequenzen der Alternativen determinieren und 3) möglichen

Verhaltensweisen.


Lösung des Modells zeigt die bestmöglichen Handlungen und Aktionen auf. Die

Existenz eines geeigneten Lösungsverfahrens für die konkrete Modellkonfiguration ist

dabei notwendig (Laux et al., 2014).

Die deskriptive Entscheidungstheorie widmet sich der Beschreibung, Analyse und

Erklärung des tatsächlichen Entscheidungsverhaltens in der Realität (Bamberg et al.,

2012). Dabei soll ein Zusammenhang zwischen der vorliegenden

Entscheidungssituation und der empirisch beobachteten Entscheidung hergestellt

werden (Rommelfanger & Eickemeier, 2002). Ziel ist es, Hypothesen über das

Verhalten von Individuen/Gruppen im Entscheidungsprozess aufzustellen, um im

Anwendungsfall Prognosen hinsichtlich der Entscheidung stellen zu können (Laux

et al., 2014). Im Rahmen der deskriptiven Entscheidungstheorie wird versucht, die

grundsätzliche, modellinhärente Eigenschaft der präskriptiven Entscheidungstheorie,

die von Tatsachen und Präferenzen ausgeht und die Rationalität des

Entscheidungsträgers voraussetzt (Bamberg et al., 2012), durch die systematische

Einbeziehung der empirisch beobachtbaren Abweichungen vom rationalen Verhalten

zu ergänzen (Rommelfanger & Eickemeier, 2002). Das Konzept der beschränkten

Rationalität widerspricht dem Konzept des Homo oeconomicus, indem argumentiert

wird, dass Entscheidungsträger zum einen nur über eine beschränkte

Informationsverarbeitungskapazität verfügen, sodass das Treffen rationaler

Entscheidungen ausgeschlossen ist, und dass zum anderen nicht alle Alternativen und

damit verbundenen Konsequenzen bekannt sind und in den Entscheidungsprozess

einbezogen werden können (March & Simon, 1958; Zimmermann, 1987). Es wird

deutlich, dass im Gegensatz zur präskriptiven Entscheidungstheorie, welche auf die

Entscheidungslogik fokussiert, in der deskriptiven Entscheidungstheorie das Verhalten

des Entscheidungsträgers ins Blickfeld rückt (Bamberg et al., 2012; Berger &

Bernhard-Mehlich, 2006). Dabei kann eine Entscheidung im Rahmen der deskriptiven

Entscheidungstheorie als Informationsverarbeitungsprozess gesehen werden, wobei in

Abhängigkeit von der Komplexität die Anzahl der Rückkopplungen variiert. In diesem

Zusammenhang ist insbesondere die Rolle des Entscheidungsträgers hervorzuheben,

der entsprechend seinen individuellen Zielen, seinen Fähigkeiten und Möglichkeiten

zur Bewertung der Lösungsvorschläge und seinen Fähigkeiten zur Abstraktion von

entsprechenden Handlungen entscheidenden Einfluss auf die Einschätzung und den

Umgang mit der jeweiligen Entscheidungssituation nimmt (Zimmermann 1987;

Zimmermann & Gutsche 1991). Für die vorliegende Arbeit besitzt die präskriptive

Entscheidungstheorie hohe Relevanz. ROMMELFANGER und EICKEMEIER (2002)


betonen die Bedeutung der zielorientierten Unterstützung der Entscheidungsträger im

Entscheidungsprozess und heben die Notwendigkeit hervor, ein valides Instrument zur

Selektion und Systematisierung von Handlungsalternativen bereitzustellen. Diesem

Anspruch soll durch die Entwicklung der Methode zur systematischen Generierung

operativer und strategischer Handlungen entsprochen werden.

2.4.3 Ableitung des Forschungsrahmens

Die Transaktionskostentheorie und die Entscheidungstheorie bilden den theoretischen

Rahmen für das vorliegende Forschungsvorhaben. Dabei geht die präskriptive

Entscheidungstheorie von einem rationalen Entscheidungsträger aus, der eine

Maximierung seines individuellen Nutzens anstrebt (Rommelfanger & Eickemeier,

2002).

Abbildung 5: Theoretischer Bezugsrahmen (eigene Darstellung)

In der vorliegenden Arbeit werden explizit die Eigenschaften und Besonderheiten des

Krankenhausumfeldes berücksichtigt. Dabei wird zum einen Transparenz hinsichtlich

der genutzten Vergleichsgrundlage hergestellt, zum anderen wird eine Betrachtung der

prozessbasierten Leistungsfähigkeit vorgenommen. Die Ableitung konkreter

Zielsetzungen und Benchmarks mündet in die Generierung individueller

Handlungsempfehlungen auf der Basis der identifizierten Präferenzen und bietet eine

valide Grundlage für unternehmerische Entscheidungen. Dazu wird die Effizienz als

anerkanntes Kriterium für die Entscheidungsfindungen hinsichtlich der

Zentralisierung/Dezentralisierung von Geschäftsprozessen sowie zum Treffen von

Make-or-buy-Entscheidungen herangezogen.

Begriffliche und theoretische Grundlagen 22

3 BEGRIFFLICHE UND THEORETISCHE GRUNDLAGEN

In diesem Kapitel werden die grundsätzlichen Begriffe und Konzepte dargelegt, um

den Analyseraum theoretisch zu definieren sowie einen Überblick zu den

unterschiedlichen Themenfeldern bereitzustellen. Dabei werden insbesondere die

Begriffe Effizienz sowie Prozessmanagement erörtert und definitorisch abgegrenzt.

Darüber hinaus wird die grundlegende theoretische Fundierung des

Benchmarkingbegriffs und Benchmarking-Vorgehens dargelegt, das den Rahmen für

die zu entwickelnde Methode stiftet.

3.1 Effizienz als Grundlage des Prozessbenchmarkings

Nach einer Abgrenzung und Herleitung des Effizienzbegriffs werden unterschiedliche

Ausgestaltungen von Technologiemengen und Effizienzarten beschrieben.

Abschließend werden die Eigenschaften einer geeigneten Methode für den

leistungsspezifischen Teils des prozessbasierten Benchmarkings identifiziert und

diskutiert.

3.1.1 Abgrenzung der Begriffe Produktivität, Effizienz und Effektivität

Konzeptionelle Grundlage der betriebswirtschaftlichen Produktionstheorie ist die

Definition eines Unternehmens als Netz von Input/Output-Beziehungen, wobei der

Unternehmensprozess aus den drei Grundtatbeständen Faktoreinsatz,

Faktortransformation und Faktorertrag besteht (Gutenberg, 1989; Dyckhoff, 2006;

Coelli, 2005). Produktivität wird bestimmt als Quotient aus Produktionsergebnis

(Output) und allen für die Produktion eingesetzten Produktionsfaktoren (Input), wobei

Output und Input als Größen beschrieben werden, die hinsichtlich ihrer inhaltlichen

Struktur sowohl mengenmäßiger als auch wertmäßiger Ausprägung31 sein können

(Cantner et al., 2007; Färe et al., 2008).32 Das jeweilige Betrachtungsobjekt, z. B.

Prozess, Abteilung oder Unternehmen, wird im Folgenden als Entscheidungseinheit

31 Eine monetäre Bewertung erfordert die Verwendung konstanter Preise. 32 In der Literatur wird zwischen totaler und partieller Faktorproduktivität (FP) unterschieden, wobei die totale

FP die individuelle Gewichtung der einzelnen Inputs zum Output ins Verhältnis setzt, die partielle FP

hingegen bezeichnet eine isolierte Betrachtung eines Sachverhalts (Coelli, 2005; Hammerschmidt, 2006).


(Decision Making Unit, DMU)33 bezeichnet. Im Rahmen der Analyse ist hinsichtlich

der zeitlichen Dimension sowohl eine statische Analyse als auch eine dynamische

Betrachtung möglich (Cantner et al., 2007). Erfolgt die Verwendung verschiedener

Inputs mit heterogenen Maßeinheiten bzw. die Erzeugung verschiedener Outputs, ist

zum Zweck der Vergleichbarkeit eine Aggregation auf eine konsistente Einheit

unumgänglich (Coelli, 2005). Insbesondere zur Bereitstellung geeigneter

Informationen als Grundlage unternehmerischer Entscheidungen ist u. a. ein Vergleich

mit Produktivitätswerten anderer DMUs notwendig.

Effizienz bezeichnet ein Wirtschaftlichkeitsmaß, das durch eine Gegenüberstellung

von Zielerträgen und den dafür notwenigen Mitteln definiert ist (Cantner et al., 2007).

Ziel ist die optimale Verwendung des Inputs bzw. Erstellung des Outputs, wobei die

tatsächlichen Werte in Relation zu beobachteten oder theoretischen Größen gesetzt

werden und sowohl materieller als auch immaterieller Art sein können (Haas, 2004;

Scheel, 2000). Dem ökonomischen Prinzip folgend wird entweder ein größtmöglicher

Zielertrag mit gegebenem Mitteleinsatz (Maximum-Prinzip) oder ein gegebener

Zielertrag mit geringstmöglichem Mitteleinsatz (Minimum-Prinzip) verfolgt

(Dyckhoff, 2000). In Abhängigkeit von der individuellen Spezifikation der Ziele und

Mittel kann Produktivität als ein inhaltlich begrenzter Teil des Effizienzkonzepts

gesehen werden (Cantner et al., 2007).

Effektivität lässt sich von Produktivität und Effizienz insoweit abgrenzen, als damit

der Grad der Erreichung eines definierten Ziels ohne Berücksichtigung der dafür

notwendigen Mittel beschrieben wird (Drucker, 2006).34 NEELY ET AL., (2005)

beschreiben die Leistungsfähigkeit eines Unternehmens als eine Funktion aus

Effizienz und Effektivität der durchgeführten Aktivitäten. Das von VILFREDO PARETO

(1897) entwickelte schwache Wohlfahrtsprinzip bildet die Grundlage des

Effizienzbegriffs. Demnach ist ein Zustand dann optimal, wenn kein Individuum

bessergestellt werden kann, ohne dass sich ein anderes Individuum verschlechtert

(Scheel, 2000). Dieses Effizienzverständnis wurde von KOOPMANS (1951) auf die

Produktionstheorie übertragen. Demnach gilt eine Input/Output-Transformation (x, y)

als Pareto-Koopmans-effizient in Bezug auf die zugrunde liegende Technologiemenge

33 Der Begriff der Entscheidungseinheit leitet sich von „Decision Making Unit“ (DMU) aus der Literatur der

Data Envelopment Analysis (DEA) ab und fasst die in der klassischen Produktionstheorie üblichen

Bezeichnungen „Aktivität“, „Firma“ oder „Transformationsprozess“ etc. zusammen (Scheel, 2000).

Vereinfachend wird im Folgenden auch von Unternehmen gesprochen, wenn Entscheidungseinheiten im

Allgemeinen gemeint sind (Cantner et al., 2007). 34 Effektivität kann dabei als „doing the right things“ und Effizienz als „doing things right“ definiert werden

(Drucker, 2006, S. 145).


(T), wenn keine Verbesserung eines Input- bzw. Output-Faktors ohne die

Verschlechterung eines anderen Input- bzw. Output-Faktores erreicht werden kann

(Scheel, 2000). Unter Technologie wird die Menge aller aus technischer Sicht

möglichen Input/Output-Kombinationen verstanden (Cantner et al., 2007; Allen,

2002). Die Menge der Input/Output-Kombinationen kann, unter Außerachtlassung

aller sonstigen Einschränken hinsichtlich des Inputs, Throughputs und Outputs,

beschrieben werden als:

𝑇 ∶= {(𝑥, 𝑦)| Outputvektor 𝑦 kann von Inputvektor 𝑥 produziert werden}

Sie repräsentiert das technische und organisatorische Wissen aller DMUs (Dyckhoff,

2006; Scheel, 2000). Daraus resultierend agieren alle DMUs auf der Basis derselben

Technologiemenge. Die Technologiemenge kann aufgrund der Unvollständigkeit der

Informationen nicht exakt konstruiert werden, deshalb ist eine Approximation auf der

Basis der beobachteten Input/Output-Kombinationen und spezifischen Annahmen über

die strukturellen Eigenschaften der Technologiemenge notwendig (Scheel, 2000).

3.1.2 Eigenschaften von Technologiemengen

Skalenerträge (SE) beschreiben die Möglichkeiten der Veränderung der Größe (des

Skalenniveaus) einer DMU bei proportionaler Veränderung der Input- und Output-

Mengen (Allen, 2000; Köhne & Matz 2010).35 Dabei können die Technologiemengen,

wie in Abbildung 6 dargestellt, konstante, nicht zunehmende, nicht abnehmende und

variable Skalenerträge unterscheiden (Fandel, 2005). Konstante Skalenerträge

(constant returns to scale, CRS) liegen vor, wenn bei einer Vervielfachung der Inputs

die Outputs um den gleichen Faktor ansteigen36; nicht zunehmende Skalenerträge

(non-increasing returns to scale, NIRS) beschreiben, dass bei einer Verkleinerung der

Inputs eine Verkleinerung der Outputs um den gleichen Faktor möglich ist; nicht

abnehmende Skalenerträge (non-decreasing returns to scale, NDRS) dagegen sind zu

beobachten, wenn die Vergrößerung der Outputs durch eine Vergrößerung der Inputs

um denselben Faktor möglich ist. Schließlich liegen variable Skalenerträge (variable

returns to scale, VRS) vor, wenn keiner der genannten Fälle vorliegt.37 Im Rahmen der

Analyse werden die Effizienzwerte mit unterschiedlichen Annahmen bestimmt, um

entsprechende Größeneffekte zu isolieren und zu analysieren (Scheel, 2000; Allen,

2002; Färe et al., 1994).

35 Im Folgenden werden nicht-parametrische Eigenschaften von Technologiemengen beschrieben. 36 Die Abbildung der konstanten Skalenerträge erfolgt durch die Gerade K in Abb. 6. 37 Es können jedoch Bereiche mit CRS, NIRS oder NDRS vorliegen.


Abbildung 6: Überblick zu unterschiedlichen Skalenertragsannahmen (eigene Darstellung in Anlehnung an Scheel, 2000, S.

42 und Cantner et al., 2007, S. 42)

Eine wichtige Eigenschaft beschreibt die Konvexitätsannahme, die definiert, dass jede

Input/Output-Kombination realisierbar ist, die anteilig aus mindestens zwei DMUs

gebildet werden kann. Die Bildung solcher hypothetischen Input/Output-

Kombinationen ist insbesondere vor dem Hintergrund des Benchmarkings relevant,

um damit ggf. nicht realisierbare Kombinationsmöglichkeiten zu identifizieren

(Scheel, 2000; Farrel, 1957).

Hinsichtlich der Verschwendbarkeit der Faktoren wird in freie Verschwendbarkeit und

schwache Verschwendbarkeit unterschieden. Freie Verschwendbarkeit der Inputs

(Outputs) liegt vor, wenn bei gleichbleibenden Outputs (Inputs) einzelne oder alle

Inputs (Outputs) erhöht (reduziert) werden können. Die schwache Verschwendbarkeit

beschreibt die Möglichkeit der proportionalen Erhöhung (Reduktion). Im Regelfall

wird bei Effizienzbetrachtungen freie Verschwendbarkeit angenommen (Allen, 2002).

SCHEEL (2000) weist zudem auf die strukturelle Annahme der Notwendigkeit einer

empirisch vollständigen Technologiemenge hin. Die Technologiemenge wird dann als

vollständig bezeichnet, wenn sie alle realen Input/Output-Kombinationen enthält. Dies

impliziert jedoch, dass potenzielle Mess- bzw. Übertragungsfehler in der Datenbasis

ignoriert werden.

3.1.3 Arten der Effizienz

Der Effizienzbegriff nach Pareto/Koopmans impliziert, dass ineffiziente Unternehmen

bei konstantem Output ihren Input reduzieren bzw. bei gleichbleibendem Input den

Output erhöhen können.38 Dabei werden lediglich Realkategorien (Mengen, Zeiten

38 Siehe Kap. 3.1.1 dieser Arbeit.


etc.) und keine Preise bzw. Wertkategorien berücksichtigt (Scheel, 2000; Köhne &

Matz, 2010; Farrel, 1957). Das von FARREL (1957) entwickelte Maß zur Bestimmung

des Effizienzgrades wird daher als technische Effizienz bezeichnet. Bei Annahme

konstanter Skalenerträge und der Verwendung multipler Input- und Output-Faktoren

wird eine DMU-spezifische Aussage zur Fähigkeit der Ressourcennutzung in

Abhängigkeit von der verfügbaren Technologie getroffen (Lovell, 1993; Köhne &

Matz, 2010). In Abbildung 7 repräsentiert die Isoquante SS* die möglichen

Kombinationen der Input-Faktoren zur Produktion des gewünschten Outputs. Der

Punkt Q repräsentiert eine effiziente DMU unter Nutzung der Input-Faktoren zur

Produktion des Outputs. Zur Produktion dieses Outputs setzt eine andere DMU in

Punkt P die Input-Faktoren im gleichen Verhältnis ein. Die DMU P benötigt somit das

0P/0Q-Fache der Input-Faktoren zur Produktion des Outputs. Die technische Effizienz

wird als das Verhältnis der Strecke 0Q/0P bestimmt, was dem Reziproken der von

SHEPHARD (1970) entwickelten Distanzfunktion entspricht. Technische Effizienz liegt

dann vor, wenn keine DMU bestimmbar ist, die den Output mit einem geringeren

Input produzieren kann. Die allokative Effizienz hingegen berücksichtigt ein

Wertesystem (z. B. Preise) für die Inputs und Outputs.39 Auf der Basis der

Ausprägungen der Preise des Inputs (Outputs) variieren die Kosten (Erträge) entlang

des effizienten Randes der Technologie. Die Isokostentangente AA′ bildet die

monetäre Bewertung der Input-Faktoren ab, wobei die Steigung durch das Verhältnis

der beiden Input-Faktoren bestimmt wird. Allokative Effizienz liegt vor, wenn keine

Änderung der Input/Output-Kombination hinsichtlich der verwendeten Inputs

(erzeugten Outputs) zur Senkung (Steigerung) der Kosten (Erträge) möglich ist. Punkt

Q' beschreibt die technisch und allokativ effiziente Position auf dem Technologierand.

Unter Präferenz der Beibehaltung des Input-Verhältnisses (Q und R liegen auf dem

Fahrstrahl) erfolgt eine Anpassung der Input-Mengen, um den technisch effizienten

Punkt Q zu erreichen. Die allokative Effizienz wird als das Verhältnis 0R/0Q bestimmt

und beschreibt die relative Abweichung des kostenminimalen und technisch

effizienten Punkts (Köhne & Matz, 2010).

39 Farrel (1957) spricht von Preiseffizienz.


Abbildung 7: Grafische Darstellung der Effizienz (eigene Darstellung in Anlehnung an Farrel, 1957, S. 254)

FARREL (1957) berechnet die Gesamteffizienz durch die Multiplikation der

technischen und der allokativen Effizienz:

𝐸 =0𝑄

0𝑃×

0𝑅

0𝑄=

0𝑅

0𝑃

Für die Betrachtung von Unterstützungsprozessen, die in dieser Untersuchung

vorgenommen wird, liegen lediglich für die Input-Faktoren Preisinformationen vor, da

kein Markt zur Monetisierung der Outputs existiert. Demnach kann anstelle der

Gesamteffizienz von Kosteneffizienz gesprochen werden (Flinspach, 2011; Burger,

2008), wobei die technische Effizienz das organisatorische Potenzial zur Verbesserung

beschreibt und die allokative Effizienz Auskunft über die bestmögliche Kombination

der Ressourcen (Inputs) aus ökonomischer Perspektive gibt. Bei der Kosteneffizienz

handelt es sich um ein radiales Effizienzmaß, das als monetäres oder mengenmäßiges

Verbesserungspotenzial interpretiert werden kann und damit den

produktionstheoretischen Fokus (Menge, Zeit) um die ökonomische Dimension

(Kosten) erweitert. Als Kritikpunkt wird angeführt, dass das radiale Effizienzmaß

lediglich proportionale Veränderungen von Input und Output berücksichtigt, sodass

nicht alle Kriterien der Pareto-Koopmans-Effizienz erfüllt werden. Eine derartige

Abschwächung der Pareto-Koopmans-Effizienz wird als schwache Effizienz

bezeichnet (Scheel, 2000; Coelli, 2005; Cantner et al., 2007).

Verbesserungspotenziale, die aufgrund der radialen Anpassung unberücksichtigt


bleiben, werden als sog. Slacks akzeptiert (Coelli, 2005; Cook & Zhu, 2005; Köhne &

Matz, 2010).

Nimmt die Größe einer DMU Einfluss auf die Effizienz, werden diese Abhängigkeiten

in nicht konstanten Skalenerträgen der Produktion abgebildet (Cantner et al., 2007).

Skalenineffizienz kann dann vorliegen, wenn die Output-Menge im Vergleich zur

DMU-Größe zu klein (groß) ist. Skaleneffiziente DMU operieren bei konstanten

Skalenerträgen, da in diesem Bereich eine Erhöhung der Input-Faktoren zu einer

Erhöhung der Outputs um denselben Faktor führt.40 Im Bereich nicht konstanter

Skalenerträge führt eine Erhöhung der Inputs zu einer unter- bzw. überproportionalen

Steigerung des Outputs. Befindet sich die (technisch effiziente) DMU im Bereich nicht

zunehmender (nicht abnehmender) Skalenerträge, muss aus der Perspektive der

Skaleneffizienz die Ausbringungsmenge der DMU entsprechend reduziert (erhöht)

werden, bis sich die DMU im Bereich konstanter Skalenerträge befindet. Um die

Richtung der Veränderung der Ausbringungsmenge zu klären, muss bestimmt werden,

welche Art variabler SE vorliegt (Färe et al., 1985). Bei nicht abnehmenden SE ist der

Wert der technischen Effizienz variabler SE größer als der Wert der technischen

Effizienz konstanter SE. Im Fall nicht zunehmender SE ist der technische

Effizienzwert variabler SE geringer als der technische Effizienzwert konstanter

Skalenerträge.41 Die Skaleneffizienz (SKE) kann durch das Verhältnis der Effizienz

unter konstanten Skalenerträgen (CRS) zur Effizienz unter variablen Skalenerträgen

(VRS) beschrieben werden (Köhne & Matz, 2010; Forsund & Hjalmarsson, 1974):

𝑆𝐾𝐸 =𝐸 (𝐶𝑅𝑆)

𝐸 (𝑉𝑅𝑆)

3.1.4 Effizienz als Entscheidungskriterium

Die betriebswirtschaftliche Entscheidungstheorie bereitet Entscheidungen zur Lösung

betriebswirtschaftlicher Probleme vor (Kleine, 2001). Im vorliegenden Fall lautet die

übergeordnete Zielsetzung, eine möglichst effiziente Durchführung der

Unterstützungsprozesse sicherzustellen. Dabei können die betriebswirtschaftlichen

Probleme einerseits von der Auswahl des optimalen Integrationsgrades bis hin zu

Make-or-buy-Entscheidungen beschrieben werden, andererseits mit Blick auf die

40 Siehe Kapitel 3.1.2 dieser Arbeit. Der Punkt, an dem Skaleneffizienz, Gesamteffizienz und technische

Effizienz den Wert 1 aufweisen, wird auch als „most productive scale size“ (MPSS) bezeichnet (Cantner

et al., 2007, S. 178 f.). 41 Im Rahmen der Analyse werden dazu die Effizienzwerte sowohl unter Annahme konstanter SE als auch

variabler SE analysiert. Für steigende SE: VRS > NIRS = CRS; für fallende SE: VRS = NIRS > CRS.


optimale Prozesskonfiguration, insbesondere im Hinblick auf Automatisierungs- und

Standardisierungsgrade. Rationale Entscheidungen erfordern ein Zielsystem für die

Beurteilung von Alternativen. Dabei hat sich der „Nutzen“ unter Berücksichtigung der

Nebenbedingungen als Zielkriterium etabliert (Rommelfanger & Eickemeier, 2002;

Laux et al., 2014).

Nach entscheidungstheoretischem Verständnis sollen Handlungsbevollmächtigte bei

der Auswahl von sich gegenseitig ausschließenden Handlungsalternativen unterstützt

werden, um die bestmögliche Alternative zu identifizieren.42 Dabei wird unterstellt,

dass die Handlungsalternativen a anhand ihrer Ergebnisse e (a) beurteilt werden

können, wobei sowohl Output als auch Input eine „Konsequenz der gewählten

Produktionsaktivität a“ bilden (Dyckhoff & Ahn, 2010, S. 1256). Im Unterschied zu

entscheidungstheoretischen Problemstellungen legen Effizienzbetrachtungen den

Fokus auf die Beurteilung unterschiedlicher Betrachtungseinheiten auf der Basis eines

Vergleichs historischer Daten. Somit rückt zunächst die Identifikation ineffizienter

Betrachtungseinheiten statt der effizienten Alternative in den Analysefokus.

Gleichwohl bilden die effizienten Einheiten alternative operative Konfigurationen der

Prozessabläufe. Zudem kann das aus den individuellen Effizienzwerten erstellte

Ranking ein vergleichbares Lösungskonzept wie die sog. Kompromissmodelle zur

Lösung vektorieller Entscheidungsprobleme bilden. Das durch die

Effizienzbetrachtungen generierte Effizienzmaß reduziert, ähnlich wie die

Kompromisszielfunktion43 vektorieller Entscheidungsmodelle, eine Vielzahl von

Informationen auf eine vergleichbare Größe zur Ableitung einer geeigneten

Entscheidungsgrundlage für das Management (Kleine, 2001, Belton & Stewart, 1999).

Verfahren zur Beschreibung einer Entscheidungssituation werden unter dem Begriff

des Multi-Criteria Decision Making (MCDM) zusammengefasst.

Entscheidungsmodelle mit mehreren Zielsetzungen werden in Multi-Attribute

Decision Making (MADM) für diskrete Anwendungen und Multi-Objective Decision

Making (MODM) bei stetigen Lösungsräumen unterschieden (Figueira et al., 2005).

Dabei wird ein Entscheidungsmodell mithilfe der vier Komponenten Alternativen,

Ziele, Zustände und Konsequenzen gebildet (Allen, 2000). Die Verfahren des MODM

stellen die Eigenschaften unterschiedlicher Alternativen auf der Basis von

42 Grundlage für die folgende Argumentation ist das der oben dargelegten Effizienzdefinition zugrunde

liegende produktionstheoretische Denken, in dem Produktion als Prozess der Transformation von Inputs in

Outputs verstanden wird, wobei sich diese in einer zielgerichteten und systematischen Leistung mit dem Ziel

einer Nutzenerhöhung zeigt (Dyckhoff, 2006). 43 Eine Kompromisszielfunktion bildet die Reduktion eines (nachfolgend kurz beschriebenen) vektoriellen

Entscheidungsproblems aus mehreren Zielfunktionen.


Vektormodellen dar und unterstützen Entscheidungsträger bei der Definition

geeigneter Alternativen, wenn mehrere Zielsetzungen verfolgt und keine (perfekte)

Alternative identifiziert werden kann, die jedes Ziel derart erfüllt, dass ein Erreichen

der individuell optimalen Lösung ermöglicht wird. Die Ziele werden im Rahmen eines

Entscheidungsmodells durch Zielfunktionen zK erfasst, wobei allen zur Wahl

stehenden Alternativen a aus einem Produktionsraum A reelle Werte zugeordnet

werden (Kleine, 2001; Bamberg et al., 2012). Entsprechend kann das vektorielle

Entscheidungsmodell (VEM) beschrieben werden mit:

(VEM) 𝑚𝑎𝑥 { (𝑧1(𝑎)

⋮𝑧𝐾(𝑎)

) | 𝑎 ∈ 𝐴 }

Dominanz kommt einer Alternative im entscheidungstheoretischen Verständnis zu,

wenn sie im direkten Vergleich hinsichtlich keines Ziels schlechter bewertet, jedoch in

einem oder mehreren Zielen besser bewertet wird als eine andere Alternative. Die

dominierende Alternative ist in Anlehnung an KOOPMANS (1951) oben beschriebene

Effizienzdefinition vorzuziehen und zeigt die Verbindung zum Effizienzbegriff in der

Entscheidungstheorie (Laux et al., 2014; Kleine, 2001). Eine (prozessuale) Alternative

ist dann effizient hinsichtlich der maßgeblichen Ziele, wenn keine andere Alternative

existiert, die in Bezug auf alle Konsequenzen mindestens ebenso gut ist und in einer

Konsequenz einen besseren Wert aufweist und somit einen individuell größeren

Nutzen stiftet (Allen, 2000):44

Eine Alternative 𝑎𝑒𝑓𝑓 ∈ 𝐴 heißt bezüglich (VEM) effizient, falls keine Alternative

𝑎′ ∈ 𝐴 existiert mit:

𝑧𝑘(𝑎′) ≧ 𝑧𝑘(𝑎𝑒𝑓𝑓) für alle 𝑘 = 1, … , 𝐾 und

𝑧𝑘(𝑎′) > 𝑧𝑘(𝑎𝑒𝑓𝑓) für mindestens ein 𝑘 ∈ {1, … , 𝐾}

im Folgenden kurz: 𝑧(𝑎′) ≥ 𝑧(𝑎𝑒𝑓𝑓).

Das grundsätzliche Unterscheidungsmerkmal zwischen MODM-Verfahren und der

Effizienzanalyse besteht darin, dass bei Entscheidungsmodellen die effizienten

Alternativen im Mittelpunkt des Interesses stehen, während bei der Data Envelopment

Analysis (DEA) die Betrachtung insbesondere auf die ineffizienten Einheiten

fokussiert. Der übergeordnete Ansatz des Prozessbenchmarkings vereint dabei die

planungsfokussierte Perspektive der klassischen betriebswirtschaftlichen

44 Der entscheidungstheoretische Effizienzbegriff ermöglicht ebenso wie der produktionstheoretische

Effizienzbegriff lediglich eine Klassifikation und keine Messung der Effizienz. Der Nutzen ist dann maximal,

wenn keine Alternative besser, mit anderen Worten effizient im Sinne der Produktionstheorie, ist. Ebenso

stellen die entsprechenden Integrations- bzw. Make-or-buy-Fragestellungen sich ausschließende Alternativen

dar.


Entscheidungstheorie und die Beurteilungs- bzw. Diagnosefunktion der Data

Envelopment Analysis zur Ableitung von zielorientierten, optimalen Entscheidungen

und deren Umsetzung (Coelli, 2005; Stewart, 1996; Kleine, 2001; Bouyssou, 1999).

3.1.5 Verfahren zur Effizienzmessung im Überblick

Nach Darlegung der Grundlagen zur Effizienz soll im Folgenden ein Überblick über

die etablierten Verfahren zur Messung der Effizienz gegeben werden. Auf die

mathematische Erklärung und Herleitung der Methoden wird verzichtet. Aufbauend

auf der in Abbildung 8 dargestellten Kategorisierung werden nach HAMMERSCHMIDT

(2006) die Verfahren in Methoden auf der Basis einfacher Kennzahlen und in

Methoden auf der Basis von Produktionsfunktionen kategorisiert.

Abbildung 8: Übersicht zu Verfahren der Effizienzmessung (eigene Darstellung in Anlehnung an Hammerschmidt, 2006, S.

105)

Die traditionellen Verfahren der Effizienzmessung ermitteln auf der Basis einzelner

Kennzahlen eine Referenzeinheit als exklusiven, punktuellen Benchmark, an dem alle

anderen DMUs gemessen werden. Die Bewertung kann dabei ausschließlich auf input-

bzw. outputbezogenen Kennzahlen oder auf einfachen Output/Input-Verhältnissen

beruhen. Ziel der genannten Betrachtungen ist die Erstellung von Rankings und

Soll/Ist-Vergleichen, die eindimensional und von der betrachteten Kennzahl abhängig

sind. Auch die Einbeziehung von Input- und Output-Größen im Sinne partieller

Output/Input-Verhältnisse führt lediglich zu isolierten Teilrankings. Verfahren der

Effizienzmessung auf der Basis von Produktionsfunktionen sind komplexe

Verhältniskennzahlen, die mehrere Inputs und Outputs zur Berechnung einer

Gesamtproduktivität heranziehen. Dabei wird nicht ein einziger Referenzpunkt

bestimmt, sondern Referenzfunktionen in Form von Gruppen gleichwertiger

Vergleichseinheiten ermittelt. Die Ermittlung individueller Referenzmaßstäbe wird

von parametrischen Methoden zum Teil, von nicht-parametrischen Methoden in


vollem Umfang ermöglicht (Hammerschmidt, 2006). Einen umfassenden Überblick

über Verfahren parametrischer und nicht-parametrischer Art zur Effizienzmessung,

insbesondere auf Prozessebene, geben bspw. BURGER (2008) und HAMMERSCHMIDT

(2006).

Das Vorgehen zur Bestimmung der Produktionsfunktion determiniert die

Unterscheidung in parametrische und nicht-parametrische Verfahren, wobei bei

parametrischen Verfahren die Randproduktionsfunktion mit einem a priori

festgelegten Funktionsverlauf beschrieben wird (Coelli, 2005). Die Schätzung der

Funktion erfolgt statistisch und legt einheitliche Gewichtungsparameter der Inputs und

Outputs aller Faktoren fest. Nicht-parametrische Verfahren erfordern dagegen keine

Annahmen bzgl. der Funktion des Input/Output-Zusammenhangs und die Optimierung

der Funktionsparameter erfolgt individuell für jede DMU (Hammerschmidt, 2006).

Bei den modernen Verfahren wird darüber hinaus zwischen deterministischen und

stochastischen Methoden differenziert, wobei stochastische Methoden das Auftreten

von Messfehlern berücksichtigen (Forsund et al., 1980; Lovell, 1993). Parametrische

Verfahren, die dem deterministischen Ansatz folgen45, basieren grundlegend auf der

Regressionsanalyse, werden jedoch in der Praxis wegen ihrer methodischen

Einschränkungen kaum verwendet (Porembski, 2000; Greene, 1993). Ein wesentlicher

Kritikpunkt ist dabei, dass lediglich Durchschnittsproduktionsfunktionen und keine

Best-Practice-Funktionen ermittelt werden, wobei positive Abweichungen als nicht

notwenige Überperformance interpretiert werden (Boles et al., 1995). Bei den

stochastischen Ansätzen werden Abweichungen von der Effizienzlinie berücksichtigt

und in die vorliegende Ineffizienz und einen zufallsbedingten Einflussfaktor (z. B.

Messfehler) unterteilt (Burger, 2008). Dabei ist insbesondere die Stochastic Frontier

Analysis (SFA) hervorzuheben, die derzeit den populärsten und am häufigsten

verwendeten parametrischen Ansatz darstellt (Aigner et al., 1997; Coelli, 2005;

Porembski, 2000). Im Rahmen der SFA wird zum einen ein Funktionstyp

(üblicherweise Cobb-Douglas) vorgegeben, zum anderen eine Schätzung der

Funktionsparameter auf Basis aller beobachteten DMUs vorgenommen. Der

kombinierte Fehlerterm ergänzt die geschätzte Randproduktionsfunktion, wobei eine

erste Variable die Abweichung aufgrund von zufälligen, nicht kontrollierbaren

Einflussfaktoren beschreibt und eine zweite Variable die Abweichung aufgrund

ökonomischer Ineffizienz quantifiziert (Hammerschmidt, 2006).

45 Dazu zählen bspw. die Methoden: Kleinste-Quadrate-Methode (OLS), die Korrigierte Kleinste-Quadrate-

Methode (COLS), die Modifizierte Kleinste-Quadrate-Methode (MOLS) oder auch die Maximum-

Likelihood-Methode (MLE).


Nicht-parametrische Verfahren unterscheiden sich von parametrischen Verfahren

insbesondere darin, dass keine Bestimmung einer zugrunde liegenden

Produktionsfunktion notwendig ist, sondern die Funktion empirisch aus tatsächlich

beobachteten DMUs gebildet wird (Coelli, 2005). Damit wird der zentralen

Herausforderung der Konstruktion einer Randfunktion a priori, insbesondere im

Hinblick auf die vorliegenden komplexen Analysebereiche und den damit

verbundenen Mangel an konkreten Anhaltspunkten hinsichtlich des tatsächlichen

Zusammenhangs von Inputs und Outputs, begegnet (Hammerschmidt, 2006). Die

relevantesten nicht-parametrischen Methoden sind die Data Envelopment Analysis

(DEA) und Free Disposable Hull (FDH)46, die sich im Wesentlichen durch die

zugrunde liegende Konvexitätsannahme unterscheiden (Coelli, 2005).47 Dabei wird die

relative Effizienz einer DMU auf der Basis einer konvexen Referenztechnologie

bestimmt. Diese wird implizit durch eine lineare Verbindung von beobachteten Best

Practices gebildet und beinhaltet entsprechend der Konvexitätsannahme sowohl reale

als auch virtuelle Input/Output-Kombinationen, die als Benchmark dienen können. Die

Randfunktion weist eine positive Steigung auf, ein höherer Input führt damit auch stets

zu einem höheren Output. Das radiale Effizienzmaß wird als Abstandsfunktion der

DMU zum effizienten Rand der Technologie bestimmt (Charnes et al., 1978; Coelli,

2005; Cook & Zhu, 2014). FDH unterscheidet sich von der DEA darin, dass eine nicht

konvexe Technologie unterstellt wird. Die nichtlineare Referenzfunktion setzt sich

ausschließlich aus reellen Input/Output-Kombinationen zusammen, was zu einem

stufenförmigen Verlauf der Randfunktion führt (Cooper et al., 2000). Damit kann die

Referenzfunktion DMUs enthalten, bei denen eine Input-Erhöhung nicht zu einem

Anstieg der Outputs führt. Zudem wird für Beobachtungen innerhalb der

Technologiemenge, die von mehreren DMUs in gleichem Maß dominiert werden, kein

eindeutiger Referenzpunkt identifiziert (Hammerschmidt, 2006; Lovell, 1993; Coelli,

2005).

3.1.6 Auswahl einer Methode zur Effizienzmessung auf Prozessebene

Grundsätzlich lässt sich konstatieren, dass im Bereich der Effizienzanalyse die

Methoden, die mit einer Produktionsfunktion operieren, den partiellen Kennzahlen

46 Sowohl DEA als auch FDH zählen zu den deterministischen nicht-parametrischen Verfahren. Eine Methode,

die die Vorteile deterministischer und stochastischer Verfahren verbindet, ist die Stochastic DEA (SDEA),

die jedoch bisher keine nennenswerte Anwendung im Healthcare-Bereich fand (Hollingsworth et al., 1999). 47 zur Konvexitätsannahme siehe auch Kap. 3.1.2 dieser Arbeit.


überlegen sind (Burger, 2008).48 Im Rahmen der empirischen Effizienzbetrachtung

kommen vorrangig die Stochastic Frontier Analysis (SFA) und die Data Envelopment

Analysis (DEA) zum Einsatz (Coelli, 2005). Beide Verfahren unterscheiden sich

insbesondere in der Notwendigkeit von Annahmen zum Verlauf der Effizienzfunktion

und der Möglichkeit zur Berücksichtigung von Messfehlern. Ersteres ist insbesondere

erfolgskritisch, da bei der SFA die Zusammenhänge und Verteilungszusammenhänge

zwischen Inputs und Outputs im Vorfeld spezifiziert werden müssen. Die DEA setzt

hingegen keine Annahmen über den Funktionsverlauf voraus. Insbesondere in

Unterstützungsprozessen sind die Outputs nicht monetarisierbar und somit ist nicht

von bekannten Produktionsbeziehungen zwischen den Input- und Output-Faktoren

auszugehen (Hammerschmidt, 2006). Die fehlende Gewinnfunktion ermöglicht

lediglich eine Analyse der Kosteneffizienz bzw. der produktiven Effizienz.

Grundsätzlich ist die DEA insbesondere zur Analyse produktiver Zusammenhänge

geeignet, während die SFA bei Analysen zur ökonomischen Effizienz weit verbreitet

ist (Berger & Mester, 1997). Im Fall der DEA ist die mangelnde Berücksichtigung von

Messfehlern bzw. stochastischen Einflüssen nachteilig und jede Abweichung vom

Technologierand wird als Ineffizienz klassifiziert (Cantner et al., 2007). Dabei werden

sowohl bei der DEA als auch bei der FDH Ausreißer als Teil der Technologiemenge

integriert und Zufallseinflüsse sowie Messfehler ausgeschlossen.49 Im Hinblick auf die

angestrebte Benchmarking-Anwendung ist es insbesondere von Interesse, dass für jede

betrachtete DMU eine individuelle Analyse möglich ist. Im Rahmen der DEA und der

FDH wird jede DMU als einzelnes Optimierungsproblem angesehen und durch das

iterative Vorgehen in der linearen Optimierung mit allen anderen Einheiten der

Technologie verglichen. Die Identifikation von anderen Einheiten mit ähnlicher

Input/Output-Kombination ist dabei durch die radiale Abstandsmessung gegeben und

ermöglicht so die Identifikation des nächstgelegenen Benchmarks (Hammerschmidt,

2006). Zudem ermöglicht einzig FDH eine Auswahl realer Benchmarks, da keine

Konvexitätsannahme vorliegt. Jedoch können sowohl bei FDH als auch SFA im

Gegensatz zur DEA keine eindeutigen Referenzkombinationen der Input/Output-

Faktoren identifiziert werden, da bei FDH aufgrund des nichtlinearen

Funktionsverlaufs mehrere Referenzpunkte ausgewiesen werden können und die SFA

48 Im Rahmen von Regressionsanalysen werden die identifizierten Ineffizienzen mit exogenen, nicht

beeinflussbaren Störungen und Einflüssen erklärt, wobei die Differenz zu den Best Practices damit nicht

ausreichend erklärt wird (Hammerschmidt, 2006). 49 Im Falle der SFA wird zumindest in der Theorie die Möglichkeit zur Unterscheidung von statistischem

Rauschen aufgrund der genannten Störungen und Ineffizienz gegeben (Cantner et al., 2007).


lediglich eine Schätzfunktion der Benchmarks bereitstellt.50 Der Fokus der

Benchmarking-Anwendung liegt jedoch nicht auf der Identifikation von

Durchschnittswerten, sondern im systematischen Aufdecken von Best Practices

(Camp, 1989). Wesentliches Merkmal der DEA und der FDH ist die vergleichsweise

einfache Erweiterbarkeit des Grundmodells und die Möglichkeit zur Berücksichtigung

multipler Inputs und Outputs sowie der Ausweis eines einzelnen, übergreifenden

Effizienzwerts (Chilingerian & Sherman, 2011). FLINSPACH (2011) validiert auf der

Basis eines umfangreichen Anforderungskatalogs die methodische Eignung der DEA

zur Analyse der Effizienz auf Prozessebene.

Neben den methodeninhärenten Eigenschaften der unterschiedlichen Verfahren zur

Effizienzmessung existieren zahlreiche Anwendungen der DEA im Krankenhaus.

Dabei hat sich die DEA als Methode zur Messung der Effizienz im Krankenhaus

etabliert (Hollingsworth, 2003; Chilingerian & Sherman, 2011). Bereits sehr früh

wurde die DEA im Healthcare-Bereich eingesetzt (Grosskopf & Valdmanis, 1987;

Wilson & Jadlow, 1982). WENG (2009) betont die Eignung der DEA zur Identifikation

von Best Practices und zur Bereitstellung von Benchmarking-Informationen. Ebenso

heben LIANG ET AL. (2008) die DEA als bewährte, effektive Methode zur Evaluierung

der Performance hervor. HOLLINGSWORTH ET AL. (1999) geben einen Überblick über

die Anwendungen parametrischer und nicht-parametrischer Methoden im

Gesundheitswesen, wobei allein 60 % der Studien die reine DEA als Methode zur

Effizienzmessung nutzen und 45 % der Anwendungen in Krankenhäusern zu verorten

sind. Auch 2003 dominiert die DEA weiterhin die Anwendungen mit einem Anteil von

50 %, andere parametrische Methoden und die SFA erhalten mit einem Anteil von

12 % steigende Bedeutung (Hollingsworth, 2003). Auf eine detaillierte Diskussion der

DEA-Anwendungen im Krankenhaus wird an dieser Stelle verzichtet.51

Sowohl im Hinblick auf die beschriebenen methodischen Eigenschaften als auch

aufgrund der weiten Verbreitung im Bereich der Effizienzmessung im

Krankenhausbereich erscheint die Anwendung der Data Envelopment Analysis für die

intendierte Zielsetzung als zielführend. In Kapitel 6.3 werden die Grundmodelle der

DEA vorgestellt und eine entsprechende Anpassung sowie Anwendung auf der Basis

empirischer Daten vorgenommen.

50 Siehe Kapitel 3.1.5 dieser Arbeit. 51 Für detaillierte Ausführungen siehe dazu bspw. Staat (2006), Shimshak et al. (2009) sowie Eiriz et al. (2010).


3.2 Effizienz und Prozessmanagement

Prozesse bilden die Analyseebene des intendierten Vorgehens. Daher werden

nachfolgend die definitorischen Grundlagen und unterschiedlichen Ansätze des

Prozessmanagements dargelegt. Abschließend wird die Verwendung von

Prozessmodellen als Basis für eine Leistungsanalyse diskutiert.

3.2.1 Definition des Prozessbegriffs, Prozesshierarchie und -klassifikation

Vorrangiges Ziel von Unternehmen ist die Bereitstellung von Leistungen zur Weckung

und Befriedigung von Kundenerwartungen und –bedürfnissen (Christensen, 1997).

Diese Sach- und Dienstleitungen bzw. hybriden Leistungsangebote werden in

Prozessen erzeugt (Schmelzer & Sesselmann, 2013; Horváth, 2011). Nach

DIN EN ISO 9001 (2008) kann jede Verknüpfung von betrieblichen Aktivitäten, an

deren Ende ein definiertes Arbeitsergebnis steht, als Prozess gesehen werden. Bereits

NORDSIEK (1934) definiert einen betrieblichen Prozess als die materielle

Transformation von der ursächlichen Produktidee bis zum Endprodukt und beschreibt

eine Zerlegung der damit verbundenen Arbeitsschritte, inkl. des Verwaltungsbereiches

der Unternehmen. Die oben genannte klassische allgemeine Prozessdefinition gibt

keine Auskunft über Zielsetzung, Einsatzfaktoren, Ergebnis und Empfänger des

Ergebnisses (Kühner, 2005). HARRINGTON (1991) beschreibt einen Prozess52 als

Transformation von Inputs in Outputs, wobei Inputs sowohl Ressourcen als auch

Anforderungen sein können und Outputs sowohl Produkte als auch Ergebnisse

darstellen können. Die Outputs können dabei wertschöpfenden und nicht-

wertschöpfenden Charakter haben und als Inputs für nachfolgende Prozesse dienen

(Harrington, 1991; Adesola & Baines, 2005).53 Im Rahmen der vorliegenden Arbeit

wird eine Prozessdefinition in Anlehnung an FISCHER ET AL. (2012, S. 240) zugrunde

gelegt, die einen Prozess als „eine strukturierte Abfolge von Aktivitäten zur Erstellung

einer Leistung oder Veränderung eines Objekts mit messbarer

Ressourcenbeanspruchung“ definieren. Dabei wird darauf hingewiesen, dass Prozesse

einen definierten Start und ein definiertes Ende haben und ein bestimmtes Ziel

verfolgen. Weitere konstitutive Merkmale des Prozessbegriffs sind neben der

Input/Output-Relation insbesondere die Orientierung an Kundenbedürfnissen/-nutzen

52 Die Begriffe Prozess und Geschäftsprozess werden in den folgenden theoretischen Ausführungen synonym

verwendet. 53 Fischer et al. (2012) weisen darauf hin, dass die Outputs sowohl materieller als auch immaterieller Art, z. B.

Informationen, sein können.


und die funktions- und organisationsübergreifende Kette wertschöpfender Aktivitäten

unter Beachtung der aus der individuellen Unternehmensstrategie abgeleiteten

Zielsetzungen (Fischer et al., 2012; Schmelzer & Sesselmann, 2013; Harrington, 1991;

Hammer & Champy, 1993).

Diese Prozessdefinition hat zur Folge, dass sich jede Handlung eines Unternehmens

als Aktivität eines Prozesses klassifizieren lässt (Harrington, 1991). Zur Strukturierung

des unternehmensindividuellen Prozessgebildes werden Prozesse zum einen in einer

Prozesshierarchie54 aufgegliedert, zum anderen nach ihrem Beitrag zur Wertschöpfung

klassifiziert (Osterloh & Frost, 2006). Diese Arbeit folgt grundsätzlich der Gliederung

von FISCHER ET AL. (2012), die Aktivitäten einem Teilprozess (TP) zuordnen, welcher

wiederum Teil eines Hauptprozesses (HP) ist. Die Hauptprozesse werden zu

Geschäftsprozessen (GP) aggregiert. Dabei sind Geschäftsprozesse im Sinne einer

Prozessorientierung abteilungsübergreifend und beschreiben die wesentlichen

Aufgabenfelder des Unternehmens.

Zur Klassifikation der Prozesse finden sich in der Literatur unterschiedliche Ansätze.55

Basierend auf dem Konzept der Wertkette nach PORTER (1985) wird in der

vorliegenden Arbeit zwischen primären und unterstützenden Aktivitäten zur

Bereitstellung des Leistungsangebots eines Unternehmens unterschieden (Porter, 1985;

Müller-Stewens & Lechner, 2011; Hungenberg, 2014). Im Rahmen des auf die

intraorganisationalen Aktivitäten fokussierten Denkmodells sind Primäraktivitäten

jene Tätigkeiten, die einen direkten Wertschöpfungsbeitrag leisten, unterstützende

Aktivitäten hingegen sind die notwendige Voraussetzung zur Ausübung der primären

Aktivitäten und liefern somit einen indirekten Beitrag zur Leistungserstellung (Müller-

Stewens & Lechner, 2011). Im weiteren Verlauf konzentriert sich die Betrachtung auf

die unterstützenden Aktivitäten, die sich durch einen höheren Strukturierungsgrad,

geringere Komplexität und Unsicherheit auszeichnen sowie durch ihre interne

Fokussierung einen indirekten Einfluss auf die Leistung der Geschäftstätigkeit haben

(Earl, 1994).

54 Beispielsweise schlägt Harrington (1991, S. 30) eine Aufteilung in „Macroprocess“, „Subprocesses“,

„Activities“ und „Tasks“ vor. Leistert (2006, S. 37 f.) unterteilt die Prozesse in Hauptprozesse, Teilprozesse

und Aktivitäten. 55 Bspw. schlägt Davenport (1993) eine Unterscheidung in Leistungsprozesse und Führungsprozesse vor.

Osterloh und Frost (2006) unterscheiden hingegen Kernprozesse und Supportprozesse, wobei Kernprozesse

konsequent auf strategische Faktoren ausgerichtet sind und in ihrer Verknüpfung von Aktivitäten,

Informationen und Entscheidungen sowie Materialflüssen den Wettbewerbsvorteil des Unternehmens

definieren.


3.2.2 Prozessorientierte Organisationsformen als Erfolgsfaktor

In vielen Unternehmen hat sich die prozessorientierte Sichtweise auf die Ausführung

der operativen Tätigkeiten bereits etabliert. Sie ersetzt zunehmend die traditionelle,

funktionale Sichtweise durch eine Perspektive, die sich an der Wertschöpfung

orientiert und die unterschiedlichen operativen Prozessschritte integriert (Bal, 1998;

Coskun et al., 2008; Hammer & Stanton, 1999). REIJERS (2006) beschreibt

Prozessorientierung als Fokussierung auf eine kundenorientierte Ausführung der

Prozesse statt der Konzentration auf funktionale oder hierarchische Strukturen. Dabei

liegt der Fokus auf dem Outcome und dem übergeordneten Ziel der

Kundenzufriedenheit (McCormack & Johnson, 2001; Kohlbacher, 2010). Im

deutschsprachigen Raum hat GAITANIDES (1983) die Entwicklung einer Organisation

propagiert, die auf einzelnen Arbeitsschritten und -abläufen und nicht einer reinen

Stellenbildung und der Fokussierung auf die Aufgabenverrichtung fußt. Eine

prozessorientierte Organisation zeichnet sich durch eine Zerlegung in für die

Wertschöpfung relevante Aktivitäten und deren Verteilung auf organisatorische

Einheiten aus. Im Fokus steht dabei die Zuordnung der Aktivitäten nach dem

Objektprinzip und die Zusammenführung zu komplexen Arbeitsabläufen. Im

Vergleich zur funktionsorientierten Organisation werden Schnittstellen reduziert und

es besteht die Notwendigkeit der kontinuierlichen Koordination des Austauschs von

Zwischenprodukten, Leistungen und Informationen (Schmelzer & Sesselmann, 2013;

Atzert, 2011; Osterloh & Frost, 2006; Gaitanides, 2012). 56

Das Unternehmen wird als Gefüge verschiedener Prozesse zur Leistungserstellung

organisiert (Atzert, 2011). Auch HORVÁTH (2011) betont die Notwendigkeit, das

System Unternehmung von den kunden- und marktseitigen Prozessen zu definieren,

und stellt die Wichtigkeit der Prozessorientierung heraus. KOHLBACHER (2010) gibt

einen Überblick über Studien zum Effekt der Prozessorientierung auf die

Organisationsperformance und beschreibt Prozessorientierung als ein

mehrdimensionales Konstrukt.57 Er weist dabei insbesondere auf die Notwendigkeit

von konkreten Prozessbeschreibungen/Dokumentationen (Hinterhuber, 1995), einer

prozessorientierten Organisationsstruktur mit Unterstützung der Unternehmensführung

(Hammer, 2007a) und die Definition entsprechender Prozess-Owner (Hammer &

Stanton, 1999) hin. Zudem verfügen prozessorientierte Unternehmen über

56 Siehe bspw. Jochem & Landgraf (2010) für einen detaillierten Überblick über unterschiedliche

Ausprägungen von Organisationsformen und Stufen. 57 Siehe dazu die im nachfolgenden Ansatz beschriebenen, dort zitierten Studien.


entsprechende prozessbasierte Messsysteme (Hammer, 2007b), eine kooperative,

kundenorientierte Unternehmenskultur (Willaert et al., 2007; Reijers, 2006) und die

systematische Einbindung von IT-Systemen (Kirchmer, 2009) als Werkzeug zum

Management des Informationsflusses. Darüber hinaus sind die organisatorischen

Strukturen auf den Prozess ausgerichtet (Reijers, 2006) und alle die Wertschöpfung

unterstützenden Bereiche zielorientiert gestaltet. Das Vorhandensein des

entsprechenden prozessspezifischen Wissens (Hammer, 2007a) und die Etablierung

von formalen prozessübergreifenden Kontroll- und Steuerungsinstanzen wird

vorausgesetzt (Willaert et al., 2007).

Im Unterschied zur industriellen Leistungserbringung liegt der Fokus im Krankenhaus

auf einem bestimmten Outcome (z. B. Steigerung der Lebensqualität, Heilung) und

nicht auf einem Output. Die Kundenrolle fällt damit den Patienten, aber auch den

einweisenden Ärzten zu (Rohner, 2010). VERA und KUNTZ (2007) kommen in ihrer

Betrachtung u. a. zu dem Ergebnis, dass 25 % der Effizienzunterschiede in

Krankenhäusern durch den Grad der Prozessorientierung erklärt werden können.

CLEMENT ET AL. (2008) betonen zudem, dass die Identifikation und Ausnutzung von

Effizienzpotenzialen im Krankenhaus mit einer Steigerung der Qualität einhergehen

kann. Jedoch ist darauf hinzuweisen, dass bei der Transformation der

Krankenhausorganisation, insbesondere im Bereich der Kerntätigkeiten der

Leistungserbringung, erhebliche Umsetzungsschwierigkeiten zu bewältigen sind

(Haubrock, 2009c; Greulich et al., 1997; Dulinger, 1996). YOUNG ET AL. (2004)

kommen hingegen zu dem Ergebnis, dass eine stärkere Produkt- statt

Funktionsorientierung einen negativen Einfluss auf die Mitarbeiterzufriedenheit hat,

da die produktorientierte Organisation die Freiheiten der Prozessbeteiligten

einschränkt bzw. der festgeschriebene Prozess einen stärkeren interdisziplinären

Austausch fördert und fordert. Gerade im Hinblick auf den prognostizierten

Fachkräftemangel sind die mitarbeiterbezogenen Aspekte nicht zu vernachlässigen,

wobei der fachlich begründete Fortbestand von funktionsorientieren Einheiten in

prozess- bzw. produktorientierten Organisationsstrukturen, insbesondere im Bereich

der medizinischen Leistungserstellung, eine Möglichkeit zur Gestaltung der

Krankenhausorganisation bildet (Siewert & Siess, 2006; Vera & Kuntz, 2007). In

diesem Zusammenhang ist hinsichtlich der Nutzung des Konzepts der Wertkette

darauf hinzuweisen, dass die von PORTER (2004) beschriebenen Aktivitäten auf der

Abgrenzung und Zerlegung von betrieblichen Funktionen beruhen. Insofern sind die

beschriebenen Aktivitäten funktionell spezialisierte Einheiten, die dem Kerngedanken


der prozessorientierten, funktionsübergreifenden Organisation entgegenstehen

(Gaitanides, 2007). Für die vorliegende Arbeit im Bereich des Krankenhauswesens

bildet die Systematik der Wertkette jedoch einen geeigneten Startpunkt für eine

prozessbasierte Analyse der Organisationsstrukturen.

3.2.3 Prozessmanagement – Definition, Zielsetzung und Gestaltungsansätze

Prozessmanagement wird als integriertes System aus Controlling, Führung und

Organisation verstanden, das die zielgerichtete Steuerung und Optimierung von

Geschäftsprozessen umfasst (Schmelzer & Sesselmann, 2013). Weitere definitorische

Ansätze weisen darauf hin, dass das Prozessmanagement sowohl strategische als auch

operative Elemente beinhaltet und alle End-to-End-Prozesse eines Unternehmens

umfasst, die dem Ziel der bestmöglichen Erfüllung der Kundenanforderungen dienen

(Linderman et al., 2010; Hammer & Champy, 1993; Zairi, 1997; Hung, 2006).

ELZINGA ET AL. (1995) betonen insbesondere den Qualitätsaspekt und benennen

Prozesscontrolling, Prozessanalyse und Prozessverbesserung als wichtige Bestandteile.

Daneben besitzen diese Merkmale der Prozessdefinition auch für den Begriff des

Prozessmanagements Gültigkeit (Lee & Dale, 1998). Stringentes Prozessmanagement

kann zur Beschleunigung der Organisationsprozesse beitragen, den Umfang der für die

Leistungserstellung verwendeten Ressourcen reduzieren und so die Produktivität und

Effizienz steigern sowie die Wettbewerbsfähigkeit des Unternehmens sicherstellen

(Bai & Sarkis, 2013). GERSCH ET AL. (2011) weisen darauf hin, dass das

Prozessmanagement über die notwendigen Methoden zur Gestaltung der

Geschäftsprozesse verfügen muss und entsprechende Werkzeuge für eine präzise

Umsetzung und Implementierung der (neu) definierten Prozesse vorliegen müssen.

Prozessmanagement umfasst dabei nicht nur die Offenlegung, Gestaltung und

Ausführung von Geschäftsprozessen, sondern ebenso die Interaktion, Kontrolle,

Analyse und Optimierung der Prozessstrukturen (Smith & Fingar, 2003).

MCCORMACK ET AL. (2009) sehen Prozessmanagement als Möglichkeit zur

Befähigung von Unternehmen, die Organisation schnell und effizient an sich ändernde

Rahmenbedingungen anzupassen sowie die kontinuierliche Entwicklung von

operativen Umsetzungsstrategien ermöglicht. Ebenso betonen LIU ET AL. (2009), dass

stringentes Prozessmanagement die Unternehmen befähigt, eine dynamische

Zusammenarbeit und eine flexible, synergetische Anpassung an sich ändernde

Marktbedingungen zu entwickeln. Ein wichtiges Ziel des Prozessmanagements ist die

Standardisierung der Prozesse. HSIEH ET AL. (2002) präsentieren als Ergebnis ihrer

Studie, dass die Standardisierung von Aufgabenfeldern und damit verbundenen


Prozessabläufen positiv mit der Wahrnehmung von internen bzw. externen Kunden

korreliert ist. Standardisierung von Prozessen kann die Unsicherheit und Variablität in

der Prozessausführung reduzieren (Ungan, 2006; Horváth, 2011). Organisationen

können bessere Kontrolle über ihre Ergebnisse, präzisere Zieldefinitionen, Kosten und

Leistungsfähigkeit erlangen und die gesteckten Ziele besser erreichen (McCormack

et al., 2009). Gleichwohl wird darauf hingewiesen, dass eine derartige

Prozessorientierung zwar positive Auswirkungen auf die Prozessleistung hat, jedoch

mit einer erhöhten Managementkomplexität einhergeht (Sun & Zhao, 2013).58 Dabei

ist darauf hinzuweisen, dass ein derartiges Management von Diagnose,

Maßnahmenerstellung und Implementierung die Verwendung von geeigneten

Werkzeugen zur Kontrolle und Entscheidungsunterstützung erfordert (Jeston & Nelis,

2006; Bai & Sarkis, 2013).

Der grundsätzliche Verbesserungscharakter des Prozessmanagements bietet gute

Voraussetzungen für die Integration von Entwicklungs- und Verbesserungsstrategien

(Kohlbacher, 2010). Dabei kann zwischen Organisations- und

Qualitätsmanagementansätzen differenziert werden (Flinspach, 2011). Bei den

organisationsbasierten Ansätzen wird unterschieden zwischen dem Business Process

Improvement (BPI), einer Methode, um die Organisation und das Management eines

ausgewählten Settings an Prozessen kontinuierlich zu verbessern (Harrington, 1991),

und dem Business Process Reengineering (BPR), das als „fundamental rethinking and

radical redesign of business processes to achieve dramatic improvements in critical,

contemporary measures of performance, such as cost, quality, service, and speed“

(Hammer & Champy, 1993, S. 32) beschrieben wird.59 BPI dient dazu, die Prozesse zu

rationalisieren, zu vereinfachen, damit einen kontinuierlichen Verbesserungsprozess in

Gang zu setzen, und leistet somit einen wichtigen Beitrag zur Geschäftsentwicklung

und Verbesserung der Leistungsfähigkeit des Unternehmens mit beherrschbarem

Veränderungsrisiko (Lee & Chuah, 2001; Bendell, 2005). Im Gegensatz zu BPR

verfolgt BPI eher einen Bottom-up-Ansatz, indem es auf der Basis einer detaillierten

58 Zahlreiche Autoren betonen zudem, dass im Hinblick auf die große Wichtigkeit des Prozessmanagements

beachtet werden muss, wie die damit verbunden Aufgaben erfüllt werden und welche Hürden bei der

Transformation einer funktionalen Ablauforganisation zu einer prozessorientierten Denkweise überwunden

werden müssen (Jeston & Nelis, 2006; Trkman, 2010; Da Silva et al., 2012). 59 In der Literatur findet dazu eine umfangreiche Diskussion hinsichtlich der schrittweisen Verbesserung

gegenüber dem radikalen Clean-Sheet-Ansatz statt Zudem verfolgt bspw. das X-Engineering einen weiteren

Ansatz, das eine organisationsübergreifende Neudefinition auf der Basis der Unternehmensstrategie

beschreibt (Champy, 2002).


Analyse des Ist-Zustandes Verbesserungspotenziale identifiziert, behält jedoch die

grundsätzlichen Strukturen bei (Harrington, 1991).60

Bei den qualitätsmanagementbezogenen Ansätzen soll insbesondere auf die japanische

Managementphilosophie der kontinuierlichen Verbesserung (KAIZEN), das Total

Quality Management (TQM) und den Six-Sigma-Ansatz hingewiesen werden (Imai,

1986; Deming, 2000; Chiarini, 2012). Alle drei Ansätze verbindet die Zielsetzung der

schrittweisen Verbesserung der Prozessleistung. KAIZEN zeichnet sich durch die

permanente Steigerung der Prozessleistung in kleinen Schritten unter Nutzung des

Wissens der in den Prozess involvierten Mitarbeiter aus (Imai, 1993). Der TQM-

Ansatz beschreibt auf die Kundenzufriedenheit ausgerichtete Organisationsprozesse

und Denkweisen, Six Sigma steht als Synonym für einen Null-Fehler-Anspruch61 mit

dem Ziel, die Schwankungsbreite hinsichtlich der Prozessergebnisse zu reduzieren,

wobei ein Fehler als die Abweichung von definierten Zielvorgaben bzw. Zielwerten

definiert ist (Schmelzer & Sesselmann, 2013).

3.2.4 Multidimensionale Leitungsmessung auf Prozessebene

Die präzise und zielspezifische Messung der Prozessleistung ist für Unternehmen eine

zentrale Herausforderung, um ihre Wertschöpfungsketten und Prozessarchitekturen zu

gestalten und zu implementieren (Gersch et al., 2011). NEELY ET AL. (2005, S. 1229)

betonen, dass „the level of performance a business attains [is] a function of the

efficiency and effectiveness of the actions it undertakes“. In diesem Sinne ist

bezüglich der Prozessleistung zwischen effektivitäts- und effizienzfokussierten

Kenngrößen zu unterscheiden. Für die Betrachtung der effizienzfokussierten Kriterien

haben sich die Dimensionen Kosten, Zeit und Qualität als Parameter für die

Bewertung der Leistung der Prozesse in der Literatur durchgesetzt (Harrington, 1991;

Schmelzer & Sesselmann, 2013; Bai & Sarkis, 2013). Die Kostendimension fokussiert

dabei insbesondere auf den Ressourcenverbrauch im Rahmen der Prozessausführung,

die Zeitdimension beschreibt die für die Prozessausführung notwendigen

Bearbeitungs- und Liegezeiten (Wöhe & Döring, 2002) und die Qualitätsdimension

umfasst sowohl objektive als auch subjektive Bestandteile, wobei Qualität als der Grad

60 Es ist darauf hinzuweisen, dass in der Literatur kein einheitliches Verständnis zur Unterscheidung zwischen

BPR und BPI vorliegt. So sehen Jain et al. (2010) BPR als eine Methode, um Organisationen dabei zu helfen,

ihre Prozesse zu analysieren und zu verbessern. Darüber hinaus wird BPR als eine Möglichkeit gesehen, um

die organisationsweiten Prozesse aus einer Systemperspektive zu betrachten. Die Systemperspektive zeichnet

sich dadurch aus, dass ein Problembündel inkl. des Kontexts analysiert wird und nicht vor dem Hintergrund

einzelner isolierter Events. 61 Six Sigma entspricht: 3,4 Fehler pro 1 Mio. hergestellter Produkte.


der Übereinstimmung zwischen realisierten und geforderten Merkmalen verstanden

wird (Schmelzer & Sesselmann, 2013; Atzert, 2011; Gaitanides, 2012).62 SLACK

(1987) schlägt zudem das Kriterium Prozessflexibilität vor und versteht darunter den

Grad, um welchen ein Produktions- oder Dienstleistungsprozess modifiziert werden

kann, bzw. die Anzahl unterschiedlicher Produkt- bzw. Dienstleistungskomponenten,

die in einer definierten Zeit miteinander kombiniert werden können.

Eine wichtige effektivitätsfokussierte Kenngröße bei prozessorientierten Unternehmen

ist die Kundenzufriedenheit, die sich im Unterschied zu den zuvor genannten Kriterien

auf das Prozessergebnis bezieht und somit eher als Ergebnis- denn als Prozessgröße

verstanden werden kann.63 Zwischen den einzelnen Zieldimensionen der

Prozessleistung bestehen Interdependenzen, entsprechend bedarf es für ein

zielorientiertes Management der Prozessleistung einer Gewichtung der Prozessziele

und der Definition von Performance-Niveaus, die in jedem Fall einzuhalten sind

(Gaitanides et al., 1994a; Schmelzer & Sesselmann, 2013). HECKL und MOORMANN

(2010) weisen explizit auf die Bedeutung der Berücksichtigung multidimensionaler

Kenngrößen beim Management der Prozessleistung hin und betonen, dass die isolierte

Betrachtung eines Indikators nicht die gewünschte Wirksamkeit erzielt. Um eine

valide Messung der Prozessleistung sicherzustellen, müssen die Besonderheiten und

spezifischen Herausforderungen des Unternehmens mit in die Betrachtung einbezogen

werden. Dabei ist zum einen die Art der Leistungserstellung (Dienstleistung vs.

Sachleistung) und die Leistungstypologie (Primäraktivitäten vs. Sekundäraktivitäten)

zu berücksichtigen. Im Falle von dienstleistungs- und wissensintensiven Branchen,

wie bspw. dem Gesundheitswesen, ist es von besonderer Bedeutung, sowohl die

Geschäftsprozesse als auch die IT-Infrastruktur unter Berücksichtigung der

Kundenerwartung und -wahrnehmung zu gestalten. Betrachtet man die

Leitungserbringung im Krankenhaus, spielt der Kunde, in diesem Fall der Patient, eine

Schlüsselrolle im Prozess und beeinflusst sowohl die erfolgreiche

Prozessimplementierung und -durchführung sowie dessen Resultat (Outcome im Sinne

einer Verbesserung der Lebensqualität) als auch das Ergebnis für das Krankenhaus

(ökonomischer Erfolg) maßgeblich (Gersch et al., 2011).

62 Bspw. eignet sich die Prozesskostenrechnung für eine präzise Zuordnung der Gemeinkosten (Horváth, 2011). 63 Die Termintreue, die sowohl auf Effizienz als auch Kundenzufriedenheit starken Einfluss hat, ist dabei eng

mit der Prozesszeit verbunden. Als weitere Kenngröße wird in der Literatur bspw. die Innovationsfähigkeit

genannt, die stark auf Fähigkeiten und Potenziale einer Organisation abstellt (Burger, 2009).


3.2.5 Prozessmodelle als Kernbestandteil der Leistungsmessung auf

Prozessebene

Der Wandel von Organisationen hin zur Prozessorientierung geht einher mit dem

Bedarf nach prozessorientierten Messsystemen (Ljungberg, 2002; Da Silva et al.,

2012; Smart et al., 2009). Die Basis zur Entwicklung solcher Messsysteme bilden

Prozessmodelle zur Visualisierung von Geschäftsprozessen (Klotz et al., 2008).

BUCHER und WINTER (2007) zerlegen das Prozessmanagement in vier Phasen, wobei

der Startpunkt bei der Identifikation, Definition und Modellierung der Prozesse gesetzt

wird. Die Erstellung einer Prozesslandkarte ist der erste Schritt im Rahmen der

Evaluierung von Prozessen (Shostack, 1987; Frei & Harker, 1999). Ähnlich

beschreiben BRENNER und TUSHMANN (2003, S. 238) das Prozessmanagement als „the

view of an organization as a system of interlinked processes, [that] involve concerted

efforts to map, improve, and adhere to organizational processes“ und heben damit

ausdrücklich die Bedeutung der Erstellung von Prozessmodellen hervor. Ebenso

betonen MCKAY und RADNOR (1998) die Wichtigkeit der Erstellung von

Prozesslandkarten zur Identifikation von verbesserungswürdigen Prozessen und zur

Durchführung von Verbesserungsmaßnahmen bzw. einem Redesign der Prozesse. Eine

Prozesslandkarte ist ein Ordnungsrahmen zur Abbildung der übergeordneten

Zusammenhänge zwischen einzelnen Prozessen und bildet die Vorstufe zu

spezifischen Prozessmodellen auf Detailebene (Becker & Meise, 2008). Die Qualität

der Abbildung der Prozesse bildet die Grundlage für die Definition von Messgrößen

und die darauf aufbauende Bewertung der Leistungsfähigkeit der Prozesse.

Hervorzuheben ist, dass die Prozesse vor ihrer Verbesserung detailliert und akkurat

beschrieben sein müssen, inklusiver ihrer Stärken und Schwächen (Donner et al.,

2001). Dabei kommt der Herstellung von Vergleichbarkeit auf Prozessebene eine

besondere Bedeutung zu. In der Literatur herrscht jedoch Uneinigkeit über die

Basiskonstrukte eines Prozessmodells (Juan, Ou-Yang, 2005). Die notwenige präzise

Modellierung der Unternehmensprozesse dient der Externalisierung von

Unternehmenswissen, indem das Unternehmen hinsichtlich der Organisation und des

operativen Betriebes beschrieben wird (z. B. Prozesse, Aktivitäten, Ressourcen,

Informationsflüsse, Systeminfrastruktur etc.) (Vernadat, 2002). FREI und HARKER

(1999) weisen darauf hin, dass es trotz einer sorgfältigen Erstellung derartiger

Prozessübersichten schwierig ist, die Effizienz eines einzelnen Prozesses festzustellen.

Besondere Bedeutung erlangen Prozessmodelle bei der Messung der Leistung im

Verlauf der kontinuierlichen Weiterentwicklung, z. B. infolge von Maßnahmen zur


kontinuierlichen Verbesserung. Sie bilden die Grundlage für die Leistungsmessung der

Prozesse zur Identifikation von Verbesserungspotenzialen. Außerdem können

Prozessmodelle einen wichtigen Beitrag zur Konzeption von Prozessabläufen auf der

Basis identifizierter Best Practices leisten. Im Rahmen des BPR ist die Entwicklung

von Prozessmodellen Teil der Standard-Vorgehensweise (Davenport, 1993;

Harrington, 1991; Reijers et al., 2003). DAVENPORT und BEER (1995) betonen, dass

die Sprache der Prozessmodellierung für BPR auf einem möglichst einfachen, aber

aussagekräftigen Modellierungsmechanismus beruhen sollte, der sowohl der

Kundenorientierung, intern wie extern, als auch den cross-funktionalen Eigenschaften

des BPR entspricht. Diese Herausforderungen überschreiten die Abteilungsgrenzen

und zeigen die Vorteile prozessorientierter Ansätze im Vergleich zum traditionellen

funktionsorientierten Denken und der lokalen Verbesserung der Strukturen. Daher

kann beobachtet werden, dass die prozessbasierten Ansätze zur Steigerung der

Leistungsfähigkeit von Organisationen eine wachsende Bedeutung erlangen (Tenner &

DeToro, 1997; Smith & Fingar, 2003).

Prozessbenchmarking steht etwas außerhalb der klassischen Ansätze zur

Prozessverbesserung, da es deutlich größere Fortschritte und Entwicklungs-

perspektiven liefern kann als die kontinuierliche Prozessverbesserung und gleichzeitig

ein geringeres Risiko birgt als ein vollständiges Reengineering der Prozesse (Juan &

Ou-Yang, 2005). Gleichwohl kann Prozessbenchmarking die Restrukturierungsansätze

unterstützen bzw. ein wichtiger Baustein für den mittelfristigen Erfolg von derartigen

Vorhaben darstellen (Talluri, 2000b; Richman & Koontz, 1993; Furey, 1993).

HORVATH (2011) betont, dass Prozessmanagement ohne Benchmarking nicht

vorstellbar ist, da es für kritische Prozesse Ziel ist, „Best in Class“ zu sein und

Prozessbenchmarking-Ansätze dabei helfen, diese Referenzwerte zu identifizieren. Je

nach Zielsetzung muss entschieden werden, welches Prozessmanagementkonzept

angewendet wird. Dabei umfasst das Prozesssteuerungssystem alle Werkzeuge zur

langfristigen Sicherung und Verbesserung der Prozessleistung. Die Erhebung und

Bereitstellung von wichtigen, aktuellen Informationen, z. B. Zielwerten, Benchmarks,

Ist-Werten, Abweichungen und Produktivitätskennzahlen, bilden die Basis für eine

zielgerichtete Prozesssteuerung.

3.3 Benchmarking auf Prozessebene

Nach der Abgrenzung der Benchmarking-Terminologie werden die unterschiedlichen

Benchmarkingkonzepte und -vorgehensweisen vorgestellt und erörtert. Abschließend


wird der Nutzen des etablierten Benchmarking-Vorgehens als methodischer Rahmen

für die intendierte Analyse diskutiert.

3.3.1 Definition und Zielsetzung des Benchmarkings

In der Literatur existiert keine allgemeingültige Definition des Benchmarkingbegriffs,

vielmehr besteht je nach Perspektive und Analysefokus eine differenzierte Sicht auf

den Begriff (Spendolini, 1992; Kumar et al., 2006; Epper, 1999; Maire, 2002;

Moriarty & Smallman, 2009; McNair & Leibfried, 1992).64 Einigkeit besteht darüber,

dass Benchmarking geeignet ist, um die Organisation nachhaltig leistungsfähiger zu

gestalten (Donthu et al., 2005; Vorhies & Morgan, 2005). Eine erste Definition des

Begriffs liefert CAMP (1989, S. 12), indem er Benchmarking als „the search for

industry best practices that lead to superior performance“ definiert. Zudem wird die

Eignung des Benchmarkings als Zielsetzungsprozess betont (Camp, 1989). KEEHLEY

ET AL. (1997) stellen hingegen bspw. explizit auf die Prozessebene ab, indem

Benchmarking als ein Prozess des Messens und Vergleichens mit dem Ziel der

Identifikation von Verbesserungspotenzialen für Prozesse und zur Erreichung einer

besseren Leistung beschrieben wird. ANAND und KODALI (2008, S. 259) geben eine

umfassende Definition des Benchmarkingbegriffs, indem sie Benchmarking

bestimmen als „[…] a continous analysis of strategies, functions, processes, products

or services, performances etc. compared within or between best-in-class organisations

by obtaining information through appropriate data collection method, with the

intention of assessing an organisation’s current standards and thereby carry out self-

improvement by implementing changes to scale or exceed those standards“.Diese

Definition soll als Arbeitsdefinition in der vorliegenden Arbeit verwendet werden.

Dabei wird ein Benchmark als Referenzpunkt verstanden, von welchem aus

Messungen und Vergleiche jedweder Art durchgeführt werden können (Juran, 1994).

Benchmarking als Managementinstrument erhöht die Transparenz der

unternehmensinternen Prozessabläufe und hilft dabei, die individuelle

Leistungsfähigkeit der Organisationsprozesse zu analysieren (Mertins & Kohl, 2009).

Aus Managementperspektive sind diese Informationen von besonderer Bedeutung, da

im Falle der Diagnose von Leistungspotenzialen entsprechende Maßnahmen, z. B.

Prozessoptimierungen oder grundsätzliche Make-or-buy-Entscheidungen, ergriffen

werden müssen (Ahlrichs & Knuppertz, 2010). Benchmarking ist dabei kein

64 Legner (1999) fasst die bis dahin veröffentlichten Publikationen anhand von vier Kernelementen zusammen.


unmittelbares Instrument zur Generierung von Strategien oder langfristigen Visionen,

vielmehr trägt die Anwendung der Methode zur Beantwortung der Fragestellungen

bei, die für die Strategieentwicklung relevant sind (Siebert, 1998). Hauptziel des

Benchmarkings sind Produktivitäts- und Effizienzsteigerungen zur Erhaltung von

Wettbewerbsvorteilen (Delpachitra, 2008). Dabei werden aus einem externen

Blickwinkel interne Aktivitäten, Prozessabläufe und Funktionen mit dem Ziel der

Verbesserung der Leitungsfähigkeit untersucht (McNair & Leibfried, 1992).

Benchmarking wird als die ständige Suche nach Best Practices beschrieben, deren

Implementierung eine herausragende Leistungsfähigkeit der Organisation sicherstellt

(Bogan & English, 1993; Camp, 1995). Best Practices sind dabei

überdurchschnittliche Leistungen einer Betrachtungseinheit (z. B. Organisation),

unabhängig von den individuellen Rahmenbedingungen (Watson, 1993).

DELPACHITRA ET AL. (2008) betonen, dass es insbesondere von Bedeutung ist, die sog.

Schlüsselaktivitäten in den kritischen Geschäftsprozessen zu identifizieren und zu

untersuchen. Diese besitzen das Potenzial, die Wettbewerbsfähigkeit und

Leistungsfähigkeit des Unternehmens zu steigern. Das Benchmarking auf

Prozessebene ist die methodische Grundlage für die kontinuierliche Messung und den

Vergleich der Geschäftsprozesse, um im nächsten Schritt Stärken und Schwächen zu

identifizieren und notwendige Handlungen auszulösen. Dabei kann Benchmarking den

Unternehmen helfen, die Unternehmensprozesse objektiv und detailliert zu evaluieren,

um eventuelle Verbesserungspotenziale zu identifizieren (Kline, 2003). Es ist

hervorzuheben, dass Benchmarking keineswegs nur für große Unternehmen von

Nutzen sein kann, vielmehr können auch mittlere und kleine Unternehmen von den

Vorteilen profitieren (McGonagle & Fleming, 1993).

3.3.2 Klassifikation unterschiedlicher Benchmarking-Arten

Vor dem Start eines Benchmarking-Vorhabens ist es nach DELPACHITRA und BEAL

(2002) zur Sicherstellung möglichst aussagekräftiger Ergebnisse entscheidend, aus

welchem Umfeld die Referenzunternehmen stammen und auf welcher inhaltlichen

Basis der Vergleich durchgeführt werden soll. FONG (1998) präsentiert ein

Klassifikationsschema für die unterschiedlichen Benchmarking-Arten, das in

Abbildung 9 dargestellt ist.65 Dabei werden drei grundsätzliche

65 Das präsentierte Klassifikationsschema ist nicht vollständig und überschneidungsfrei, bspw. ist das

Benchmarking in Netzwerken nicht berücksichtigt. Paula (2003) weist darauf hin, dass die Konfiguration von

integrierten Ansätzen eine sehr komplexe Herausforderung ist.


Klassifikationskriterien unterschieden. Als erstes Kriterium dient die organisatorische

Klassifikation der Benchmarkingpartner. Dabei wird unterschieden zwischen internem

Benchmarking, das einen Vergleich innerhalb einer Organisation vornimmt, dem

Benchmarking zwischen Wettbewerbern, dessen Inhalt der Vergleich mit den

führenden direkten Konkurrenten ist, dem Industrie-Benchmarking, wobei ein

Vergleich mit jenen externen Partnern durchgeführt wird, die sich mit den gleichen

marktseitigen Rahmenbedingungen auseinandersetzen müssen, und dem generischen

Benchmarking, das den Vergleich mit den besten Unternehmen betrifft, unabhängig

davon, ob sie in der gleichen Industrie tätig oder völlig anderen marktseitigen

Rahmenbedingungen ausgesetzt sind. Globales Benchmarking unterscheidet sich vom

generischen Benchmarking vorrangig durch die Differenzierung nach geografischen

Merkmalen. Als zweites Kriterium wird der Inhalt des Benchmarkings herangezogen.

Bei der Auswahl des Vergleichsinhalts wird zwischen vier Ebenen unterschieden. Das

Prozessbenchmarking fokussiert auf die Prozessebene mit der Zielsetzung, denjenigen

Prozess zu identifizieren, der die besten Leistungswerte aufweist. Das funktionale

Benchmarking hat den Vergleich von betrieblichen Funktionen zum Inhalt und

konsolidiert die Prozessansichten. Performance-Benchmarking nimmt den Vergleich

von Produkten und Dienstleistungen mit dem Ziel vor, die Wettbewerbsposition des

Unternehmens zu bestimmen. Das strategische Benchmarking vergleicht die eigene

Strategie mit der strategischen Ausrichtung als erfolgreich wahrgenommener

Unternehmen, wobei damit Wissen über die Kernfaktoren und Kompetenzen geniert

werden soll, auf welchen die Wettbewerbsvorteile von Konkurrenten bzw. anderen

Unternehmen beruhen (Fong et al., 1998; Elmuti & Kathawala, 1997; Bogan &

English, 1994; Prašnikar et al., 2005; Delpachitra, 2008).


Kriterium Art Bedeutung

Eigenschaft der

Referenzeinheit / des

Referenzobjektes

Intern Vergleich innerhalb einer Organisation bezüglich der

Leistungsfähigkeit ähnlicher Geschäftsbereiche oder

Prozesse

Konkurrent Vergleich mit unmittelbaren Konkurrenten mit dem Ziel sie

hinsichtlich der Gesamtperformance einzuholen oder sogar

zu übertreffen

Branche Vergleich mit Unternehmen derselben Branche

einschließlich nicht konkurrierender Unternehmen

Allgemein Vergleich mit einer Organisation, deren Tätigkeitsfeld sich

über die Branche hinaus erstreckt

Global Vergleich mit einer Organisation, deren geographische Lage

sich über Landesgrenzen hinaus erstreckt

Inhalt des

Benchmarkings

Prozess Eigenständige Arbeitsprozesse und Betriebssysteme

betreffend

Funktion Anwendung des Prozess-Benchmarkings, welches

bestimmte Unternehmensfunktionen zweier oder mehrerer

Organisationen vergleicht

Performance /

Leistungsfähigkeit

Die Ergebnisqualität betreffend, die sich über den Preis, die

Geschwindigkeit, die Zuverlässigkeit, etc.

bestimmen/quantifizieren lässt

Strategisch Umfasst die Bewertung strategischer anstatt betrieblicher

Themen/Sachverhalte

Ziel des Vergleiches /

der Beziehung

Konkurrierend Vergleich zur Erlangung von Überlegenheit über andere

Kollaborativ Vergleich zur Gestaltung einer Lernatmosphäre und zum

Wissensaustausch / zur Wissensweitergabe

Abbildung 9: Klassifikation von Benchmarking-Arten (eigene Darstellung in Anlehnung an Fong, 1998, S. 410)

Als drittes Kriterium der Klassifikation wird das Ziel der Benchmarking-Beziehung

verwendet. Unterschieden wird zwischen einer konkurrierenden und einer

kollaborativen Ausrichtung, wobei beim kompetitiv orientierten Benchmarking eher

das Streben nach Überlegenheit und überdurchschnittlicher Leistung im Vordergrund

steht. Dagegen zeichnet sich das kollaborative Benchmarking durch die Bereitschaft

aus, Wissen zu teilen sowie eine Lernatmosphäre zu schaffen. Häufig wird

kollaboratives Benchmarking von Externen initiiert (Fitzpatrick & Huczynski, 1990).

3.3.3 Vorgehen und Funktionsweise der Benchmarking-Ansätze

Der Vergleich der Geschäftsprozesse der eigenen Organisation mit denen anderer

Organisationen folgt einem systematischen Vorgehen (Camp, 1989; Schmelzer &

Sesselmann, 2013). Die Ansätze zur Durchführung eines systematischen

Benchmarkings zeigen eine Grundstruktur, die eine gewisse Flexibilität für

Modifikationen und einen nutzerangepassten Aufbau aufweist (Elmut & Kathawala,


1997). Zielsetzung der Ansätze ist die grundsätzliche Beschreibung der notwenigen

Schritte zur Identifikationen der Ursachen von Leitungslücken und von Möglichkeiten

zu deren Behebung (Anand & Kodali, 2008; Schmelzer & Sesselmann, 2013). Der

methodische Ansatz ist hierbei häufig sehr ähnlich, Anpassungen werden dabei

vorrangig auf der Basis individueller Erfahrungen und etablierter Praktiken getätigt

(Partovi, 1994). In der Literatur existiert daher eine Vielzahl unterschiedlicher

Methoden und Vorgehensbeschreibungen. Die ersten grundlegenden Arbeiten von

CAMP (1989) und SPENDOLINI (1992) definieren ein konkretes Vorgehen mit 10 bzw.

5 Schritten. BOXWELL (1994) stellt beispielsweise einen 8-stufigen Ablauf vor,

während ANDERSON UND MOEN (1999) ein Benchmarking-Rad präsentieren.

Zahlreiche wissenschaftliche Ansätze bauen auf diesen grundsätzlichen Ansätzen auf

und entwickeln Ansätze, die an spezifische Fragestellungen angepasst sind (Anderson

& Petterson, 1996; Hacker & Kleiner, 2000). Die entwickelten Modelle wurden in der

Praxis entsprechend den individuellen Anforderungen modifiziert und den

unterschiedlichen Rahmenbedingungen und Zielsetzungen angepasst. TALLURI

(2000b) hebt die Eignung des Benchmarkings zum BPR und BPI hervor und schlägt

einen prozessbasierten Ansatz unter Nutzung u. a. der Data Envelopment Analysis

(DEA) zur Identifikation der Benchmarks vor.66

Abbildung 10 zeigt beispielhaft das für die Entwicklung weiterer Ansätze

maßgebenden Vorgehen nach CAMP (1989). Dabei werden vier übergeordnete Phasen

unterschieden: Die Planungsphase dient der Identifikation des Benchmarkingobjekts

sowie potenzieller Vergleichsunternehmen und definiert die Datensammlung und

Erhebungsmethode. Die Analysephase umfasst vorrangig die Bestimmung der

Leistungslücke sowie die Planung zukünftiger Leistungsniveaus. Die identifizierten

Schwachpunkte können nur behoben werden, indem diese als solche in der

Organisation akzeptiert werden. Die Integrationsphase umfasst die Kommunikation

der Ergebnisse und stößt Änderungen der Zielsetzungen an. Die Aktionsphase umfasst

die Entwicklung von Aktionsplänen zur Spezifikation der Verbesserungsmaßnahmen,

die Implementierung notwendiger Änderungen und Fortschrittsüberwachungen sowie

die angemessene Weiterentwicklung der Benchmarks.67 Dabei wird das

Benchmarking-Vorgehen als iterativer Prozess beschrieben, der mit Erreichung einer

66 Bspw. präsentieren Lee und Kim (2014) einen Ansatz zur expliziten Berücksichtigung der

Dienstleistungsqualität. 67 Camp (1989) beschreibt in seinem Vorgehen eine fünfte Stufe („Maturity“), die die nachhaltige Verankerung

des Benchmarkingprozesses in der Organisation beschreibt, jedoch kein expliziter Teil des widerkehrenden

Modells ist.


führenden Position in der Reifephase endet, in der Best Practices in allen

Geschäftsprozessen etabliert sind (Camp, 1989; Legner, 1999).

Abbildung 10: Benchmarking-Vorgehen nach Camp (1989,S. 17 )

DEROS ET AL. (2006) kategorisieren die verschiedenen Ansätze zum Benchmarking-

Vorgehen in drei grundsätzliche Gruppen. Sie unterscheiden zwischen berater-

/expertenbasierten Ansätzen, akademisch/forschungsbasierten Ansätzen und

organisationsbasierten Benchmarking-Ansätzen. Die expertenbasierten Ansätze stellen

mit knapp 48 % den größten Anteil, was die Schlussfolgerung nahelegt, dass es sich

bei Benchmarking um ein eher praxisorientiertes als rein wissenschaftliches Werkzeug

handelt. ANAND und KODALI (2008) vergleichen 35 verschiedene

Vorgehensbeschreibungen zum Benchmarking und leiten daraus einen universellen

Benchmarking-Ansatz her. Gleichwohl betont YASIN (2002), dass der

Forschungsbereich des Benchmarkings unter einem Mangel an theoretischen

Entwicklungen zur Steuerung der verschiedenartigen Praxisanwendungen leidet.

Einen übergeordneten Ansatz zum Benchmarking-Vorgehen präsentieren DONTHU

ET AL. (2005). Die umsetzungsorientierte Herangehensweise umfasst die Schritte


(1) Identifikation der Top-Performer, (2) Definition der Benchmarkingziele und

(3) Implementierung. Die Konzentration liegt dabei insbesondere auf den Schritten (1)

und (2), da argumentiert wird, dass zum einen die Implementierung von Best Practices

für Unternehmen, die sich mit Benchmarking-Praktiken auseinandersetzen, bereits im

Fokus steht, und dass zum anderen die Auswahl geeigneter Indikatoren zur Bewertung

des Fortschritts zur Erreichung der Benchmarkingziele sehr individuell ist. Die

Identifikation der vermeintlichen Top-Performer wird in bestehenden Benchmarking-

Ansätzen als Herausforderung thematisiert und ist durch hohe Subjektivität

gekennzeichnet, da jedes Unternehmen aufgrund seiner spezifischen Eigenschaften

individuelle Anforderungen an das Referenzset hat. Hinzu kommt, dass (In-)Effizienz

in der Prozessausführung ohne detaillierte Einblicke nur schwer diagnostiziert werden

kann, da eine unmittelbare Verbindung zum Unternehmenserfolg durch eine Vielzahl

von Effekten überlagert wird. Zudem kann keine einheitliche formale Methode

benannt werden, um zum einen die Best Practices einer Branche zu identifizieren, zum

anderen die Vergleichbarkeit der Prozesse vermeintlicher Branchenführer zu

gewährleisten.68 Die mit dem zweiten Schritt verbundene Messung sowohl der eigenen

Leistungsfähigkeit als auch der Leitungsfähigkeit des Benchmarks setzt die

Bereitschaft zum Teilen detaillierter Informationen voraus, da im Rahmen der

Anwendung der klassischen Benchmarking-Techniken lediglich auf qualitative Daten

und Beobachtungen zurückgegriffen werden kann. Der damit verbundene geringe

Konkretisierungsgrad erschwert die Formulierung präziser Zielsetzungen. SPENDOLINI

(1992) weist entsprechend darauf hin, dass Benchmarkingziele messbar, erreichbar

und umsetzbar sein müssen.

3.3.4 Nutzenbeschreibung des Benchmarkings

DELPACHITRA (2008) sieht Prozessbenchmarking als indirekte Messgröße für die

operative Effizienz, indem Unternehmen ein systematischer Weg aufgezeigt wird, ihre

Ressourcen einzusetzen. Jedoch ist der individuelle Nutzen der Ergebnisse in hohem

Maße abhängig von der Ausgestaltung des Benchmarking-Vorgehens. Dabei nimmt

die Relevanz bzw. Umsetzbarkeit der Ergebnisse ab, umso größer die Bandbreite der

involvierten Unternehmen ist. Umgekehrt steigt die Wahrscheinlichkeit, neue,

innovative Erkenntnisse zu generieren, umso weniger verwandt die Branche der

Benchmarkingpartner mit der eigenen Branche ist. Die meisten Unternehmen werden

jedoch nicht daran interessiert sein, ihre Wettbewerbsvorteile, gerade gegenüber

68 Siehe hierzu auch Kapitel 5 dieser Arbeit.


direkten Konkurrenten, offenzulegen. Dementsprechend ist der erwartete Level an

Zusammenarbeit sehr unterschiedlich in Abhängigkeit von den vorliegenden

Wettbewerbsverhältnissen (Prašnikar et al., 2005; Legner, 1999). Dabei ist zu betonen,

dass die Berücksichtigung von Strukturmerkmalen des Unternehmens ein wesentlicher

Erfolgsfaktor für die Vergleichbarkeit von Unternehmen darstellt (Lasch, 1998).

Daten Teilnehmer Benchmarking Erwartetes Level an

Zusammenarbeit

Relevanz der

Ergebnisse

Wahrscheinlichkeit

einer Durchbruchs-

erkenntnis

andere Unternehmen in der

Gruppe (internes Benchmarking) hoch hoch niedrig

Wettbewerber in der Branche niedrig hoch durchschnittlich

Unternehmen der Branche, die

keine Wettbewerber durchschnittlich durchschnittlich hoch

Unternehmen anderer Branchen durchschnittlich niedrig hoch

Abbildung 11: Vergleich des Erkenntnispotenzials unterschiedlicher Benchmarking-Anwendungen (eigene Darstellung in

Anlehnung an Prašnikar et al., 2005, S. 270 f.)

Grundsätzlich entwickeln Unternehmen durch Benchmarking ein besseres Verständnis

ihrer relativen Position in ihrer spezifischen Industrie. Dabei ist insbesondere

herauszuheben, dass Benchmarking hilft, die eigenen Prozesse zu verstehen, und die

Organisation systematisch dazu befähigt, von anderen zu lernen (Lai et al., 2011b).

Gerade für Funktionsbereiche, die nicht in einem direkten Wettbewerbsverhältnis zur

Konkurrenz stehen, insbesondere Unterstützungsbereiche, wird Transparenz über

Leistungen und Strukturen erzeugt sowie ökonomisches Handeln gefördert (Camp,

1989). Dabei hat Benchmarking starken Innovationscharakter und ist keineswegs nur

Imitation von Best Practices, da häufig die besten Innovationen aus fremden Branchen

kommen und zu überdurchschnittlicher Leistung befähigen (Dattakumar & Jagadeesh,

2003). Basierend auf CAMP (1989) kann der Nutzen von Benchmarking in fünf

Dimensionen geclustert werden. Die zielgenaue Definition der Kundenbedürfnisse

erfolgt mithilfe von Benchmarking auf der Basis der marktseitigen Realität und

weniger auf der Basis von vergangenen Erfahrungen oder individueller Wahrnehmung.

Zudem werden die (internen und externen) Kundenanforderungen systematisch

evaluiert und die Leistungserstellung konform mit den Kundenbedürfnissen

durchgeführt. Eine zweite wichtige Nutzendimension bietet Benchmarking hinsichtlich

der Ableitung und Definition von qualitativen und quantitativen Zielen. Die


Orientierung am Branchenbesten bietet zum einen die Basis für die Ableitung der

bestmöglichen Zielsetzung, zum anderen eine erhöhte Akzeptanz für die glaubwürdige

Definition überdurchschnittlicher Ziele und bildet so die dritte Nutzendimension (Joshi

et al., 2011). Zudem ermöglicht Benchmarking der Organisation, ihre eigene relative

Kostenposition zu ermitteln und entsprechende Potenziale zu identifizieren (Cusack &

Rowan, 2009). Als fünfte Nutzendimension wird die Entwicklung von zielspezifischen

Produktivitäts-/ Effizienzmessgrößen beschrieben, um Unternehmen in die Lage zu

versetzen, eigene Stärken und Schwächen auf unterschiedlichen Analyselevels zu

identifizieren und ggf. entsprechende Maßnahmen abzuleiten.

Wie oben bereits angeführt, ist eine zentrale Zielsetzung der Erhalt von

Wettbewerbsvorteilen (Ralston et al., 2001). Dabei kann Benchmarking helfen, ein

Bewusstsein insbesondere hinsichtlich der Produkte, Kosten, Marktentwicklungen und

Prozesse zu erzeugen und einen konstanten Blick auf externe Ideen, Methoden und

deren (Neu-)Einbindung sicherzustellen. Zudem besitzt Benchmarking das Potential,

Best Practices der Branchenführer zu identifizieren (Talluri & Sarkis, 2001;

Mittelstaedt, 1992). Benchmarking unterstützt dabei strukturiert die proaktive Suche

nach neuen Methoden und Practices in anderen Organisationen und hilft dabei, zum

einen die bestehenden operativen Prozesse zu verbessern bzw. zu ergänzen, zum

anderen kreative neue Ideen einzubinden und das organisationale Lernen zu verstärken

und zu verstetigen. Dem konkreten Nutzen steht der verhältnismäßig hohe Aufwand an

Personal, Ressourcen und Zeit entgegen. Dazu kommen die Schwierigkeiten,

geeignete Benchmarking-Partnerschaften zu etablieren sowie die Zurückhaltung bei

der Preisgabe sensibler Informationen (Delpachitra & Beal, 2002; Rogers et al., 1995).

Jedoch herrscht in der Literatur Einigkeit darüber, dass der Nutzen einer

systematischen Benchmarking-Anwendung die Probleme übersteigt (Whymark, 1998;

Delpachitra & Beal; 2002).69 Insbesondere herauszuheben ist die Unterstützung der

strategischen Planung und der strategiespezifischen Ableitung von konkreten

Zielsetzungen sowie die Generierung einer belastbaren Entscheidungsgrundlage für

mehrdimensionale, oftmals effizienzgetriebene Make-or-buy-Entscheidungen (Zairi,

1994). CAMP (1995) betont, dass Benchmarking einen breiten Blick auf die

Leistungserbringung des Unternehmens erlaubt, indem die systematische Suche nach

überdurchschnittlicher Performance substanzieller Bestandteil der Methode ist.

69 Ein Überblick über Benchmarking-Anwendungen findet sich bspw. bei Dattakumar und Jagadeesh (2003);

hinsichtlich Supply Chains bei Wong und Wong (2008).


3.4 Zusammenfassung und Implikationen für das weitere Vorgehen

Die Darlegung der zentralen Elemente und Konstrukte der Effizienz, des

Prozessmanagements und des Benchmarkings bilden die theoretische Grundlage für

die folgenden Schritte des Forschungsvorhabens. Nach einer Abgrenzung des

Effizienzbegriffs wurden unterschiedliche Effizienzarten beschrieben und die

Eigenschaften der zugrunde liegenden Technologiemengen diskutiert. Zudem konnte

die Effizienz als valides Entscheidungskriterium identifiziert werden. Die Data

Envelopment Analysis wurde als Methode für die Leistungsanalyse bestimmt. Die

methodische Analyseebene für die Bewertung der Prozessleistungsfähigkeit wird mit

der Beschreibung des Prozessmanagements und der damit verbundenen

mehrdimensionalen Leistungsmessung bereitgestellt. Darüber hinaus erfolgte eine

Charakterisierung der prozessbasierten Sichtweise als Basis für die folgenden Schritte.

Prozessmodelle konnten dabei als valide Grundlage für die Ableitung prozessualer

Messmodelle und eine darauf aufbauende Analyse der Leistung identifiziert werden.

Als dritter theoretischer Bezugspunkt wurden unterschiedliche Benchmarking-Ansätze

vorgestellt und hinsichtlich ihrer Eigenschaften und Besonderheiten analysiert. Der

brancheninterne Prozessbenchmarking-Ansatz zeigt sich aufgrund seiner sehr

anwendungsorientierten Ausrichtung als geeigneter methodischer Bezugsrahmen für

die nachfolgenden Entwicklungen. Die Vorstellung der theoretischen Grundlagen

wurde punktuell durch spezifische Einblicke in das Krankenhauswesen und dessen

Besonderheiten unterstützt. Die Kombination der zentralen Elemente der Konzepte

bietet einen geeigneten Rahmen für die nachfolgende systematische Literaturanalyse

zum Status quo.

Prozessbasiertes Benchmarking des Unterstützungsbereichs im Krankenhaus 56

4 PROZESSBASIERTES BENCHMARKING DES

UNTERSTÜTZUNGSBEREICHS IM KRANKENHAUS

In diesem Kapitel wird zum einen der Untersuchungsbereich vorgestellt, zum anderen

erfolgt eine systematische Auswertung und Aufbereitung der Literatur hinsichtlich

bestehender Anwendungen der Data Envelopment Analysis als Werkzeug zum

prozessbasierten Benchmarking. Abschließend werden Anforderungen an eine

Methode zum prozessbasierten Benchmarking abgeleitet.

4.1 Beschreibung des Untersuchungsbereichs

Die Beschreibung des Untersuchungsbereichs geht von der Definition und

Abgrenzung des Krankenhausbegriffs aus. Anschließend wird eine Typisierung der

Krankenhäuser vorgenommen, die für die spätere methodische Entwicklung relevant

ist. Die untersuchte Forschungsfrage im Anwendungsgebiet erfährt durch die

Beschreibung der Besonderheiten und Charakteristika des Krankenhausumfeldes eine

detaillierte Fundierung. Strukturelle Kennzahlen zeigen die Relevanz der

Problemstellung.

4.1.1 Definition des Krankenhausbegriffs

Die grundsätzliche Aufgabe der Institution Krankenhaus ist die Sicherstellung der

medizinischen Grundversorgung und die bedarfsgerechte Versorgung der Bevölkerung

mit medizinischen Dienstleistungen (Berger & Stock, 2008). Bei der Definition des

Krankenhausbegriffs muss zwischen einer rechtlichen und einer

betriebswirtschaftlichen Perspektive unterschieden werden. Entsprechend dem

Krankenhausfinanzierungsgesetz (1972, § 2 Abs. 1 KHG) sind Krankenhäuser

grundlegend definiert als „Einrichtungen, in denen durch ärztliche und pflegerische

Hilfeleistung Krankheiten, Leiden oder Körperschäden festgestellt, geheilt oder

gelindert werden sollen oder Geburtshilfe geleistet wird und in denen die zu

versorgenden Personen untergebracht und verpflegt werden können“. Betrachtet man

das Krankenhaus aus betriebswirtschaftlicher Sicht, handelt es sich um ein

Unternehmen, das Gesundheitsdienstleistungen für Patienten erstellt. Dabei ist die

operative menschliche Arbeit mit einem Anteil von ca. 60 % der dominante

Produktionsfaktor (GBE, 2014). Ein Krankenhaus kann betriebswirtschaftlich als

Mehrproduktunternehmen mit einem mehrstufigen Produktionsprozess mit

Einzelfertigung gesehen werden, da der Produktionsablauf patientenindividuell in


Form eines Diagnose- und Therapieplans konfiguriert wird (Fleßa, 2013). Für eine

Analyse müssen daher die unterschiedlichen Produktionsfaktoren sowie Investitions-

und Finanzierungsfragestellungen berücksichtigt werden. FLEßA (2013, S. 26) gibt

eine betriebswirtschaftliche Definition des Krankenhausbetriebes, den er als einen

Dienstleistungsbetrieb kennzeichnet, „der in Einheit von Ort, Zeit und Handlung

Gesundheitsdienstleistungen für persönlich anwesende Patienten erzeugt.“ Dabei weist

er darauf hin, dass die stationäre Leistungserbringung als Abgrenzungsmerkmal

gegenüber ambulanten Gesundheitsbetrieben gilt. Zudem kann der

Krankenhausbetrieb von der stationären Pflege durch die „(relative) Dominanz der

diagnostischen und therapeutischen Dimension“ abgegrenzt werden (Fleßa, 2013,

S. 26).70

4.1.2 Typisierung von Krankenhäusern

Für die Typisierung von Krankenhäusern existiert eine ganze Reihe unterschiedlicher

Ansätze, die teilweise gemeinsam zur Charakterisierung eines Krankenhausbetriebes

herangezogen werden müssen. Eine grundsätzliche Unterscheidung kann hinsichtlich

der medizinischen Zielsetzung eines Krankenhauses getroffen werden. Während bei

Allgemeinkrankenhäusern nach § 2 Nr. 1 Krankenhausfinanzierungsgesetz (KHG) und

§ 107 Abs. 1 Sozialgesetzbuch (SGB) V keine bestimmte Fachrichtung im Fokus steht,

handelt es sich bei Fachkrankenhäusern um fachdisziplinarisch spezialisierte

Einheiten, bei denen entweder nach Krankheiten oder nach Behandlungsart

unterschieden wird. Eine weitere Detaillierung dieser Unterscheidung kann im

Hinblick auf die Versorgungsstufe gegeben werden. Da die Definition dieser

Versorgungsstufen sowie die Aufstellung des Krankenhausplans in Deutschland

länderspezifisch geregelt ist (Haubrock, 2009a; Geissler & Busse, 2015), wird im

Folgenden eine grundsätzliche Klassifizierung vorgestellt, die auf die Leistungstiefe

bzw. die bereitgestellte Leistungsbreite Bezug nimmt (Schär, 2009b; Fleßa, 2013;

Salfeld et al., 2008). Bei Krankenhäusern der Ergänzungsversorgung handelt es sich

um ortsnahe Einrichtungen, die eine einfache Versorgung in Chirurgie und innerer

Medizin bereitstellen. Einrichtungen der Grundversorgung liefern eine allgemeine

Versorgung in den Grunddisziplinen, ggf. erweitert um Intensiv- bzw.

Belegabteilungen. Krankenhäuser mit Regelversorgung bieten eine allgemeine

Versorgung in allen relevanten Disziplinen zur Behandlung jener Krankheiten, die in

70 Für weitere Ausführungen zum Krankenhausbegriff und damit verbundene Aufgaben siehe auch Eichhorn

(2008) und Schlüchtermann (2013).


der Bevölkerung besonders häufig auftreten. Zentralversorger erweitern dieses

Leistungsangebot um Spezialversorgungen in ausgewählten Disziplinen. Abschließend

bieten Krankenhäuser der Maximalversorgung die komplette Bandbreite der

medizinischen Versorgung inkl. Subspezialisierungen.71 Ein wichtiges Kriterium zur

Typisierung eines Krankenhauses ist die Trägerschaft. Hier wird zwischen

öffentlichen, freigemeinnützigen und privaten Einrichtungen unterschieden. Wegen

der veränderten Rahmenbedingungen ist in der letzten Dekade der Anteil der privaten

Krankenhäuser in Deutschland stark angestiegen und stellt inzwischen einen größeren

Anteil als öffentliche Krankenhäuser (Bölt, 2015; Schäfer, 2000).

4.1.3 Charakterisierung und Besonderheiten des Krankenhausumfeldes

Das Gesundheitswesen zeichnet sich durch eine ganze Reihe von Spezifika aus, die im

Folgenden anhand einer akzentuierten Beschreibung des Krankenhausumfeldes

dargelegt werden. Krankenhäuser bieten Gesundheitsdienstleistungen auf einem Markt

an, wobei nicht Gesundheit als die erbrachte Leistung klassifiziert wird, sondern die

Dienstleistung, die sich positiv auf den Gesundheitszustand auswirkt (Rohner, 2012;

Fleßa, 2013; Haubrock, 2009b). Legt man der klassischen Wirtschaftstheorie folgend

die Charakteristika eines vollkommenen Marktes zugrunde, zeichnet sich das

Gesundheitswesen durch eine asymmetrische Informationsverteilung infolge der

starken Wettbewerbsregulierung durch Eingriffe von Bundes- und Landesministerien

aus (Berger & Stock, 2008; Stiglitz, 1988; Troschke & Stössel, 2012). Dies ist auch

auf den oben angeführten gesellschaftlichen Konsens der Zusage zur bedarfsgerechten

medizinischen Versorgung für jedes Mitglieds der Gesellschaft zurückzuführen.

Gleichwohl ist der Gesundheitsmarkt durch zahlreiche Stakeholder mit teilweise

gegenläufigen individuellen Zielen geprägt. Im Gesundheitswesen ist insbesondere die

Rolle der Versicherungen hervorzuheben, da diese in ihrer unterschiedlichen

Ausgestaltung und Positionierung im Gesundheitssystem bedeutenden Einfluss auf das

Spannungsfeld zwischen Nachfrage und Angebot nehmen. Neben den

unterschiedlichen Interessen der Stakeholder ist das Gesundheitswesen durch eine

Informationsasymmetrie zwischen Leistungsempfängern und Leistungserbringern

geprägt, da die Leistungsempfänger häufig hinsichtlich ihrer Konsumentensouveränität

71 Mit der Unterscheidung hinsichtlich der Versorgungsstufe ist die Unterscheidung bzgl. der Größe der

Krankenhäuser verbunden, operationalisiert anhand der Anzahl der Betten. Dabei existieren eine ganze Reihe

unterschiedlicher Skalierungen, deren Betrachtung jedoch nur in Kombination mit weiteren Faktoren, z. B.

der Versorgungstiefe, aussagekräftig ist. Mettler (2010) präsentiert eine allgemeine Typisierung mit Fokus

auf den Schweizer KH-Markt anhand von 3 Versorgungsstufen (primär, sekundär und tertiär) zur

Charakterisierung der medizinischen Versorgungsangebote.


eingeschränkt sind. Entsprechend wird der subjektive Bedarf des Patienten durch den

Leistungserbringer objektiviert, was jedoch von den individuellen Präferenzen und

Interessen des Objektivierenden beeinflusst wird. Die zusätzliche Komponente der

Finanzierung, unter Beachtung des gesetzlichen Leistungsanspruchs, der zu

erbringenden Leistung durch die Versicherungen als dritte übergeordnete

Interessengruppe erhöht die Komplexität zusätzlich (Berger & Stock, 2008; Haubrock,

2009a; Schär, 2009b; Schäfer, 2000; Schär, 2009a).

Neben den beschriebenen Besonderheiten des Gesundheitsmarktes weist auch die zu

erbringende Leistung besondere Charakteristika auf. Dabei muss zusätzlich zu den

grundsätzlichen Dienstleistungseigenschaften (Woratschek et al., 2007) das Uno-actu-

Prinzip hervorgehoben werden, das ein Mitwirken des Leistungsnehmers im Rahmen

der Leistungserbringung erfordert (Arnold, 2008). Zudem zeichnet sich die

Leistungserbringung im Krankenhaus durch eine starke Standortbindung aus (Kunze,

2012). Das Spektrum der klinischen Prozesse reicht dabei von hochspezialisierten

Dienstleistungen, die sich durch geringe Häufigkeit, hohe Individualität, geringen

Standardisierungsgrad, lange Bearbeitungszeiten und hohe Anforderungen an Spezial-

und Expertenwissen auszeichnen, bis hin zu standardisierten Basisdienstleistungen, die

durch eine hohe Häufigkeit der Durchführung, ein geringes Level an Individualität,

kurze Bearbeitungszeiten sowie geringe Anforderungen an Expertenwissen

gekennzeichnet sind (Silvestro et al., 1992; Rohner, 2012). Die Dienstleistungen

werden dabei patientenindividuell von Ärzten aus unterschiedlichen Themenfeldern in

Zusammenarbeit mit dem Pflegepersonal und interdisziplinären medizinischen

Dienstleistungen wie Labor und Pharmazie erbracht. Unterstützt wird die

Leistungserbringung durch medizinferne Leistungen (Rohner, 2012). Eine wichtige

Besonderheit der Leistungserbringung in Krankenhäusern ist die Rolle des Patienten

als Produktionsfaktor im Sinne der Produktionstheorie. Dabei ist der Patient zum

Ersten Input-Faktor, da er das Krankenhaus besucht und nach einem

Veränderungsprozess verlässt, zum Zweiten Kunde im Sinne eines Auftraggebers

einer Dienstleistung, zum Dritten ist er Ko-Produzent bei der Erstellung der Leistung,

da die Leistung an ihm erfolgt, er im Regelfall persönlich anwesend ist und seine

Mitwirkung das Ergebnis er Leistungserbringung deutlich beeinflusst (Fleßa, 2013;

Arnold, 2008; Kersting, 2008).

Die oben angesprochene Position der Versicherungen als wesentlicher Teil des

Gesundheitsmarktes hat im Hinblick auf Finanzierungsaspekte des Gesundheitswesens

und die damit verbundene Erlösstruktur der Krankenhäuser bedeutenden Einfluss.


Dabei ist zwischen privaten und gesetzlichen Versicherungen zu unterscheiden.72

Ohne hier ein detailliertes Bild der Finanzierung der gesetzlichen Krankenkassen

(GKV) zeichnen zu wollen, ist es notwendig, zumindest die grundsätzliche

Funktionsweise zu darzulegen.73 Die Finanzierung des GKV erfolgt über den 2009

eingeführten Gesundheitsfonds, der sich aus Beiträgen der Arbeitgeber, der

Versicherten/Beitragszahler und staatlichen Subventionen zusammensetzt. Darüber

hinaus dürfen die GKV in begrenztem Maß Zusatzbeiträge von ihren Beitragszahlern

erheben. Erbringt ein Krankenhaus eine Leistung gegenüber einem Patienten, erfolgt

die Abrechnung direkt mit der Krankenkasse. Nur bei privat Versicherten rechnet das

Krankenhaus die Leistungen direkt mit dem Patienten ab, der seine Auslagen

entsprechend den ihm zustehenden Leistungen von der Krankenversicherung ersetzt

bekommt. Die Abrechnung der erbrachten Leistungen erfolgt gegenwärtig anhand der

2003/2004 eingeführten diagnosebezogenen Fallgruppen (Diagnosis Related Groups,

DRG) (Haubrock, 2009a; Berger & Stock, 2008).74 Die Einführung der DRG hat für

Krankenhäuser zur Folge, dass sie nicht jeweils die individuellen Aufwendungen

erstattet bekommen, die die Behandlung in ihrem spezifischen Fall verursacht, sondern

einen definierten Betrag je Behandlungsfall. Das DRG-System lässt sich als ein

ökonomisches Klassifizierungssystem charakterisieren, bei dem Klassen aus Objekten

mit gleichen Eigenschaften gebildet werden. Dabei werden zwar medizinisch

vergleichbare Fälle erfasst, eine Gruppierung erfolgt jedoch auf der Basis der

Fallkosten. Entsprechend werden jene Fälle zu einer DRG-Gruppierung

zusammengefasst, die ähnliche durchschnittliche Kosten aufweisen. Umgekehrt wird

davon ausgegangen, dass alle Fälle dieser DRG-Gruppierung die durchschnittlichen

Kosten aufweisen (Fleßa, 2013; Küttner, 2004; Zeuner, 2011). Mit der Zielsetzung,

den relativen ökonomischen Aufwand zur Erbringung der medizinischen Leistung im

Vergleich zu einem Basispatienten abzubilden, wird den DRG eine sog.

Bewertungsrelation in Form eines relativen Wertes einer Fallgruppe hinsichtlich einer

zu erbringenden Leistung zugeordnet. Die Summe dieser Bewertungsrelationen wird

als Case Mix bezeichnet und bildet so die durchschnittliche Fallschwere des

Krankenhauses ab. Das DRG-Budget eines Krankenhauses entspricht dem Produkt aus

Basisfallwert und Case Mix (Haubrock, 2009a; Schmidt-Rettig, 2008). Es ist darauf

72 Die folgenden Ausführungen beziehen sich auf die Finanzierung durch gesetzliche Versicherungen, da diese

ca. 90 % der Bevölkerung umfassen. 73 Der GKV liegen zudem folgende Strukturprinzipien zugrunde: kollektives Äquivalenzprinzip,

Solidaritätsprinzip, Sachleistungs- und Wirtschaftlichkeitsprinzip (Fleßa, 2013; Schär, 2009a). 74 Die Leistungen erweitern sich um Zusatzentgelte und Zuschläge sowie Erstattungen entsprechend § 6 I und II

KHEntgG; für die Schweiz (SwissDRG, 2015).


hinzuweisen, dass der DRG-Anteil am Gesamtbudget individuell je Krankenhaus ist,

durchschnittlich jedoch ca. 96% des Gesamtbudgets beträgt (Mostert et al., 2015).

Diese Quasi-Deckelung der Umsätze von Krankenhäusern wird von zahlreichen

strukturellen Veränderungen begleitet.

4.1.4 Strukturelle Kennzahlen zum Krankenhausumfeld

Zahlreiche Studien zeigen, dass sowohl international als auch in Deutschland die

begrenzt zur Verfügung stehenden Ressourcen ineffizient eingesetzt werden (Strech,

2014). Die Krankenhäuser erfuhren in den vergangenen Jahren einen bemerkenswerten

strukturellen Wandel, wobei die Krankenhausindustrie substanziellen

Restrukturierungen und Konsolidierungen unterzogen werden musste (Büchner et al.,

2014). Der stationäre Krankenhaussektor bildet mit Gesamtkosten von ca. 90 Mrd.

Euro (2013) den größten Block der Gesundheitsausgaben.75 Allein in den Jahren 2008

bis 2013 stiegen die Krankenhauskosten um ca. 24 %. Im gleichen Zeitraum sind die

Fallzahlen in deutschen Krankenhäusern um ca. 7 % gestiegen bei gleichzeitiger

Reduktion der Anzahl der Krankenhäuser um ca. 4 %.76 Während die Gesamtanzahl

der Krankenhäuser rückläufig ist, können auch hinsichtlich der Trägerschaft

Veränderungen festgestellt werden. Die Anzahl der privaten Krankenhäuser ist im

Vergleichszeitraum um ca. 9 % gestiegen, während sich die Anzahl öffentlicher und

freigemeinnützigen Häuser um je 10 % reduziert hat. Dabei ist die Anzahl der Betten

nahezu konstant geblieben, die privaten Häuser weisen jedoch einen Zuwachs von ca.

13 % aus, während öffentliche und freigemeinnützige einen Rückgang von ca. 2 %

bzw. 4 % zu verzeichnen haben (Destatis, 2014). Interessant erscheint in diesem

Zusammenhang der Blick auf die finanzielle Gesamtsituation der deutschen

Krankenauslandschaft (Reifferscheid et al., 2015). Im Jahr 2012 wiesen ca. 35 % der

Krankenhäuser ein negatives Betriebsergebnis auf und ca. 13 % wurden als

insolvenzgefährdet eingestuft. Jedoch fällt auf, dass nur ca. 3 % der privaten

Krankenhäuser ein erhöhtes Insolvenzrisiko aufwiesen, bei öffentlichen

Krankenhäusern jedoch ca. jedes vierte (Augurzky et al., 2014). Die finanzielle

Situation zwingt die Krankenhäuser, die Budgets nicht entsprechend ihrem Zweck

einzusetzen, um insbesondere notwendige Investitionen tätigen zu können (Klauber et

75 Als Basis werden die Gesamtkosten, einschließlich der Kosten für Ausbildungsstätten und Aufwendungen

für den Ausbildungsfonds, genutzt, ca. 12 Mrd. Euro; Gesundheitsausgaben 2012: ca. 300 Mrd. Euro. 76 Innerhalb von 10 Jahren hat die Anzahl der Krankenhäuser um ca. 9 % abgenommen, seit 1993 um 15 %. Im

Jahr 2013 existieren 694 private, 596 öffentliche und 706 freigemeinnützige Krankenhäuser. Die

Verweildauer der Patienten hat sich seit 1993 fast halbiert auf durchschnittlich 7,5 Tage.


al., 2015). Dies wirkt sich u. a. auf die medizinische Versorgung der Patienten aus,

sodass medizinisch notwendige bzw. sinnvolle Leistungen aufgrund der begrenzten

Ressourcenbasis zurückgehalten werden (Boldt & Schöllhorn, 2008; Strech et al.,

2009).

Im Folgenden wird die finanzielle Situation anhand der Kostenverteilung und

Kostenentwicklung beschrieben (GBE, 2014). Die Kosten der Krankenhäuser werden

zu ca. 61 % von den Personalkosten und ca. 38 % von den Sachkosten bestimmt.77 Die

Personalkosten werden für die nachfolgende Betrachtung unterschieden in einen

Anteil, der direkt an der medizinischen Leistungserbringung beteiligten Mitarbeitern78

und einen Anteil, der unterstützenden Tätigkeiten zugeordnet werden kann.79 Der

Personalkostenanteil der wertschöpfenden Mitarbeiter (nicht-wertschöpfend)

entspricht mit ca. 84 % (16 %) in etwa dem Anteil an der Gesamtanzahl der

Mitarbeiter. Jedoch ergeben sich große Unterschiede hinsichtlich der Kosten je

bereitgestelltem Bett in Abhängigkeit von der Trägerschaft. Grundsätzlich ist zu

konstatieren, dass alle Krankenhäuser von den steigenden Personalkosten betroffen

sind. Ebenso ist bei den Sachkosten ein Anstieg zu verzeichnen, jedoch stiegen die

Sachkosten bei privaten Krankenhäusern im betrachten Zeitraum von 2008 bis 2013

um 16 %, gegenüber 24 % (freigemeinnützig) und 26 % (öffentlich). Betrachtet man

den medizinisch wertschöpfenden Personalkostenanteil, liegen die Kosten pro Bett in

privaten Krankenhäusern 30 % unter denen öffentlicher und 10 % unter denen

freigemeinnütziger Häuser.

Der Fokus der vorliegenden Arbeit liegt auf dem nicht direkt wertschöpfenden

(Unterstützungs-)Bereich. Der Unterschied zwischen den unterschiedlichen Trägern

wird hier besonders deutlich. Zum einen liegen die Personalkosten für den

Unterstützungsbereich in privaten Einrichtungen 37 % bzw. 20 % unter den Kosten in

öffentlichen bzw. freigemeinnützigen Krankenhäusern, zum anderen zeigt sich, dass

ein deutlich effizienterer Umgang mit den strukturellen Veränderungen erfolgt.

Während die privaten Krankenhäuser die Personalausgaben fast konstant halten

konnten (+4 %), ist bei öffentlichen (+19 %) und freigemeinnützigen Häuser eine

deutliche Kostensteigerung festzustellen. Dies ist insbesondere bemerkenswert, da die

77 Hierzu und zu allen folgenden Daten und Auswertungen als Datenbasis: GBE (2014). Die Differenz bilden

die Posten Zinsen und zusätzliche Aufwendungen, Steuern, Kosten für Ausbildungsfonds sowie Kosten für

Ausbildungsstätten. 78 Dazu zählen Ärztlicher Dienst, Pflegedienst, Medizinisch-technischer Dienst, Funktionsdienst & klinisches

Hauspersonal. 79 Wirtschafts- und Versorgungsdienst, Technischer Dienst, Verwaltungsdienst, Sonderdienste, sonstiges

Personal sowie nicht zurechenbare Kosten.


durchschnittliche Bettenanzahl privater Krankenhäuser (130) deutlich unter der in

öffentlichen (404) und freigemeinnützigen (241) liegt. Es wird deutlich, dass

insbesondere im Unterstützungsbereich der Krankenhäuser Effizienzpotenziale liegen

(Büchner at al., 2014). Auf die Diskussion weiterer Faktoren, z. B. historische

Umwälzungen der Investitionsfinanzierung und Abrechnung, steigende

Patientenanforderungen, wachsende Qualitäts- und Transparenzansprüche oder

technischer und medizinischer Fortschritt, wird an dieser Stelle verzichtet (Fleßa,

2013; Schmidt-Rettig, 2008; Arnold, 2008; Geissler & Busse, 2015; Reifferscheid

et al., 2015). Der steigende Wettbewerb zwischen den Krankenhäusern sowie die

zunehmend schwierige Marktsituation, insbesondere für einzelne und unabhängige

Kliniken, zeigt einen deutlichen Bedarf an Effizienzsteigerungen, speziell durch

Reduktion der Kostenpositionen (Büchner et al., 2014; Busse, 2005; Rohner, 2012).

4.1.5 Prozessorientierung im Krankenhaus und Klassifikation der betrachteten

Prozesse

Aufgrund der geschilderten Rahmenbedingungen sehen sich Krankenhäuser vor die

Herausforderung gestellt, ihre Handlungsweisen anzupassen, um ihre

Wettbewerbsfähigkeit aufrechtzuerhalten. Die bereits beschriebene

Prozessorientierung ist dafür ein wesentliches Element (Gemmel et al., 2008). Unter

Prozessorientierung im Krankenhaus wird verstanden, zu welchem Anteil eine

Krankenhausorganisation hinsichtlich aller klinischen und unterstützenden Funktionen

am Patienten ausgerichtet und ein funktionsübergreifender kontinuierlicher

Verbesserungsprozess als Standard etabliert ist (Rohner, 2012). Dabei zeichnet sich

Prozessorientierung grundsätzlich durch eine funktionenübergreifende,

kundenorientierte Arbeits- und Denkweise aus (McCormack & Johnson, 2001).80

Krankenhäuser folgen traditionell einer vergleichsweise hierarchischen und

funktionsorientierten Ablauforganisation und erst seit Einführung der DRG wird ein

schrittweiser Wandel zur prozessorientierten Organisation vollzogen (Kersting, 2008).

Zwischen der Prozessorientierung in klassischen Industrieunternehmen und in

Krankenhäusern besteht ein wesentlicher Unterschied: Während im industriellen

Umfeld spezifische Inputs (z. B. Materialien) unter Einsatz von Maschinen oder

Informationen mit menschlicher Arbeitskraft in Outputs transformiert werden, steht

bei der Dienstleistung im Krankenhaus nicht die Erstellung spezifischer Outputs,

sondern vielmehr der Outcome (Verbesserung der Lebensqualität der Patienten) im

80 siehe Kap. 3.3.1 dieser Arbeit.


Zentrum des Interesses. Das Ziel klassischer industrieller Dienstleistungen besteht

darin, die Bedürfnisse, Anforderung bzw. Erwartungen der Empfänger des

Prozessoutputs zu bedienen. Das Kundenbild bei der Erbringung von

Krankenhausdienstleistungen hingegen ist insbesondere durch die Rolle des Kunden

als direktem Leistungsempfänger bestimmt (Rohner, 2012; Davenport, 1993).

Als Untersuchungsbereich dieser Arbeit wurden die Unterstützungsprozesse in

Krankenhäusern ausgewählt, die ähnlich wie die industrielle Leistungserbringung auf

eine Optimierung der Input/Output-Relation unter Berücksichtigung der Erfüllung

definierter Qualitätsanforderungen ausgerichtet sind und bei denen das

Effizienzkriterium im Vordergrund steht. Entsprechend wird im Folgenden auf weitere

Ausführungen zum klinischen Prozessmanagement verzichtet.

Abbildung 12: Beispielhafte Darstellung der Value Chain eines Krankenhauses (Darstellung übernommen mit Adaptionen

aus Porter und Teisberg, 2006, S. 204 sowie Mettler 2010, S. 71)

PORTER (2014, S. 61) beschreibt ein Unternehmen als „ein Ansammlung von

Tätigkeiten, durch die ein Produkt entworfen, hergestellt, vertrieben, ausgeliefert und

unterstützt wird“, wobei diese strategisch relevanten Tätigkeiten in einer Wertkette

dargestellt werden können, um die Kostenposition und die

Differenzierungsmöglichkeiten abzubilden.81 Die Wertkette bildet ein analytisches

Werkzeug, um mit einer systematischen Untersuchung der Aktivitäten des

Unternehmens die Ursachen für Wettbewerbsvorteile zu untersuchen (Porter, 2014).

81 Einen Wettbewerbsvorteil besitzt ein Unternehmen dann, wenn es die strategisch relevanten Aktivitäten

besser oder kostengünstiger als seine Konkurrenten erfüllen kann (Porter, 2014).


Jedoch ist darauf hinzuweisen, dass PORTER unter Aktivitäten nicht, wie oben

beschrieben, die unterste Stufe der Prozesshierarchie versteht. Seine Argumentation

basiert vielmehr auf einem aufbauorganisatorischen Ansatz mit Funktionsorientierung.

Jedoch bietet sich die strukturierte Darstellung zur Unterscheidung der primären und

sekundären Aktivitäten an. Abbildung 12 zeigt eine auf die Wertschöpfung im

Krankenhaus ausgerichtete Wertkette (Porter & Teisberg, 2006; Mettler, 2010). Die

primären Aktivitäten beschreiben dabei die medizinische Wertschöpfung, wobei hier

zum einen explizit Vor- und Nachsorge mit einbezogen sind, zum anderen die

Kernleistungen (stationäre bzw. ambulante Leistungserbringung) durch medizin- bzw.

patientennahe Leistungen unterstützt werden. Als sekundäre Aktivitäten sind

Tätigkeiten erfasst, die die medizinische Wertschöpfung unterstützen, wobei im

Cluster „organisationsspezifische Infrastruktur“ eine ganze Reihe von Aktivitäten

(z. B. Controlling) gebündelt wird. BECKER und MEISE (2012) grenzen

Unterstützungsprozesse mithilfe differenzierter Kriterien von Kernprozessen ab. Dabei

dienen die Unterstützungsprozesse der Sicherung der Funktionsfähigkeit der

wertschöpfenden Prozesse und stellen die benötigte Ressourcenbasis zur Verfügung.

Zudem liegt der Fokus auf internen Kunden und die Eigenerstellung ist nicht zwingend

notwendig. Häufiges Problem ist die beschränkte Wahrnehmung des Endkunden

hinsichtlich des Value Added, da vorrangig unterstützende Aufgaben erfüllt werden.

4.2 Systematische Literaturanalyse: Data Envelopment Analysis,

Prozessmanagement und Benchmarking

Das Management der Prozessleistung ist sowohl in den Kern- als auch den

Unterstützungsprozessen zu einer unternehmerischen Kernaufgabe geworden (Hirzel,

2008). Da die vorliegenden Entscheidungssituationen komplex sind, steigt die

Bedeutung einer klaren und transparenten Grundlage zur Entscheidungsfindung,

insbesondere dann, wenn unterschiedliche Stakeholderinteressen, finanzielle und

nicht-finanzielle Messgrößen sowie differenzierte Bewertungskritierien

zusammengeführt und integriert beachtet werden müssen. In der Praxis werden dabei

zunehmend prozessbasierte Leistungsmessgrößen eingesetzt, etwa zur Vorbereitung

von Make-or-buy-Entscheidungen oder für organisationsinterne Entscheidungen zur

Bildung von Shared Service Centern. Jedoch ist die Identifikation geeigneter

Zielgrößen eine Herausforderung. Benchmarking kann durch seinen systematischen

Ansatz helfen, praktikable Zielsetzungen zu definieren, und als Basis für

betriebswirtschaftliche Entscheidungen dienen. Die grundsätzliche Eignung der DEA


als Werkzeug zur Lösung von Multi-Criteria-Decision-Making-(MCDM-)Problemen

wird in der Literatur kontrovers diskutiert (Kleine, 2001). Einerseits ist die

Argumentation schlüssig, dass die errechnete Effizienz der DEA der konvexen

Effizienz in MCDM entspricht.82 Anderseits wird darauf hingewiesen, dass die direkte

Transposition ggf. zu unbefriedigenden Ergebnissen führen kann (Bouyssou, 1999).

Für die Lösung von multikriteriellen Entscheidungen existiert jedoch eine ganze Reihe

von etablierten Methoden. HÜLLE ET AL. (2011) stellen in ihrer Publikation zu

MCDM-Verfahren im Bereich Management Accounting die Bedeutung der einzelnen

Verfahren transparent dar.

4.2.1 Zusammenfassung vorliegender Literaturanalysen zur DEA

In der Literatur existiert eine ganze Reihe von Beiträgen, die die Entwicklungen und

Anwendungen der Data Envelopment Analysis aufbereiten. Sie können den drei

Kategorien bibliografische Auflistungen, qualitative Studien und quantitative Studien

zugeordnet werden.83 Bibliografische Auflistungen liefern SEIFORD (1997a) und

GATTOUFI ET AL. (2004b) indem sie eine ausführliche Liste der DEA-Publikationen

präsentieren. Qualitative Studien werden zum einen von SEIFORD und THRALL (1990)

mit einem Überblick über die frühen Entwicklungen der DEA und von SEIFORD

(1997b) mit einem Überblick der Anwendungen von 1978 bis 1995 vorgestellt.

COOPER ET AL. (2007) präsentieren die Entwicklungen aus einem theoretischen

Blickwinkel, COOK und SEIFORD (1990) fassen die Entwicklungen im Bereich der

DEA über einen Zeitraum von 30 Jahren ab 1978 zusammen. Einen quantitativen

Literaturüberblick liefern sowohl GATTOUFI ET AL. (2004A) als auch EMROUZNEJAD

ET AL. (2008). Der von LIU ET AL. (2013b) präsentierte Literaturüberblick umfasst ein

zitationsbasiertes Netzwerk von Anwendungen sowie auf einem Wichtigkeitsindex

basierende Forschungspfade. HATAMBI-MARBINI ET AL. (2011) geben einen

Literaturüberblick über Anwendungen von Fuzzy Data Envelopment Analysis,

geclustert nach unterschiedlichen Fuzzy-Methoden.

Kennzeichen der genannten Studien ist, dass weitgehend auf eine Unterscheidung

zwischen methodischen und anwendungsspezifischen Entwicklungen verzichtet wird.

LIU ET AL. (2013A) fokussieren in ihrem Literatur-Review auf die Anwendungen der

DEA und präsentieren für ausgewählte Anwendungsgebiete Entwicklungspfade auf

82 DMUs entsprechen den Alternativen, Outputs den zu maximierenden Kriterien, Inputs den zu minimierenden

Kriterien. siehe dazu auch Kap. 3.1.4 dieser Arbeit. 83 Der folgende Kurzüberblick orientiert sich am Überblick der Studie von Liu et al. (2013b).


der Basis der wichtigsten Publikationen. Dabei wird zwar die hohe Bedeutung von

Anwendungen im Bereich Healthcare, insbesondere in Krankenhäusern, betont, jedoch

kann keine Anwendung der DEA im Bereich der Unterstützungsprozesse im

Krankenhaus identifiziert werden.84 Einen Healthcare-bezogenen Überblick der

Anwendungen von Effizienz- und Produktivitätsmesswerkzeugen gibt

HOLLINGSWORTH (2003), wobei er dabei neben der DEA auch weitere Methoden, z. B.

die SFA, berücksichtigt.85

4.2.2 Vorgehen und Zielsetzung der Literaturanalyse

Die vorliegende Literaturanalyse untersucht im Gegensatz zu den genannten

Publikationen die Anwendungen der Data Envelopment Analysis im Bereich des

Performance Managements auf Prozessebene unter expliziter Einbeziehung des

Managementinstruments Benchmarking. Ziel ist die Identifikation der Anwendungen

und der dafür verwendeten Methoden bzw. Methodenkombinationen zur Lösung

praktischer Benchmarkingprobleme. Die Analyse der Literatur lehnt sich an den

etablierten, strukturierten Ansatz der bibliometrischen Analyse an. Die bibliometrische

Analyse eignet sich insbesondere dafür, Strukturmuster in Publikationen zu

identifizieren (White, 2004). Die Durchführung basiert auf etablierten Vorgehen zur

Identifikation von Anwendungsgebieten des AHP und ANP (Hülle, 2012; Hülle et al.,

2011; Vaidya & Kumar, 2006). Für das Auffinden und die Auswahl der Publikationen

wurden die Datenbanken Business Source Premiere® via EBSCOhost® und der Social

Science Citation Index™ and Science Citation Index Expanded™ of Thomson-ISI

Web of Knowledge genutzt. Es wurden alle Publikationen bis zum 31.12.2013 in die

Betrachtung einbezogen. Durchsucht wurden alle Datenbankeinträge in Titel, Abstract

und Keywords. Die methodenspezifischen Suchoperatoren wurden mit der

Verknüpfung „or“ versehen, ebenso wurde bei den prozessbasierten Suchbegriffen

verfahren. Die methodenspezifischen Suchoperatoren und die anwendungsspezifischen

Suchbegriffe wurden mit der Verknüpfung „and“ verbunden. Methodenspezifische

Suchoperatoren sind „DEA“ und „Data Envelopment Analysis“, die

anwendungsspezifischen Suchbegriffe sind mit „Process“ und „Benchmark*“

definiert. Somit werden nur Ergebnisse berücksichtigt, die sowohl einen Treffer in den

84 Die Anwendungen im Bereich Healthcare liegen 2013 mit absolut 271 veröffentlichten Papers (8,65 % aller

DEA-Anwendungen) hinter Banking-Anwendungen an zweiter Stelle bei einem Anteil von

anwendungsspezifischen Publikationen von ca. 66 % (Liu et al., 2013a, S. 896). 85 Dabei sind ca. 52 % der identifizierten Anwendungen im Krankenhausumfeld zu verorten, 48 % mithilfe der

DEA. Die Publikation baut auf Hollingsworth (1999) auf.


methodenspezifischen Schlagwörtern als auch bei den anwendungsspezifischen

Begriffen vorweisen konnten (171). Aufgrund der Fokussierung der Betrachtung auf

die Anwendung der Data Envelopment Analysis mit Prozessbezug wurden alle

Publikationen ohne eine Anwendung der DEA, Literaturstudien, Kommentare,

ausschließlich methodische Erweiterungen sowie andere Publikationen ausgeschlossen

(20). Zudem wurden auch Publikationen, die nicht im Forschungsbereich des Process

Performance Managements zu verorten sind, aus der Betrachtung ausgenommen (58).

Manuelle Korrekturen wurden schließlich hinsichtlich vorhandener Dopplungen und

Abkürzungen durchgeführt (33).86 Für die abschließende Betrachtung konnten 60

Publikationen berücksichtigt werden.

4.2.3 Grundlegende deskriptive Ergebnisse

Die Anwendung der Data Envelopment Analysis in Verbindung mit dem

Benchmarking auf Prozessebene ist ein Forschungsgebiet, das sich seit 1996

entwickelt hat. In Abbildung 13 ist die Entwicklung der Zahl der Publikationen

abgebildet, die das kontinuierliche Interesse und die Wichtigkeit des

Forschungsbereichs zeigt.

Abbildung 13: Verteilung der Publikationen nach Jahren (eigene Darstellung)

86 Zum Vorgehen siehe z. B. Hülle et al. (2011).

2

1

3

1

2 2

1

4

2

6

3

4

8

6

10

3

2

0

2

4

6

8

10

12

1996 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013


Abbildung 14 zeigt die Journals, in denen die entsprechenden Publikationen

veröffentlicht wurden. Die große Bandbreite verdeutlicht das Interesse am

Forschungsbereich und das weite Feld der unterschiedlichen Anwendungen.

Hervorzuheben sind dabei das European Journal of Operational Research (10 %),

Omega-International Journal of Management Science (7 %), International Journal of

Production Research sowie das International Journal of Business Performance

Management (je 5 %). Insgesamt wurden die Inhalte in 42 verschiedenen Zeitschriften

veröffentlicht. Abbildung 15 verdeutlicht die regionale Verteilung der Publikationen

zum Analysebereich. Knapp die Hälfte aller Publikationen stammt dabei aus dem

asiatischen Raum inkl. des mittleren Ostens. Absolut gesehen stammen die meisten

Publikationen aus den USA (17), gefolgt von Taiwan (12). Jedoch kommt die Data

Envelopment Analysis nur in etwas mehr als der Hälfte der Anwendungsfälle als

alleinige Methode zum Einsatz. Kombinationen mit Methoden der multikriteriellen

Entscheidungsunterstützung, wie bspw. dem AHP oder PROMETHEE II haben sich

dabei etabliert. Gerade vor dem Hintergrund der im Standard-Benchmarkingprozess

enthaltenen Identifikation von geeigneten Benchmarkingpartnern kommt die DEA in

Verbindung mit der Clusteranalyse Rechnung zum Einsatz.

Abbildung 14: Verteilung der Publikationen nach Journals (eigene Darstellung)

0 1 2 3 4 5 6 7

Transportation Research Part A-Policy and Practice

Tourism Management

Total Quality Management & Business Excellence

Systemic Practice and Action Research

Supply Chain Management-An International Journal

Supply Chain Management

Service Industries Journal

Production and Operations Management

Operations Research

Omega-International Journal of Management Science

Nursing Economics

Mathematical and Computer Modelling

Management Science

Knowledge-based Systems

Knowledge & Process Management

Journal of the Operational Research Society

Journal of Service Research

Journal of Retailing

Journal of Productivity Analysis

Journal of Operations Management

Journal of Medical Systems

Journal of Intelligent Manufacturing

Journal of High Technology Management Research

Journal of Business Research

Journal of Business Logistics

IUP Journal of Supply Chain Management

International Journal of Shipping and Transport Logistics

International Journal of Productivity & Performance Management

International Journal of Production Research

International Journal of Production Economics

International Journal of Innovative Computing Information and Control

International Journal of Flexible Manufacturing Systems

International Journal of Computational Intelligence Systems

International Journal of Business Performance Management

IEEE Transactions on Engineering Management

Health Care Management Science

Expert Systems with Applications

European Journal of Operational Research

European Journal of Industrial Engineering

Benchmarking: An International Journal

Asia-pacific Journal of Operational Research

African Journal of Business Management


Eine übersichtliche Abbildung der identifizierten Methodenkombinationen kann

Tabelle 1 entnommen werden.

Abbildung 15: Verteilung der Publikationen nach geografischer Herkunft (eigene Darstellung)

Dabei kann konstatiert werden, dass ein großer Teil der Anwendungen die DEA als

zentrale Methode verwendet. Daneben finden neben den genannten Verfahren auch

strategische Managementinstrumente und Ansätze der Zielprogrammplanung

Anwendung. Die dargestellten Abbildungen der Literaturanalyse zeigen das Ergebnis

eines systematischen Vorgehens zur Identifikation der relevanten Publikationen.

Jedoch ist auf einige methodische Schwächen hinzuweisen, die das gewählte

Verfahren für die Auswahl der Publikationen verursacht. Zum einen besteht bei der

Verwendung derart generischer Suchbegriffe die Gefahr, dass eine Vielzahl von

Treffern erzielt wird, die für den intendierten Forschungsbereich nicht relevant sind.

Die Festlegung der Suchbegriffe unterliegt dabei der Subjektivität des

Untersuchenden. Zudem begrenzt die zeitliche Einschränkung die Analyseergebnisse.

Daneben wirken die klassischen Nachteile der Stichwortsuche. Diese basiert auf den

definierten Suchbegriffen und schließt somit alle Publikationen aus, die nicht alle

Suchbegriffe umfassen. Die zugrunde liegenden Datenbanken fokussieren auf

internationale Publikationen, die einen Peer-Review erfahren haben, sodass bspw.

Lehrbücher und Dissertationen nicht mit einbezogen werden. Eine weitere

Einschränkung besteht darin, dass aufgrund der Suchbegriffskonstellation und der

Grundsprache der Datenbanken lediglich englischsprachige Literatur berücksichtigt

wird.

Nordamerika

32%

[RUBRIKENNAME]

[PROZENTSATZ]

Australien

1% Afrika

2%

Südamerika

2%

Israel

2%

Taiwan

20%

Südkorea

3%

China

6%

Iran

2%

Indien

8%

Thailand

2%

Asien & Mittlerer Osten

43%


Total (k

om

bin

ierte

und S

ingle A

nsätze)

Total (k

om

bin

ierte

Ansätze)

Goal P

rogram

min

g

Fuzzy

Analy

tic

Hierarch

y P

rocess

Multi-O

bjectiv

e

Lin

ear Pro

gram

min

g

Balan

ced S

corecard

Clu

ster Analy

sis and

Prin

cipal

Com

ponen

t Analy

sis

PR

OM

ET

HE

E II

Clu

ster Analy

sis

AH

P

Tw

o-S

tage D

EA

Kom

bin

ierte An

sätze

Sin

gle

-DE

A-

An

sätze

Meth

od

e & Z

eit

2

0

Kam

akur

a et al.

(1996);

Murp

hy

et al.

(1996)

1996

1

0

Ozcan

(1998)

1998

3

2

Post u

nd

Spro

nk

(1999)

Frei u

nd

Hark

er

(1999)

Soterio

u

und

Zen

ios

(1999)

1999

1

1

Tallu

ri

(2000)

2000

2

0

Hoopes

und

Trian

tis

(2001);

Post

(2001)

2001

2

0

Tallu

ri

und

Sark

is

(2002);

Ross u

nd

Dro

ge

(2002)

2002

1

0

Sheu

und

Pen

g

(2003)

2003

4

1

Sark

is

und

Tallu

ri

(2004)

Tallu

ri

und

Narasim

h

an

(2004);

Stan

ford

(2004);W

atcharasri

roj u

nd

Tan

g

(2004)

2004

2

0

Donth

u

et al.

(2005);

Greasley

(2005)

2005

6

0

Guan

et al.

(2006); L

o

und L

u

(2006);

Wan

g

(2006);

Agasisti u

nd

Bian

co

(2006); M

in

und Jo

o

(2006);

Reich

man

n

und S

om

mersg

uter-

Reich

man

n

(2006)

2006

3

1

Saran

ga

(2007)

Bott et

al.

(2007);

Mc

Each

ern

und

Parad

i

(2007)

2007

4

1

Jyoti

et al.

(2008)

Liu

(2008)

; Cam

pi

si und

Costa

(2008)

Wan

und

Chen

(2008)

2008

8

4

Param

esh

waran

et

al. (2

009)

(2009)

Chian

g

and L

in

(2009)

Ahm

ad

und Q

iu

(2009);

Pires Jr.

et al.

(2009)

Dias et

al.

(2009);

Lu an

d

Lo

(2009);

Yu u

nd

Lee

(2009);

Li u

nd

Dai

(2009)

2009

6

4

Stew

art

(2010)

Wu et a

l.

(2010)

Mah

alik

et al.

(2010);

Punniy

am

oorth

y

und M

ur

ali (2010)

Yu

(2010);

Hung et

al. (2

010)

2010

12

5

Jalalvan

d

et al.

(2011)

Wu u

nd

Song

(2011)

Bich

ou

(2011);

Parad

i et

al.(2

011)

Lai et a

l.

(2011a);

Lai et a

l.

(2011b);

Lim

et

al.

(2011);

Jain et a

l.

(2011);

Rouse et

al.

(2011);

Gonch

ar

uk

(2011)

2011

3

0

Ham

me

rschm

id

t et al.

(2012);

Park

et

al.

(2012);

Wu

(2012)

2012

2

1

Adler

et al.

(2013)

Rein

er

et al.

(2013)

2013

60

19

2

1

1

1

1

1

4

6

1

41

Tot

al

Tabelle 1: Methodenbasierter Überblick der identifizierten DEA-Ansätze (eigene Darstellung)


4.2.4 Systematisierung der Ergebnisse der Literaturanalyse

Einen grundlegenden Überblick und eine Diskussion relevanter Beiträge der DEA-

Anwendung auf Prozessebene liefern sowohl FLINSPACH (2011) als auch BURGER

(2009), deren Literaturüberblicke durch die Analyse in der vorliegenden Arbeit

erweitert werden sollen.87 Dazu wurden die identifizierten Publikationen hinsichtlich

ihres inhaltlichen Beitrags und des Untersuchungsgegenstands analysiert. Zudem

wurde, wenn möglich, eine Clusterung der Anwendungsbereiche vorgenommen. Dabei

fällt auf, dass insbesondere in den Bereichen Logistik, Bank- und Finanzwesen,

öffentliche Einrichtungen sowie im Gesundheitswesen überdurchschnittlich viele

Anwendungsfälle vorliegen. Für die Analyse wurden bevorzugt Publikationen

ausgewählt, die neue Anwendungen bzw. Konzepte präsentieren.

Im Rahmen der Analyse konnten 7 prozessbasierte Anwendungen im Bereich des

Gesundheitswesens identifiziert werden, wovon 3 explizit im Krankenhausumfeld zu

verorten sind. LAI ET AL. (2011A) entwickeln ein Framework zum Benchmarking

wissensbasierter Systeme sowie für die damit verbundene Leistungsevaluation und

Prozessverbesserungen. STANFORD (2004) präsentiert ein Konzept zur Evaluation der

Performance von Krankenhäusern am Beispiel der Behandlung von

Herzinfarktpatienten, das auf die Daten von 107 Krankenhäusern angewendet wird.

WATCHARASRIROJ und TANG (2004) betrachten die Wirkung von Größeneffekten und

des systematischen Einsatzes von IT auf die Effizienz des Prozesses der medizinischen

Leistungserbringung. Eine Anwendung erfolgt für 92 Non-Profit-Krankenhäuser in

Thailand. BOTT ET AL. (2007) analysieren mithilfe der prozessbasierten

Kostenrechnung und der DEA den Planungsprozess in Pflegeeinrichtungen. Einen sehr

stark prozess- bzw. aktivitätenbasierten Ansatz zur Verbindung des Activity-based

Costing und der DEA nutzen ROUSE ET AL. (2011). Eine Validierung erfolgt im

Rahmen einer Fallstudie von 24 Anwendungen in der Primärversorgung. OZCAN

(1998) konzipiert ein DEA-basiertes Messmodell zur Evaluierung und Analyse der

Effizienz von Ärzten als Ausgangspunkt für Produktivitätssteigerung bzw.

Kostenreduktion. Die Analyse erfolgt auf der Basis der Informationen zu 160

Hausärzten. HAMMERSCHMIDT ET AL. (2012) hingegen betrachten die potenziellen

Wert- und Kostenbenefits sowie Leistungssteigerungen im Rahmen der

87 Auf eine ausführliche Diskussion der dort beschriebenen Anwendungen wird an dieser Stelle verzichtet.

Siehe dazu Flinspach (2011) und Burger (2009).


Dienstleistungserstellung innerhalb von Gesundheitsnetzwerken anhand der Daten

einer Längsschnittstudie von 716 Allgemeinärzten und 633 Fachärzten.

Darüber hinaus wurden zahlreiche weitere relevante Anwendungen in verschiedenen

Industrien identifiziert, die im Folgenden in ausgewählter Form kurz betrachtet

werden. Insbesondere im Bereich der Logistik existiert eine ganze Reihe von

Anwendungen der DEA auf Prozessebene. So stellen PARK ET AL. (2012) ein

schrittweises Benchmarking-Vorgehen vor, das zur Bestimmung schrittweiser und

zielgerichteter Zielsetzungen genutzt wird. Eine Anwendung erfolgt im Rahmen einer

Case Study mit 21 Container-Terminals. WU ET AL. (2010) begegnen der

Herausforderung zur Definition realistischer Ziele mit der Kombination der DEA mit

Techniken der Clusteranalyse. Die Validierung findet mithilfe der Daten von 77

Container-Terminals internationaler Häfen statt. Ebenso nutzen SARKIS und TALLURI

(2004) ihr Konzept der performancebasierten Clusterung zur Ableitung von

Zielsetzungen und entsprechenden Verbesserungspotenzialen. Eine Anwendung

erfolgt am Beispiel der Operations von 44 Flughäfen über einen Zeitraum von 5

Jahren. JALALVAND ET AL. (2011) vergleichen die Performance unterschiedlicher

Supply Chains, u. a. auf Prozessebene, mithilfe des Supply-Chains-Operations-

Reference-Modells (SCOR), auf dessen Basis ein Vorgehen zum Vergleich von

Supply Chains entwickelt wird, sowie Methoden der multikriteriellen

Entscheidungsunterstützung. Die Case Study wird im Bereich der

Lebensmittelindustrie in Iran durchgeführt.

Auch im Bereich des Bank- und Finanzwesens konnten relevante Konzeptionen und

Anwendungen der prozessbasierten DEA identifiziert werden. LO und LU (2006)

präsentieren einen Ansatz, der ein zweistufiges Performance-Modell aus Profitabilität

und Marktfähigkeit konzipiert, um den Produktionsprozess von Finanzholding

Companies (FHC) abzubilden. Eine Validierung erfolgt mit Daten von 14

taiwanesischen FHCs. Eine explizite Trennung zwischen Produktivitätseffizienz und

Profitabilitätseffizienz wird durch MCEACHERN und PARADI (2007) vorgenommen,

wobei der Ansatz auf die operative Umsetzbarkeit der ermittelten Benchmarks

fokussiert. Die Anwendung erfolgt in 138 Bankfilialen in 7 Ländern in einer

regionalen und länderübergreifenden Betrachtung. KAMAKURA ET AL. (1996)

entwickeln ein Konzept zur kostenbasierten Leistungsanalyse des Vertriebsprozesses

von Bankdienstleistungen in unterschiedlich geclusterten Filialen (188). Anhand des

Benchmarkings von 49 Banken in Indonesien validiert POST (2001) ein eigens


entwickeltes DEA-Konzept zur Berücksichtigung von Unsicherheit bei Inputs und

Outputs unter Einbeziehung stochastischer Störgrößen.

Die Eignung der DEA zur Analyse von Nonprofit- bzw. öffentlichen Einrichtungen

schlägt sich ebenfalls in prozessspezifischen Anwendungen der DEA nieder.

GREASLEY (2005) entwickelt einen dreistufigen Anwendungsprozess unter

Verwendung von DEA und Simulationsanwendungen zur Verbesserung der

Betrachtungseinheiten. Die Anwendung erfolgt in Case Studies des operativen

Betriebs von Polizei-Einheiten. JYOTI ET AL. (2008) entwickeln ein Vorgehensmodell

zur Evaluation und zum Benchmarking der Leistung des Produktionsprozesses von

F&E-Organisationen unter Nutzung der DEA und des AHP. POST und SPRONK (1999)

führen in ihrem Benchmarkingkonzept die DEA und das Entscheidungs-

unterstützungsverfahren Interactive Multiple Goal Programming zusammen, um zum

einen zielgerichtete und realistische Benchmarks abzuleiten und zum anderen

geeignete Referenzobjekte zu identifizieren. Die Anwendung erfolgt mit Analyse der

operativen Performance von Fachbereichen britischer Universitäten.

Auffällig ist die unabhängig vom Anwendungsfeld zu beobachtende häufige

Verbindung der Anwendung des AHP und der DEA. Beispielsweise nutzen

PARAMESHWARAN ET AL. (2009) die DEA und den Fuzzy AHP zur Messung der

Servicequalität sowie zu Effizienzmessung in Reparaturwerkstätten. Auch FREI und

HARKER (1999) beschreiben ein Vorgehen zur Analyse auf Einzelprozessebene unter

Nutzung der DEA in Verbindung mit dem AHP und zeigen die Anwendung am

Beispiel von 45 Retailbanken.88 MAHALIK ET AL. (2010) integrieren die DEA und den

AHP am Beispiel des Supply Chain Managements im Rahmen einer Case Study mit

Daten von 12 indischen Häfen. AHMAD und QIU (2009) kombinieren qualitative und

quantitative Faktoren in einer integrierten Anwendung von AHP und DEA am Beispiel

der Daten von KMUs.

Im Folgenden werden weitere ausgewählte Konzeptionen und Anwendungen im

Hinblick auf das spätere Anwendungsfeld vorgestellt. Eine dezidierte Fokussierung

auf die Betrachtung der Leistungsfähigkeit von Produktionsprozessen enthält die von

HOOPES und TRIANTIS (2001) präsentierte Konzeption, die technologiekritische Input-

und Output-Faktoren explizit in das Modellierungsframework einbindet und neben der

DEA auch die statistische Prozesslenkung anwendet. Eine Darstellung erfolgt mit der

88 Die Publikation baut auf einer vorangegangen Untersuchung auf (Frei & Harker, 1996).


exemplarischen Betrachtung von 44 Arbeitsaufträgen im Produktionsprozess.

Weiterhin entwickelte TALLURI (2000b) eine Benchmarkingmethode, die multiple

Kenngrößen simultan berücksichtigt und die Organisation bei der Durchführung von

BPR und BPI unterstützt, wobei neben der DEA u. a. Clusteranalysen und

spieltheoretische Ansätze genutzt werden. Die Evaluierung erfolgt anhand von 47

Produktionsprozessen. STEWART (2010) entwickelt ein Konzept zum zielorientierten

Benchmarking der Organisationseffizienz, wobei die mittel- und langfristigen

Managementziele systematisch in die Ableitung der Benchmarks eingebunden werden.

Eine Anwendung erfolgt mithilfe existierender Daten von 15 Supermarktfilialen. Eine

explizite Betrachtung der Leistungsfähigkeit im Beschaffungsbereich führen MURPHY

ET AL. (1996) durch. Dabei wird die Leistungsfähigkeit anhand eines Beispiels aus der

Petroleum-Industrie evaluiert. SARANGA (2006) entwickelt einen Ansatz zur

Identifikation zielgerichteter Benchmarking-Peergroups für Unternehmen der

pharmazeutischen Industrie in Indien unter Berücksichtigung individueller

Zielsetzungen, wobei eine Anwendung im Rahmen von Cases mit Daten von 44

Unternehmen aus dem Zeitraum 1992–2002 erfolgt. YU und LEE (2009) kombinieren

die Analyse der produktiven Effizienz und der Dienstleistungseffektivität zur

Identifikation von Verbesserungspotenzialen. Die Umsetzung erfolgt mit Anwendung

der hyperbolischen Netzwerk-DEA am Beispiel von Hotels in Taiwan. JAIN ET AL.

(2011) präsentieren einen DEA-basierten Ansatz zur Leistungsmessung und

Zieldefinitionen in Produktionssystemen, angewandt im Bereich der

Fließbandfertigung und der Wafer-Herstellung. TALLURI und NARASIMHAN (2004)

stellen ein Konzept zur effizienten Steuerung des Prozesses der strategischen

Lieferantenauswahl unter Berücksichtigung multipler strategischer Faktoren im

Evaluationsprozess vor. Eine Validierung erfolgt anhand von 23 Lieferanten eines

Unternehmens der Telekommunikationsindustrie. LI und DAI (2009) führen eine

Konzeption zur Messung sowohl der Supply Chain Collaborative Performance als

auch der relativen individuellen Unternehmensperformance mithilfe von DEA und

Sensitivitätsanalysen vor. Eine Anwendung erfolgt im Rahmen eines Supply Chain

Systems eines taiwanesischen Hardwareherstellers.

Betrachtet man die für den Betrachtungszeitraum ausgewählten Publikationen, wird

deutlich, dass sich die DEA als grundlegende Methode zur Messung der

Prozessleistung etabliert hat. Zudem lässt sich konstatieren, dass Anwendungen im

Bereich des Gesundheitswesens, im Speziellen in Krankenhäusern, in nur sehr

geringer Zahl vorliegen. Es wurde keine Anwendung der DEA im Kontext des


Benchmarkings der Prozessleistung identifiziert. Die Analyse der Publikationen

hinsichtlich ihrer Prozessorientierung zeigt, dass nur in Ausnahmefällen der

Notwendigkeit zur Schaffung von Transparenz mithilfe von Referenzmodellen

(Jalalvand et al., 2011) oder Prozesssimulationen (Reiner et al., 2013) Rechnung

getragen wird. Entsprechend der Definition nach FISCHER ET AL. (2012) ist die

Entscheidungsunterstützung und die damit verbundene Managementorientierung eine

zentrale Aufgabe des Controllings. Betrachtet man die identifizierten Publikationen,

kann eine fehlende Fokussierung auf die Ansprüche und Anforderungen des

Managements, insbesondere im Hinblick auf die Schaffung einer transparenten

Entscheidungsgrundlage, diagnostiziert werden. Die systematische Einbindung der

Präferenzen des Managements erfolgt in einigen wenigen Anwendungen bzw.

Konzeptionen mit den Ansätzen der Zielprogrammplanung (Stewart, 2010; Post &

Spronk, 1999), jedoch konnte keine Publikation identifiziert werden, die den Kreis bis

hin zur Ableitung konkreter Stellhebel und Maßnahmen schließt. In diesem Sinne ist

zudem festzuhalten, dass nur in Ausnahmefällen eine konsistente Beschreibung des

Vorgehens auf Prozessebene präsentiert wird (Hoopes & Triantis, 2001; Jyoti et al.,

2008). Ebenso fehlt ein durchgängiger Ansatz von der Modellierung der Prozesse bis

hin zur entscheidungsunterstützenden Aufbereitung der Informationen und Ableitung

konkreter Handlungsempfehlungen. Die aufgezeigten Lücken sollen in der

vorliegenden Arbeit unter Verwendung der Data Envelopment Analysis geschlossen

werden.

4.3 Ableitung von Anforderungen an eine Methode zum

prozessbasierten Benchmarking mit der DEA

Abgeleitet aus der Beschreibung des Untersuchungsbereiches und der systematischen

Analyse der Literatur werden im Folgenden sechs grundsätzliche Anforderungen an

ein Konzept zum prozessbasierten Benchmarking mit der Data Envelopment Analysis

kurz beschrieben und jeweils abschließend in einem Satz formuliert. Der Fokus liegt

dabei auf den inhaltlich-modellspezifischen Anforderungen und nicht auf der

Beschreibung genereller Anforderungen hinsichtlich der Messgrößen, Messbarkeit,


Datenverfügbarkeit sowie der wissenschaftlichen Gütekriterien Validität, Reliabilität

und Objektivität.89

Insbesondere auf Prozessebene gestaltet sich der organisationsübergreifende Vergleich

nicht einfach, obgleich der Unterstützungsbereich sowohl branchenintern als auch

branchenübergreifend gesteigertes Interesse erfahren hat (Beretta et al., 1998;

Anderson & McAdam, 2005). Gerade im Unterstützungsbereich in Krankenhäusern

erhält der Begriff der Wettbewerbsfähigkeit einen besonderen Charakter.

Wettbewerbsfähigkeit beschreibt die Fähigkeit eines Unternehmens zur Generierung

und Bewahrung von Wettbewerbsvorteilen (Eiriz et al., 2010). Unterstützungsprozesse

sind nicht direkt an der Wertschöpfung beteiligt und fokussieren, insbesondere im

Hinblick auf die systemimmanenten Eigenschaften des Gesundheitswesens, auf die

möglichst effiziente Unterstützung der Leistungserbringung bei gegebenen

Qualitätsstandards (Kersting, 2008). Im Sinne der Unterstützung der

Wettbewerbsfähigkeit und des Anspruchs zur Bereitstellung

entscheidungsunterstützender Informationen, zum Beispiel durch das Aufzeigen von

konkreten Handlungsbedarfen, ist es notwendig, dass organisationsübergreifend

valide, strukturdefinierte Erfolgsparameter identifiziert und verwendet werden. Eine

derartige, belastbare Leistungsdiagnose erfordert eine valide Vergleichsgrundlage

(Brocke & Sonnenberg, 2011). LAI ET AL. (2011b) konstatieren, dass die Erstellung

von Prozessmodellen als Vergleichsgrundlage eine unabdingbare Voraussetzung für

die Durchführung von Vergleichen und Analysen von Prozessen darstellt, um

kurzfristige und langfristige Erfolge sicherzustellen. Das Prozessmodell ist

strukturgebend für die Definition von geeigneten Leitungsmessgrößen, um zum einen

unternehmensübergreifend eine einheitliche Vergleichsbasis aus inhaltlicher,

aktivitätenorientierter Perspektive zu gewährleisten, zum anderen potenzielle Effekte

für die Leistungserstellung des Betrachtungsobjekts mess- und vergleichbar zu machen

(Maire, 2002; Schulte-Zurhausen, 1995). JUAN und OU-YANG (2005) betonen, dass die

zentrale Herausforderung zum Vergleich von Prozessen und zur Ableitung geeigneter

Messgrößen darin besteht, dass sowohl der Informationsfluss als auch die Logik der

Prozesskonfiguration mit geeigneten Methoden abgebildet werden.

Anforderung 1: Transparente Beschreibung der Prozessstruktur

89 Siehe detailliert dazu bspw. Flinspach (2011), Legner (1999), Burger (2009) und Rosenkranz (2006). Kühner

(2005) weist zudem auf die formalen Anforderungen (Einheitlichkeit, Stabilität und Praktikabilität) an das

Verfahren hin.


Die unterstützenden Bereiche in unterschiedlichen Organisationen weisen strukturelle

Ähnlichkeiten auf, was einem organisationsübergreifenden Vergleich entgegenkommt.

Durch den lediglich indirekten Beitrag zur Wertschöpfung wird der Austausch

prozessbasierter Daten in Unterstützungsbereichen vereinfacht. Zudem besteht im

Krankenhaus die Tendenz, dass Unterstützungstätigkeiten zentral ausgeführt werden

und somit gebündelt Make-or-buy-Entscheidungen für einzelne Leistungsbereiche

getroffen werden können (Dresen, 1997). Dabei sind prozessbasierte Leistungsgrößen

aggregierten finanziellen Kennzahlen gegenüber zu präferieren bzw. mit diesen zu

verbinden (Reichwald & Weichselbaumer, 1997). Eine aussagekräftige

Leistungsmessung der Unterstützungsprozesse auf der Basis übergeordneter

Erfolgskennzahlen gestaltet sich jedoch schwierig, da für die erstellten Outputs kein

marktbasierter Preis gebildet wird und eine klare Zurechenbarkeit zur direkten

Leistungserstellung nicht möglich ist (Schweitzer, 1997).90 Zudem stellt die

Konstruktion einer Produktionsfunktion für die Erstellung von Leistungen im

Unterstützungsbereich eine Schwierigkeit dar, da kein direkter Zusammenhang

zwischen Input und Output hergestellt werden kann. Die Prozessstruktur und die dort

identifizierten Outputs (in Abhängigkeit von der gewählten Analyseebene) liefern die

Basis für die Erstellung eines auf der Prozessstruktur beruhenden Messsystems.

Anforderung 2: Konzeption eines prozessbasierten Messmodells

Auch in Krankenhäusern ist die eindeutige Tendenz hin zu einer prozessorientieren

Organisationsstruktur zu beobachten (Kersting, 2008). Daher steht für die eigentliche

Leistungserstellung der medizinische Kernprozess ohne Zweifel im Vordergrund,

jedoch müssen bei der Bewertung der Leistungsfähigkeit der unterstützenden Prozesse

nicht nur kostenbasierte Faktoren, sondern ebenso qualitätsbezogene

Prozessmessgrößen in die Betrachtung aufgenommen werden. Da qualitätsspezifische

Kennzahlen nur schwer direkt messbar sind, werden sie häufig unter Nutzung des

Konzepts der latenten Strukturvariablen über Indikatoren erschlossen.91 Jedoch

blenden viele Untersuchungen, gerade bei der Betrachtung von Dienstleistungen bzw.

hybriden Leistungsangeboten, den Qualitätssachverhalt aus (Soteriou & Stavrinides,

1997). Neben der Berücksichtigung von Kosten-, Zeit- und Qualitätsfaktoren wird

insbesondere auch der Zufriedenheit der internen Kunden große Beachtung geschenkt.

90 Zur Erläuterung der Gemeinkostenproblematik siehe Möller et al. (2007). 91 siehe Kap. 3.2.3 dieser Arbeit. Morey et al. (1992) nutzen in einer Studie im Krankenhausumfeld den

Vergleich der prognostizierten mit der tatsächlichen Sterberate.


Die Kennzahlen unterscheiden sich nicht nur darin, dass sie zum Teil qualitativer bzw.

quantitativer Art sind, sondern sie sind heterogen hinsichtlich der Maßeinheiten und

müssen in einem Leistungsmesssystem gleichberechtigt berücksichtigt werden. Die

Möglichkeit, diese multidimensionalen Indikatoren einzubeziehen, bildet eine wichtige

Anforderung an die Konzeption des auf Basis des Prozessmodells generierten

Effizienz-Messkonzepts.

Anforderung 3: Berücksichtigung multidimensionaler Kenngrößen

Bei Unterstützungsprozessen ist die Exzellenz der Ausführung eines einzelnen

Prozesses insbesondere durch interne Kunden zu beurteilen, aus der Perspektive

Externer gestaltet sich eine Einschätzung der Leistungsfähigkeit schwierig und hängt

in hohem Maß von der gewählten Analyseebene ab. Wie oben beschrieben, bestehen

signifikante strukturelle Unterschiede zwischen den einzelnen Organisationen. In

diesem Zusammenhang ist darauf hinzuweisen, dass insbesondere die Identifikation

geeigneter Benchmarkingpartner, inkl. der Bereitstellung der notwendigen

Informationen, zu den zentralen Herausforderungen im Vorgehen gehört (Spendolini,

1992). Da drastische Veränderungen in den Prozessen eine nicht zu unterschätzende

Auswirkung auf personelle und finanzielle Ressourcen haben, ist der individuelle

Benchmark nicht zwingend derjenige, der absolut gesehen die beste Performance

aufweist. Vielmehr ist es von Relevanz, jenen Benchmark bzw. die Referenzeinheit zu

identifizieren, die unter Berücksichtigung ähnlicher struktureller Rahmenbedingungen

mit angemessenen Mitteln erreichbare Potenziale aufzeigt. Dabei ist die Auswahl des

richtigen Vergleichsmaßstabs und des richtigen Vergleichsobjekts entscheidend für die

Aussagekraft der Ergebnisse, insbesondere im Hinblick auf die Ableitung umsetzbarer

Handlungsempfehlungen.

Anforderung 4: Individuelle Konzeption eines Reference Sets zur Ableitung

praktikabler Handlungsempfehlungen

HORVATH (2011) postuliert, dass Prozessmanagement nicht ohne Benchmarking

denkbar ist, insbesondere hinsichtlich der Ableitung von Zielwerten. Neben der

Ableitung von konkreten Zielsetzungen sind insbesondere die Identifikation von Best

Practices und die darauf aufbauende Ableitung von Ansatzpunkten zur

Prozessverbesserung bzw. Prozessrestrukturierung von zentraler Bedeutung.

Umgekehrt stellt nur die Einbindung der Benchmarking-Ergebnisse in Zielgrößen des

Prozessmanagements die Umsetzung der Resultate und die Verwendung derselben zur

Weiterentwicklung der Prozesse sicher (Legner, 1999). Zu beachten gilt es, dass


sowohl die abgeleiteten Maßnahmen als auch die berechneten Benchmarks unter

Berücksichtigung der übergeordneten Strategie des Unternehmens definiert werden

(Braun & Lawrence, 1997; Drew, 1997). DELPACHITRA ET AL. (2002) stellen heraus,

dass Prozessbenchmarking als ein indirektes Messinstrument zur Messung der

operativen Effizienz dienen bzw. Unternehmen darin unterstützen kann, unter

Berücksichtigung der gegebenen individuellen Ressourcenbeschränkung den

effizientesten Weg zur Erreichung ihrer Ziele zu identifizieren. Insbesondere die

systematische Ableitung von realistischen (Prozess-) Zielsetzungen unter Beachtung

der vorliegenden Output/Input-Relation sowie der individuellen Strukturbedingungen

können zu einer langfristig erfolgreichen Konfiguration der Geschäftsprozesse

beitragen.

Anforderung 5: Standardisierte Ableitung individueller prozessbasierter Zielwerte

und Einbindung der Benchmarking-Ergebnisse in das Prozessmanagement

Trotz der zahlreichen potenziellen Vorteile ist darauf hinzuweisen, dass die

Durchführung eines Benchmarkings nennenswerte Ressourcen, insbesondere an Zeit

und Personal, bindet. Zudem sind Unternehmen häufig zögerlich, sensible

prozessbasierte Daten zur Verfügung zu stellen (Delpachitra & Beal, 2002; Anderson,

& Moen, 1999; Anand & Kodali, 2008). Daher ist eine strukturierte und zielorientierte

Durchführung des Benchmarkings von hoher Relevanz. Die Entwicklung einer

Prozessbenchmarking-Methode sollte daher eine präzise und detaillierte Beschreibung

der einzelnen Schritte beinhalten (Watson, 1993).

Eine integrative Konzeption der einzelnen Bausteine des Modells stellt eine

sachlogische Anordnung und zielorientierte Durchführung sicher. Jedoch sollen die

einzelnen Module der Methode in Abhängigkeit von der individuellen Zielsetzung und

Ressourcenausstattung unabhängig voneinander adaptiert und umgesetzt werden

können. Beim Prozessbenchmarking handelt es sich nicht um ein einmalig

anzuwendendes Diagnose-Werkzeug zur Identifikation von Effizienzpotenzialen,

vielmehr steigt der Nutzen dieses Instruments mit der regelmäßigen Anwendung.

Zudem ist die Wirkung der ggf. identifizierten Modifikationen der

Prozesskonfiguration in Abhängigkeit vom Umfang der notwendigen Veränderungen

erst in späteren Perioden zu erkennen. Von entscheidender Bedeutung ist dabei, dass

zum einen die Vorteile des Benchmarkings genutzt und unternehmensübergreifende

Partnerschaften etabliert werden und dass zum anderen ein systematischer

Wissenstransfer über die Organisationsgrenzen hinweg aufgebaut und prozessbasierte


Entwicklungs- und Verbesserungsmöglichkeiten dokumentiert werden (Gleich et al.,

2008). Eine anwendungsorientierte Standardisierung des Benchmarkingprozesses stellt

eine langfristige Vergleichbarkeit und Transparenz sicher.

Anforderung 6: Entwicklung eines konsistenten mehrstufigen methodischen

Vorgehens

4.4 Zusammenfassung der deskriptiven Analyse des

Untersuchungsbereiches und der Literatur

Die detaillierte Beschreibung der Rahmenbedingungen und Besonderheiten des

Untersuchungsbereichs lässt erheblichen Handlungsbedarf hinsichtlich der

Transparenz in der Leistung und Struktur in Unterstützungsprozessen erkennen.

Interessant, insbesondere aus Sicht des Benchmarkings, sind die offensichtlich

erheblich größeren Schwierigkeiten einiger Kliniken im Vergleich zu anderen, den

Wandel zu bewerkstelligen. Der ungleiche Umgang mit den angesprochenen

Herausforderungen zeigt sich auch an der großen Zahl nicht wirtschaftlich arbeitender

Einrichtungen. Dabei ist grundsätzlich eine steigende Bedeutung des

Unterstützungsbereichs in Krankenhäusern zu beobachten. Darüber hinaus wird

deutlich, dass sich die prozessbasierte Betrachtung noch in einem vergleichsweise

frühen Entwicklungsstadium befindet und eine eher funktionsorientierte

Organisationsstruktur vorherrscht, wobei seit Einführung der DRG ein schrittweiser

Wandel zur prozessorientierten Organisation vollzogen wird. Als

krankenhausspezifische Besonderheiten können dabei exemplarisch zum einen die

Vielfalt der an den Prozessen beteiligten Stakeholder genannt werden, zum anderen

der Bedarf, mehrdimensionale Messgrößen in die Betrachtung einzubinden.

Anhand einer systematischen Analyse der Literatur konnten die methodischen

Entwicklungen, ggf. in Verbindung mit weiteren Verfahren, systematisiert und die

bisherigen Anwendungsschwerpunkte identifiziert werden. Im Hinblick auf den

methodischen Aspekt ist zu konstatieren, dass neben den klassischen DEA-

Anwendungen eine Vielzahl kombinierter Ansätze existiert. Jedoch fehlt ein

umfassender Ansatz, der von der systematische Herstellung der grundlegenden

Struktur bis hin zur Überführung in Messmodelle und Effizienzwerte reicht. Die

Verwendung von Referenz- bzw. Prozessmodellen als valide Basis zur Ableitung von

Messmodellen ist dabei in der Literatur anerkannt, kommt jedoch vergleichsweise

selten zur Anwendung. Zudem wurde deutlich, dass im Krankenhausumfeld zwar


Untersuchungen existieren, jedoch eine prozessbasierte Benchmarking-Anwendung im

Unterstützungsbereich bisher fehlt.

Aufbauend auf den zentralen Ergebnissen der Analyse wurde, wie zusammenfassend

in Abbildung 16 dargestellt, ein Anforderungskatalog für die zu entwickelnde

Methode erstellt. Dieser spricht vor allem den Bedarf hinsichtlich der Konzeption

einer konsistenten Methode an, die explizit multidimensionale Faktoren in die

Betrachtung einbezieht und auf der Basis struktureller Prozesstransparenz die

Ableitung prozessbasierter Referenzwerte und Handlungsempfehlungen ermöglicht.

Die auf Basis der Teilkapitel 4.1 und 4.2 identifizierte Forschungslücke soll mit einer

umsetzungsorientierten Methode zum Prozessbenchmarking von

Unterstützungsprozessen im Krankenhaus geschlossen werden. Nachfolgend wird die

Methode in mehreren Teilschritten konzipiert und einer exemplarischen Validierung

anhand empirischer Daten unterzogen.

Abbildung 16: Anforderungen an die Entwicklung einer konsistenten mehrstufigen Methode (eigene Darstellung)

Entwicklung und Anwendung eines Vorgehensmodells zur systematischen Strukturierung von Prozessen 83

5 ENTWICKLUNG UND ANWENDUNG EINES

VORGEHENSMODELLS ZUR SYSTEMATISCHEN

STRUKTURIERUNG VON PROZESSEN

Die bisherigen Ausführungen haben gezeigt, dass die Durchführung eines

Benchmarkings auf Prozessebene eine transparente Vergleichsgrundlage erfordert. Die

Strukturierung der Prozesslandschaft bildet die Basis für einen

unternehmensübergreifenden Leistungsvergleich. Ein wesentliches Element der

Strukturierung ist dabei die Modellierung der Prozesse des Untersuchungsbereichs. In

diesem Kapitel werden die Grundlagen der Referenzprozessmodellierung dargelegt

sowie ein Vorgehensmodell zur Prozessstrukturierung in Unterstützungsprozessen im

Krankenhaus konzipiert. Abschließend erfolgt eine Validierung im Rahmen einer

beispielhaften Anwendung im Krankenhausumfeld.

5.1 Problemstellung und Zielsetzung des Vorgehensmodells

Das Benchmarking-Vorgehen nach Camp (1989; 1995) basiert auf 10 Stufen, die sich

auf die fünf übergeordnete Phasen Planning, Analysis, Integration, Action und

Maturity verteilen. Dieses Vorgehen bildet die Basis für den überwiegenden Teil der

publizierten Benchmarking-Anwendungen.92 Übergeordnetes Motiv des hier

besprochenen Abschnitts der zu entwickelnden Methode ist die Herstellung von

Transparenz im Interesse der Vergleichbarkeit zwischen den Benchmarkingpartnern

als Basis für den prozessbasierten Leistungsvergleich (Legner, 1999). Die

Prozessstrukturierung bildet dazu die Teilprozesse und Aktivitäten sowie deren

Input/Output-Beziehungen transparent ab (Schulte-Zurhausen, 1995). Die

durchgeführte Literaturanalyse bestätigt die hervorgehobene Bedeutung einer

prozessualen Vergleichsbasis, wobei die überwiegende Mehrheit der bestehenden

Anwendungen und Konzepte darauf verzichtet bzw. im Einzelfall auf vorhandene

branchenübergreifende Referenzmodelle zurückgreift. Insbesondere aus

umsetzungsorientierter Sicht ist die Entwicklung einer Beschreibung zum

schrittweisen Vorgehen zur Schaffung von Transparenz hinsichtlich der

Prozessstruktur von besonderer Bedeutung. Die Herstellung der Transparenz in der

92 siehe Kap. 3.3 dieser Arbeit.


Prozessstruktur stellt einen Zwischenschritt des Benchmarkings dar, wobei das

Vorgehensmodell integraler Teil der Methode ist.

Entsprechend der Zielsetzung muss das Vorgehensmodell spezifischen Anforderungen

genügen, die im Folgenden kurz skizziert werden. Zum Ersten ist die Handhabbarkeit

und adressatengerechte Aufbereitung der Ergebnisse der Strukturierung von

besonderer Bedeutung. Da die zu erstellende Prozessstrukturierung vorrangig nicht für

die Gestaltung von IT-Strukturen genutzt wird, sondern vorrangig Basis für eine

systematische Integration in ein Prozessmanagement ist, besteht die Notwendigkeit,

die Prozessinformationen transparent und adressatengerecht, unter Berücksichtigung

der heterogenen Nutzerstruktur, aufzubereiten (Haubrock, 2009c). Insbesondere die

Auswahl einer geeigneten sprachlichen Methodik zur Modellierung der Ergebnisse

kann dazu einen entscheidenden Beitrag leisten. Eine zweite zentrale Anforderung

betrifft die Anpassungsfähigkeit und Berücksichtigung dynamischer Veränderungen

im Rahmen der Modellierung. Ein Prozessmodell referenziert auf einen bestimmten

Status der Prozessabläufe zu einem definierten Zeitpunkt (Brocke, 2003a). Aufgrund

der Flexibilität des Prozessdesigns und der steten Veränderung der Prozessfolge ist die

Möglichkeit des Hinzufügens bzw. Entfernens von Prozesselementen sowie

veränderter Stakeholder bzw. IT-Strukturen und Ressourcen von großer Bedeutung.

Zum Dritten ist die Möglichkeit der Zuordnung prozessspezifischer Kennzahlen und

die Möglichkeit zur Überführung in ein Messmodell zu nennen. Geht die definierte

Zielsetzung, wie im vorliegenden Fall, über den reinen Vergleich der Prozessabläufe

hinaus, besteht die Notwendigkeit der Generierung und Zuordnung operativer

Kenngrößen anhand des Prozessmodells. Außerdem müssen prozessuale

Kontextfaktoren im Zuge der Prozessstrukturierung Beachtung finden. Die vierte

Anforderung betrifft die Struktur des Vorgehensmodells selbst. Diese sollte sich in

feingranulare Schritte mit definierten Outcomes und überschaubaren Teilaufgaben

zerlegen lassen. Darüber hinaus sind Wirtschaftlichkeitsaspekte bei der Konzeption

und Durchführung des Vorgehensmodells zu beachten.

5.2 Status quo: Ausgewählte Anwendungen des

Prozessbenchmarkings und deren Ansätze zur Herstellung von

Prozessstrukturtransparenz

In der Literatur existieren zahlreiche Studien, die sich mit den differenzierten

Anforderungen des Benchmarkings auf Prozessebene befassen (Fong et al., 2001; Hess


& Francis, 2004). Der folgende Überblick zu prozessorientierten Benchmarking-

Anwendungen lässt die DEA-Spezifika unberücksichtigt und konzentriert sich auf die

Herstellung der Prozessstrukturtransparenz als valide Vergleichsbasis von

interorganisationalen Prozessleistungsvergleichen. GARCIA ET AL. (2012) versuchen

den Mangel an transparenten Vergleichsgrundlagen für die prozessbasierte Analyse zu

erklären, indem sie annehmen, dass die ausgewählten Vergleichsunternehmen ähnliche

strukturelle Charakteristika aufweisen und somit die Vergleichbarkeit sichergestellt ist.

In der praktischen Anwendung ist jedoch keineswegs gewährleistet, dass

Unternehmen, die über ähnliche strukturelle Voraussetzungen verfügen, auch

vergleichbare Prozessabläufe etabliert haben. Weiterhin können besonders effiziente

Strukturen in spezifischen Funktionsbereichen von Außenstehenden nur in begrenztem

Rahmen als solche identifiziert werden. In der Literatur wird ein differenziertes Bild

hinsichtlich der Erstellung einer validen Vergleichsbasis gezeichnet. Oftmals wird in

den Ansätzen grundsätzlich auf Ausführungen zu den zugrunde liegenden Prozessen

verzichtet bzw. werden diese ohne Erläuterungen hinsichtlich der Generierung der

Vergleichsgrundlage verwendet (Frei & Harker, 1996; Easton et al., 2002; Yang et al.,

2011; Joshi et al., 2011). Einige Autoren leiten die Struktur aus detaillierten

Kostenangaben ab, wobei die Prozesskostenrechnung ein geeignetes Instrument ist,

um prozessbasiert detaillierte Informationen zu erheben und zu analysieren (Gleich

et al., 2008; Delpachitra, 2008). Eine weitere Möglichkeit besteht in der Nutzung

bestehender Referenzprozessmodelle und darauf aufbauender Definition einer

Vergleichs- und Messbasis (Jalalvand et al., 2011; Reiner & Hofmann, 2006).

Schließlich existieren selbst entwickelte Prozessmodelle, auf deren Basis Kennzahlen

für einen Leistungsvergleich definiert werden. Nachfolgend werden ausgewählte

Ansätze und Anwendungen zum Prozessbenchmarking vorgestellt und mit explizitem

Fokus auf die Herstellung von Transparenz in der Prozessstruktur betrachtet.

GLEICH ET AL. (2008) stellen einen Benchmarking-Ansatz auf Prozessebene vor, der

auf den Gemeinkostenbereich konzentriert ist. Einem Bottom-up-Ansatz folgend,

werden die Aktivitäten katalogisiert und in einem Geschäftsprozessmodell zu

Teilprozessen zusammengefasst. Die Teilprozesse werden auf der Basis der

Prozesskostenrechnung mit Kosteninformationen versehen. Zudem werden Daten für

ausgewählte Dimensionen mittels Likert-Skala erhoben und zu einem Stärken-

Schwächen-Profil zusammengeführt. Anwendungsbereich der Studie ist die deutsche

Maschinenbauindustrie. Tiefgreifendere Informationen zur Ausgestaltung des

entwickelten Geschäftsprozessmodells werden nicht bereitgestellt. DELPACHITRA


(2008) untersucht ebenso ausgehend von Angaben der Prozesskostenrechnung die

Leistungsstärke von drei australischen Versicherungsdienstleistungsunternehmen auf

Basis zweier Referenzprozesse. Diese sind von Experten vorgegeben und werden

durch die Benchmarkingteilnehmer in Form von acht definierten Kostenarten befüllt.

Informationen, wie die zugrunde liegenden Referenzprozesse erstellt und modelliert

wurden, enthält die Quelle nicht. JALALVAND ET AL. (2011) entwickeln eine Methode

zum Vergleich von Supply Chains einer Branche auf der Basis von

Leistungsparametern. Die Methode beruht auf einer stark an das SCOR-Model

angelehnten Prozessmodellierung sowie den Verfahren DEA und PROMETHEE II,

wobei das Vorgehen in fünf Phasen unterteilt wird. Im ersten Schritt wird die Supply

Chain, validiert durch die Meinung von Experten und Praktikern, in

Leistungsabschnitte zerlegt, um diese im zweiten Schritt in einzelne Prozessschritte

auf Basis der zweiten Ebene des SCOR-Modells einzuteilen. Im dritten Schritt erfolgt

die Kalkulation der Effizienzwerte basierend auf den vorangegangen Schritten mithilfe

der DEA. Die Vergleichbarkeit im Sinne der DEA wird begründet, indem die

Annahme getroffen wird, dass „[…] the same processes in the same business stages in

the same industry have similar nature […] can be considered as homogenous DMUs

whose efficiency scores are computable using DEA“ (Jalalvand et al., 2011, S. 85 f.).

Die Schritte vier und fünf umfassen die Aggregation der Effizienzwerte der

Leistungsabschnitte sowie die Ermittlung des Rankings der Supply Chain. GARCIA

ET AL. (2012) entwickeln ein Framework zum Benchmarking logistischer

Prozessschritte in der Weinindustrie. Die entwickelte Wein-Supply-Chain

berücksichtigt unterschiedliche Stakeholder, die durch Material- und/oder

Informationsflüsse miteinander verbunden sind. Die entwickelte generische Supply

Chain kann von den einzelnen Anwendern hinsichtlich ihrer individuellen Perspektive

angepasst werden. Das vorgestellte Prozessmodell ist entsprechend dem Supply Chain

Modeling Approach konzipiert und basiert auf einer Literaturrecherche und -analyse,

umfangreichen Vor-Ort-Beobachtungen aller beteiligten Stakeholder sowie auf

Informationen aus Interviews und Fragebögen. Für die Messung der

Leistungsfähigkeit werden Kenngrößen in den Dimensionen Qualität, Pünktlichkeit,

Logistikkosten sowie Produktivität und Kapazität erhoben und auf drei Ebenen

unterteilt.

Die vorgestellten Ansätze zeigen, dass sich die Verwendung von Prozessmodellen als

geeignete Grundlage für den Vergleich der Leistung auf Prozessebene etabliert hat.

JALAVAND ET AL. (2011) betonen explizit die Eignung von Referenzprozessmodellen


zur Identifikation von Verbesserungspotenzialen, weisen jedoch auf die aufwendige

und zeitintensive Datenerhebung hin.

5.3 Modelle und Modellierung von Prozessen

Die Modellierung von Referenzprozessen befasst sich mit der Konstruktion von

Modellen (Brocke, 2003a). Modelle repräsentieren grundsätzlich relevante Aspekte

eines Originals aus der Perspektive eines Subjekts, wobei das Ziel darin besteht, einen

Sachverhalt für einen definierten Zweck zu gestalten bzw. zu erklären. Dabei werden

Eigenschaften und Details des Originals, die für den Modellierungszweck nicht

relevant sind, bewusst vernachlässigt (Verkürzungsmerkmal) (Stachowiak, 1973;

Becker & Pfeiffer, 2006).93 BECKER ET AL. (2012B) konstatieren, dass Modelle

lediglich eine begrenzte Gültigkeit besitzen und somit einen Zeitbezug aufweisen, der

bei der Konstruktion und Verwendung von Referenzmodellen Beachtung finden

muss.94 VOM BROCKE (2003A, S. 34) definiert den Begriff des Referenzmodells als

„Informationsmodell, das Menschen zur Unterstützung der Konstruktion von

Anwendungsmodellen entwickeln oder nutzen, wobei die Beziehung zwischen

Referenz- und Anwendungsmodell dadurch gekennzeichnet ist, dass Gegenstand oder

Inhalt des Referenzmodells bei der Konstruktion des Gegenstands oder Inhalts des

Anwendungsmodells wieder verwendet werden.“ SCHÜTTE (1998) hebt insbesondere

die Bedeutung der Referenzmodelle als Bezugspunkt für ein Informationssystem

hervor. In der vorliegenden Arbeit wird die Definition von ROSEMANN (2003, S. 595)

zugrunde gelegt, der Referenzmodelle definiert als „generic conceptual models that

formalise recommended practices for a certain domain. Often labelled with the term

‘best practice’, reference models claim to capture reusable efficient state-of-the-art-

practices“.95 Zielsetzung und Kerngedanke der Referenzmodellierung ist die induktive

bzw. deduktive Erstellung qualitativ hochwertiger Modelle, die fachliches und

modellierungstechnisches Wissen abbilden (Raue, 1996). SCHWEGMANN (1999)

unterteilt das fachliche Wissen einer Problemdomäne in Common Practice und Best

Practice. Dabei beschreibt Best Practice das derzeitig optimale Wissen über

93 Stachowiak (1973) beschreibt neben dem Verkürzungsmerkmal das Abbildungsmerkmal und das

pragmatische Merkmal als konstituierende Merkmale eines Modells. 94 Für eine intensive Diskussion des Modellbegriffs (konstruktionsorientiert vs. abbildungsorientiert) siehe z. B.

Brocke (2003a). 95 Weitere Definitionen des Referenzmodellbegriffs finden sich bspw. bei Sinz (1997), Mertens & Holzner

(1992), Becker & Schütte (1996) sowie Raue (1996).


Strukturen, Prozesse, Verfahren, Techniken etc. in einem Anwendungsbereich und

kann als Innovationsimpuls zur Erlangung von Wettbewerbsvorteilen dienen.

Common Practice ist hingegen das Wissen, dass als (Branchen-)Standard angesehen

wird und somit zumeist die Risiko- und Kostenreduktion in den Vordergrund stellt.

Als Referenzmodelle werden diejenigen Modelle bezeichnet, die sich durch einen

gewissen Grad an Empfehlungscharakter und Allgemeingültigkeit in einem

bestimmten Kontext auszeichnen (Brocke, 2003a). Der Empfehlungscharakter bringt

mit sich, dass Referenzmodelle als Vorbildmodelle (Soll-Modelle) für

unternehmensspezifische Ausprägungen der Prozesse dienen (Zelewski et al., 2001;

Schlagheck, 2000; Brocke, 2003a). Impliziert wird damit eine Best-Practice-Lösung,

die sich jedoch vor einem unternehmensindividuellen Hintergrund kaum überprüfen

lässt (Schütte, 1998). Mit dem Merkmal der Allgemeingültigkeit wird beschrieben,

dass das Referenzmodell für eine Klasse unternehmensspezifischer Modelle Gültigkeit

besitzt. Jedoch wird für die Entwicklung des Referenzmodells der adressierte

Gültigkeitsbereich in Form des Originals selbst mit in die Konstruktion einbezogen

und das erstellte Modell somit beeinflusst (Brocke, 2003a). SCHÜTTE (1998, S. 70)

weist darauf hin, dass das Merkmal der Allgemeingültigkeit „[…] auf die Gültigkeit

des Modells unter bestimmten (dem Modell inhärenten) Voraussetzungen“ bezogen

ist. Zur Einschätzung der formalen Qualität des entwickelten Referenzmodells

formuliert SCHWEGMANN (1999), dass eine erfolgreiche Anwendung bzw.

Übertragung des Modells nicht ausreichend ist, sondern vordergründig die Akzeptanz

und Anwendung durch den individuellen Nutzer ausschlaggebend ist.


Abbildung 17: Einsatzzwecke von (Referenz-)Prozessmodellen (Abbildung übernommen aus Rosemann et al., 2012, S. 59)

Um diese unterschiedlichen inhaltlichen und methodischen Anforderungen an

Referenzmodelle je nach Einsatzzweck zu systematisieren, wird eine Unterscheidung

in Organisationsgestaltung und Anwendungssystemgestaltung vorgenommen

(Rosemann, et al, 2012). Die detaillierten Anwendungszwecke werden den beiden

genannten Bereichen, wie in Abbildung 17 dargestellt, zugeordnet (Becker et al.,

2002a). Bei der Organisationsgestaltung spielen insbesondere konzeptionelle Modelle

eine hervorgehobene Rolle, da sie helfen, komplexe organisatorische Sachverhalte

transparent zu machen, z. B. im Falle von Reorganisationsprojekten, und Wissen über

die Unternehmensstrukturen und Unternehmensprozesse zu schaffen (Becker, Pfeiffer,

2006). BECKER und SCHÜTTE (2004, S. 65) definieren ein konzeptionelles Modell als

„Repräsentation der relevanten Aspekte eines betrieblichen Systems aus Sicht des

Anwendungs- und Organisationsgestalters“. Für die vorliegende Zielsetzung der

Systematisierung und Herstellung von Transparenz über Prozesse und Strukturen in

einer bestimmten Domäne als Basis für die Messung und anschließendes

Prozessbenchmarking eigenen sich konzeptionelle Modelle mit dem Ziel der

Organisationsgestaltung im Besonderen.


5.4 Vorgehen zur Konstruktion von Referenzmodellen

Für die Konstruktion von Referenzmodellen zur Lösung einer bestimmten

Problemstellung existieren in der Literatur unterschiedliche Ansätze. Die

Modellierung von Referenzmodellen kann konzeptionell in die Phasen

Modellerstellung (Entwicklung der Referenzmodelle) und Modellanwendung

(Entwicklung mit Referenzmodellen) unterteilt werden (Knackstedt, 2006; Fettke &

Loos, 2002a; Fettke & Loos, 2005). SCHÜTTE (1998) liefert ein Basismodell zur

Konstruktion von Referenzmodellen. Das für nicht objekt-orientierte Referenzmodelle

entwickelte Vorgehensmodell bildet auch für die Konstruktion objektorientierter

Referenzmodelle eine maßgebliche Grundlage (Brocke, 2003a). Das in Abbildung 18

dargestellte Vorgehensmodell unterteilt den Referenzmodellierungsprozess in 5

Phasen (Schütte, 1998). Die „Problemdefinition“ als Phase 1 bildet den Startpunkt der

Referenzmodellierung. Neben einer detaillierten Beschreibung der Problemstellung

wird explizit der Multipersonalität Rechnung getragen, Namenskonventionen werden

festgelegt, die Dokumentation von Problemdeutungen und Problemdefinition wird

vorgenommen sowie konkrete Problemtypen definiert. Phase 2 widmet sich der

„Konstruktion des Referenzmodells“ und abstrahiert für eine Klasse von Unternehmen

identische Probleme. Dabei werden vor allem unterschiedliche Varianten auf

Problemebene dargestellt, organisatorische Besonderheiten beschrieben und ein

grundsätzlicher Referenzmodellaufbau ermittelt. Die Komplexität des entwickelten

Referenzmodells ist dabei von der Leistungskomplexität (Ausgestaltung der

Modellbausteine) und der Variationskomplexität (Kombinationsmöglichkeiten)

abhängig.


Abbildung 18: Vorgehensmodell zur Referenzmodellierung (Abbildung übernommen aus Schütte, 1998, S. 185)

Phase 3 widmet sich der eigentlichen „Konstruktion der Referenzmodellstruktur“,

wobei insbesondere das „Wie“ im Zentrum der Analyse steht und die mithilfe einer

ausgewählten Modellierungssprache im entwickelten Referenzmodellrahmen

identifizierten Prozess- und Datenmodelle konstruiert und miteinander verbunden

werden. Die Phase 4 „Komplettierung“ geht von einer fertigen Modellstruktur und

einer angemessenen Lösung des Problems aus, welche jedoch durch die Aufnahme

von Querverbindungen und quantitativen Größen zu vervollständigen ist.96 In dem

vorgestellten Modell wird die Durchführung eines referenzmodellgestützten

Benchmarkings vorgeschlagen, der Benchmarking-Ansatz jedoch auf den Vergleich

einer Ist-Modellierung mit einer Soll-Modellierung reduziert. Die Phase 5 des Modells

umfasst die Anwendung des entwickelten Referenzmodells und unterscheidet die

referenzmodellgestützte Analyse und Verbesserung von Ist-Situationen und die

referenzmodellgestützte Neumodellierung.

96 Querverbindungen können im Innen- und Außenverhältnis bestehen und beschreiben horizontale

(unterschiedliche Hierarchieebenen) oder vertikale (gleiche Hierarchieebene mit logischer Abhängigkeit)

Abhängigkeiten zwischen Prozessobjekten. Abhängigkeiten können zudem zwischen Prozess- und

Datenmodellen bestehen. Quantitative Größen dienen der Beurteilung des erstellten Referenzmodells anhand

von Messvorschriften (Brocke, 2003a).


Vorgehensmodelle zur Entwicklung objektorientierter Referenzmodelle stellen

SCHWEGMANN (1999) und SCHLAGHECK (2000) vor. Der betriebswirtschaftliche

Objektbegriff stammt aus der Organisationstheorie und bezeichnet ein Objekt als einen

Gegenstand, an welchem bei der Ausführung einer definierten Aufgabe etwas zu tun

ist (Kosiol, 1962; Bühner, 1989). SCHLAGHECK (2000) entwickelt ein

Vorgehensmodell zur Referenzmodellierung, das die methodische Basis für ein

computergestütztes Prozess- und Projektcontrolling bildet. Das Vorgehensmodell

zeichnet sich dadurch aus, dass die einzelnen Phasen des

(Referenzmodell-)Entwicklungs- und Anwendungskreislaufs in der Struktur eines

Doppelkreissystems berücksichtigt sind und als iterative Prozesse mit

gleichberechtigter Bedeutung zu sehen sind.

Abbildung 19: Iterativer Referenzmodellierungsprozess als Doppelkreislaufsystem (übernommen aus Schlagheck (2000,

S. 78)

In der Literatur liegen diverse Ansätze vor, die sich, gemäß dem Anspruch von

Referenzmodellen auf eine gewisse Allgemeingültigkeit, mit der Notwendigkeit der

Wiederverwendbarkeit von Referenzprozessmodellen auseinandersetzen (Fettke &

Loos, 2002b; Becker et al., 2004b). Grundsätzlich leidet die Erstellung von

Referenzmodellen unter dem Dilemma, dass die Akzeptanz des entwickelten Modells

durch die Anwender neben der inhaltlichen Qualität vor allen Dingen vom

Anpassungsbedarf abhängig ist. Geringer Anpassungsbedarf besteht dann, wenn die

erstellen Modelle möglichst präzise den Unternehmensspezifika entsprechen, was

wiederrum die Allgemeingültigkeit derartiger spezieller Modelle einschränkt und


somit die Attraktivität des Modells verringert (Becker et al., 2002b). Da die

Rahmenbedingungen und Eigenschaften für die Anwendung eines Referenzmodells

fallindividuell sind, besteht die Notwendigkeit, das Referenzmodell jeweils für den

spezifischen Organisationskontext anzupassen (Mettler, 2010). Um dieser

Herausforderung zu begegnen, schlagen BECKER ET AL. (2002b) ein Vorgehensmodell

zur Konstruktion von konfigurativen Referenzmodellen vor. Das Vorgehensmodell

umfasst 5 Phasen, die einzelne Aufgaben zusammenfassen, welchen wiederrum

bestimmte Methoden zugeordnet werden können. Die einzelnen Phasen werden von

der Querschnittsaufgabe Komplexitätsmanagement flankiert. Zudem wird die

Bedeutung der Konsensbildung zwischen allen an der Modellierung und Anwendung

des Referenzmodells Beteiligten betont. Die Zielsetzung, Referenzmodelle als Basis

für ein prozessbasiertes Benchmarking heranzuziehen, erfordert die Spezifikation von

Input- und Output-Daten und wirkt sich somit auf die Relevanz der Modellbestandteile

aus (Rosemann, 2012).97 Die vorgestellten Beschreibungen des Vorgehens bilden die

methodische Basis für das zu entwickelnde Vorgehensmodell.

5.5 Bewertungsansätze für Prozessmodelle: Grundsätze

ordnungsgemäßer Modellierung

Die steigende Verbreitung und die zunehmende Bedeutung von Referenzmodellen als

Basis für die Analyse von Prozessen erfordert konkrete Kriterien zur Beurteilung der

Modellqualität. BATINI ET AL. (1992) und MOODY und SHANKS (1994) stellen

sichtenspezifische Ordnungsrahmen vor, die Qualitätskriterien für die Evaluierung von

Referenzmodellen enthalten. Sichtenübergreifende Ansätze entwickeln POHL (1993,

1996) und LINDLAND ET AL. (1994).98 Im deutschsprachigen Raum haben sich die in

der ursprünglichen Form von BECKER, ROSEMANN und SCHÜTTE (1995) entwickelten

Grundsätze ordnungsgemäßer Modellierung (GoM) durchgesetzt, die für die

Konstruktion von Referenzmodellen im Allgemeinen entwickelt wurden.

Übergeordnetes Ziel der Grundsätze ordnungsgemäßer Modellierung ist es, eine

Aussage über die Qualität der erstellten Modelle treffen zu können, wobei sich ein

qualitativ gutes Modell dadurch auszeichnet, dass die Differenz zwischen den

Anforderungen des Modellnutzers und der praktischen Eignung des Referenzmodells

97 Weitere Referenzmodelle legen bspw. Fettke und Loos (2004); Becker und Knackstedt (2003) sowie Brocke

(2003b) vor. 98 Detaillierte Ausführungen dazu finden sich in Schütte (1998).


zur Lösung eines definierten Problems möglichst gering ist (Becker et al., 2012b;

Schlagheck, 2000; Schütte, 1998; Rosemann, 1996). Neben dem genannten Ziel

umfassen die Grundsätze ordnungsgemäßer Modellierung zudem

Modellierungskonventionen, die im Sinne von Richtlinien bei der Modellierung

eingehalten werden sollen und eine Qualitätsverbesserung des Modells mit sich

bringen (Schütte, 1998).

Im Folgenden werden die ursprünglichen Grundsätze ordnungsgemäßer Modellierung

kurz vorgestellt.99 Der Grundsatz der Richtigkeit umfasst die syntaktische und

semantische Richtigkeit (Schwegmann, 1999). Die syntaktische Richtigkeit betrifft das

Einhalten von Regeln und Vorgaben der gewählten Modellierungssprache und gibt

Auskunft, ob ein Modell formal korrekt ist (Becker et al., 2012b). KAMLAH und

LORENZEN (1996, zitiert nach Becker et al., 2012b, S. 33) gehen von einem

konsensorientierten Richtigkeitsbegriff aus und definieren die semantische Richtigkeit

eines Modells als gegeben, wenn im Diskurs Einigkeit von Gutwilligen und

Sachkundigen100 erzielt wurde. Der Grundsatz der Relevanz gilt dann als erfüllt, wenn

die Modellkonstruktion alle für die intendierte Nutzung notwendigen Elemente und

deren Beziehungen untereinander abbildet (Schwegmann, 1999). Grundsätzlich geben

Modelle Abstraktionen der Realität mit dem Ziel wieder, die für den

Modellierungszweck relevanten Informationen darzustellen. Dies erfordert einen

hohen Grad an Genauigkeit und Präzision in der Definition der Zielsetzung der

Modellierung, auf deren Basis Aussagen zur Modellierungssprache und zum

notwendigen Abstraktionsniveau getätigt werden können. Damit wird das Modell in

zwei Perspektiven begrenzt. Zum einen muss das Modell alle Sachverhalte enthalten,

die in der Realität bzw. der gedachten Welt als zweckdienlich beurteilt werden, zum

anderen dürfen keine Modellelemente modelliert werden, die nicht über ein

entsprechendes Gegenstück in der Realität verfügen. Der Grundsatz der

Wirtschaftlichkeit beschreibt die ökonomische Restriktion bei der

Prozessmodellierung. Eine Modellierung ist dann wirtschaftlich, wenn ein definiertes

Modellierungsziel mit minimalem Ressourceneinsatz erreicht wird bzw. mit

99 In der Literatur werden unterschiedliche Formen der GoM diskutiert. Schütte (1998) ersetzt die Kriterien

Richtigkeit und Relevanz durch Konstruktions- und Sprachadäquanz. Vom Brocke (2003) führt den

Grundsatz Inhaltsadäquanz ein, der auf die Angemessenheit des Modellinhalts fokussiert. 100 Als sachkundig gilt, wer mit der Materie, die das Modell dokumentiert, vertraut ist. Als gutwillig gilt, wer

wirkliches Interesse an einer Einigung hat. Zudem wird durch die Einigung auf definierte Wörter und Inhalte

eine sog. Sprachgemeinschaft zwischen Gutwilligen und Sachkundigen gebildet, was Voraussetzung für die

Sicherstellung der semantischen Richtigkeit ist (Becker et al., 2012b).


definiertem Aufwand für die Modellierung ein Modell erstellt wird, das dem

intendierten Modellierungsweck möglichst nahekommt. Ein Modell wird somit so

lange zur Steigerung des Detaillierungsgrades verfeinert, bis die zusätzlichen Kosten

für den zusätzlichen Aufwand den entstandenen Nutzen überschreiten (Becker et al.,

2012b; Becker & Pfeiffer, 2006). Der Grundsatz der Klarheit umfasst vor allem die

Anforderungen Übersichtlichkeit und Verständlichkeit der Modellierung. Damit soll

vorrangig der Notwendigkeit eines anschaulichen Modells Rechnung getragen werden,

wobei die Beurteilung ähnlich wie beim Grundsatz der Relevanz vom Modellnutzer

abhängig ist (Schütte, 1998). Der Grundsatz der Vergleichbarkeit bezieht sich

insbesondere auf umfangreiche Modellierungsprojekte (Becker & Pfeiffer, 2006) und

soll sicherstellen, dass sich zum einen die Gleichheit (der Realität) auch in einer

Gleichheit im Modell widerspiegelt und dass sich zum anderen ggf. in

unterschiedlichen Modellierungssprachen designte Modelle bzw. Modellteile

ineinander überführen lassen (Becker et al., 2012b). Insbesondere aus

benchmarkingorientierter Sicht kommt dem Vergleich von Soll- und Ist-Modellen

bzw. darauf aufbauenden Kennzahlensystemen eine besondere Bedeutung zu, um aus

den Modellen konkrete Gestaltungsempfehlungen und Performancepotenziale ableiten

zu können (Schütte, 1998). Der Grundsatz des systematischen Aufbaus ist gerade bei

der Existenz vieler Partialmodelle mit teilweise unterschiedlichen Sichten

(Multiperspektivität) von hoher Relevanz (Schwegmann, 1999; Schütte, 1998).

Konkret müssen die im Prozessmodell abgebildeten Input- und Output-Objekte (z. B.

Daten) mit den Objekten im Datenmodell übereinstimmen (Becker et al., 2012b). Die

genannten Grundsätze stehen teilweise in konflikthafter Beziehung zueinander.101 Als

Beispiel soll hier der Konflikt des Grundsatzes der syntaktischen Richtigkeit mit dem

der Klarheit angeführt werden, da die notwendige Komplexität einer

Beschreibungssprache die Verständlichkeit des Modells reduzieren kann

(Schwegmann, 1999). BECKER und SCHÜTTE (1996) präsentieren eine ausführliche

Beschreibung von sichten- und methodenspezifischen Gestaltungsempfehlungen.

Unter anderem wird auf die Selektion einer adäquaten Beschreibungssprache

hingewiesen. Dabei ist zu beachten, dass die Beschreibungssprache mächtig genug

sein muss, um alle relevanten Sachverhalte abbilden zu können. Zudem müssen die

verwendeten Konstrukte eine verständliche Modelldarstellung erlauben. Grafische

Modellierungen sind dabei textuellen Ausführungen vorzuziehen (Schwegmann,

101 Einen Überblick über die Interdependenzen der GoM gibt Schütte (1998).


1999). Modellierungssprachen beinhalten Regeln, zur Gewährleistung der

syntaktischen Richtigkeit, vernachlässigen jedoch konkrete Vorgaben zur

Sicherstellung der Modellqualität (Becker et al., 2012b).

5.6 Sprachen zur Modellierung von Geschäftsprozessen

Für die Erstellung der Referenzmodelle hat sich die Verwendung von geeigneten

Modellierungssprachen durchgesetzt (Schütte, 1998). Die ausgewählte

Modellierungssprache bildet einen wichtigen methodischen Teil der

Referenzmodellierung, indem grundsätzliche formale Richtlinien für die Erstellung

des Referenzmodells definiert werden (Schlagheck, 2000). Grundsätzlich wird bei

Modellierungssprachen zwischen dem konzeptionellen Teil (Orthosprache) und dem

repräsentationellen Teil (Notation) unterschieden (Hermsen, 2000). Die Orthosprache

wird dabei zur eindeutigen Beschreibung der Sprachelemente und deren Beziehungen

genutzt. Die Notation erleichtert die Anwendbarkeit und Verständlichkeit des Modells,

indem den Sprachelementen und Beziehungen grafische Repräsentationselemente

zugewiesen werden (Becker et al., 2008).

BECKER ET AL. (2012b) unterteilen die Modellierungssprachen in Sprachen zur

Modellierung von Daten und in Sprachen zur Modellierung von Prozessen. Im Falle

von Daten werden Entity-Relationship-Modelle (ERM) und Klassendiagramme

mithilfe der Unified Modeling Language (UML) genannt, für die Modellierung von

Prozessen Ereignisgesteuerte Prozessketten (EPK), Petri-Netze und die Business

Process Model and Notation (BPMN 2.0). Da der Fokus der vorliegenden Arbeit auf

der Modellierung von Prozessen liegt, werden im Folgenden beispielhaft die

Ereignisgesteuerten Prozessketten (EPK) und die Business Process Model and

Notation (BPMN 2.0) überblicksartig dargestellt.102

Die 1992 von KELLER ET AL. (1992) vorgestellten Ereignisgesteuerten Prozessketten

sind eine etablierte Modellierungsmethode und eine der Hauptkomponenten der

Architektur Integrierter Informationssysteme (ARIS).103 Modelle, die mit EPK

102 Die EPK hat sich im deutschsprachigen Raum zur Konstruktion von Referenzmodellen auf

fachkonzeptioneller Ebene etabliert. Sie kann als eine vereinfachte Form eines Petri-Netzes verstanden

werden, fokussiert hingegen expliziter das Ziel einer hohen Anschaulichkeit. Jedoch ist der

Modellierungszweck nicht das allein entscheidende Kriterium für die Auswahl der Modellierungssprache,

vielmehr ist ebenso die Eignung für den potenziellen Nutzerkreis zu berücksichtigen (Leist-Galanos, 2006;

Schütte, 1998; Brocke, 2003b) Auch Krallmann et al. (2007) sehen EPK und BPMN als Standard bei der

Modellierung von Prozessen, da diese benutzerfreundliche grafische Modellierungsergebnisse erlauben. 103 Siehe detailliert dazu auch Scheer (1997) sowie Schütte (1998).


umgesetzt werden, zeichnen sich durch eine detaillierte Darstellung darüber aus,

welche Ereignisse bestimmte Funktionen auslösen, welche Ereignisse von welchen

Funktionen ausgelöst werden und bilden damit eine Folge von Ereignissen und

Funktionen, die durch einen Kontrollfluss verbunden sind. Ereignisse besitzen dabei

keine Entscheidungskompetenz104, sondern stellen Zustände dar, auf die mit

definierten Funktionen reagiert werden kann. Funktionen hingegen führen den

Transformationsprozess von Inputs zu Outputs durch und besitzen

Entscheidungskompetenz. Verzweigungen, Zusammenführungen bzw. parallele

Verläufe des Kontrollflusses werden mit Konnektoren abgebildet. Zudem können

Ressourcen wie Informationen (ein- und ausgehend), Dokumente, weitere relevante

organisatorische Einheiten etc. in die Modellierung eingebunden werden. Durch den

hohen Abstraktionsgrad der Elemente Funktion und Ereignis verfügen die EPK über

einen hohen Freiheitsgrad hinsichtlich der Darstellung von Prozessabläufen und

Darstellungsniveaus (Becker et al., 2012b; Schwegmann, 1999).

Die Business Process Model and Notation (BPMN 2.0) wurde 2011 von der Object

Management Group (OMG) veröffentlicht, beruht grundsätzlich auf der BPMN 1.0,

veröffentlicht im Jahr 2004, und der zuvor durch den IBM-Mitarbeiter Stephen

A. White entwickelten Methode LOVeM (Kocian, 2011).105 Grundsätzlich verfolgt die

BPMN 2.0 das Ziel, dass die erstellten Prozessmodelle von unterschiedlichen

Nutzergruppen problemlos verstanden werden und somit Akzeptanz und Nutzen zu

steigern (Freund & Rücker, 2012). Zudem soll BPMN 2.0 die Anforderung erfüllen,

sowohl technisch als auch fachlich ausgerichtete Modelle zu erstellen, sodass

Prozessmodelle für den Aufbau und die Konfigurationen von serviceorientierten (IT-

)Architekturen herangezogen werden können (Allweyer, 2009; Becker et al., 2012b;

Kocian, 2011). Kernbestandteile der BPMN sind Geschäftsprozessdiagramme, die

wiederum Geschäftsprozesse und Modellierungselemente abbilden. Diese

Modellierungselemente werden in die Kategorien Ablaufelemente (Ereignis, Aktivität

und Entscheidungspunkt), Verbindungselemente (Sequenzverbindung,

Nachrichtenfluss, Verbindung), Schwimmbahnelemente (Pools und Swim Lanes) und

Artefakte (Datenobjekt, Gruppierung und Anmerkung) unterteilt. Ablaufelemente

bilden dabei den sachlogischen und zeitlichen Verlauf der Aktivitäten ab. Durch die

104 Entscheidungskompetenz bedeutet, dass nach einer Funktion entschieden werden kann, ob ein bestimmtes

Ereignis als Resultat eintreten soll und wie dessen Wirkung auf den Zustand des Prozesses ist (Becker et al.,

2012b). 105 LOVeM entspricht „Line of Visibility Engineering Methodology“ (Kocian, 2011, S. 7).


Verbindungselemente werden zum einen die Reihenfolgebeziehungen der Aktivitäten

wiedergegeben, zum anderen die Kommunikationsbeziehungen zwischen den

Prozessstakeholdern aufgezeigt. Nachrichtenflüsse dienen der Koordination

entkoppelter Prozesse, die sich durch wenige Interaktionspunkte und einen größtenteils

unabhängigen Ablauf (unterschiedliche Pools) auszeichnen. In Form der Pools werden

die Prozessbeteiligten und die dazugehörigen Aktivitäten visualisiert, während mithilfe

der Lanes eine weitere Untergliederung möglich ist (Becker et al., 2012b).

5.7 Beschreibung des Vorgehensmodells zur Strukturierung von

Unterstützungsprozessen im Krankenhaus

Das zu entwickelnde Vorgehensmodell verfolgt das Ziel, eine transparente

Vergleichsgrundlage zum Benchmarking der Leistung von Unterstützungsprozessen in

Krankenhäusern herzustellen. Unter Einsatz von etablierten Methoden zur Erstellung

von Referenzmodellen wird ein mehrstufiges Konzept entwickelt, das für den

intendierten Anwendungsbereich spezifiziert ist und um domänenspezifische

Komponenten erweitert wurde. Die Durchführung der einzelnen Vorgehensstufen

führt zu Resultaten, die Input für nachfolgende Aufgaben bilden.

5.7.1 Definition des Analyseziels

Die erste Stufe des Vorgehensmodells dient der Festlegung des konkreten

Verwendungszwecks der Prozessstrukturierung. Grundsätzlich wird dabei

unterschieden, ob das Modell lediglich zur Untersuchung der Ursachen bereits

identifizierter Effizienzpotenziale einzelner Prozesse verwendet wird, ob eine

systematisch wiederkehrende Analyse mit dem Ziel der Kontrolle von

Leistungsabweichungen durchgeführt wird oder ob es sich um eine Betrachtung von

spezifischen Bereichen eines Untersuchungsobjekts handelt, bei der auf Basis der

Leistungsanalyse Effizienzpotenziale identifiziert sowie Zielwerte für eine

kontinuierliche Verbesserung der Prozesse abgeleitet werden sollen, wobei

Mischformen denkbar sind (Kühner, 2005; Balzert et al., 2011). Eine konkrete

Eingrenzung und Planung des Strukturierungsauftrags ist daher unumgänglich (Becker

et al., 2002b; Knackstedt, 2006). Zu unterscheiden ist dabei zwischen der Festlegung

des Betrachtungsbereichs und der Spezifikation der verfolgten Ziele. Die Auswahl des

Analysebereichs kann auf zwei Wegen erfolgen. Zum einen kann anhand einer

intuitiven Auswahl auf die Erfahrung bzw. ein konkretes Informationsbedürfnis eines


Entscheiders referenziert werden, zum anderen können mithilfe eines formalisierten

Vorgehens, z. B. durch Nutzung der Methode der kritischen Erfolgsfaktoren (Rockart,

1979), diejenigen Prozesse identifiziert werden, die den größten Einfluss auf die

Erreichung der Unternehmensziele haben (Kühner, 2005; Lamla, 1995). Sowohl die

Ableitung der Zielparameter als auch die Festlegung des Untersuchungsobjekts

erfolgen in Abhängigkeit von der strategischen Zielsetzung (Balzert et al., 2011).

Einen weiteren Ansatz stellen Becker et al. (2004a) vor, bei dem mithilfe eines

zweistufigen Phasenmodells (Portfoliomethode und Prozessprofilmethode) diejenigen

Prozesse identifiziert werden, die signifikante Verbesserungspotenziale aufweisen.

Das Strukturierungsvorhaben wird durch die Berücksichtigung diverser

Zieldimensionen weiter präzisiert. Ausgehend vom Verwendungszweck und der

Klassifikation der Untersuchungsumgebung werden die Prozesstypologie und die

Analyseebene definiert. Die definierte Zielsetzung determiniert direkt den Aufwand

für die Prozessstrukturierung. Eine weitere wichtige Festlegung im Rahmen der

Zieldefinitionsphase ist die Festlegung der potenziellen Nutzer/Nutzergruppen. Im

Krankenhausumfeld besteht die Möglichkeit, dass sowohl medizinische als auch nicht-

medizinische Stakeholder Nutzer des Strukturierungsergebnisses sind.106 Somit soll

auch der häufig von Praxisseite geäußerten Kritik der unzureichenden Einbindung der

Anforderungen des Modellnutzers begegnet werden. Neben der frühzeitigen

Identifikation und der Einbeziehung der späteren Modellnutzer ist es von großer

Bedeutung, dass alle beteiligten Stakeholder des Untersuchungsbereichs identifiziert

und ihre Interessen abgebildet werden. Damit wird sichergestellt, dass alle

notwendigen Perspektiven und Dimensionen in die Abbildung der Prozesse, die

wiederum die Basis für das Kennzahlenmodell bilden, mit in die Betrachtung

einbezogen werden (Knackstedt, 2006).

5.7.2 Identifikation geeigneter Partner und Sicherstellung der Vergleichbarkeit

Die Notwendigkeit der Identifikation geeigneter Partner leitet sich aus dem

übergeordneten Ziel eines externen prozessbasierten Benchmarkings ab. Nachdem in

Stufe 1 das Analyseziel konkretisiert wurde, muss das Prozessmodell nun als Basis der

106 In der Referenzmodellliteratur wird weiterhin auf die Identifikation und Auswahl der für die Betrachtung

notwendigen Perspektiven hingewiesen. Frank und van Laak (2003) betonen, dass die Blickwinkel auf die

Prozesse in Abhängigkeit vom Betrachter und dem spezifischen Analysezweck variieren. Zudem ist darauf

hinzuweisen, dass die Projektzieldefinition häufig mit Prognoseproblemen behaftet ist und Präferenzen sowie

Zielsetzungen im Verlauf des Konstruktionsprozesses verändert werden (Knackstedt, 2006).


Prozessstrukturierung in Zusammenarbeit mit anderen Unternehmen konfiguriert

werden.107 Dazu ist es im konkreten Fall notwendig, die verschiedenen Klassen von

Krankenhäusern herauszuarbeiten und für die Modellierung zu nutzen. Da es sich um

ein Common-Practice-Modell handelt, werden aus Wirtschaftlichkeitsgründen weniger

Partner benötigt als für den eigentlichen Leistungsvergleich. Der Auswahlprozess der

potenziellen Partnerunternehmen orientiert sich an der etablierten

Benchmarkingmethodik.108 Dabei gliedert sich das Vorgehen in die

Informationsbeschaffung und die Kategorisierung. Im Rahmen der

Informationsbeschaffung werden die Daten über potenzielle Partner gesammelt und

systematisiert, wozu sowohl öffentlich zugängliche Quellen genutzt werden als auch

eine zielgerichtete Primärforschung durchgeführt wird (Kühner, 2005). Grundsätzlich

ist zu berücksichtigen, dass die Auswahl geeigneter Vergleichseinheiten mit hoher

Übereinstimmung der deskriptiven Merkmale präzisere Ergebnisse hinsichtlich der

Leistungskraft sowie der Umsetzbarkeit identifizierter Best Practices liefert (Staat,

2006).

STAAT (2006) weist darauf hin, dass nur Krankenhäuser mit einem ähnlichen

Dienstleistungsangebot miteinander verglichen werden können. Dafür wird die

Verwendung sog. Strukturgruppen vorgeschlagen, um Krankenhäuser mit einer

ähnlichen Struktur ihrer Departments zusammenzufassen (Arnold & Paffrath, 1995,

zitiert nach Staat, 2006, S. 2257). Jedoch ist anzumerken, dass eine derartige

Gruppierung erst bei einer sehr großen Anzahl von Betrachtungsobjekten sinnhaft

erscheint und im Hinblick auf die übergeordnete Zielsetzung die Methode zentraler

Stärken beraubt. Hier soll die Klassifikation der Krankenhäuser anhand spezifischer

Kriterien erfolgen, die Basis dafür bieten die in Kapitel 4 vorgenommene Typisierung

und Beschreibung des Krankenhausumfeldes sowie die vom Statistischen Bundesamt

publizierten Gliederungskriterien. Dabei erfolgt zum einen eine Unterscheidung

hinsichtlich der medizinischen Zielsetzung der Krankenhäuser in

Allgemeinkrankenhäuser und Fachkrankenhäuser, zum anderen wird hinsichtlich der

Versorgungsstufe differenziert. Neben den genannten Kriterien zum Leistungsangebot

der Krankenhäuser werden die unterschiedlichen Fachabteilungen des Krankenhauses

einbezogen. Durch Berücksichtigung dieses Kriteriums erfolgt eine Betrachtung

hinsichtlich der Spezialisierung bzw. der vorhandenen Differenzierungsmerkmale

107 Insbesondere im Hinblick auf die Ableitung konkreter Handlungsempfehlungen und die Identifikation valider

Stellhebel ist eine Einbindung von geeigneten Partnern unumgänglich. 108 Zur grundsätzlichen Methodik siehe z. B. Kap. 3.3 dieser Arbeit.


aufseiten der medizinischen Leistungserbringung. Damit kann eine

organisationsbasierte Unterscheidung der Krankenhäuser vollzogen werden. Weiteres

wichtiges Unterscheidungsmerkmal ist die Art der Zulassung. Diese richtet sich nach

§ 108 des 5. Sozialgesetzbuches (SGB V) und unterscheidet Plankrankenhäuser,

welche Teil des landesspezifischen Krankenhausplans sind, Hochschulkliniken, die

nach landesrechtlichen Vorschriften für den Hochschulbau gefördert sind, sowie

Krankenhäuser mit einem Versorgungsauftrag entsprechend § 108 Nr. 3 SGB V, die

über eine Zulassung durch Versorgungsverträge mit den

Krankenkassenlandesverbänden und Ersatzkassenverbänden verfügen. Zudem werden

nicht zugelassene Kliniken, entsprechend ohne Versorgungsauftrag, in der

Klassifikation berücksichtigt. Neben der Zulassung ist insbesondere die Trägerschaft

der Krankenhäuser von Relevanz. Dabei wird in öffentliche, gemeinnützige und

private Krankenhäuser unterschieden. Als abschließendes Klassifikationsmerkmal

wird die Größe des Krankenhauses anhand der Bettenanzahl berücksichtigt. Zur

weiteren Sicherstellung der Vergleichbarkeit werden neben den organisatorischen

Merkmalen zudem stationäre Fallzahlen sowie Angaben zum Case Mix in die

Klassifikation mit einbezogen.

5.7.3 Definition der Modellierungsmethode

Die Auswahl und Adaption einer passenden Modellierungssprache ist ein großer und

relevanter Aufgabenbereich der Prozessmodellierung (Becker et al., 2000). Die

Spezifikation der Modellierungsmethode umfasst neben der Auswahl der

Modellierungssprache die Definition der Modellierungskonventionen (Thomas, 2006).

Dabei ist die Formulierung und Beschreibung der Modellierungskonventionen eng mit

der gewählten Modellierungssprache verknüpft. Da sich die Vorhaben zur

Modellierung von Prozessen hinsichtlich ihrer Zielsetzungen und Rahmenbedingungen

unterscheiden, existiert keine einheitliche Modellierungssprache, die auf jeden

Sachverhalt passt. Vielmehr muss die Modellierungssprache den spezifischen

Anforderungen des definierten Analyseziels entsprechen (Rosemann et al, 2012). Zu

diesem Zweck kann auf bestehende Methoden bzw. Methodenbestandteile und

Empfehlungen zurückgegriffen werden, um diese zielspezifisch miteinander zu

kombinieren und anzupassen (Becker et al., 2002b; Knackstedt, 2006). Die

Anforderungen an die Ausgestaltung der Modellierungssprache sind stark von der

intendierten Verwendung der Prozessmodelle abhängig. Liegt der Fokus, wie im

vorliegenden Fall, auf der prozessorientierten Strukturierung des


Betrachtungsbereichs, ist die Anschaulichkeit der verwendeten Modelle von größerer

Bedeutung als ein hoher Formalisierungsgrad. Von besonderer Relevanz ist, dass

schon bei der Auswahl der Modellierungssprache die späteren Modellnutzer in die

Überlegung einbezogen werden und sowohl ihre Interessen als auch ihr methodisches

Verständnis berücksichtigt werden, um eine spätere Nutzung des Modells

sicherzustellen (Rosemann et al., 2012; Mendling & Strembeck, 2008).109

Anforderungsdimension Anforderung UML EPK BPMN Petri-

Netze

Berücksichtigung der

Stakeholder

systematische Integration der Stakeholder

transparente Abgrenzung der Stakeholder o

Darstellung der Stakeholderbeziehungen o


Stakeholderinteraktionen

Abbildung des Einflusses auf

entscheidungsrelevante Kriterien o o o o

Darstellung von Interaktionslinien/Einbezug

unterschiedlicher Hierarchiestufen o o

Berücksichtigung von Aktivitäten/Teilprozessen

externer Partner


IKT-Strukturen

Abbildung der Anbindung der IT-Infrastruktur

sowie individueller Geräte

standardisierte und transparente Abbildung von

Kommunikations- und Datenflüssen

Kommunikations- und Datenströme als

Startpunkt für Teilprozesse bzw. Aktivitäten o

Berücksichtigung von

Qualitätsaspekten

Abbildung der Qualität des Outputs o

transparente Abbildung von Haupt- und

Zwischenergebnissen o o

Darstellung medizinischer bzw.

patientenbezogener Qualitätsaspekte o

Usability

Veränderung der generierten Prozesslandschaft

durch Endnutzer o o

Möglichkeit der Abstraktion/Dekomposition,

separate Untersuchung ausgewählter Prozesse o

Modellierung von Schnittstellen o o

einfache Zuordnung und Einbindung

prozessbasierter Kennzahlen o o o

Umsetzungsfähigkeit

Überführung in technische

Infrastrukturumgebung sowie Verknüpfung mit

IT-Modellen

(Teil-)Automatisierung und Standardisierung der

Prozesse o

Tabelle 2: Anforderungen an Modellierungssprache (eigene Darstellung)

Für die Auswahl einer geeigneten Sprache zur Modellierung von

Unterstützungsprozessen in Krankenhäusern wurden sechs spezifische

109 Insbesondere die visuelle Wahrnehmbarkeit ist ein wichtiges Kriterium für die Nutzungsbewertung von

Modellierungssprachen (Preece et al., 1994; Gordon, 2004; Schalles et al., 2010)


Anforderungsdimensionen mit entsprechenden Kriterien definiert. Diese werden in

Tabelle 2 benannt und ausgewählte Modellierungssprachen hinsichtlich ihrer Eignung

und Umsetzbarkeit überprüft. Die Einhaltung der Grundsätze ordnungsgemäßer

Modellierung wird vorausgesetzt und daher an dieser Stelle nicht betrachtet.110 Dabei

werden jene Modellierungssprachen evaluiert, die für das Prozessdesign als geeignet

identifiziert wurden. Außerdem wird beispielhaft die Datenmodellierungssprache

UML einbezogen.Das Cluster „Berücksichtigung der Stakeholder“ umfasst die

systematische und transparente Abbildung und Integration der unterschiedlichen

Anspruchsgruppen. Das zweite Cluster „Berücksichtigung der

Stakeholderinteraktionen“ setzt dort an und beschreibt insbesondere die Anforderung,

dass medizinische Stakeholder hinsichtlich ihres Einflusses auf die Entscheidung bzw.

hinsichtlich der Definition der entscheidungsrelevanten Faktoren abgebildet werden

können. Zudem steht die Berücksichtigung der Interessen unterschiedlicher

Stakeholdern und die (Teil-) Leistungserbringung durch Externe im Mittelpunkt

(Peters & Leimeister, 2014; Fließ & Kleinaltenkamp, 2004; Frank & van Laak,

2003a). Das Cluster „Berücksichtigung der IKT-Strukturen“ trägt der hohen

Bedeutung von IT-Anwendungen im Krankenhausumfeld Rechnung und umfasst

insbesondere die Abbildung der Kommunikations- und Datenflüsse. Im Cluster

„Berücksichtigung von Qualitätsaspekten“ wird der Anforderungsdimension

entsprochen, dass der Abbildung und Messung der Qualität des Prozessoutputs eine

wichtige Rolle zukommt, insbesondere im Hinblick auf medizinische und

patientenbezogene Aspekte. Bei den Anwendern der Prozessstrukturierung handelt es

sich um eine sehr heterogene Nutzergruppe. Dieser Anforderung wird im Cluster

„Usability“ widergespiegelt, wobei Usability mit Erlernbarkeit, Einprägsamkeit,

Effektivität, Effizienz, Benutzerfreundlichkeit sowie visueller Wahrnehmbarkeit

beschrieben wird (Schalles et al., 2010). Zudem besteht insbesondere der Bedarf zur

zielspezifischen Abstraktionen und Dekomposition mit der Möglichkeit der Analyse

bestimmter Prozessbereiche (Frank & van Laak, 2003a). Die Anforderungsdimension

„Umsetzungsfähigkeit“ fokussiert insbesondere auf das Streben nach Automatisierung

und Standardisierung, wobei explizit die Verknüpfung der Prozesslandschaft mit IT-

Modellen betrachtet wird. Nach Analyse der Eigenschaften erscheint aus der

geschilderten Anwendungsperspektive die BPMN als geeignete Modellierungssprache

zur Modellierung von Unterstützungsprozessen in Krankenhäusern. Dabei können bei

110 Siehe Kap. 5.5 dieser Arbeit.


überschaubarer Komplexität mehrere Perspektiven in die Modellierung einbezogen

und die Leitungserstellung transparent abgebildet werden (Rosemann et al., 2012).

Gerade die Handhabbarkeit und Verständlichkeit einer Modellierungsmethode steht in

der praktischen Anwendung im Fokus, da die Nutzergruppe der Methode und der

Modellierungsergebnisse sehr heterogen ist.

5.7.4 Erstellung des Prozessmodells

In der vierten Stufe der Prozessstrukturierung werden die übergeordnete

Prozesslandkarte und die Verfeinerungsmodelle erstellt. Für die Konstruktion der

Prozesslandkarte wird auf die in Stufe 1 getroffene Einschränkung hinsichtlich der

Leistungstypologie (Wertschöpfungsprozesse vs. Unterstützungsprozesse)

zurückgegriffen. Legner (1999) betont insbesondere die Bedeutung der

Prozesstypologie für die Ableitung der individuellen Leistungsanforderungen. Basis

für die Modellierung der Verfeinerungsmodelle sind die festgelegten Zielsetzungen

sowie die definierte Modellierungssprache. Bei der iterativen Erstellung des

Prozessmodells sind vor allem die Grundsätze der ordnungsgemäßen Modellierung zu

beachten, um die formale Qualität des Modells sicherzustellen. Die inhaltliche Qualität

ist hingegen wie beschrieben von der Akzeptanz und Anwendung des Modells durch

die individuellen Nutzer abhängig (Schwegmann, 1999). Im vorliegenden Fall der

Effizienzmessung auf Prozessebene sind die Nutzergruppen insbesondere im

kaufmännischen Bereich zu verorten. Diese empfinden das Modell als besonders

nutzenstiftend, wenn der Anpassungsbedarf für ihre individuellen Bedürfnisse gering

ist.111 Ziel ist die Identifikation eines übergeordneten Prozessmodells, auf dessen Basis

ein transparenter Vergleich der Leistungsfähigkeit der spezifischen Prozesse möglich

ist. Für die Akquisition des dafür notwendigen Wissens stehen zwei grundsätzliche

Lösungen zur Verfügung, die in der praktischen Anwendung ineinandergreifen

(Becker et al., 2002b):

1) Relevante Informationen können durch Verallgemeinerung und Kombination

bestehender unternehmensspezifischer Modelle gewonnen werden. Häufig

besteht die Notwendigkeit, diese durch Beobachtungen, Dokumentenanalyse

und Interviews mit den Fachanwendern zu generieren und zu validieren. Da im

vorliegenden Fall eine klare Fokussierung auf eine Branche und

Prozesstypologie besteht, ist es der Qualität der Prozessmodelle zuträglich,

111 Zum Dilemma der Referenzmodellierung siehe Kapitel 5.4 dieser Arbeit.


durch Ist-Analysen der Prozesse bei den Anwendungsbeispielen Einblicke und

Erkenntnisse hinsichtlich der Prozessgestaltung zu erlangen. Mit diesem

Vorgehen können systematische Schwachstellen und Verbesserungspotenziale

in den Organisationen identifiziert und Transparenz hinsichtlich der fachlichen

Zusammenhänge und Schnittstellen hergestellt werden. Zudem stellt dieses

Vorgehen die Vollständigkeit des Leistungsspektrums bei der Konstruktion des

„neuen“ Branchen-Prozessmodells sicher (Schwegmann & Laske, 2012).

2) Wichtige Quelle für die Generierung eines Modells zur prozessbasierten

Leistungsmessung ist die Sichtung allgemeiner Gestaltungsempfehlungen und

des aktuellen Standes der Literatur. Die dort dargestellten

branchenübergreifenden Lösungen können zu Referenzlösungen kombiniert

werden. Die Sicherung des Konsens- und Referenzmodellcharakters des

Prozessmodells basiert auf einer sorgfältigen Auswahl der Quellen, die als

betriebswirtschaftliche Wissensbasis bei der Modellerstellung berücksichtigt

werden.

Im vorliegenden Fall der Prozessstrukturierung als Vorstufe eines prozessbasierten

Leistungsvergleichs ist zu berücksichtigen, dass das zu erstellende

Referenzprozessmodell Common Practices abbildet. Unternehmen sind häufig darauf

bedacht, ihre Best Practices nicht zu veröffentlichen, um so ggf. ihr spezifisches

Wissen bzw. ihre Wettbewerbsvorteile zu schützen (Becker et al., 2002b). Die in

Stufe 3 definierten methodischen Vorgaben zur Modellierung müssen dabei ebenso

eingehalten werden wie ein angemessener Detaillierungsgrad und die

Berücksichtigung des Wirtschaftlichkeitsgrundsatzes. Wie oben dargestellt, besteht

gerade im Krankenhausumfeld die Notwendigkeit, unterschiedliche Perspektiven auf

die Prozessverläufe einzubeziehen und spezifische Anforderungen zu berücksichtigen.

Dabei weisen BECKER ET AL. (2002b) im Rahmen der mutiperspektivischen

Prozessmodellierung darauf hin, dass zusätzliche Anforderungen und Präferenzen der

beteiligten Stakeholder für das zu erstellende Prozessmodell große Bedeutung

erlangen, welche in Form von Hypothesen abgebildet werden können. Die Darstellung

des Prozessmodells erfolgt zweistufig, wobei der Ordnungsrahmen ein übergeordnetes

Framework bildet, welches die für die Analyse in Betracht kommenden Bereiche

abbildet. Die darunterliegenden Verfeinerungen der Modelle zeigen unter Nutzung der

ausgewählten Modellierungsmethode die Prozessabläufe in einem hohen

Detaillierungsgrad.


Abbildung 20: Erstellung und Verwendung des Referenzprozessmodells (eigene Darstellung strukturell in Anlehnung an

Schwegmann, Laske, 2012, S. 187 und dort zitierte Becker, Schütte, 2004, S. 69 ff.)


Die Prozesslandkarte, beschrieben als ein Ordnungsrahmen, ist gekennzeichnet als

Ausgliederung aller als relevant deklarierten „Elemente und Beziehungen eines

Originals auf einer hohen Abstraktionsebene nach einer gewählten

Strukturierungsweise in einer beliebigen Sprache“, wobei das Ziel darin besteht,

„einen Überblick über das Original zu vermitteln und bei der Einordnung von

Elementen und Beziehungen untergeordneter Detaillierungsebenen deren Bezüge zu

anderen Elementen und Beziehungen des Ordnungsrahmens offenzulegen.“ (Meise,

2001, S. 62) Für die Konstruktion wird keine Modellierungssprache vorgeschrieben,

um zielorientiert auf die Erfordernisse des einzelnen Analyseobjekts eingehen zu

können (Becker et al., 2012a). Im Rahmen des Effizienzanalyseprozesses stellt die

Erstellung der Prozesslandkarte einen wesentlichen Schritt dar. Folgende Funktionen

werden durch die Konstruktion erfüllt (Becker et al., 2012a):

1. Möglichkeit der Einordnung des Analysebereichs in den übergeordneten

Gesamtablauf inkl. der Berücksichtigung unterschiedlicher Perspektiven.

2. Schaffung einer einheitlichen Grundlage der verwendeten Begriffe und

Bezeichnungen. Dabei werden Prozesse klar benannt und die Beziehungen

zu anderen Prozessen transparent dargestellt.

3. Repräsentation und Systematisierung der (Teil-)Organisationsstruktur, was

sowohl Basis für Ist-Analysen als auch Abbildung der

Reorganisation/Neustrukturierung der Organisation sein kann.

4. Grundlage, um auf abstrahiertem Level Entscheidungen hinsichtlich der

Machbarkeit und des Umfangs für einen potenziellen Leistungsvergleich zu

treffen.

Die den Elementen der Prozesslandkarte zugeordneten Verfeinerungsmodelle

beschreiben detailliert die Prozessdurchführung. Um die Komplexität zu begrenzen,

wird im Rahmen der Prozessmodellierung zwischen unterschiedlichen Varianten der

Leistungserbringung unterschieden. Dabei erfolgt die Abbildung der

leistungsorientierten und einer generischen Prozess-Sicht. Die leistungsorientierten

Prozessmodelle sind unterschiedliche Varianten eines Prozessablaufs. In Abhängigkeit

von der jeweiligen Prozessdurchführung werden die Prozessobjekte zu homogenen

Prozessobjekttypen zusammengefasst und in einzelnen Prozessmodellen (Varianten)

modelliert (z. B. bei Beschaffungsprozessen: Unterscheidung des Prozessablaufs

zwischen dem Einkauf von Büromaterialien und Dienstleistungen). Alle modellierten

Varianten werden zu einem Gesamtmodell der generischen Prozesssicht

zusammengefasst. Diese Darstellung schafft die Möglichkeit, das konsolidierte Modell


der generischen Prozesssicht als Vorlage für die Ausprägung neuer Prozessvarianten

zu nutzen und dadurch eine Standardisierung existierender Prozessvarianten zu

fördern. Weiterhin können parallel auf mehreren Varianten eines Prozesses

Modellierungsaktivitäten durchgeführt und durch Hinterlegung leistungsorientierter

Kennzahlen unterschiedliche Konfigurationen für eine Effizienzanalyse konzipiert

werden. Die Darstellung der Modelle erfolgt je nach Komplexitätsgrad und Anzahl der

Prozesshierachiestufen auf unterschiedlichem Level (Becker et al., 2012b).

5.7.5 Analyse der prozessstrukturdeterminierenden Faktoren

Das entwickelte Prozessmodell bildet lediglich einen Teil der Prozessstruktur ab.

Neben der prozessualen Abbildung der Leistungserstellung werden weitere

Einflussfaktoren systematisch mit in die Betrachtung einbezogen. Das erstellte

Prozessmodell ist eine Abstraktion der unterschiedlichen Vorgehensweisen der Praxis

und konstruiert einen Vergleichsrahmen, auf dessen Basis sich Prozessverläufe ebenso

wie geeignete Kennzahlen definieren lassen. Zwar ist es mithilfe der generierten

Prozessmodelle möglich, u. a. die Abfolge und die Verantwortlichkeiten der

Prozessschritte darzustellen und zu einem übergeordneten Raster zusammenzuführen,

jedoch wird die Betrachtung prozessstrukturdeterminierender Faktoren vernachlässigt.

GOLANY und ROLL (1989) formulieren als Anforderung an aussagekräftige Analysen,

dass die Betrachtungseinheiten unter den gleichen Bedingungen mit vergleichbarer

Zielsetzung operieren und somit eine homogene Gruppe bilden, die sich jedoch durch

Heterogenität in der Leistungsausprägung hinsichtlich des Leistungslevels und des

Skalenniveaus auszeichnet. Gerade im Bereich der Unterstützungsprozesse im

Krankenhaus ist die Verbesserung bzw. Restrukturierung der Prozesse keine

eindimensional betriebswirtschaftliche Aufgabe, sondern erfordert die

Berücksichtigung der Interessen weiterer, insbesondere medizinischer Stakeholder.

Um den definierten Anforderungen der intendierten Prozessstrukturierung zu

entsprechen und Faktoren zu berücksichtigen, die nicht Input/Output-

Kategorisierungen zugerechnet werden, jedoch die Ausführung des Prozesses in

erheblichem Maße determinieren, werden prozessstrukturdeterminierende Faktoren

definiert. Zu diesem Zweck wurden, wie Tabelle 3 überblickartig abgebildet, fünf

Dimensionen abstrahiert und mit ausgewählten Kriterien versehen.


Bewertungsdimension Kriterium

Komplexität der

Ausführung

Anzahl der Prozessschritte

Anzahl der Medienbrüche

Anzahl der Bearbeiterwechsel

Informations-

verfügbarkeit

Klarheit der strategischen Zielsetzung

Klarheit der (medizinischen) Kundenanforderung

Qualität/Verfügbarkeit der Lieferanteninformationen

Unterstützung durch IKT

Support durch IT

Qualität der IT-Tools

Systemanbindung

Formvorschriften Verfügbarkeit/Verständlichkeit der Arbeitsanweisungen

Striktheit der Formvorschriften

Mitarbeiterspezifika

Einfluss des finalen (medizinischen) Anwenders

Ausbildung/Erfahrung der beteiligten Mitarbeiter

Dokumentation der Vorfälle/Erfahrungen etc.

Tabelle 3: Überblick der prozessstrukturdeterminierenden Faktoren (eigene Darstellung)

Die Auswahl der Dimensionen orientiert sich an den Spezifika von

Unterstützungsprozessen im Krankenhaus und erfasst Sachverhalte, die für die

effizienzbasierte Leistungsmessung von Relevanz sind. LEGNER (1999) betont, dass

Strukturmerkmale mindestens eine prozessspezifische Ausprägung besitzen müssen,

um das Benchmarking-Vorhaben sinnvoll zu unterstützen und hebt die Relevanz des

intendierten Anwendungsbereichs hervor. Dabei wird sowohl die Komplexität

während der Ausführung der einzelnen Aktivitäten analysiert als auch die

Verfügbarkeit der notwenigen Informationen aufseiten der Kunden und der

Lieferanten betrachtet. Ein wichtiges Analysefeld bildet darüber hinaus die

Betrachtung der IT-Infrastruktur. Im Hinblick auf die organisationsspezifischen

Besonderheiten werden zudem die formellen Rahmenbedingungen und Anforderungen

betrachtet. Die Betrachtung der Charakteristika der Mitarbeiter und deren

Interaktionen/Umfeld bildet die fünfte Betrachtungsdimension.

Die vorgestellten Dimensionen wurden aufbauend auf der literaturbasierten Analyse

mithilfe von Interviews mit kaufmännischen Führungskräften aus dem

Krankenhausumfeld definiert, systematisiert und validiert. Mit der Betrachtung


prozessstrukturdeterminierender Faktoren werden zwei konkrete Ziele verfolgt. Zum

einen tragen die Informationen zur Standardisierung und Systematisierung der

ausgewählten Prozesse des Untersuchungsobjekts zur Sicherstellung der

Vergleichbarkeit auf abstrahiertem Level bei, zum anderen können die Daten in die

quantitative Effizienzbetrachtung überführt werden. Somit wird über die reine

Beschreibung der Prozessabläufe hinaus ein multiperspektivisches Bild der

Prozessausführung gezeichnet und das Untersuchungsfeld detailliert beschrieben.

Insbesondere aus praktischer Perspektive stiftet das Konzept Nutzen, da mit der

Zusammenführung der Leistungsdaten und der Faktoren, die den Leistungsprozess

strukturell beeinflussen, ein Werkzeug etabliert wird, um eine präzise Diagnose der

Prozesse unter Berücksichtigung der individuellen Rahmenbedingungen durchführen

zu können.

5.7.6 Zusammenfassung und Modellabbildung zur Prozessstrukturierung

Das entwickelte fünfstufige Vorgehensmodell bietet einen standardisierten Weg zur

Herstellung von Transparenz in Unterstützungsprozessen in Krankenhäusern. Dabei

bauen die einzelnen Phasen integrativ aufeinander auf und stellen die brancheninterne

Vergleichbarkeit der Prozesse sicher. Das Modell trägt dem Umstand Rechnung, dass

eine Analyse auf Prozessebene einen angemessenen Abstraktionsgrad erfordert und

damit die Möglichkeit einer organisationsübergreifenden Anwendung sicherstellt.

Zudem erfolgt eine dezidierte Berücksichtigung der Spezifika unterschiedlich

gerichteter Stakeholderinteressen.

Aufbauend auf der Formulierung eines konkreten Ziels wird in den darauffolgenden

Schritten ein zielorientiertes Vorgehen zur Strukturierung der Prozesse entwickelt. Die

integrierte Kategorisierung der Anwendungsobjekte zur Konstruktion trägt zur

Validität des entwickelten Modells bei. Das zu erstellende Prozessmodell liefert eine

anwendungsspezifische Grundlage für die Definition und Zuordnung prozessbasierter

Inputs und Outputs sowie zum Aufbau eines Messmodells zur effizienzbasierten

Leistungsanalyse. Zudem werden strukturelle Faktoren berücksichtigt, die Einfluss auf

die Prozessleistungserstellung nehmen können. In Abbildung 21 werden die Stufen des

beschrieben Vorgehens grafisch veranschaulicht. Die einzelnen Aufgaben und

Zwischenergebnisse werden zu sachlogischen Stufen im Vorgehensmodell

zusammengefasst. Die in den einzelnen Prozessschritten generierten Erkenntnisse bzw.

erstellten Dokumente sind Input für die darauffolgenden Stufen und tragen so zur

Herstellung einer transparenten Vergleichsgrundlage bei.


Abbildung 21: Schritte des Vorgehensmodells zur Prozessstrukturierung (eigene Darstellung)

5.8 Anwendung des entwickelten Vorgehensmodells am Beispiel von

Beschaffungsprozessen im Krankenhaus

Das entwickelte Vorgehensmodell zur systematischen Generierung der Prozessstruktur

wird im Bereich der Beschaffung in Krankenhäusern exemplarisch angewendet. Dabei

werden eingangs die Eigenschaften und Besonderheiten der Krankenhausbeschaffung

vorgestellt, bevor die zentralen Ergebnisse einer schrittweisen Umsetzung des

entwickelten Vorgehensmodells präsentiert werden.

5.8.1 Eigenschaften und Besonderheiten des ausgewählten

Untersuchungsbereichs

Nachdem der Untersuchungsbereich Krankenhaus in Kapitel 4.1 dieser Arbeit bereits

beschrieben wurde, soll hier lediglich eine Charakterisierung der Beschaffung im

Krankenhaus vorgenommen werden. Die funktionsbezogene Auswahl des

Analysebereichs verdeutlicht die bisher überwiegende aufbauorganisatorische Struktur

der Krankenhäuser (Kersting, 2008). Die Erbringung der medizinischen Leistung,

unterschiedlich in Art und Komplexität, erfordert eine effiziente Durchführung der

Unterstützungsprozesse. Die Bereitstellung von Gütern, ob unmittelbar zur


Behandlung notwendig und für den direkten Einsatz am Patienten bestimmt oder für

Routine- und Verwaltungsaufgaben nötig, ist von hoher Bedeutung (Schmidt-Rettig,

2008). Jedoch gestaltet sich eine Leistungsevaluation des Beschaffungsbereichs

vergleichsweise schwierig (Oppel, 2003; Hendrick & Ruch, 1988; Millen, 1999). Nach

EASTON ET AL. (2002) sind die zentralen Herausforderungen zum einen die fehlende

Verfügbarkeit vergleichbarer Leistungsdaten, zum anderen die Notwendigkeit,

Messgrößen zu definieren, die ausdrücklich den Produktivitäts- bzw. Effizienzaspekt

berücksichtigen, z. B. die nötigen Inputs zur Erreichung eines definierten

(Lieferanten-)Qualitätslevels.

Grundsätzlich beschreibt das Beschaffungsmanagement die Versorgung des

Unternehmens mit den benötigten, jedoch nicht selbst hergestellten Input-Faktoren

(Arnold, 1995) unter Berücksichtigung des Zielkonflikts zwischen medizinischer

Bedarfsgerechtigkeit/Leistungsverbesserung, Wirtschaftlichkeit und Autonomie-

erhaltung (Oppel, 2003; Drauschke, 2002; Schuh et al., 2014; Schlüchtermann, 2013).

Zu den zentralen Aufgaben zählen die Identifikation spezifischer Bedürfnisse

(Eigenschaften und Mengen) der medizinischen Fachbereiche, die Ermittlung

potenzieller Bezugsquellen, das Einholen und die Bewertung von Angeboten sowie die

Bewertung von Lieferanten, die Festlegung und Abwicklung der Bestellungen sowie

die Überwachung der Leistungen, Termine und die Handhabung von Reklamationen

(Mettler, 2010; Oppel, 2003). Übergeordnete Zielsetzung ist die Sicherstellung des

Güterflusses zur Erbringung der medizinischen Dienstleistung. METTLER (2010)

differenziert die Ziele der Krankenhausbeschaffung in Kostenziele,

Leistungssteigerungs- und Qualitätsziele, Sicherheitsziele sowie Flexibilitäts- und

Unabhängigkeitsziele.

Lange Zeit wurde das Primärziel der bestmöglichen Versorgung der Bevölkerung mit

Gesundheitsdienstleistungen ohne systematische Berücksichtigung der notwendigen

Aufwände zur Leistungserbringung verfolgt, da die Kostendeckung gesichert war

(Fleßa & Greiner, 2013). Der damit verbundene geringe Professionalitätsgrad der

Krankenhausbeschaffung ist zudem auf die jahrelange vergleichsweise geringe

Bedeutung der Beschaffung zurückzuführen (Oppel, 2003). Darüber hinaus

unterscheidet sich die Beschaffung in Krankenhäusern vom Einkauf herkömmlicher

Unternehmen (Daum, 2003). Neben dem weit verbreiteten Silodenken und

heterogenen Zuständigkeiten, die zu einer unkoordinierten Beschaffung der Güter

führen (Schlüchtermann, 2013), ist die Beschaffung in Krankenhäusern durch den


Einsatz eines besonders breiten Spektrums an verwendeten Materialien und Gütern

gekennzeichnet (Daum, 2003). Obwohl die Sachkosten im Krankenhaus den größten

Kostenblock nach den Personalkosten bilden und somit großen Einfluss auf das

Betriebsergebnis haben112, ist deren Bedeutung im Vergleich zu anderen Branchen

verhältnismäßig gering (Schlüchtermann, 2013; Schirmer, 2010).113 Durch die hohe

Vielfalt und Variation der Güter und Lieferanten sind Krankenhäuser durch hohe

Komplexitätskosten gekennzeichnet. Darüber hinaus sind zur Erbringung der

Beschaffungsleistung überdurchschnittlich viele Mitarbeiter eingebunden. Zudem

binden die verhältnismäßig hohen Lagerbestände viel Liquidität (Eiff, 2011;

Schlüchtermann, 2013). Der medizinische Bedarf stellt dabei den mit Abstand größten

Teil der Gesamtsachkosten114 und rückt somit in den Fokus der nachfolgenden

Betrachtung. Obwohl inzwischen 80 % der Krankenhäuser sogenannten

Einkaufsgemeinschaften115 beigetreten sind, schätzen Experten das Einsparpotenzial

durch weitergehende Professionalisierung auf 25–30 % (Schlüchtermann, 2013). Auf

eine Darstellung unterschiedlicher Organisationsformen, Abgrenzungen und

spezifischer Ausgestaltungen hinsichtlich patientenferner bzw. patientennaher Güter

soll an dieser Stelle verzichtet werden (Mettler, 2010; Haubrock, 2009c).

5.8.2 Schrittweise Umsetzung des entwickelten Vorgehens

Im Folgenden wird das entwickelte Vorgehensmodell auf den Beschaffungsbereich in

Krankenhäusern angewendet. Die Ergebnisse werden den einzelnen Stufen

entsprechend im vorgestellten Modell überblicksartig aufgezeigt und die

Anknüpfungspunkte für die Leistungsmessung jeweils mit der Data Envelopment

Analysis herausgestellt. Exemplarisch wird auf Basis der im Kapitel 4.3 definierten

zentralen Anforderungen des Modells eine Strukturierung des Untersuchungsbereichs

vorgenommen. Neben der detaillierten Analyse der vorliegenden Literatur wurden 29

semi-strukturierte Experteninterviews mit kaufmännischen Ansprechpartnern aus

112 Siehe Kap. 4 dieser Arbeit. 113 Der Sachkostenanteil in anderen Branchen beträgt ca. 50–60 %. 114 „Medizinprodukte sind alle einzeln oder miteinander verbunden verwendeten Instrumente, Apparate […], die

vom Hersteller zur Anwendung für Menschen […] bestimmt sind und deren bestimmungsgemäße

Hauptwirkung im oder am menschlichen Körper weder durch pharmakologisch oder immunologisch

wirkende Mittel noch durch Metabolismus erreicht wird, deren Wirkungsweise aber durch solche Mittel

unterstützt werden kann.“ (MPG, § 3 Abs. 1). 115 Einkaufgemeinschaften sind horizontale Kooperationen von wirtschaftlich und rechtlich unabhängigen

Einrichtungen mit dem Ziel, gemeinsame Beschaffungsaktivitäten zu tätigen, die Verhandlungsmacht bei

Lieferanten zu erhöhen, den notwendigen Ressourceneinsatz für den Einkauf zu reduzieren und somit

optimierte Versorgungsprozesse zu etablieren (Eschenbach, 1990; Essig, 1999).


Krankenhäusern in Deutschland und der Schweiz geführt. Als Experten gelten

Sachverständige, Kenner oder Fachleute, also Personen, die über besondere

Wissensbestände verfügen (Kühl et al., 2009). Das Experteninterview zeichnet sich

dadurch aus, dass „es auf einen exponierten Personenkreis zielt, der im Hinblick auf

das jeweilige Forschungsinteresse spezifisches Wissen mitbringt“ (Kühl et al., 2009,

S. 33). Darüber hinaus wurden von den Experten zur Verfügung gestellte Dokumente

analysiert und Erkenntnisse aus eigenen Beobachtungen ausgewertet.116 Entsprechend

dem Wirtschaftlichkeitsanspruch erfolgt eine nutzenabhängige Gestaltung des

Erhebungsaufwands (Allweyer, 2005).

5.8.2.1 Definition des Analyseziels und Identifikation der Partner

Das Vorhaben zur Strukturierung der Beschaffungsprozesse im Krankenhaus verfolgt

das Ziel, eine transparente Grundlage für einen effizienzbasierten Leistungsvergleich

auf Prozessebene vorzulegen. Dazu wird auf Aktivitätenebene ein detailliertes Modell

erstellt, auf dem die Leistungsmessung aufgebaut werden kann. Die Konstruktion

erfolgt aus Perspektive des Controllings in seiner Funktion als Lieferant transparenter

Informationen zur Entscheidungsunterstützung (Fischer et al., 2012). Die branchen-

und funktionsbasierte Strukturierung identifiziert alle am Erstellungsprozess

beteiligten Stakeholder und bindet die Leistungsempfänger mit in die Betrachtung ein.

Die Spezifikation und Beschreibung des Analyseziels erfolgt anhand des

Klassifikationsrasters, das in Abbildung 22 dargestellt ist. Die Markierung in der

Abbildung verdeutlicht die vordergründige Zielsetzung des Vorhabens. Die

übergeordnete Zielsetzung der Methode muss für den Teil der Prozesssturkturierung

präzisiert werden. Das übergeordnete Analyseziel ist die Identifikation von

Effizienzpotenzialen und Ableitung geeigneter Benchmarks und

Referenzorganisationen. Die spezifische Zielsetzung des

Prozessstrukturierungsvorhabens ist die strukturelle Systematisierung des Umfelds der

Unterstützungsprozesse, insbesondere des Einkaufs, und die Schaffung einer

einheitlichen Vergleichsbasis für die nachfolgende Effizienzanalyse zur Gestaltung der

Prozessabläufe und der prozessualen Rahmenbedingungen. Hinsichtlich des

Verwendungszwecks soll die krankenhausspezifische Strukturierung zum einen die

Grundlage für die nachfolgende Analyse bilden, zum anderen die individuellen

116 Die Erhebung der Prozesslandkarte und der Verfeinerungsmodelle erfolgte im Rahmen eines

Forschungsprojekts an der Universität St. Gallen, u. a. mit Unterstützung von Abschlussarbeiten (Arpagaus,

2014; Berger, 2014).


Organisationen bei der Ableitung von Best Practices und der ggf. notwendigen

Neugestaltung der Prozessstrukturen unterstützen. Hinsichtlich des Neuigkeitsgrades

ist zu sagen, dass noch keine umfassende Lösung für den gesamten

Unterstützungsbereich von Krankenhäusern existiert, jedoch im Bereich des

Beschaffungsmanagements deskriptive Beschreibungen und Forschungsergebnisse

vorliegen. Entsprechend der Konzentration auf den Beschaffungsbereich im

Krankenhaus erfolgt eine klare Branchen- und Funktionsfokussierung. Im Rahmen der

Betrachtung werden die zugrunde liegenden Prozesse bis auf Aktivitätenebene

analysiert und zu Haupt- und Teilprozessen aggregiert. Im Mittelpunkt der

Betrachtung stehen somit die individuellen Prozessverantwortlichen und die

zugehörigen Abteilungen/Funktionsbereiche. Die Verbindungen zu externen

Leistungserbringern, Entscheidungsträgern und sonstigen Anspruchsgruppen werden

jedoch ebenso in die Betrachtung einbezogen. Schließlich ist die klare Ausrichtung

hinsichtlich der Schaffung einer validen Vergleichsgrundlage für das Management als

Analyseziel zu nennen.

Verwendungszweck Analyse Gestaltung Entscheidung Wissen Dokumentation

Neuigkeitswert Innovation Variante Version

Branchenausrichtung Branchen-fokussiert Branchen-übergreifend

Funktionsfokus Funktions-fokussiert Funktions-übergreifend

Prozesstypologie Unterstützungsprozesse Kernprozesse Führungsprozesse

Betrachtungsebene Mitarbeiter Abteilung Organisation Wertkette Gesellschaft

Nutzerspezifikation Management-orientiert Technologie-orientiert

Abbildung 22: Klassifikationsraster zur Spezifikation und Beschreibung des Analyseziels (eigene Darstellung in enger

Anlehnung an Mettler, 2010, S. 127ff.)

Die Auswahl des Samples zur Sicherstellung eines entsprechenden

Empfehlungscharakters und der Allgemeingültigkeit der Referenzmodelle als zentrale

Anforderungen sind die kritischen Faktoren bei der Herstellung der Vergleichbarkeit

über die unterschiedlichen Prozesskonfigurationen in den Krankenhäusern. Die

Kriterien zur Sicherstellung dieser Anforderungen werden aus den beschriebenen

Charakteristika und Typologien des Krankenhausumfeldes abgeleitet. Neben den

organisatorischen Faktoren werden sowohl finanzielle als auch strukturell-

medizinische Kriterien mit in die Betrachtung einbezogen. Da die beschriebene


Vorgehensweise als Grundlage für ein Benchmarking der Leistungsfähigkeit der

Prozesse dienen soll, wird ein Common-Practice-Modell erstellt. Der Anforderung des

Empfehlungscharakters wird demnach insbesondere damit Rechnung getragen, dass

ein struktureller Rahmen etabliert wird, auf dessen Basis ein entsprechendes Mess-

und Analysemodell konzipiert werden kann. Es ist darauf hinzuweisen, dass in der

vorliegenden Arbeit die Betonung auf der Auswahl des Samples zur Erstellung der

Prozessstrukturierung, nicht aber auf der Identifikation von Benchmarks liegt.

Abbildung 23 enthält die grundlegenden deskriptiven Aussagen zur Zusammensetzung

der Krankenhäuser, die für die Konstruktion des Referenzmodells berücksichtigt

wurden.

Art der Aufgabe Allgemeinkrankenhäuser (85 %) Sonstige Krankenhäuser (15 %)

Trägerschaft Öffentlich (55 %) Freigemeinnützig (25 %) Privat (20 %)

Art der Zulassung Vertragskrankenhäuser

(2,5 %)

Plankrankenhäuser

(86 %)

Hochschulkliniken

(11,5 %)

Nicht zugelassene

Kliniken (0 %)

Versorgungsstufe Grundversorgung

(36 %)

Regel- und

Schwerpunktversorgung

(53 %)

Maximalversorgung

(11 %)

Bettenzahl Kleinkrankenhäuser

(38 %)

Mittelgroße Krankenhäuser

(36 %)

Großkrankenhäuser

(27 %)

Fallzahlen stationär < 10.000

(27 %)

10.000 – 20.000

(15 %)

20.000 – 40.000

(11 %)

> 40.000

(14 %)

Case Mix < 0,9 (17 %) 0,9 – 1,1 (50 %) < 1,1 (33 %)

Abbildung 23: Klassifikationsraster der Untersuchungsobjekte (eigene Darstellung)

Die Übersicht in Abbildung 23 zeigt, dass für die Erstellung der Prozessstrukturierung

eine große Bandbreite unterschiedlicher Krankenhäuser in die Analyse einbezogen und

damit die Validität der Ergebnisse sichergestellt ist. Besonderer Wert wurde auf die

Berücksichtigung von Krankenhäusern mit unterschiedlichen Versorgungstiefen und

unterschiedlicher Größe gelegt, da dies wesentlichen Einfluss auf die

Leistungserbringung im ausgewählten Untersuchungsbereich hat. Die differenzierte

Betrachtung unterschiedlicher Kliniken mit differenzierten Ausrichtungen und

Trägerschaften leisten einen wertvollen Beitrag, um das Kriterium der

Allgemeingültigkeit von Referenzprozessmodellen zu erfüllen.117

117 Die Daten berücksichtigen alle durch die Interviewpartner bereitgestellten sowie alle öffentlich einsehbaren

Informationen, wobei nicht alle Datensätze vollständig waren.


5.8.2.2 Erstellung der Prozessmodelle unter Nutzung der ausgewählten

Modellierungsmethode

Der in Kapitel 5.7.3 definierte, für den Unterstützungsbereich der Krankenhäuser

angepasste Anforderungskatalog besitzt auch für den Beschaffungsbereich Gültigkeit.

Aus diesem Grund wurde als Modellierungssprache für die Verfeinerungsmodelle die

Business Process Model and Notation (BPMN) 2.0 ausgewählt. Die Prozesslandkarte

wird mithilfe eines Wertkettendiagramms modelliert. Insbesondere die Darstellung der

unterschiedlichen an der Prozessausführung beteiligten Stakeholder kann transparent

und verständlich erfolgen. Die Prozesslandkarte für den Unterstützungsbereich in

Krankenhäusern umfasst insgesamt sechs Bereiche. Neben dem hier untersuchten

Bereich der Beschaffung wurden die Geschäftsprozesse Rechnungswesen, Controlling,

Personalwesen, Facility Management und IT-Management identifiziert. Während sich

die Prozessabläufe in einigen Funktionen sehr stark mit denen anderer Branchen

decken, sind gerade für den Beschaffungsbereich und das hier nicht detailliert

betrachtete Controlling krankenhausspezifische Anpassungen festzustellen.

Abbildung 24 zeigt die Prozesslandkarte und gibt einen Kurzüberblick über die Haupt-

und Teilprozesse, die in die Geschäftsprozesse integriert sind. Der Fokus liegt auf dem

Beschaffungsbereich, für den detaillierte Verfeinerungsmodelle mithilfe der

definierten Modellierungssprache erstellt werden.118 Als wichtigste Stakeholder, die

im Rahmen der Prozessmodellierung Beachtung finden sollen, wurden die

Geschäftsführung des Krankenhauses, die Mitarbeiter der Beschaffungsabteilung, die

entsprechenden medizinischen Fachabteilungen und die externen Partner neben der IT-

Infrastruktur identifiziert. Die Schnittstelle zum Patienten wird mit der medizinischen

Fachabteilung abgedeckt. Wie oben beschrieben, ist im Krankenhaus eine große

Anzahl und ein erheblicher Variantenreichtum der zu beschaffenden Güter zu

konstatieren. Daher besteht die Notwendigkeit, die Güter zu kategorisieren. In der

Literatur wird zum einen in patientennahe, patientenbezogene und patientenferne

Güter unterschieden (Mettler, 2010; Klöckner, 2012). Eine weitere Unterscheidung

liefert HAUBROCK (2009), der in Anlagegüter, Gebrauchsgüter und Verbrauchsgüter

unterscheidet.

118 Die Betrachtung fokussiert auf die operativen Aspekte der Beschaffung. Inhaltliche Beschaffungsthemen,

wie Auswahl der Güter, Lieferantenanzahl und Artikelstandardisierung sowie strategische Fragestellungen

bleiben außerhalb der Betrachtung.


Abbildung 24: Prozesslandkarte des Unterstützungsbereichs in Krankenhäusern (eigene Darstellung)

Zur Sicherstellung der Vergleichbarkeit wird in der vorliegenden Arbeit auf die

Beschaffung medizinischer Güter fokussiert, die im Regelfall im

Zuständigkeitsbereich der Einkaufsabteilung liegt.119 In den Interviews zeigte sich,

dass die medizinischen Güter vorrangig in Verbrauchsgüter und Investitionsgüter

unterschieden werden. Verbrauchsgüter sind Produkte, die im täglichen

Geschäftsbetrieb benötigt werden und nach einmaliger Verwendung aufgebraucht

sind. Investitionsgüter hingegen sind für eine langfristige und mehrfache Verwendung

bestimmt. Die Verbrauchsgüter lassen sich in Standardgüter, Spezialgüter und

Kommissionsgüter unterscheiden, wobei es sich bei Standardgütern vorrangig um

Produkte wie bspw. Pflegematerial handelt, bei Spezialgütern hingegen um Produkte,

die nur in einzelnen Abteilungen verwendet werden. Kommissionsgüter werden im

Krankenhaus gelagert, jedoch bleibt der Lieferant bis zur Nutzung durch das

Krankenhaus der Eigentümer (Syska, 2006). Dabei handelt es sich vorrangig um

preisintensive Produkte mit hoher Kapitalbindung, wobei der Lieferant die

Verantwortung für einen jederzeit ausreichenden Lagerbestand trägt und das Risiko

(bspw. Verfallsdatum) auf den Lieferanten übertragen wird. Neben der Unterteilung in

Güterarten müssen die Arten der Beschaffung unterschieden werden, da es neben der

reinen Wiederbeschaffung des gleichen Artikels möglich ist, dass bestehende Produkte

ersetzt werden bzw. neue Produkte ins Sortiment aufgenommen werden

(Neubeschaffung). Um der Anforderung der Allgemeingültigkeit von

Referenzmodellen Rechnung zu tragen und im nächsten Schritt eine vergleichbare

Erfolgsmessung sicherzustellen, wird in der vorliegenden Betrachtung eine

Abstraktion vorgenommen. Dabei wird lediglich zwischen der strategisch

ausgerichteten Sortimentsgestaltung und der operativen Beschaffung unterschieden,

wobei dort jeweils zwischen der Beschaffung von Verbrauchsgütern im Allgemeinen

und Investitionsgütern differenziert wird.

Abbildung 25 gibt einen Überblick über die in den genannten Hauptprozessen

enthaltenen Teilprozesse. Dabei setzt sich die Sortimentsgestaltung aus den Prozessen

Antrag, Identifikation der Lieferanten und Verhandlung zusammen. Die operative

119 Dabei werden die strategisch orientierten Prozesse explizit aus der Betrachtung ausgeschlossen, da sie sich

aufgrund ihrer uneinheitlichen Struktur und Abläufe als nicht vergleichbar herausgestellt haben.


Beschaffung umfasst die Prozesse Bedarfsentstehung, Bestellvorgang sowie

Bestellkontrolle und Abschluss der Bestellung. Der Antragsprozess als Teilprozess der

Sortimentsgestaltung geht vom medizinischen Bedarf zur Beschaffung eines Produktes

aus, das sich nicht im operativen Sortiment des Krankenhauses befindet. Startpunkt ist

die Formulierung eines entsprechenden Antrages, inkl. der genauen Spezifikationen

des gewünschten Produkts durch die den Bedarf identifizierende Stelle. In

Abhängigkeit von Bestellvolumen und -wert ist dazu die Genehmigung durch

definierte Gremien, ggf. die Geschäftsführung bzw. autorisierter Entscheidungsträger,

notwendig, die über eine positive oder negative Begutachtung des Antrages

entscheiden.

Abbildung 25: Prozessabbildung Sortimentsgestaltung und operative Beschaffung (eigene Darstellung)

Der Teilprozess Lieferantenidentifikation beschreibt die systematische Identifikation

eines geeigneten Lieferanten, wobei die Beschaffungsabteilung unterschiedliche

Details der Beschaffung (Lieferant, Finanzierung etc.) evaluiert. Unter

Berücksichtigung strategischer Präferenzen, der Abwägung der geforderten

Eigenschaften der medizinischen Entscheidungsträger (Lastenheft) und

wirtschaftlicher Kriterien wird eine Beschaffungsentscheidung getroffen. Die

Verhandlungsphase beschreibt die detaillierte Auseinandersetzung mit relevanten

Lieferanten, wobei insbesondere die wirtschaftlichen Rahmenbedingungen verhandelt

werden. Dabei kommen Standard-Kaufverträge, Serviceverträge und auch langfristige

Rahmenverträge für das ausgewählte Produkt in die nähere Betrachtung. Am

Prozessende steht der Vertragsabschluss mit dem Lieferanten. In Abhängigkeit von der

zu beschaffenden Güterart wird der beschriebene Prozess in unterschiedlicher

Detailtiefe durchlaufen, wobei Investitionsgüter immer die geschilderten Prozesse


erfordern, bei Verbrauchsgütern erfolgt im Falle abgeschlossener Rahmenverträge

direkt die operative Beschaffung.

Die operative Beschaffung ist vorrangig auf die Wiederbeschaffung bereits

verwendeter Güter gerichtet. Dabei unterscheidet sich der Teilprozess

Bedarfsentstehung vor allem dadurch vom Antragsprozess, dass dieser weniger

formalisiert abläuft. Häufig wird dabei auf bestehende, automatisierte

Warenwirtschaftssysteme (WWS) zurückgegriffen bzw. der Bedarf durch einen

Mitarbeiter des Krankenhauses festgestellt. Die Bedarfsmeldung inkl. der

Informationen über Menge und genaue Spezifikation wird in Abhängigkeit vom

vorliegenden Automatisierungsgrad an das WWS oder die Beschaffungsabteilung

gestellt. Nach Freigabe der Bedarfsmeldung wird im Teilprozess Bestellung die

Bedarfsposition unter Berücksichtigung des bereits feststehenden Lieferanten erstellt.

Ebenso wie in der Sortimentsgestaltung werden ab bestimmten, hausintern definierten

Bestellvolumina Freigaben durch Entscheidungsträger notwendig. Die anschließende

Lieferung und Materialeingangskontrolle inkl. der entsprechenden Eingangsbuchung

bildet den dritten Teilprozess. Bei beanstandungsfreier Lieferung werden die Güter an

die entsprechenden Stationen bzw. Läger überstellt. Im Falle von Mängeln oder

Fehllieferungen erfolgt eine Reklamation beim Lieferanten, um eine entsprechende

Korrektur bzw. Ersatzlieferung zu erwirken. Abbildung 26 zeigt exemplarisch den

Teilprozess Bestellkontrolle und -abschluss.120 Die abgebildeten Lanes

veranschaulichen die Komplexität des Prozesses und die Involvierung

unterschiedlicher Stakeholder.

Wie beschrieben wurden die Teil- und Hauptprozesse des Beschaffungsprozesses inkl.

der einzelnen Aktivitäten aus der Sichtung der relevanten Literatur (Weele, 2010;

Arnolds et al., 2013; Krampf, 2012; Frodl, 2012; Haubrock, 2009c; Scott et al., 2011;

Wannenwetsch, 2010; Prangenberg, 2010; Piontek, 1994; Mettler, 2010) und den

durchgeführten Experteninterviews definiert. Die für jeden Prozessschritt erarbeiteten

Referenzmodelle bilden die Grundlage für die Erhebung der die Prozessausführung

determinierenden Variablen sowie für die in der Leistungsmessung enthaltene

Konstruktion des Messmodells.

120 Alle weiteren Referenzmodelle für den Beschaffungsbereich siehe Anhang 1-5.


Abbildung 26: Referenzprozessmodell am Beispiel des Teilprozesses Bestellkontrolle und –abschluss (eigene Darstellung)


5.8.2.3 Analyse der die prozessuale Leistungserbringung determinierenden

Variablen

Bei den prozessstrukturdeterminierenden Variablen handelt es sich explizit nicht um

Leistungsgrößen, sondern Faktoren, die die Prozessausführung beeinflussen. In

Kombination mit den prozessbasierten Effizienzwerten können Stellhebel zur

Ableitung von Handlungsempfehlungen identifiziert und vorrangig eine Betrachtung

der systematischen Einflüsse der Rahmenbedingungen durchgeführt werden. Die

Strukturkriterien wurden mithilfe von fünf Dimensionen systematisiert, die

sachlogisch geclustert sind. Die Erhebung der Daten erfolgte separat für die

Hauptprozesse Sortimentsgestaltung und operative Beschaffung mit einer 7-stufigen

Likertskala, wobei 1 für eine sehr schwache Ausprägung, 7 für eine sehr starke

Ausprägung steht. Abbildung 27 fasst die Dimensionen und die entsprechend

zugeordneten Kriterien inkl. der Ausprägungen zusammen. Dabei werden sowohl die

minimalen und maximalen Ausprägungen als auch der Median angegeben.

Dimension Kriterium Min Median Max

Komplexität

der

Ausführung

Anzahl der Prozessschritte 1 4 6

Anzahl der Medienbrüche 1 5 7

Anzahl der Bearbeiterwechsel 1 5 7

Informations-

verfügbarkeit

Klarheit der Zielsetzung 2 6 7

Klarheit der Kundenanforderung 1 6 7

Qualität/Verfügbarkeit der Lieferanteninformationen 2 5,5 7

Unterstützung

durch IKT

Support durch IT 1 4 7

Qualität der IT-Tools 1 5 7

Systemanbindung 1 5 7

Form-

vorschriften

Verfügbarkeit/Verständlichkeit der Arbeitsanweisungen 1 6 7

Striktheit der Formvorschriften 1 6 7

Mitarbeiter-

spezifika

Einfluss des finalen (medizinischen) Anwenders 2 5,5 7

Ausbildung/Erfahrung der beteiligten Mitarbeiter 2 6 7

Dokumentation der Vorfälle/Erfahrungen etc. 1 4 7

Abbildung 27: Deskriptive Beschreibung der Ausprägungen der prozessstrukturdeterminierenden Variablen (eigene

Darstellung)121

121 Die Abbildung zeigt beispielhaft die Daten des Hauptprozesses Sortimentsgestaltung. Die

Skalenausrichtungen und Skalenwerte sind je Kriterium differenziert zu betrachten. Zudem muss hinzugefügt


Dabei wird offensichtlich, dass bei fast jedem Kriterium die gesamte Bandbreite der

Bewertung ausgenutzt wurde, die Verantwortlichen den aktuellen Standard jedoch

insbesondere in den Dimensionen Formvorschriften und Informationsverfügbarkeit als

besonders hoch einschätzen. Die Befragung liefert darüber hinaus einen Beitrag

hinsichtlich der strukturellen Vergleichbarkeit der Analyseergebnisse und im Hinblick

auf die Identifikation geeigneter Referenzeinheiten zur Ableitung konkreter

Handlungsempfehlungen im Sinne des Benchmarking-Ansatzes. Damit wird ein

deutlicher Nutzen geliefert, insbesondere im Hinblick auf die konsolidierte

Betrachtung der Datenbasis auf individueller Ebene unter Berücksichtigung der

Leistungsdaten.

5.9 Fazit und Zusammenfassung der Prozessstrukturierung

Im Kapitel 4 wurde die Problemstellung der fehlenden Vergleichsgrundlage für ein

Benchmarking auf Prozessebene dargelegt. Ausgehend davon wurde im fünften

Kapitel ein konzeptionelles Vorgehensmodell als Teil der Methode zum

prozessbasierten Benchmarking mit dem Ziel der Herstellung von Transparenz

entwickelt und zur Anwendung gebracht. Nach Darlegung der theoretischen und

methodischen Grundlagen der Referenzmodellierung sowie des Status quo bestehender

Konzeptionen konnte ein Vorgehen präsentiert werden, das auf

Unterstützungsprozesse im Krankenhaus spezialisiert ist. Dabei wurde ein

krankenhausspezifischer Ansatz zur Clusterung entwickelt, der die Grundlage für die

Identifikation geeigneter Vergleichspartner bildet. Die Auswahl einer

anwendungsspezifischen Modellierungssprache mithilfe eines dafür entwickelten

Anforderungskatalogs bildet einen weiteren wichtigen Schritt zur Herstellung von

Transparenz. Dabei wurde insbesondere der wichtige Aspekt der Nutzerorientierung

und der systematischen Abbildung der beteiligten Stakeholder berücksichtigt.

Abschließend erfolgte eine Betrachtung der die Prozessausführung strukturell

determinierenden Faktoren, die Einfluss auf die Input/Output-Relation der

Leistungserbringung nehmen und somit die Transparenz des Betrachtungsfeldes weiter

erhöhen.

Der konzeptionelle Teil wurde ergänzt durch eine empirische Anwendung des

entwickelten Vorgehens. Das beschriebene Vorgehen konnte am Beispiel des

werden, dass nicht alle Ansprechpartner jede Frage beantwortet haben. Befragt wurden die Ansprechpartner

für die Analyse der Leistungsfähigkeit, d. h. Leiter Beschaffung bzw. die kaufmännische Leitung.


Unterstützungsbereichs von Krankenhäusern umgesetzt werden. Zu diesem Zweck

wurden 29 Experteninterviews mit kaufmännischen Ansprechpartnern in deutschen

und schweizerischen Krankenhäusern geführt. Dabei wurde zum einen eine

Prozesslandkarte des Unterstützungsbereichs erstellt, zum anderen konnte mithilfe der

ausgewählten und entsprechend konfigurierten Modellierungssprache ein

Referenzprozessmodell auf Teilprozessebene für den Beschaffungsbereich entwickelt

werden. Die so hergestellte Strukturierung des Prozessumfeldes stellt die Basis für die

Ableitung geeigneter prozessbasierter Messmodelle zur Durchführung einer

effizienzbasierten Untersuchung mit der Data Envelopment Analysis (DEA) bereit.

Beschreibung und Anwendung einer Systematik zur effizienzbasierten Leistungsmessung auf Prozessebene 125

6 BESCHREIBUNG UND ANWENDUNG EINER SYSTEMATIK ZUR

EFFIZIENZBASIERTEN LEISTUNGSMESSUNG AUF

PROZESSEBENE

Aufbauend auf der Data Envelopment Analysis (DEA) sowie der im vorangegangenen

Abschnitt hergestellten Transparenz über die Prozessstruktur soll in diesem Kapitel die

Prozessleistung evaluiert werden. Nach einer Erörterung der theoretischen Grundlagen

wird die grundsätzliche Funktionsweise der DEA vorgestellt. Unter Berücksichtigung

der spezifischen Anforderungen zur Evaluation der Leistung einer DMU auf

Prozessebene wird eine DEA-gestützte Systematik zum Prozessbenchmarking der

Leistung dargelegt. Die beispielhafte Anwendung erfolgt im Rahmen einer

empirischen Untersuchung im Bereich des Beschaffungswesens in Krankenhäusern.

6.1 Verwendung der Data Envelopment Analysis als Methode zur

Effizienzevaluation auf Prozessebene

Um die Leistung einer Betrachtungseinheit, in diesem Fall eines Prozesses, adäquat

beurteilen zu können, ist die Identifikation geeigneter Benchmarks unumgänglich

(Camp, 1989; Horváth, 2011). Die Data Envelopment Analysis liefert neben dem

Ranking der betrachteten DMUs über einen individuellen Effizienzwert zum einen

Informationen über Slacks, die den Umfang spezifizieren, um welchen der Input bzw.

Output einer DMU verändert werden muss, um stark effizient zu werden.122 Zum

anderen ermöglicht die DEA die Identifikation einer Gruppe von Top-Performern, die

in ihren Charakteristika den individuellen, jedoch ineffizienten DMUs, basierend auf

den Gewichtungsfaktoren der Inputs und Outputs, entsprechen (Donthu et al., 2005;

Charnes et al., 1978). Dabei ist hervorzuheben, dass die Ergebnisse der DEA für die

ineffizienten Einheiten Auskunft darüber geben, um welchen Prozentsatz sie ihre

Inputs reduzieren müssen, um ein definiertes Outputlevel zu erreichen, bzw. um

welchen Prozentsatz die Outputs bei gegebenem Input gesteigert werden müssen

(Rickards, 2003; Coelli, 2005). Dabei kann die DEA die leistungsbezogenen

Informationen in für das Management relevante Informationen transformieren und

stellt so einen hohen Anwendungsbezug sicher (Chiang & Lin, 2009).

122 Siehe Kap. 3.1 dieser Arbeit. Dabei wird jede DMU als individuelles Optimierungsproblem identifiziert und

es werden Informationen zur relativen Effizienz der DMU und keine Durchschnittseffizienz berechnet.


Insbesondere im Krankenhaus kommt einer effizienten Verteilung der Ressourcen

besondere Wichtigkeit zu. Nicht in Anspruch genommene bzw. effizienter eingesetzte

Ressourcen im Unterstützungsbereich können den wertschöpfenden Aktivitäten zur

Verfügung gestellt werden und somit zur Erhaltung der Wettbewerbsfähigkeit des

Krankenhauses beitragen. Entsprechend müssen Entscheidungsträger gerade im

Bereich der Unterstützungsprozesse mit Informationen ausgestattet werden, damit sie

z. B. fundierte Make-or-buy-Entscheidungen treffen und diejenigen Prozesse etc.

identifizieren können, die das größte Verbesserungspotenzial besitzen bzw. bei denen

die Notwendigkeit der Restrukturierung gegeben ist (Camp, 1989; Ahlrichs &

Knuppertz, 2010). DONTHU ET AL. (2005) definieren die Anforderungen an eine

zielgerichtete Methode zum Benchmarking sehr klar, indem sie formulieren, dass die

Methode in der Lage sein muss, Peergroups hinsichtlich der Top-Performer zu

identifizieren. Diese Peergroups werden als Vergleichsgruppen genutzt und sollen

Entscheidungsträger darin unterstützen, angemessene Ziele in spezifischen

Anwendungsbereichen zu setzen. Die DEA ermöglicht, multiple

produktivitätsrelevante Inputs und Outputs zu berücksichtigen und zu analysieren

(Cook et al., 2004; Epstein & Henderson, 1989; Farrel, 1957; Horngren, 1978). Darauf

aufbauend kann mit der Methode entsprechend quantitatives Feedback generiert und

mögliche Verbesserungspotenziale aufgezeigt werden. Dabei wird eine einzige

Kenngröße zur Diagnose ausgegeben, die für jedes Unternehmen individuell errechnet

wird und entsprechend mit den Wettbewerbern verglichen werden kann.

Benchmarking-Ergebnisse sind insbesondere dann hilfreich, wenn das Benchmarking

einem systematischen Prozess folgt und konkrete numerische Werte inkl.

entsprechender Vergleichswerte als Ergebnis geliefert werden (Mostafa, 2007). Die

Vorgehensweise und die Ergebnisse der DEA erweitern die Aussage des

standardmäßigen Benchmarkings um die Ableitung konkreter numerischer

Zielsetzungen für die definierten Beurteilungskriterien (Scheel, 2000). Angewandt im

operativen Management ist Benchmarking ein geeignetes Werkzeug zur Analyse der

Wertschöpfungskette sowie zur Identifikation von Optimierungspotenzialen, wobei der

strategische Aspekt bis hin zur Reorganisation kompletter Geschäftsbereiche gehen

kann (Watson, 2008). Die in Kapitel 5 beschriebene Vorgehensweise ermöglicht die

Herstellung von Transparenz im Bereich der Prozessstruktur und legt somit den

Grundstein für die Analyse der Prozessleistung. Jedoch muss erwähnt werden, dass

gerade auf den unteren Stufen der Prozesshierarchie deutliche Abweichungen von den

im Referenzmodell beschriebenen Aktivitäten möglich sind. Da keine Möglichkeit zur


Berücksichtigung von Ausreißern bzw. Messfehlern vorhanden ist, muss dies bei der

Durchführung der DEA zur Analyse der Prozesseffizienz beachtet werden.123 Die

Analyse der relativen Effizienz jeder DMU (im vorliegenden Fall jedes Prozesses) gibt

Informationen über den spezifischen Einfluss eines jeden in die Betrachtung

integrierten Inputs bzw. Outputs auf die übergeordnete Effizienz. Der damit

verbundene Vorteil im Vergleich zu Standard-Benchmarking-Anwendungen ist, dass

nicht nur eine Messgröße zu einem spezifischen Zeitpunkt evaluiert werden kann,

sondern darüber hinaus Einblicke in die Gesamteffizienz möglich sind (Easton et al.,

2002). Gerade in einem komplexen Umfeld wie dem Gesundheitswesen ist die

Möglichkeit der Berücksichtigung unterschiedlich dimensionierter Kenngrößen

erfolgskritisch. Die methodeninhärenten Vor- und Nachteile der Data Envelopment

Analysis wurden bereits in Kapitel 3.1 ausführlich dargelegt, sodass sie an dieser

Stelle nicht mehr im Detail ausgeführt werden.

6.2 Bewertung der Leitungsfähigkeit von Prozessen

Da die DEA ausschließlich auf den empirisch beobachteten Werten beruht, die in die

Betrachtung eingebracht werden, ist die Auswahl und Aufbereitung der Input- und

Output-Faktoren von zentraler Bedeutung und qualitätsbestimmend für die

Analyseergebnisse (Epstein & Henderson, 1989; Golany & Roll, 1989; Sarkis, 2007;

Sherman & Zhu, 2006). Dabei ist es nicht notwendig, dass Kenntnisse des

funktionalen Zusammenhangs zwischen Inputs und Outputs a priori vorliegen, jedoch

spielt die zielgerichtete Konzeption des DEA-Analysemodells eine hervorgehobene

Rolle. Zudem ist die Klassifikation der Faktoren eine zentrale Herausforderung.

Insbesondere die Differenzierung zwischen Faktoren, die die Effizienz der

Leistungserstellung als „Black Box“ determinieren, und Faktoren, die lediglich

moderierenden Charakter haben, stellt entsprechende Anforderungen an die

Modellkonstruktion (Sarkis, 2007). Eine praxisorientierte Effizienzbewertung wird

dadurch sichergestellt, dass die DEA außer der Quantifizierbarkeit der Faktoren keine

Beschränkungen hinsichtlich der Berücksichtigung unterschiedlicher Input- und

Output-Faktoren aufweist. Dieser Vorteil rührt her aus dem Umstand, dass die

Verwendung eines äquiproportionalen Effizienzmaßes die Effizienzwerte nicht im

Sinne absoluter Maßeinheiten, sondern in Form eines prozentualen Anteils der

123 Für eine Diskussion des Nutzens bzw. des Dilemmas der Referenzmodellierung siehe Kap 5.4 dieser Arbeit.


maximal möglichen Leistung ausweist (Hammerschmidt, 2006).124 Für die Analyse

der Leistungsfähigkeit von Prozessen haben sich die Dimensionen Kosten, Zeit und

Qualität etabliert.125 Der zu analysierende Prozess speist sich aus spezifischen

Ressourcen zur Generierung eines definierten Outputs. Dabei werden die Ressourcen

als Prozessinputs, häufig im Sinne von Kosten- und Zeitvariablen, in das Modell

aufgenommen. Gerade im Bereich der Unterstützungsprozesse ist die Zurechenbarkeit

der entstandenen Kosten zur direkten Leistungserstellung nicht unmittelbar und

verursachungsgerecht gegeben (Flinspach, 2011). Die Kosten werden dabei in die

Kategorien Sachkosten, Personalkosten und Fremdleistungskosten zerlegt und dem

Analysebereich zugeordnet (Möller et al., 2007). Diese Kostenaufstellung bildet nicht

nur einen Bestandteil für die deskriptive Beschreibung und Analyse des Prozesses,

sondern ist eine wesentliche Basis für die nachfolgende Effizienzbetrachtung. Der

nicht-wertschöpfende Bereich in Krankenhäusern kann daher ebenso als Input/Output-

System abgebildet werden, wobei die Outputs keine direkte Auswirkung auf die

eigentliche Erbringung der medizinischen Dienstleistung haben, obwohl sie deren

Erstellung ermöglichen. Zudem ist gerade im Krankenhausbereich zu berücksichtigen,

dass die medizinischen Leistungserbringer ihren Einfluss auf Entscheidungen im

Bereich der Unterstützungsprozesse geltend machen. Ebenso von hoher Relevanz sind

Angaben über die Verwendung zeitlicher Ressourcen für die Erstellung des Prozess-

Outputs, bspw. können an dieser Stelle Bearbeitungszeiten für die Erstellung eines

definierten Outputs genannt werden. Die Outputs von Supportprozessen in

Krankenhäusern sind die Ergebnisse der im Prozess erbrachten Leistung und besitzen

im Regelfall keinen direkten Bezug zu am Markt gehandelten Produkten oder

Dienstleistungen. Somit entfällt die Preisbildung durch Angebot und Nachfrage und

damit eine Monetarisierung des Outputs. Gerade im Krankenhaus ist die

Berücksichtigung von Qualitätsaspekten ein wichtiges Performancekriterium. Zudem

spielen auf Prozessebene Aspekte der individuellen Zufriedenheit eine wichtige Rolle.

Die Prozess-Outputs können in unterschiedlichen Einheiten auftreten. Die Basis zur

Ableitung der entsprechenden Leistungsgrößen bildet die erstellte

Prozessstrukturierung in Form der Referenzmodelle (Kersting, 2008).

Grundsätzlich erfordern Analysen mit der DEA einige Prämissen, die entsprechend

beachtet werden müssen (Dyckhoff, 2006):

124 Detaillierte Informationen zu den unterschiedlichen Effizienzmaßen siehe z. B. Scheel (2000). 125 Siehe Kap. 3.2 dieser Arbeit.


1. Die Input- und Output-Mengen sind nicht negativ.

2. Alle betrachteten DMUs werden durch dieselben Input- und Output-Arten

beschrieben, sodass die unmittelbare Vergleichbarkeit untereinander

hinsichtlich einer Input- oder Output-Art gewährleistet ist.

3. Allen DMUs liegt dieselbe unbekannte Technologie zugrunde, wobei die real

beobachteten Aktivitäten Realisationen dieser Technologie sind.

4. Alle Konvexkombinationen (bei variablen Skalenerträgen) bzw. alle nicht

negativen Linearkombinationen (bei konstanten Skalenerträgen) der

beobachteten DMUs sind technisch realisierbar und damit Elemente der

Technologie.

5. Hinsichtlich der Effizienz einer DMU ist es umso vorteilhafter, je größer ceteris

paribus die Output-Menge bzw. je geringer die Input-Mengen sind.

Bei der Analyse mit der DEA wird neben der Unterscheidung hinsichtlich der

Skalenerträge126 grundsätzlich in inputorientierte, outputorientierte und unnorientierte

Modelle unterschieden. Dabei verfolgen inputorientierte Modelle die Zielsetzung, den

Input für die Erstellung eines gegebenen Outputs zu minimieren, während die

outputorientierten Modelle unter Berücksichtigung eines gegebenen Inputs das Ziel

verfolgen, den Output auf eine effizientes Level zu erhöhen. Entsprechend kommen

inputorientierte Modelle dann zum Einsatz, wenn der Output des Prozesses nicht

maßgeblich beeinflusst werden kann, jedoch Anknüpfungspunkte zur Reduktion des

Ressourceneinsatzes vorliegen. Eine Outputorientierung des Analysemodells wird

dann gewählt, wenn mit den gegebenen Ressourcen der Output des Prozesses

vergrößert werden soll. Unorientierte Modelle fokussieren hingegen auf die

gleichzeitige Optimierung der Input-Verschwendung und des Output-Defizits und

kommen dann zur Anwendung, wenn hinsichtlich der Orientierung keine Aussage

getroffen werden kann (Coelli, 2005; Cooper et al., 2000). In DEA-Anwendungen

wird häufig eine inputorientierte Ausrichtung gewählt, weil Unternehmen ihre Inputs

besser steuern können und der Handlungsbedarf besser quantifiziert werden kann

(Scheel, 2000). Grundsätzlich sind Unterstützungsprozesse durch ihren nicht direkt

wertschöpfenden Charakter dem Rationalisierungsdruck in besonderem Maße

ausgesetzt. Zudem sind die zu erbringenden Leistungen (Outputs) definiert, was im

Rahmen der kontinuierlichen Prozessverbesserung bzw. Prozessrestrukturierung die

Verwendung einer inputorientierten Modellausrichtung zielführend erscheinen lässt.

126 Siehe Kap. 3.1.2 dieser Arbeit.


6.3 Herleitung des DEA-Grundmodells

Bei der Data Envelopment Analysis handelt es sich grundsätzlich um ein

entscheidungsunterstützendes Verfahren im Sinne einer Ex-post-Analyse (Allen,

2002). Die grundlegende Entwicklung der DEA sowie der damit verbundenen

spezifischen Begrifflichkeiten geht auf den von CHARNES, COOPER und RHODES

(1978) veröffentlichten Artikel „Measuring the Efficiency of Decision Making Units“

zurück. Grundgedanke der DEA ist die Messung der relativen Effizienz der DMU auf

der Basis der Betrachtung des Verhältnisses von gewichtetem Output zu gewichtetem

Input. Die Ermittlung der Gewichtungen erfolgt mithilfe empirisch betrachteter

Einheiten und ohne vorherige Annahmen hinsichtlich der zugrunde liegenden

Produktionsfunktion.127 Die effizienten Einheiten bilden den Rand der

Technologiemenge und zeigen das reale Potenzial für mögliche Verbesserungen auf.

Im Folgenden wird die grundsätzliche Funktionsweise der DEA ausgehend von einem

inputorientierten Modell unter Annahme konstanter Skalenerträge, benannt nach

CHARNES, COOPER, RHODES (CCR-Modell), erläutert (Charnes et al., 1978; Cooper

et al., 2011b; Cantner et al., 2007; Hammerschmidt, 2006; Coelli, 2005). Betrachtet

wird eine Menge n von Unternehmen, die m verschiedene Inputs zur Generierung von

s verschiedenen Outputs einsetzen. Dabei wird mit xi0 die Menge des Inputs i

(i = 1,…m), eingesetzt durch Unternehmen DMU0 beschrieben. Entsprechend

beschreibt yr0 die Menge des Outputs r (r = 1,…s), der von DMU0 produziert wird. Die

Mengen der Inputs und Outputs sind beobachtbar und damit gegeben. Die Input- und

Output-Faktoren können in verschiedenen Ausprägungen und Einheiten vorliegen,

jedoch wird davon ausgegangen, dass sie kardinal skaliert sind. Zur Errechnung der

Produktivität wird im Zähler die Summe der Output-Menge der Summe der Input-

Menge im Nenner gegenübergestellt und jeweils mit entsprechenden Gewichtungen

versehen. Dabei werden die Outputs mit ur und die Inputs mit vi gewichtet, wobei

diese bei Anwendung nicht-parametrischer Methoden nicht explizit a priori

vorgegeben werden müssen, sondern in den Berechnungen ermittelt werden. Somit

wird das zentrale Problem der Bestimmung der Gewichtungsfaktoren, insbesondere

bei Existenz mehrerer Input- und Output-Faktoren, gelöst. Für die Betrachtung wird

angenommen, dass keine negativen Inputs bzw. Outputs vorliegen und jede DMU über

mindestens einen positiven Input- und Output-Wert verfügt. Im Rahmen der DEA

127 Siehe. Kapitel 3.1 und 4.2. Dort finden sich detaillierte Informationen zur DEA als Methode inkl. der

Betrachtung von Vor- und Nachteilen und Anwendungsgebieten.


erfolgt die Bestimmung der Gewichtungen mithilfe des Vergleichs empirischer

Beobachtungen mit dem Ziel der Produktivitätsmaximierung. Damit wird die

Produktivität der betrachteten DMU0 möglichst hoch bewertet, wobei die

Maximierungsaufgabe über die Gestaltung der Gewichtungsfaktoren ur0 und vi0 gelöst

wird. Dabei muss die Nebenbedingung, dass der errechnete Produktivitätsindex nur

Werte zwischen 0 und 1 annehmen darf, berücksichtigt werden. Die DMUs mit der

höchsten Produktivität erhalten den Wert 1, DMUs mit geringerer Leistungsstärke

einen entsprechend geringeren Wert. Die effizienten Einheiten werden als Best

Practices klassifiziert. Der Effizienzwert h0 errechnet sich aus dem Quotienten der

Produktivität der betrachteten DMU0 und der maximalen Produktivität aller anderen

Betrachtungen j. Das Maximierungsproblem für eine DMU0 lautet daher (1):

max𝑢𝑟,𝑣𝑖

ℎ0 =∑ 𝑢𝑟𝑦𝑟0

𝑠𝑟=1

∑ 𝑣𝑖𝑚𝑖=1 𝑥𝑖0

u. d. N. ℎ𝑗 =∑ 𝑢𝑟𝑦𝑟𝑗

𝑠𝑟=1

∑ 𝑞𝑖𝑥𝑖𝑗𝑚𝑖=1

≤ 1 für alle 𝑗 ∈ {1, … , 𝑛}

𝑢𝑟 ≥ 0 für alle 𝑟 ∈ {1, … , 𝑠}

𝑣𝑖 ≥ 0 für alle 𝑖 ∈ {1, … , 𝑚}

DMUs mit einem Effizienzwert von 1 werden als relativ effizient bezeichnet, was

bedeutet, dass keine andere Vergleichseinheit existiert, die mit den gleichen

errechneten Skalenfaktoren einen höheren Produktivitätswert erreicht (Allen, 2002).

Im Umkehrschluss bedeutet das, dass eine DMU dann als ineffizient klassifiziert wird,

wenn keine Konfiguration der Gewichtungsfaktoren existiert, die nicht von einer

anderen DMU bzw. einer Kombination von DMUs dominiert wird. Der DMU wird

dann entsprechend ein Effizienzwert kleiner 1 zugewiesen. Das beschriebene

fraktionale Optimierungsproblem wird für jede betrachtete DMU durchlaufen. Somit

determiniert die Anzahl der DMUs die Anzahl der zu lösenden

Optimierungsprobleme.

Das in Gleichung (1) aufgestellte mathematische Problem lässt sich nicht ohne

Weiteres lösen, da sowohl Zielfunktion als auch Nebenbedingung ein Quotient zweier

linearer Aggregationen sind. Durch Nutzung der sogenannten Charnes-Cooper-

Transformation kann Gleichung (1) in ein lineares Optimierungsproblem überführt

werden. Dabei wird der Nenner der Nebenbedingung auf den Wert 1 normiert,

wodurch die neue, lineare Form der Zielfunktion einer Maximierung des aggregierten

Outputs entspricht. Voraussetzung für die Normierung ist die Annahme, dass alle

Inputs und die dazugehörigen Gewichtungen größer null sind. Gleichung (2) zeigt die


neue Zielfunktion, wobei μ und ν den Gewichtungen u und v aus (1) entsprechen. Es

ist darauf hinzuweisen, dass aufgrund der Reversibilität der linearen Transformationen

die optimale Lösung des Programms (1) unverändert besteht und daher die Werte der

Gewichtungsfaktoren und der Zielfunktionswerte der optimalen Lösung

übereinstimmen. Das entsprechende inputorientierte lineare, primale CCR-Modell

lautet (2):

max𝜇𝑟0,𝜈𝑖0

ℎ0 = 𝜇𝑟0𝑦𝑟0

u. d. N. ∑ 𝜇𝑟0𝑦𝑟𝑗 − ∑ 𝜈𝑖0𝑥𝑖𝑗 ≤

𝑚

𝑖=1

0, ∀𝑗 = 1, … , 𝑛,

𝑠

𝑟−1

∑ 𝜈𝑖0𝑥𝑖0 = 1

m

𝑖=1

,

𝜇𝑟0 ≥ 0; 𝜈𝑖0 ≥ 0; 𝑟 = 1, … , 𝑠; 𝑖 = 1, … , 𝑚.

Die Formel zeigt, dass der Zielfunktionswert in Form des aggregierten Outputs gegen

den normierten Input maximiert wird. Aus den Nebenbedingungen ist ersichtlich, dass

der aggregierte Output dabei maximal den Wert 1 annehmen kann, wobei die

Nebenbedingung den Wert 0 und die Zielfunktion den Wert 1 annimmt. Die

ermittelten Gewichtungen können als Schattenpreise interpretiert werden. Im

vorliegenden Fall werden für eine definierte Menge an Inputs und Outputs die

optimalen Gewichtungen in Form von Multiplikatoren errechnet. Daher wird das

beschriebene Modell häufig als Multiplier-Form bezeichnet.

Der Dualitätssatz der linearen Programmierung besagt, dass zu jedem

Maximierungsproblem ein duales Minimierungssystem existiert. Entsprechend lässt

sich Modell (2) in das duale CCR-Modell (Envelopment-Form) überführen (3):

min𝜆𝑙

𝜃0

u. d. N. ∑ 𝜆𝑗𝑦𝑟𝑗 ≥ 𝑦𝑟0, ∀𝑟 = 1, … , 𝑠,

𝑛

𝑗=1

−𝜃0𝑥𝑖0 + ∑ 𝜆𝑗𝑥𝑖𝑗 ≤ 0, ∀𝑖 = 1, … , 𝑚,

𝑛

𝑗=1

𝜆𝑗 ≥ 0; 𝑗 = 1, … , 𝑛.

Mithilfe der dualen Schreibweise durch Nutzung des individuellen

Gewichtungsfaktors λj wird eine virtuelle DMU konstruiert, die als Benchmark für die

betrachtete DMU gelten kann. Die virtuelle DMU produziert dabei mindestens den

gleichen Output wie DMU0 und benötigt dafür nur das θ0-Fache der Inputs von DMU0.


Dabei nimmt θ0 einen Wert zwischen 0 und 1 an. Die Gewichtungsfaktoren

identifizieren die nächstgelegen effizienten DMUs, die die ineffiziente DMU umhüllen

und implizit das relevante Stück des Randes der Technologie beschreiben. Mit θ0 wird

das Reduktionspotenzial (Abstand zum effizienten Rand der Technologie) zur

Produktion der definierten Output-Menge beschrieben, wobei ein Wert von 0,7

bedeutet, dass zur Produktion des gewünschten Outputs lediglich 70 % der Inputs der

DMU0 benötigt werden. Das Reduktionspotenzial, beschrieben als Grad der

Ineffizienz, umfasst in diesem Fall (1 – θ0) = 30 %. Das vorgestellte radiale

Effizienzmaß hingegen beschreibt den Anteil, um den alle Inputs gesenkt werden

müssten, um effizient zu sein.

Die bisherige Betrachtung fokussiert ausschließlich auf radiale

Verbesserungspotenziale, zusätzliche Leistungslücken in Form nicht radialer

Verbesserungspotenziale werden nicht identifiziert. Wie an den Nebenbedingungen

ersichtlich ist, werden Fälle zugelassen, die das Erreichen einer optimalen Lösung

suggerieren, obwohl nur ein Teil der Nebenbedingungen die „Gleichheit“ erfüllt.

Entsprechend sind bei den Input- bzw. Output-Ausprägungen zusätzliche

überproportionale Verbesserungen zur Erreichung des Referenzpunkts notwendig.

Diese sogenannte weiche Effizienz wird um sogenannte Schlupfvariablen (Input-

Slacks und Output-Slacks) erweitert. Die identifizierte sog. starke Effizienz schließt

Potenziale zur Reduktion von Inputs bzw. Erhöhung von Outputs aus bei gleichem

Output-/Input-Niveau aus. Das Slack-erweiterte duale CCR-Modell wird

beschrieben (4):

𝑚𝑖𝑛𝜆𝑗,𝑠𝑟

+,𝑠𝑖−

𝜃0 − 𝜅 (∑ 𝑠𝑟+ + ∑ 𝑠𝑖

−

𝑚

𝑖=1

𝑠

𝑟=1

)

u. d. N. ∑ 𝜆𝑗𝑦𝑟𝑗 − 𝑠𝑟+ = 𝑦𝑟0, ∀𝑟 = 1, … , 𝑠,

𝑛

𝑗=1

−𝜃0𝑥𝑖0 + ∑ 𝜆𝑗𝑥𝑖𝑗 + 𝑠𝑖− = 0, ∀𝑖 = 1, … , 𝑚,

𝑛

𝑗=1

𝜆𝑗 ≥ 0; 𝑠𝑟+ ≥ 0; 𝑠𝑟

− ≥ 0; 𝑗 = 1, … , 𝑛.

Dabei ist κ eine Zahl kleiner als jede reelle Zahl und schließt aus, dass Teile der

Randfunktion eine Steigung von 0 oder unendlich besitzen. Gleichung (4) zeigt das

vollständige DEA-Basismodell, wobei bei einer effizienten CCR-Einheit keine Slacks

mehr vorliegen. Eine DMU ist dann stark effizient, wenn θ0* = 1 und sr+* = si

-* = 0 für

alle i und r. Eine DMU ist schwach effizient, wenn θ0*=1, jedoch sr+* oder si

-* ungleich


0 sind für i und r. Stark effiziente Einheiten entsprechen der Definition nach

Pareto/Koopmans.

Formale Darstellung des BCC-Modells

Die bisherigen Ausführungen zur DEA gehen von der Annahme aus, dass die

Technologiemenge konstanten Skalenerträgen unterliegt. Wie in Kapitel 3.1

beschrieben kann Effizienz in technische Effizienz und Skaleneffizienz unterschieden

werden, wobei eine Abweichung von der maximalen Produktivität sowohl auf eine

technische Ineffizienz als auch auf ein nicht optimales Produktionsvolumen

zurückzuführen sein kann. In dem von BANKER, CHARNES und COOPER (1984)

entwickelten (BCC-)Modell werden Skalenerträge explizit berücksichtigt. Im Fall des

dualen Modells besteht der Unterschied zum inputorientieren CCR-Modell lediglich

im Hinzufügen der Bedingung ∑ 𝜆𝑗 = 1𝑛𝑗=1 zusätzlich zur bestehenden Bedingung der

Nichtnegativität. Die Konvexitätseinschränkung führt dazu, dass DMUs nur mit

Vergleichseinheiten der gleichen Größe verglichen werden (Coelli, 2005). Die somit

formulierte Annahme des Wertes 1 für die Summe der Gewichtungsfaktoren λi

impliziert eine abschnittsweise lineare Funktion der Randfunktion (Banker et al.,

2011).

Das duale BCC-Modell wird beschrieben als (5):

𝑚𝑖𝑛𝜆𝑗,𝑠𝑟

+,𝑠𝑖−

𝜃0 − 𝜅 (∑ 𝑠𝑟+ + ∑ 𝑠𝑖

−

𝑚

𝑖=1

𝑠

𝑟=1

)

u. d. N. ∑ 𝜆𝑗𝑦𝑟𝑗 − 𝑠𝑟+ = 𝑦𝑟0, ∀𝑟 = 1, … , 𝑠,

𝑛

𝑗=1

−𝜃0𝑥𝑖0 + ∑ 𝜆𝑗𝑥𝑖𝑗 + 𝑠𝑖− = 0, ∀𝑖 = 1, … , 𝑚,

𝑛

𝑗=1

∑ 𝜆𝑗 = 1,

𝑛

𝑗=1

𝜆𝑗 ≥ 0; 𝑠𝑟+ ≥ 0; 𝑠𝑟

− ≥ 0; 𝑗 = 1, … , 𝑛.

6.4 Überblick über etablierte Vorgehen zur Leistungsmessung

mithilfe der DEA

Nachdem ein Vorgehensmodell zur prozessualen Strukturierung des

Untersuchungsbereichs konzipiert und validiert wurde sowie eine grundsätzliche

Beschreibung zur Vorgehensweise der DEA erfolgte, wird im Folgenden ein


punktueller Überblick über bestehende Vorgehen zur Nutzung der DEA auf operativer,

prozessualer Ebene bereitgestellt. Dabei existiert eine ganze Reihe von Ansätzen, die

sich nur marginal unterscheiden. Grundsätzlich kann bei den Ansätzen, welche die

DEA verwenden, eine sehr ähnliche Vorgehensweise beobachtet werden.

GOLANY und ROLL (1989) stellen in ihrem Beitrag eine sehr grundsätzliche

Vorgehensweise vor, die bis heute als wegweisende methodische Basis für die

Entwicklung gesehen werden kann. Sie definieren vier grundsätzliche Phasen, wobei

ausgehend von der Definition der Betrachtungsobjekte die Ziele definiert werden und

eine Auswahl der DMUs erfolgt. Die dritte Phase beschreibt die Bestimmung der

Input- und Output-Faktoren, bevor abschließend die Finalisierung und Umsetzung des

Modells und die Analyse der Ergebnisse erfolgt.

Ebenfalls grundsätzlicher Natur ist das von CANTNER ET AL. (2007) präsentierte

Vorgehen, in dem ausgehend von der Definition des Analyserahmens, insbesondere

der Bestimmung der Technologiemenge durch die Produktionsmöglichkeiten, die

Modellorientierung bestimmt wird, bevor das Effizienzmaß festgelegt und

schlussendlich bestimmt wird.

TRIANTIS (2011) stellt ein 7-stufiges Vorgehen mit deutlichem Bezug zum

Benchmarking vor. Er betont die Wichtigkeit der Bestimmung eines sog. Measurement

Teams und die Ableitung einer klaren Zieldefinition. Zudem werden theoriegeleitete

Hypothesen kreiert, bevor die Definition der Variablen erfolgt und die Analysemodelle

konzipiert werden. Der vierte Schritt umfasst die Formulierung des DEA-

Analysemodells, bevor die Ergebnisse analysiert und validiert werden. Abschließend

betont Triantis die Wichtigkeit der Ableitung operativer Handlungen sowie die

Planung der Implementierung und Umsetzung der Handlungen.

Das Vorgehen von REINER und HOFMANN (2006) soll an dieser Stelle stellvertretend

genannt werden, da es eine weitere Methode in das DEA-spezifische Vorgehen

einbindet. Das sechsstufige, auf die Betrachtung von Supply Chains fokussierte

Modell startet mit der Identifikation relevanter Messgrößen, bevor eine Dependency

Analyse mithilfe des TETRA-Verfahren durchgeführt wird. Anschließend werden die

Inputs und Outputs klassifiziert und die DEA-Analyse durchgeführt. Das Vorgehen

schließt nach der Ergebnisanalyse mit der Ableitung von managementorientierten

Implikationen und der Identifikation von Best Practices.

Darüber hinaus existieren einige Dissertationen in dem untersuchten Bereich, die

prozessorientierte Vorgehensbeschreibungen vorstellen. BURGER (2009) zeigt ein

8 Schritte umfassendes Modell mit Fokussierung auf die intrinsische Effizienz von


Bankprozessen, wobei er unterschiedliche Performance-Modelle für die Betrachtung

definiert und auf die Wichtigkeit der Ableitung von Ansatzpunkten zur Umsetzung der

Verbesserungen hinweist. FLINSPACH (2011) präsentiert ein mehrstufiges, auf

Unterstützungsprozesse fokussiertes Vorgehen, das eine dynamische

Leistungsbetrachtung ermöglicht, und entwickelt einen Process Performance Report

als aggregiertes Informationssystem für Entscheidungsträger. KÜHNER (2005)

entwickelt ein Verfahren zur Messung der Leistungsfähigkeit von Logistikprozessen.

Es werden 5 übergeordnete Phasen definiert, wobei die Referenzprozesse des SCOR-

Modells als Grundlage für die Leistungsmessung und Datenerfassung dienen. Zudem

wird die Bedeutung der Definition geeigneter Leistungsmessgrößen hervorgehoben.

Insgesamt wird deutlich, dass die unterschiedlichen Vorgehen nur begrenzten Bezug

zum etablierten Benchmarking-Vorgehen aufweisen. Insbesondere der Identifikation

der Leistungsfaktoren und der systematischen Ableitung von Handlungsempfehlungen

wird nur in Einzelfällen umfangreiche Beachtung geschenkt. Gerade mit Blick auf die

Bereitstellung entscheidungsrelevanter Informationen ist ein integrativer und

praxisorientierter Ansatz wünschenswert. Jedoch finden diese Anforderungen nur

punktuell Berücksichtigung. Für den Bereich der Unterstützungsprozesse in

Krankenhäusern existieren keine systematischen Vorgehensbeschreibungen.

6.5 Beschreibung einer DEA-gestützten Systematik zur

Durchführung einer Prozessleistungsanalyse

Die entwickelte Vorgehensweise zur Schaffung von Transparenz und Homogenität

zwischen den Analysebereichen des Krankenhauses bildet die strukturelle Grundlage

für einen aussagekräftigen Leistungsvergleich. Entsprechend erfolgt aufbauend auf der

in Kapitel 5 beschriebenen Prozessstrukturierung hier die Präsentation einer DEA-

gestützten Systematik zur Messung und zum Vergleich der Prozessleistungsdaten. Die

vorgenommene Prozessstrukturierung geht über die Erstellung eines

branchenspezifischen Referenzmodells hinaus und umfasst zusätzlich Informationen

zu den prozessindividuellen Rahmenbedingungen. Es ist darauf hinzuweisen, dass die

entwickelte Methode einen vorgehensorientierten Fokus besitzt und der Aspekt der

Datenerhebung nicht Teil des entwickelten Lösungsvorschlags ist.

6.5.1 Identifikation und Auswahl der Vergleichsobjekte

Die Auswahl der Vergleichspartner ist die zentrale Komponente im

Benchmarkingprozess zur Identifikation von Verbesserungspotenzialen und Best


Practices (Camp, 1995; Spendolini, 1992). Im vorliegenden Fall erfolgt die

Leistungsmessung mithilfe der Data Envelopment Analysis, die zum einen den

methodischen Anspruch hat, dass die in die Betrachtung involvierten Einheiten über

einen bestimmten Grad an Homogenität verfügen, d. h. unter der gleichen unbekannten

Technologie arbeiten (Dyson et al., 2001; Scheel, 2000). Zum anderen wird ein

gewisses Maß an Heterogenität hinsichtlich der Ausführung der Aktivitäten der

Prozesse gefordert. In der Literatur existieren unterschiedliche Ansätze zur Auswahl

der Vergleichsobjekte. LEGNER (1999) zeigt in ihrem auf das Benchmarking von

Prozessen ausgerichteten Vorgehensmodell einen zweistufigen Auswahlprozess,

bestehend aus einer Generierungsphase, wobei das Vergleichsobjekt und der

Vergleichszweck die Leistungsanforderungen des Prozesses determinieren, und einer

Selektionsphase zur Auswahl des finalen Benchmarkingsamples GOLANY und ROLL

(1989) formulieren Kriterien zur Identifikation einer homogenen Gruppe:

1) Die betrachteten DMUs führen die gleichen Aufgaben mit der gleichen

Zielsetzung aus.

2) Alle DMUs agieren unter grundsätzlich gleichen Rahmenbedingungen, z. B.

Marktbedingungen.

3) Die ausgewählten Inputs und Outputs charakterisieren die Leistung der DMUs

der Vergleichsgruppe und sind identisch, außer in Intensität und Ausmaß.

Insbesondere bei einer Analyse auf Prozessebene bilden die genannten Anforderungen

eine zentrale Herausforderung, da auf Detailebene Homogenität und damit

einhergehende Vergleichbarkeit nur schwer sichergestellt werden können. Die

Auswahl der Vergleichsobjekte wird in der Benchmarkingliteratur in die

Informationsbeschaffung und die Auswahlentscheidung unterteilt (Kühner, 2005).

Häufig besteht gerade im Bereich der Informationsbeschaffung der Engpass,

insbesondere in der Datenverfügbarkeit auf Prozessebene. Betrachtet man die

Rahmenbedingungen des Krankenhausmarktes hinsichtlich der Durchführung einer

Effizienzanalyse auf Prozessebene, wird deutlich, dass eine pauschale Aussage

hinsichtlich der Homogenität der Vergleichseinheiten nicht ohne Weiteres möglich ist.

Zum einen müssen organisatorische Spezifika und Besonderheiten des

Leistungsangebotes berücksichtigt werden, zum anderen ist es im Fall der

Berücksichtigung monetärer Faktoren bei länderübergreifenden Betrachtungen

notwendig, entsprechende Korrekturen, z. B. hinsichtlich der Kaufkraftparitäten,

vorzunehmen. Insbesondere im Krankenhausbereich spielen zudem gesetzliche


Vorgaben und Reglementierungen sowie Finanzierungsfragen der Leistungen eine

zentrale Rolle.128

Unterschiedliche Geschäftsmodelle haben im Bereich der Unterstützungsprozesse

einen vergleichsweise geringen Einfluss (Flinspach, 2011). Hingegen hat die Größe

der Vergleichsgruppe eine deutlich höhere Relevanz für die Qualität der

Analyseergebnisse. SARKIS (2007) betont, dass hinsichtlich der Samplegröße zwei

konfligierende Erwägungen existieren. Zum einen erhöht sich mit steigender Anzahl

an betrachteten DMUs die Wahrscheinlichkeit, dass eine DMU mit außergewöhnlicher

Leistungsfähigkeit erfasst wird und den effizienten Rand entsprechend beeinflusst.

Zum anderen reduziert sich mit steigender Anzahl von Betrachtungen die Homogenität

der Datenbasis mit der Folge, dass die Ergebnisse durch nicht im Fokus der

Betrachtung stehende exogene Einflüsse, die ggf. nicht im Einflussbereich der

Entscheidungsträger liegen, beeinflusst werden (Golany & Roll, 1989). Zudem

ermöglicht eine größere Anzahl an DMUs die Berücksichtigung von mehr Input- und

Output-Faktoren.129 Der Einsatz von Clusteranalysen bildet eine weitere Möglichkeit

zur Herstellung struktureller Homogenität, ist jedoch lediglich bei einem hinreichend

großen Sample praktikabel, um aussagekräftige Cluster zu generieren (Sarkis, 2007).

Eine grundlegende Entscheidung im Vorgehen zur Effizienzbetrachtung ist die

Ausrichtung des DEA-Modells. Diese ist abhängig von den spezifischen

Rahmenbedingungen der Betrachtung. Zeichnen sich die Inputs durch große

Flexibilität aus und können entsprechend einer Veränderung unterzogen werden, liegt

eine Output-Orientierung nahe. Sind die Outputs hingegen stark durch übergeordnete

Zielsetzungen vorgegeben und als spezifische Ergebnisse des Prozesses definiert, ist

die Auswahl eines inputorientierten Modells geeignet. Im vorliegenden Fall wird

aufgrund der Charakteristika der Unterstützungsprozesse ein inputorientiertes Modell

gewählt. Zielsetzung ist es, die Stellschrauben und Potenziale zu identifizieren, um den

Ressourcenverbrauch der nicht-wertschöpfenden Bereiche bei einem gegebenen

quantitativen und qualitativen Output-Niveau zu reduzieren.

128 Siehe Kap 4.1 dieser Arbeit. 129 Als „Faustregel“ wird die Anzahl der DMUs = 2× Anzahl Input × Anzahl Output angegeben (Dyson et al.,

2001, S. 248).


6.5.2 Definition der Betrachtungsebene und Festlegung des Analyserahmens

Das erstellte branchenspezifische Referenzmodell, umgesetzt durch die

Prozesslandkarte und die entsprechenden Verfeinerungsmodelle, bildet die Basis für

die Auswahl der Analyseebene. Die hergestellte Transparenz hinsichtlich der

Leistungserbringung und der daran beteiligten Stakeholder sowie IKT-Systeme

ermöglicht die Analyse auf unterschiedlichen Aggregationsebenen. Dabei bietet die

generierte branchenspezifische Prozessstruktur die Möglichkeit der Untersuchung von

der übergeordneten Geschäfts- bzw. Hauptprozessebene bis hin zur Analyse auf

Aktivitätenebene. Die Auswahl der Analyseebene determiniert die Identifikation der

Input- und Output-Faktoren sowohl hinsichtlich der Ausprägung als auch der Struktur.

Dabei ist zu beachten, dass die Erhebung der Leistungsdaten mit steigendem

Detaillierungslevel aufwendiger wird, insbesondere wenn die Prozesse einen geringen

(Teil-)Automatisierungsgrad bzw. einen geringen Standardisierungsgrad aufweisen.

Gleichwohl determinieren die Outputs der entsprechenden Betrachtungsebene die

Identifikation der konkreten Modellvariablen.

Die Definition der Betrachtungsebene setzt voraus, dass der Entscheidungsträger den

Prozess ausgewählt hat, welcher der Betrachtung unterzogen werden soll.

Grundsätzlich erfolgt die Auswahl entweder intuitiv auf der Basis der individuellen

Wahrnehmung und Erfahrungen oder auf der Basis eines konkreten

Informationsbedarfs. Alternativ kann die Festlegung durch ein strukturiertes Vorgehen

erfolgen, bei dem anhand von strategischen Erfolgsfaktoren jene Prozesse ausgewählt

werden, die den größten Beitrag zur Erreichung der Unternehmensziele leisten

(Kühner, 2005).130

6.5.3 Identifikation der Prozessobjekte und Ableitung einer Vollliste

Die Identifikation der zentralen Prozessobjekte und die Ableitung der Vollliste bauen

aufeinander auf. Zur Sicherstellung einer aussagekräftigen Analyse werden die

Objekte identifiziert, die in die Untersuchung auf der gewählten Betrachtungsebene

eingehen bzw. durch die Ausführung des Prozesses erzeugt werden. Dabei sind

insbesondere Engpassressourcen zu berücksichtigen, mit Blick auf eine ggf.

strategische Fokussierung auf Kostensenkungsmaßnahmen, oder Hauptprodukte des

Prozesses, da diese den Prozessoutput direkt determinieren (Kühner, 2005). Der

130 Ausführungen zur Ausgestaltung kritischer Erfolgsfaktoren finden sich bspw. bei Rockart (1979).


wichtigste Vorteil der übergeordneten Identifikation der Prozessobjekte besteht darin,

dass vor dem Hintergrund sehr komplexer und schwierig zu strukturierender Prozesse

eine zielhierarchische Struktur zur Ableitung der relevanten Produktionsfaktoren

verfolgt werden kann. Daher werden den Prozessobjekten im nächsten Schritt

entsprechende prozessbasierte Kenngrößen zugeordnet.

Auf dieser Systematik aufbauend wird eine Vollliste konzipiert, die sowohl die

prozessbezogenen Leistungsfaktoren als auch determinierende Umweltfaktoren des

Prozesses umfasst und systematisiert. Diese initiale Liste von Faktoren, die Einfluss

auf die Leistungsfähigkeit der DMU (Prozesse) haben, sollte möglichst umfassend

ausgestaltet sein und alle Faktoren enthalten, die mit der Leistungserstellung der

DMUs in Verbindung stehen (Golany & Roll, 1989). Die Vollliste bildet die

Grundlage für Systematisierung in Input- und Output-Faktoren sowie zur Konstruktion

des DEA-Messmodells. Da keine individuelle Präferenzstruktur vorliegt, wird allen

identifizierten Faktoren die gleiche Bedeutung zugewiesen (Greißinger, 2000).

6.5.4 Qualitative Datenanalyse zur Klassifikation der Prozessmessgrößen als

Inputs und Outputs

Die qualitative Datenanalyse ist der erste Schritt zur Auswahl und Klassifikation der

Messgrößen. Zudem erfolgt eine kritische Begutachtung und entsprechende Reduktion

der erstellten Vollliste. Die Faktoren müssen klar voneinander zu unterscheiden und

entsprechend der Zielsetzung der Analyse ausgewählt sein. Die qualitative

Modellanalyse, auch als Judgemental Screening bezeichnet, umfasst eine kritische

Betrachtung der Faktoren durch Fachexperten und Entscheidungsträger aus dem

Analyseumfeld. Zudem werden dabei die Faktoren ausgeschlossen, die bereits

berücksichtigte Informationen wiederholen bzw. aufgrund fehlender Relevanz

ausgeschlossen werden können.131 Es wird eine klare Unterscheidung getroffen

zwischen den Faktoren, die die Effizienz der Prozessausführung tatsächlich

beeinflussen und jenen, die bei der Erklärung von Effizienzlücken helfen. Die DEA-

Systematik erfordert zum einen die explizite Zuordnung der Prozessmessgrößen in die

Kategorien Input oder Output, zum anderen ist der Aufbau der prozessspezifischen

Produktionsbeziehungen eine zentrale Herausforderung (Golany & Roll, 1989; Sarkis,

2007; Cantner et al., 2007; Triantis, 2011). Jedoch zeichnen sich die DEA-Modelle

131 Golany/Roll (1989) beschreiben ein dreistufiges Verfahren zur Auswahl und Verfeinerung der Faktoren. Ein

alternatives Vorgehen beschreibt die Nutzung der Principal Component Analysis (PCA). Siehe dazu z. B.

Ueda und Hoshiai (1997) sowie Adler und Golany (2001).


insbesondere dadurch aus, dass die Grundlage der Analyse durch die empirisch

beobachteten Werte der Inputs und Outputs gebildet wird, ohne dass a priori ein

funktionaler Zusammenhang zwischen den Inputs und Outputs bekannt ist. Ressourcen

bzw. Einsatzobjekte, die für die operative Durchführung der Prozesse benötigt werden,

sind typischerweise als Inputs zu klassifizieren. Dabei können diese Ressourcen

sowohl monetärerer als auch zeitlicher Ausprägung sein. Hingegen sind messbare

Ergebnisse bzw. Erzeugnisse als Output zu klassifizieren, wobei auch Qualitäts- und

Zufriedenheitsaspekte dazugehören können. Auch ergebnisbezogene Sachziele und

Formalziele sind Merkmale des Ergebnisses des Transformationsprozesses bzw.

beschreiben die monetäre Wirkung der Produktion und sind daher als Output zu

klassifizieren (Golany & Roll, 1989; Kühner, 2005).

6.5.5 Quantitative Analyse und Harmonisierung der Ausgangsdaten zur

Aufstellung des Messmodells

Ziel dieses Schrittes ist die strukturelle Aufstellung des Kennzahlensets als Basis für

die Formulierung der finalen DEA-Messmodelle. Dazu werden die vorliegenden Daten

mithilfe statistischer Verfahren analysiert und hinsichtlich definierter Formalkriterien

überprüft. Einige Produktionsfaktoren eignen sich für eine Zuordnung sowohl in die

Input- als auch in die Output-Kategorie. Derartige unklare Zuordnungen können bspw.

mit der Durchführung einer Serie von Regressionsanalysen behoben werden.132

Korrelationstests eignen sich zur Eliminierung von Redundanzen bei der Einsteuerung

der Faktoren, wobei die Ergebnisse ausschließlich als Indikator für potenziell zu

eliminierende Faktoren zu interpretieren sind (Holland, 1986; Schendera, 2014). Eine

starke Korrelation weist möglicherweise darauf hin, dass die durch den Faktor

ausgedrückte Information bereits durch andere Faktoren bereitgestellt wird. Dies ist

insbesondere im Hinblick auf die mögliche Verzerrung der Ergebnisse der

Effizienzanalyse relevant (Bürkle, 1994).133 Darüber hinaus können weitere

quantitative Analysen mithilfe der DEA-Systematik vorgenommen werden. Zum einen

kann auf der Basis der mit dem CCR-Modell errechneten Gewichtungen identifiziert

werden, welche Faktoren mit dauerhaft niedrigen Gewichtungen nur minimalen

Einfluss auf die Effizienzwerte haben und im Hinblick auf die Notwendigkeit der

132 Für quantitative Untersuchungen der Inputs und Outputs müssen entsprechende Daten der Vergleichsobjekte

vorliegen. 133 Zur Interpretation der Korrelationskoeffizienten (Kor.): < 0,2 sehr geringe Kor., < 0,5 geringe Kor. < 0,7

mittlere Kor., < 0,9 hohe Kor., > 0,9 sehr hohe Kor. (Schendera, 2014, S. 16).


Modellintegration überprüft werden müssen. Zum anderen werden Test-Trials mithilfe

der DEA durchgeführt, wobei jeweils ein Faktor aus der Analyse eliminiert wird, um

das finale Setting der DEA-Modelle zu bestimmen.

Eine grundlegende Schwäche der DEA liegt darin, dass keine adäquate

Berücksichtigung von Messfehlern erfolgt. Daher berücksichtigt die Betrachtung auch

Extremwerte, was Einfluss auf die Konstruktion des effizienten Randes der

Technologie hat. Entsprechend bietet sich eine Analyse der Datenbasis zur

Identifikation von Ausreißern an. Eine deskriptive Betrachtung der Datengrundlage

erfolgt durch eine Betrachtung der minimalen und maximalen Variablenausprägungen,

des arithmetischen Mittels und der Standardabweichungen.134 Die Analyse dient

vorrangig dazu, auffällige DMUs bzw. deren Ausprägungen zu identifizieren und eine

entsprechend detaillierte Betrachtung anzustoßen. Grundsätzlich besteht im Rahmen

der Datenerhebung, insbesondere auf Prozessebene, die Gefahr, dass die Bandbreite

der Messergebnisse erheblich ist und fehlerbehaftet sein kann. Gerade bei

Informationen, die durch subjektive Einschätzungen beeinflusst sind, kann es zu

Verzerrungen bzw. Ausreißern kommen.135 Eine zielorientierte Vorgehensweise zur

Identifikation von Ausreißern besteht darin, die DEA mit dem vollständigen Datensatz

durchzuführen. Anschließend werden die effizienten Einheiten entfernt und die

Analyse erneut gestartet. Dies wird so oft wiederholt, bis sich die Effizienzwerte der

betrachteten Einheiten stabilisieren, was einen entsprechend subjektiven Aspekt der

Analyse mit sich bringt (Hammerschmidt et al., 2012; Wilson, 1995).136

In diesem Schritt soll auch die Erfüllung der methodischen Anforderungen der DEA

sichergestellt werden. Die DEA ist grundsätzlich so konzipiert, dass sie Nullwerte in

den Input- bzw. Output-Größen akzeptiert, solange die Summe der Kenngrößen größer

null ist (Cantner et al., 2007). Im Unterstützungsbereich der Krankenhäuser treten

Nullwerte bei den Outputgrößen vergleichsweise selten auf, da die zu erbringenden

Leistungen klar definiert sind. Eine Lösung des Nullwertproblems ist die Ersetzung

des Nullwerts durch einen hinreichend kleinen positiven Wert, wobei in der Literatur

134 Werte > 2–3× Standardabweichung sind verdächtig, Ausreißer zu sein (Griffiths, 2009, S. 122). 135 Im Rahmen der quantitativen Datenanalyse werden auch Anwendungen des AHP/ANP oder Delphi-

Methoden eingesetzt, bspw. Mahalik et al. (2010). 136 Für weitere Ausführungen zur Identifikation von Ausreißern siehe Kap. 6.5.7 dieser Arbeit, wobei betont

werden muss, dass die Analyse der Ausreißer vor der Durchführung der finalen DEA abgeschlossen sein

muss. Jedoch zeichnet sich die Vorgehensweise der DEA grundsätzlich dadurch aus, dass die einzelnen

Schritte des Vorgehens in Reihenfolge und Häufigkeit variieren können, um iterativ ein bestmögliches

Resultat zu generieren. Damit ist der Einsatz unterschiedlicher Methoden zur Identifikation der Ausreißer

möglich.


oftmals 1/10 des Wertes der kleinsten Faktorausprägung des Samples vorgeschlagen

wird (Tone, 2001, S. 506 f.):

𝑥𝑖0 →1

10min{𝑥𝑖𝑗 | 𝑥𝑖𝑗 > 0, 𝑗 = 1, … , 𝑛} 𝑓ü𝑟 𝑖 = 1, … , 𝑚

𝑦𝑟0

→1

10min {𝑦

𝑟𝑗|𝑦

𝑟𝑗> 0, 𝑗 = 1, … , 𝑛} 𝑓ü𝑟 𝑟 = 1, … , 𝑠

Voraussetzung für dieses Vorgehen ist die Erfüllung der oben genannten Bedingung.

Eine wichtige Anforderung der DEA ist zudem die Isotonizität der Beziehung

zwischen Inputs und Outputs; eine Erhöhung der Inputs muss damit zu einer Erhöhung

der Outputs führen (Golany & Roll, 1989). Sollen nicht erwünschte Outputs in die

Betrachtung einbezogen werden, ist diese Bedingung nicht erfüllt. Ein unerwünschter

Output ist ein Output, bei dem eine Erhöhung nicht wie bisher postuliert positiv zu

bewerten ist, sondern die DMU besser gestellt ist, je weniger von diesem Output

generiert wird (Scheel, 2000). Im Rahmen einer Betrachtung auf Prozessebene kann

dies beispielsweise der Faktor „Anzahl nicht pünktlich gelieferter Waren“ sein. Für

den Umgang mit derartigen Faktoren sind unterschiedliche Lösungen möglich. Sollen

die DEA-Technologiemengen nicht strukturell verändert werden, kann der Faktor zum

einen als Input statt als Output deklariert werden und wird daher entsprechend der

Minimierungsregel für Inputs bzw. der Maximierungsregel für Outputs bei gewählter

Input-Orientierung nicht maximiert. Zum anderen kann der Faktor in Form des

Kehrwertes als Output in die Betrachtung eingehen (inverse Transformation). Dabei

muss beachtet werden, dass die Auswahl eines bestimmten Ansatzes nicht willkürlich

erfolgen darf, da die Effizienzwerte unterschiedlich ausfallen können (Kühner, 2005;

Scheel, 2000):

𝑥𝑖𝑗 →1

𝑥𝑖𝑗

𝑗 = 1, … , 𝑛 𝑓ü𝑟 𝑖 = 1, … , 𝑚 𝑢𝑛𝑑 𝑖 𝑖𝑠𝑡 𝑢𝑛𝑒𝑟𝑤ü𝑛𝑠𝑐ℎ𝑡𝑒𝑟 𝐼𝑛𝑝𝑢𝑡

𝑦𝑟𝑗

→1

𝑦𝑟𝑗

𝑗 = 1, … , 𝑛 𝑓ü𝑟 𝑟 = 1, … , 𝑚 𝑢𝑛𝑑 𝑟 𝑖𝑠𝑡 𝑢𝑛𝑒𝑟𝑤ü𝑛𝑠𝑐ℎ𝑡𝑒𝑟 𝑂𝑢𝑡𝑝𝑢𝑡

Zudem müssen die Daten auf Vollständigkeit und Plausibilität überprüft werden.

Insbesondere muss das Sample auf das Vorliegen von spezialisierten Häusern mit

entsprechend eingeschränktem Leistungsangebot oder begrenztem Aufgabengebiet der


betrachteten Abteilung untersucht werden. Im Rahmen der kritischen Begutachtung

der Daten kann eine punktuelle Nacherfassung und Validierung der Daten erfolgen.137

6.5.6 Berechnung des individuellen Effizienzwertes und Analyse der

Ineffizienzen

Aufbauend auf das konzipierte Messmodell werden zum einen mithilfe der DEA die

DMU-individuellen Effizienzwerte berechnet, zum anderen erfolgt die Zerlegung der

Ineffizienzen. Bei Beachtung der gewählten inputorientierten Modellausrichtung wird

je ein Effizienzwert unter Annahme konstanter und variabler Skalenerträge berechnet.

Grundlage für die Analyse und das Vorgehen zur Interpretation der Effizienzwerte

liefert das von GOLANY und ROLL (1989) vorgestellte Konzept. Entsprechend den

vorangegangen Erläuterungen wird jeder DMU ein individueller Effizienzwert

zwischen 0 und 1 zugewiesen, wobei eine DMU mit einem Effizienzwert von 1 als

effizient gilt. Die Differenz des Effizienzwertes zu 1 gibt bei den vorliegenden

inputorientierten Modellen an, um wie viel die Inputs reduziert werden müssen, um

den effizienten Rand der Technologie zu erreichen. Der Effizienzwert unter konstanten

Skalenerträgen (CRS) repräsentiert die absolute technische Effizienz eines

Prozesses.138 Darüber hinaus ermittelt der Optimierungsalgorithmus jene Einheiten,

die den für die Betrachtungseinheit relevanten Teil der Effizienzhülle bilden und somit

über eine ähnliche Konfiguration der Input/Output-Relation verfügen, die Faktoren

jedoch effizienter einsetzen. Diese Einheiten bilden das Referenzset der gewählten

Betrachtungseinheit und kommen somit als geeignete Benchmarkingpartner, sog.

Peers, in Betracht. Darüber hinaus können mithilfe der DEA-Systematik

entsprechende Slacks identifiziert werden. Jedoch ist darauf hinzuweisen, dass es bei

Betrachtung realer Werte empirischer Beobachtungen extrem unwahrscheinlich ist,

dass mindestens zwei Beobachtungen über das identische Input-Niveau verfügen

(Cantner et al., 2007).

Die DEA bietet die Möglichkeit der Berücksichtigung variabler Skalenerträge (VRS).

Ein Unternehmen ist dann skaleneffizient, wenn kein Unternehmen existiert, das den

definierten Output mit einem geringeren Einsatz der Input-Konfiguration realisiert.

137 Zur Vermeidung von Ungleichgewichten im Datenset sowie von Rundungsfehlern im Rahmen der

Berechnung aufgrund großer Unterschiede in der Ausprägung der einzelnen Faktoren können entsprechende

Normierungen durchgeführt werden. Dabei wird im ersten Schritt für jeden Input- und Outputfaktor der

Mittelwert aller Beobachtungen errechnet, der im zweiten Schritt den Divisor jeder Faktorausprägung zur

Errechnung des normierten Faktorwertes darstellt (Sarkis, 2007). 138 Siehe Kap. 6.3 dieser Arbeit.


Jedoch können DMUs existieren, die unter anderen Größenverhältnissen eine bessere

Relation von Input und Output aufweisen (Banker et al., 1984).139 Entsprechend wird

im Rahmen der Analyse überprüft, ob Effizienzsteigerungen durch Variation der

Prozessgröße erreicht werden können. Die Skalenineffizienz wird errechnet als

Quotient aus dem ermittelten Effizienzwert unter Annahme konstanter Skalenerträge

und dem Effizienzwert unter Annahme variabler Skalenerträge (Kao & Hwang, 2011;

Banker et al., 1984). Entsprechend kann bei Existenz von Skalenineffizienz die

Prozesseffizienz durch Veränderung der Prozessgröße beeinflusst werden. Die

Richtung der Veränderung wird durch die Analyse hinsichtlich nicht zunehmender

bzw. nicht abnehmender Skalenerträge festgestellt. Bei nicht zunehmenden

Skalenerträgen ist demnach eine Reduktion der Prozessgröße, bei nicht abnehmenden

Skalenerträgen eine Vergrößerung der Prozessgröße zu verfolgen.140

Die Partitionierung der DMUs in Kategorien entsprechend spezifischen

Charakteristika bildet einen weiteren Ansatzpunkt zur differenzierten Erklärung der

identifizierten Prozesseffizienz. Der Einsatz von Kategorisierungen ist dann sinnvoll,

wenn Charakteristika identifiziert werden können, die Einfluss auf die Durchführung

des Prozesses haben, jedoch nicht als ein beeinflussbare Faktoren der Input/Output-

Relation in das Modell eingesteuert werden (Banker & Morey, 1986).141 Unter

Berücksichtigung der prozessbasierten Kategorisierung werden individuelle

Effizienzwerte unter Annahme konstanter bzw. variabler Skalenerträge berechnet. Auf

diese Weise können strukturelle Besonderheiten zur Erklärung der identifizierten

Ineffizienz beitragen und den Anteil der nicht erklärbaren Ineffizienz verringern. Die

Zerlegung der Ineffizienz erfolgt entsprechend den Effizienzwerten unter konstanten

und variablen Skalenerträgen sowie unter Berücksichtigung der Kategorisierung.

Dabei kann die Ineffizienz durch Kalkulation eines kostenbasierten Anteils im

Vergleich zum Best Performer und innerhalb der identifizierten Kategorie erklärt

werden. Zudem findet die durch mögliche Skaleneffekte generierte Ineffizienz

(Kategorie) bei der Erklärung Beachtung. Jedoch verbleibt bei ineffizienten Einheiten

häufig ein Teil, der lediglich durch Best Practices erklärt werden kann und somit eine

tiefgreifende Analyse und ggf. Restrukturierung der Prozessabläufe notwendig macht.

Eine weitere Möglichkeit zur Erklärung der Ineffizienz ist die Durchführung einer

139 siehe Kap. 3.1.2 dieser Arbeit. 140 Für steigende Skalenerträge gilt:. VRS > NIRS = CRS; für fallende SE gilt: VRS = NIRS > CRS. 141 Flinspach (2011) nutzt die Kategorisierung zur Berücksichtigung unterschiedler IT-Integrationsgrade.


periodenübergreifenden Betrachtung, z. B. mithilfe des Malmquist-Indexes (Färe et al.,

2011).

6.5.7 Überprüfung der Robustheit der Analyseergebnisse

Die Durchführung einer Sensitivitäts- bzw. Validitätsanalyse zur Sicherstellung der

Qualität und Aussagekraft der Ergebnisse ist der letzte Schritt des Vorgehens. Da die

DEA im Gegensatz zu stochastischen Verfahren nicht auf Annahmen über den Verlauf

der Produktionsfunktion oder Verteilungsannahmen beruht, ist die Durchführung von

Hypothesentests und inferenzstatistischen Signifikanzprüfungen nicht möglich (Simar

& Wilson, 1998). Da die DEA aufgrund ihrer methodischen Konzeption auch

Messfehler bzw. Zufallsgrößen in die Berechnung übernimmt, beeinflussen diese

möglichen Extremwerte die Konzeption des effizienten Randes der Technologie und

somit die Effizienzwerte der weiteren DMUs. Bei ineffizienten Einheiten hat dies

lediglich Auswirkungen auf deren individuellen Effizienzwert, bei effizienten

Einheiten hat dies insbesondere Einfluss auf jene Einheiten, welche die fehlerhafte

DMU als Referenzeinheit besitzen oder deren Effizienz mithilfe dieses Abschnitts der

Technologie ermittelt wurde und denen in der Folge falsche bzw. verzerrte

Effizienzwerte zugewiesen wurden (Cooper et al., 2011a).

Neben den oben beschriebenen Anforderungen hinsichtlich der Anzahl von

notwendigen Betrachtungseinheiten zur Sicherstellung der Stabilität der Betrachtung

besteht die Möglichkeit der Ex-post-Überprüfung der DEA-Ergebnisse. In der

Literatur werden dafür zahlreiche Ansätze genannt, von denen hier ausgewählte kurz

vorgestellt werden sollen. Zum einen bietet die Betrachtung der durchschnittlichen

Abweichung der Effizienz eine Möglichkeit, die Robustheit der Ergebnisse zu

untersuchen. Dabei werden die effizienten Einheiten nach erstmaliger Durchführung

der DEA eliminiert und die Effizienzberechnung erneut ausgeführt. Neben der

Überprüfung der konstanten Folge des DMU-Rankings wird dabei die

durchschnittliche Abweichung der Effizienzwerte überprüft, wobei ein Wert von

< 7,5 % auf eine stabile Funktion zur Konstruktion des effizienten Randes der

Technologie schließen lässt (Gubelt et al., 2000; Schwarz, 2013).142 Zum anderen kann

durch Ermittlung der Supereffizienz eine Aussage über das Vorhandensein möglicher

Ausreißer getroffen werden (Banker & Chang, 2006). Dabei berechnet das

142 In der Literatur herrscht keineswegs Einigkeit hinsichtlich der definierten prozentualen Obergrenze, jedoch

kann sowohl hinsichtlich des Vorhandenseins von Ausreißern eine gute Aussage als auch bzgl. Indikation für

die Stabilität der Daten getroffen werden kann.


Supereffizienz-Modell den präzisen Effizienzwert, indem Werte von > 1 zugelassen

werden. Jede effiziente DMU wird einmal aus der Konstruktion des effizienten

Technologierandes ausgeschlossen und mit dem neu berechneten effizienten Rand

verglichen, wobei dieser Abstand der DMU zum effizienten Rand als Supereffizienz

bezeichnet wird (Zhu, 2009). Übersteigt der errechnete Effizienzwert einen

Schwellenwert143, wird die DMU als Ausreißer deklariert. Eine weitere Möglichkeit

zur Identifikation von Ausreißern bietet die Verwendung von Kreuzeffizienzen (Doyle

& Green, 1994). Dabei werden den Input- und Output-Gewichtungen der beobachteten

DMU0 mit den Gewichtungen aller anderen k DMUs zugewiesen und für jede

Gewichtung k ein Kreuzeffizienzwert berechnet. Nach Berechnung des arithmetischen

Mittels wird der Kreuzeffizienzwert mit dem ursprünglichen Effizienzwert verglichen.

Diese Kennzahl wird als Maverick-Index bezeichnet und beschreibt die Abweichung

des durchschnittlichen Kreuzeffizienzwertes vom Standard-DEA-Effizienzwert

(Hammerschmitdt et al., 2012, S. 294):

Liegt ein Wert von Mk ≧ 1 vor, liegt die Vermutung nahe, dass der Effizienzwert einer

DMU über extreme Gewichtungen ausgewählter Faktoren verfügt und entsprechend

als Ausreißer klassifiziert werden kann. Eine Anwendung des Maverick-Indexes

erfolgt vorrangig für die effizienten Einheiten, die Kalkulation der Kreuzeffizienz für

alle DMUs. Eine weitere Möglichkeit zur Eliminierung von Ausreißern ist die

Verwendung der sog. Order-m-Schätzer (Cazals et al., 2002). Dabei wird erlaubt, dass

einzelne Datenpunkte außerhalb des effizienten Randes der Technologiemenge liegen.

Zudem wird der Abstand der DMU zum effizienten Rand nicht mithilfe einer

deterministischen Größe ermittelt, sondern basiert auf einer erwarteten

Effizienzgrenze, wobei die Betrachtung jeweils für die Input- oder Output-

Orientierung erfolgt (Hammerschmidt et al., 2012).

6.5.8 Zusammenfassung der DEA-gestützten Systematik

Die siebenstufige DEA-gestützte Systematik baut auf den Ergebnissen der

Prozessstrukturierung auf und stellt eine enge Verbindung zum etablierten

Benchmarking-Vorgehen her. Dabei wird ein prozessfokussiertes Vorgehen zur

143 Banker, Chang (2006) untersuchen die Wirkung unterschiedlicher Schwellenwerte (100 %, 120 %; 160 %

und 200 %) und variieren die Wahrscheinlichkeit der Fehlerhaftigkeit einer DMU.


Messung und Bewertung der Leistungsfähigkeit beschrieben, wobei die Generierung

schrittweiser Zwischenergebnisse den Fortschritt sicherstellt. Zudem erfolgt eine

grundlegende Analyse der Datenstruktur sowie der Einsatz qualitätssichernder

Maßnahmen mit dem Ziel der Erhöhung der Validität der Analyseergebnisse. Dabei

werden systematisch qualitative und quantitative Informationen mit in die Betrachtung

einbezogen und systematisch die Möglichkeiten zur Zerlegung der diagnostizierten

Ineffzienz aufgezeigt. In diesem Zusammenhang muss darauf hingewiesen werden,

dass das Vorgehen zur Analyse der prozessualen Leistungsfähigkeit einen iterativen

Prozess darstellt, der in Abhängigkeit von der Komplexität der vorliegenden Situation

ein mehrmaliges Durchlaufen der einzelnen Schritte des Vorgehens erfordert.

Insbesondere die Identifikation von Ausreißern und die Sicherstellung der Qualität der

zugrunde liegenden Daten und Ergebnisse sind hervorzuheben. Strukturell orientiert

sich die beschriebene Systematik an bestehenden Konzepten und entspricht durch die

individuelle Konfigurierbarkeit den Anforderungen und Besonderheiten einer

Betrachtung von Unterstützungsprozessen in Krankenhäusern. Die Abbildung 28 zeigt

die Systematik des Vorgehensmodells im Überblick.

Abbildung 28: DEA-gestützte Systematik zur Prozessleistungsmessung (eigene Darstellung)


6.6 Beispielhafte Anwendung der Systematik in der Beschaffung in

Krankenhäusern

Wie bereits die Umsetzung der Prozessstruktur wird auch die DEA-gestützte

Systematik zur Prozessleistungsmessung für Unterstützungsprozesse im Krankenhaus

validiert. Nachfolgend wird die schrittweise Durchführung des vorgestellten Ablaufs

dokumentiert und die Ergebnisse der Effizienzanalyse dargelegt.

6.6.1 Prozessbasierter Einsatz der DEA-gestützten Systematik im

Beschaffungsbereich

Die exemplarische Anwendung der Systematik erfolgt in der Beschaffung von

Krankenhäusern in Deutschland und der Schweiz, wobei auf die zentralen Elemente

fokussiert wird und die Ergebnisse der Betrachtung zusammenfassend vorgestellt

werden.144 Basis für die Datenerhebung und die Durchführung der

Prozessleistungsanalyse bildet die in Kapitel 5 erstellte Prozessstrukturierung. Die

entwickelten Messmodelle fußen auf den im Referenzmodell dokumentierten

Prozessschritten, welche die Möglichkeit zur Identifikation von prozessbasierten

Kenngrößen bieten. Somit wird die Vergleichbarkeit der abgeleiteten Kennzahlen

sichergestellt. Der Branchenfokus der Betrachtung trägt zur Validität und

Übertragbarkeit der Ergebnisse bei (Prašnikar et al., 2005).

Die grundsätzliche Modellkonfiguration von Betrachtungen mithilfe der DEA

erfordert die Definition von Ressourcen, die zur Leistungserstellung verwendet werden

(Inputs), und die Bestimmung von Prozessergebnissen in Abhängigkeit von den

Prozesszielsetzungen, die sowohl quantitativer als auch qualitativer Art sein können

(Outputs). Im vorliegenden Fall wird eine kostenbasierte Betrachtung vorgenommen,

wobei die Kosten in Personalkosten, Sachkosten und Fremdleistungskosten unterteilt

werden (Möller et al., 2007). Personalkosten umfassen die vom Unternehmen für den

Produktionsfaktor Arbeit eingesetzten Kosten, also die Bruttolohn-Gehaltssumme

unter Berücksichtigung aller relevanten Zulagen und Zuschläge, der gesetzlichen und

freiwilligen Personalnebenkosten (Heisler, 2002). Aufgrund des

Dienstleistungscharakters des Beschaffungswesens sind die Personalkosten von

besonderer Bedeutung. Fremdleistungskosten sind hingegen jene Kosten, die für

144 Die Erhebung der prozessualen Daten erfolgte im Rahmen eines Forschungsprojekts an der Universität

St. Gallen, u. a. mit Unterstützung von Abschlussarbeiten (Kalmbacher, 2015; Krautenbacher, 2015).


extern bezogene Leistungen entstehen, die die Wertschöpfung im betrachteten Prozess

betreffen. Diese können durch die Involvierung von Beratern oder die teilweise

Fremdvergabe von Tätigkeiten an externe Dienstleister entstehen. Zudem muss

berücksichtigt werden, dass Krankenhäuser, die Teil eines Verbunds sind, anteilig an

den Verwaltungskosten einer möglichen zentralen Verwaltung beteiligt werden, wenn

bestimmte Tätigkeiten durch eine zentrale Beschaffungsstelle ausgeführt werden.

Sachkosten werden als durch Sachleistungen verursachte Kosten beschrieben. Dazu

können Kosten für Bürobedarf, Weiterbildungen, Werbe- und Reisekosten und

insbesondere Kosten für die Sicherstellung der IT-Unterstützung etc. zählen (Möller

et al., 2007).

Die häufig in der Literatur geforderte Berücksichtigung von Zeit-Kriterien stellt auf

Prozessebene eine Herausforderung dar, insbesondere wenn es sich bei den

betrachteten Prozessen um nicht (teil-)automatisierte und sehr wissensintensive

Tätigkeiten mit Dienstleistungscharakter handelt. Diese aus Ansätzen der

Prozesskostenrechnung stammende Kategorisierung setzt repetitive und im Zeitablauf

gleichmäßig anfallende Tätigkeiten voraus, was im Beschaffungsbereich der

Krankenhäuser nicht durchgängig vorauszusetzen ist. Zudem ist hinzuzufügen, dass

die individuelle Dokumentation der benötigten Ressourcen, bspw. der

Bearbeitungszeiten, zahlreiche Fehlerquellen birgt, die nicht durch standardisierte

stochastische Verfahren behoben werden können (Glaser, 1992). Die

Beschaffungsleiter waren zwar in der Lage, Aussagen hinsichtlich der

Kostenverteilung auf Teilprozessebene zu treffen, jedoch konnten leider keine

detaillierten Werte für individuelle Kostensätze erhoben werden. Die Möglichkeit der

Simulation unterschiedlicher Szenarien bzw. alternativer Prozesskonfigurationen mit

Berücksichtigung der ggf. differenzierten Kostensätze unterschiedlicher

Hierarchieebenen bleibt damit ungenutzt.

Auf der Seite der Outputs ist wie oben beschrieben zwischen quantitäts- und

qualitätsbezogenen Faktoren zu unterscheiden. Dabei bilden die quantitätsbezogenen

Faktoren die zentralen Outputs der gewählten Analyseebene, interpretierbar als

Kostentreiber, ab. Im Teilprozess Bestellung entspricht dieser zentrale Output zum

Beispiel der Anzahl der Bestellungen von Investitionsgütern bzw.


Verbrauchsgütern.145 Während in der Analyse der Hauptprozesse eben jene

Kostentreiber im Vordergrund der Analyse stehen, wird die Betrachtung bei der

detaillierteren Analyse auf Teilprozessebene um qualitätsbezogene Faktoren erweitert.

Im Teilprozess Verhandlungen könnten dies zum Beispiel die Faktoren Erfolgsquote

der Verhandlungen bei der Beschaffung von Investitionsgütern bzw. von

Verbrauchsgütern sein. Damit wird sowohl die Häufigkeit der Haupttätigkeit der

Prozessdurchführung als auch der Qualitätsaspekt durch Verwendung entsprechender

Indikatoren quantifiziert.

6.6.2 Durchführung der analysevorbereitenden Schritte zur Messung der

Prozessleistung

Die Analyse wird gemäß der oben beschriebenen Systematik durchgeführt. Der Fokus

liegt auf den Schritten, die die Effizienzmessung vorbereiten. Die zentralen Ergebnisse

der einzelnen Schritte werden punktuell vorgestellt.

1. Identifikation und Auswahl der Vergleichsobjekte

An die Betrachtungseinheiten wird der Anspruch gestellt, dass sie über einen gewissen

Grad an Homogenität verfügen müssen.146 Durch die detaillierte Herstellung von

Prozessstruktur, insbesondere durch die Verwendung des erstellten Referenzmodells,

wird sichergestellt, dass die DMUs zu einer vergleichbaren Gruppe zusammengeführt

werden. In dieser Arbeit besitzt die gesamte Methode einen klaren Branchenfokus und

konzentriert sich auf Unterstützungsprozesse. Die in Kapitel 5.8 beschriebene

Prozesshierarchie unterscheidet im Wesentlichen zwischen der strategisch orientierten

Sortimentsgestaltung und der operativen Beschaffung. Die Basis für die

Datenerhebung bildet die Teilprozessebene, da die Outputs der Hauptprozessebene

entsprechend daraus generiert werden. Grundsätzlich ist zu konstatieren, dass die

Betrachtung der Effizienz auf Hauptprozessebene durch die Aggregation der Daten an

Genauigkeit verliert, jedoch eine belastbare Basis für strategische Entscheidungen

sowie zur Identifikation von Verbesserungspotenzialen bietet.

145 Grundsätzlich ist darauf hinzuweisen, dass sich die einzelnen Teilprozesse in Abhängigkeit von der Güterart

(Verbrauchsgüter vs. Investitionsgüter) erheblich hinsichtlich der Ressourcenbeanspruchung unterscheiden

und nur in begrenztem Umfang von repetitiven Aktivitäten ausgegangen werden kann. 146 Siehe Kap 6.5.1 dieser Arbeit.


Der Betrachtungszeitraum für die zu erhebenden Daten ist auf ein Geschäftsjahr

festgelegt. Regional verteilen sich die befragten Kliniken auf Deutschland und die

Schweiz, wobei sich von den 46 betrachteten Krankenhäusern 22 in Deutschland und

24 Einrichtungen in der Schweiz befinden. Ansprechpartner für die Datenerhebung

waren die Leiter Beschaffung bzw. die kaufmännischen Leiter der betreffenden

Krankenhäuser. Dazu wurden für die Erhebung des grundsätzlichen Samples

semistrukturierte Experteninterviews auf der Basis eines detaillierten

kennzahlenfokussierten Fragekatalogs mit Vertretern der Krankenhäuser geführt. Den

Teilnehmern wurde der Analyserahmen und das Referenzmodell vorgestellt sowie

Struktur und Zielsetzung der Befragung präsentiert. Die Interviews wurden persönlich,

in Ausnahmefällen via Telefon, geführt und dauerten zwischen 45 und 60 Minuten.

Zur Dokumentation der Aussagen und Pflege der Datenbasis wurde ein online-

basiertes Erfassungstool konzipiert, das die Basis für die quantitative Untersuchung

bildet. Darüber hinaus wurden Workshops und Interviews zur Vertiefung spezifischer

Sachverhalte und zur Klärung von Fragen zur Datenbasis durchgeführt.

2. Definition der Betrachtungsebene und Festlegung des Analyserahmens

Die erstellte Prozessstrukturierung bietet die Möglichkeit der Prozessanalyse auf

unterschiedlichen Detaillierungsstufen. Abbildung 29 veranschaulicht die Struktur des

Unterstützungsbereichs und zeigt im Beschaffungsbereich die möglichen Haupt- und

Teilprozessebenen, die für eine Untersuchung der Leistungsfähigkeit infrage kommen.

Abbildung 29: Prozesslandkarte und Darlegung der unterschiedlichen Betrachtungsebenen (eigene Darstellung)

In dieser Untersuchung wird eine Betrachtung auf Hauptprozessebene vorgenommen,

die Informationen werden jedoch zum Teil von der Ebene der Teilprozesse aggregiert.

Durch die Verwendung des Referenzmodells wird sichergestellt, dass die hinsichtlich

der Leistung zu bewertenden Einheiten vergleichbar sind und mit der gleichen

Zielsetzung ausgeführt werden. Zudem leistet die über die Erstellung eines reinen

Referenzmodells hinausgehende Strukturierung der Prozesse einen wesentlichen

Beitrag dazu, dass die individuellen Rahmenbedingungen systematisch mit in die


Betrachtung einbezogen werden, z. B. in Form der Berücksichtigung struktureller

Kenngrößen. Das dritte genannte Kriterium zur Herstellung einer homogenen

Vergleichsgruppe verlangt eine identische Charakterisierung hinsichtlich der

Verwendung der Input- und Output-Faktoren, was durch die nachfolgenden Schritte

sichergestellt wird.

3. Identifikation der Prozessobjekte und Ableitung einer Vollliste

Die Identifikation der originären Prozessobjekte erfolgt auf der Basis der Teilprozesse.

Ziel ist die Fokussierung auf die zentralen und erfolgskritischen Faktoren als Ergebnis

der identifizierten Prozesse sowie der dafür notwendigen Ressourcen (Kühner, 2005).

Die zentralen Prozessobjekte werden hier mit den zur Ausführung relevanten Kosten,

den eingereichten Beschaffungsanträgen, ausgewählten Lieferanten, geführten

Verhandlungen, erfolgten Bestellungen und den vermerkten Wareneingängen

beschrieben. Für die identifizierten Prozessobjekte werden unter Berücksichtigung der

erstellten Prozessmodelle Kenngrößen dimensionsspezifisch definiert, die im nächsten

Schritt in einer Vollliste zusammengefasst werden. Dabei sind die Verfügbarkeit sowie

die Möglichkeit zur Operationalisierung der Kenngrößen von zentraler Bedeutung. Die

Vollliste soll möglichst alle Faktoren berücksichtigen, die in irgendeiner Form

Einfluss auf das Analyseziel haben können, weshalb explizit sowohl qualitative als

auch quantitative Faktoren berücksichtigt werden (Scheel, 2000). Als Beispiel wird

hier ein Ausschnitt der Vollliste des Teilprozesses „Verhandlungen“ präsentiert, wobei

jeder Faktor sowohl für Investitions- als auch für Verbrauchsgüter separat definiert ist:

Anzahl der Verhandlungen, Erfolgsquote der Verhandlungen, finanzieller

Verhandlungserfolg, durchschnittliche Vertragslaufzeit, Detaillierungsgrad der

Vorbereitung der Verhandlungen, durchschnittliche Verhandlungsdauer,

Ausbildungsgrad bzw. Erfahrung der am Verhandlungsprozess beteiligten Mitarbeiter

und Dokumentationsgrad der abgeschlossenen Verhandlungen. Abbildung 30 zeigt

den Zusammenhang zwischen Prozessmessgrößen und den identifizierten

Prozessobjekten, wobei damit die Dimensionen Kosten, Zeit und Qualität

operationalisiert in ausgewählten Faktoren umgesetzt werden. Eine erste

Kategorisierung der Faktoren in Inputs und Outputs wurde anhand der

Prozessressourcen- bzw. Ergebnisdefinition vorgenommen.


Abbildung 30: Prozess der Generierung einer Vollliste „Verhandlungen“ (eigene Darstellung)

4. Qualitative Datenanalyse zur Klassifikation der Prozessmessgrößen als

Inputs und Outputs

Ziel der qualitativen Datenanalyse ist die Erhöhung der Zielorientierung des

Kennzahlensets und eine Verkürzung der Vollliste. Zu diesem Zweck wurden weitere

punktuelle und spezifische Interviews mit Experten zur Verfeinerung des

Kennzahlenmodells geführt. Durch die systematische Einbeziehung sowohl von

Entscheidungsträgern als auch von Betroffenen im Nachgang der Analyse kann die

Akzeptanz der Ergebnisse deutlich erhöht werden (Scheel, 2000). Die vorliegende

Vollliste beschreibt ein sehr umfangreiches, wenig zielgerichtetes Setting von

qualitativen und quantitativen Kennzahlen. Insbesondere werden die Faktoren, die

tatsächlich Einfluss auf die Prozessdurchführung haben, von jenen separiert, die die

Ausführung nur moderierend beeinflussen. Der Ausschluss redundanter Daten, aber

auch die Zuordnung zu den Kategorien Input und Output zählen zu den zentralen

Aufgaben der qualitativen Analyse der Daten. Das führt zu einer schrittweisen

Reduktion der Vollliste. Besondere Bedeutung erlangt die qualitative Analyse im

Hinblick auf die unterschiedlichen Analyseebenen zur Definition der relevanten und

weniger relevanten Outputs. Darüber hinaus konnten entscheidende Informationen zur

Verfügbarkeit der gewünschten Daten gewonnen werden. Als Beispiel wird an dieser

Stelle das Messmodell des Verhandlungsprozesses nach Durchführung der qualitativen


Datenanalyse in Abbildung 31 präsentiert. Es wird deutlich, dass eine Unterscheidung

in Investitionsgüter und Verbrauchsgüter von den Befragten als sehr wichtig eingestuft

wird und daher entsprechend in dem Messmodell Beachtung findet. Diese

Unterteilung wird für alle weiteren Teilprozesse beibehalten und muss somit auch in

der Betrachtung auf Hauptprozessebene berücksichtigt werden. Gleichzeitig wurde der

Teilprozess „Bedarfsentstehung“ aus der Betrachtung ausgeschlossen, da die

Beschaffungsmanager keine belastbaren Angaben für diesen Prozessschritt machen

konnten bzw. auf einen sehr hohen Automatisierungsgrad ohne Möglichkeit der

Zuordnung der entstandenen Kosten verwiesen.

Abbildung 31: Darstellung des Teilprozesses „Verhandlung“ nach der qualitativen Datenanalyse (eigene Darstellung)

GOLANY und ROLL (1989) definieren die formalen Kriterien Zielbezug,

Informationsrelevanz, Widerspruchsfreiheit sowie Datenverfügbarkeit und -qualität als

wichtige Parameter für die Auswahl der für die Messung relevanten Variablen. Für die

Anzahl der notwendigen Betrachtungseinheiten in Abhängigkeit von den verwendeten

Input- und Output-Faktoren existieren zahlreiche Vorschläge. Diese Arbeit folgt der

Definition von DYSON ET AL. (2001), die die Anzahl der notwendigen DMUs mit 2×

Anzahl Inputs × Anzahl Outputs definiert.147

Grundsätzlich sind die im Rahmen der qualitativen Analyse der Einflussfaktoren

berücksichtigten Schritte zur Reduktion und Klassifikation der Prozessmessgrößen

hinsichtlich der von FLINSPACH (2011) vorgeschlagenen Kriterien Prozess-

Kostenrelevanz, Prozess-Zielrelevanz und Zumutbarkeit bzw. Möglichkeit einer

zuverlässigen Erhebung zu analysieren. Dabei bedeutet Kostenrelevanz, dass sich die

Ausprägung des Outputs aus einer Variation der Inputs ableiten lassen muss. Die

Zielrelevanz beschreibt den inhaltlichen Bezug des Outputs zur übergeordneten

147 Golany, Roll (1989) schlagen hingegen 2 × (Inputs + Outputs) vor. Bowlin (1998) fordert, dass die Summe

aus der Anzahl der Inputs und Outputs kleiner 1/3 der in der Betrachtung inkludierten DMUs sein muss.


Zielsetzung des Prozesses, wobei der Effektivitätsbezug hergestellt und die

Zielsetzung sowohl in qualitativer als auch in quantitativer Ausprägung berücksichtigt

wird.

5. Quantitative Analyse und Harmonisierung der Ausgangsdaten zur

Aufstellung des Messmodells

Die quantitative Datenanalyse nutzt die Datengrundlage, um Implikationen für die

Gestaltung der finalen Analysemodelle und die ggf. notwendige Eliminierung von

Faktoren abzuleiten. Bei der Durchführung dieses Schrittes mit dem Ziel der

Konstruktion der Struktur des Messmodells muss unterschieden werden zwischen der

eigentlichen Analyse der Daten und der Aufbereitung der Daten. Den Ausgangspunkt

bildet dabei die Betrachtung hinsichtlich der Nullwerte in den Faktoren. Grundsätzlich

ist die DEA in der Lage, Nullwerte zu berücksichtigen, jedoch muss die Summe der

Inputs und Outputs für eine Betrachtungseinheit größer null sein. SARKIS (2007)

betont dagegen die Bedeutung der Vermeidung von negativen Werten bzw.

Nullwerten. Vorhandene Nullwerte wurden entsprechend der oben dargelegten

Berechnung bearbeitet. Faktoren, die aus Effizienzgesichtspunkten minimiert statt

maximiert (Outputs) werden sollen, wurden entsprechend mit dem reziproken Wert in

die Betrachtung eingesteuert.148 Die Korrelationsanalyse eignet sich insbesondere zur

Eliminierung von Redundanzen hinsichtlich der enthaltenen Informationen bei der

Konstruktion der Analysenmodelle (Lewin et al., 1982). Dabei ist zu betonen, dass die

Ergebnisse lediglich einen Indikator für mögliche Ausschlüsse von Variablen bilden,

es besteht jedoch die Notwendigkeit, die Faktoren hinsichtlich der doppelten

Berücksichtigung von qualitativen und quantitativen Informationen zu untersuchen

(Bürkle, 1994). Die Korrelationsanalysen wurden für alle Analysemodelle auf Haupt-

und Teilprozessebene durchgeführt. Beispielsweise wurde im Rahmen der Betrachtung

der Sortimentsgestaltung (SG) die höchste Korrelation zwischen der Anzahl neuer

Lieferanten für Investitionsgüter (IG) und der Anzahl zu prüfender Anträge IG (0,632)

festgestellt. Die vergleichsweise hohe Korrelation erscheint nachvollziehbar, jedoch

wurde nach Rücksprache in Validierungsinterviews mit Verweis auf die

differenzierten Informationen in den Faktoren von einer Reduktion einzelner Faktoren

abgesehen. Darüber hinaus konnten in diesem Modell keine weiteren

überdurchschnittlich hohen Korrelationen diagnostiziert werden.

148 Dies ist insbesondere bei der Berücksichtigung von Qualitätsaspekten relevant.


Abbildung 32: Messmodelle Sortimentsgestaltung nach der quantitativen Datenanalyse (eigene Darstellung)

Die Modellanalyse mithilfe der Data Envelopment Analysis identifiziert die Faktoren,

denen durchgängig eine sehr niedrige bzw. keine Gewichtung im Rahmen der Analyse

zugewiesen wird. Diese Faktoren müssen hinsichtlich ihres Einflusses zur Erbringung

der Prozessleistung überprüft werden. Nach Durchführung der Analyse für alle Haupt-

und Teilprozesse wurde der Input-Faktor Fremdleistungskosten aus der Betrachtung

entfernt. Diese Entscheidung wurde dadurch bestärkt, dass die marginale Bedeutung

der Fremdleistungskosten an den Gesamtkosten für den Beschaffungsbereich in

Krankenhäusern von den Interviewpartnern bestätigt wurde. Zudem wurde mithilfe der

DEA eine Analyse durchgeführt, um den Einfluss einzelner Faktoren auf die

Effizienzwerte bzw. das daraus resultierende Ranking der Betrachtungseinheiten zu

evaluieren. Dafür wird die Betrachtung jeweils ohne einen der Output-Faktoren

durchgeführt. Hat ein Faktor keinen Einfluss auf die Rangfolge, kann er eliminiert

werden (Flinspach, 2011). Für die ausgewählte Betrachtungsebene mussten keine

weiteren Faktoren eliminiert werden. Abbildung 32 zeigt die Übersicht aller auf

Teilprozessebene verwendeten DEA-Modelle der Sortimentsgestaltung nach

Durchführung der qualitativen und quantitativen Modellanalyse auf Ebene der

Hauptprozesse und Teilprozesse. Grundsätzlich ist herauszustellen, dass die einzelnen

Schritte der Systematik, welche die präzise Ausprägung der Analysemodelle

beeinflussen, integrativ aufeinander aufbauen und eng zusammenhängen.


Bevor eine Analyse der Effizienz auf der gewählten Betrachtungsebene durchgeführt

werden kann, müssen die krankenhausspezifischen Daten grundsätzlich bereinigt und

aufbereitet werden. Dabei wurden die Daten der einzelnen Betrachtungsobjekte

systematisch überprüft und einer Plausibilitätsanalyse unterzogen. Das

Ausgangssample (n = 46) bildet die Basis für die weiteren Untersuchungen. Aufgrund

erheblicher struktureller Unterschiede konnten einige Betrachtungseinheiten (3) nicht

für die weitere Betrachtung berücksichtigt werden, da es sich dabei um Spezialkliniken

mit sehr stark fokussiertem Anwendungsgebiet (z. B. reine psychosomatische

Kliniken) bzw. um Angaben zur Verwaltung eines gesamten Krankenhausverbundes

handelt. Zudem mussten Krankenhäuser aus der Betrachtung entfernt werden, die nur

unvollständige Informationen bereitgestellt haben bzw. bereitstellen konnten. Dies

kann zum einen auf die bloße Nichtkenntnis der erfragten Kriterien (1) bzw. veraltete

Steuerungssysteme (3), jedoch ebenso auf die enge Zusammenarbeit mit externen

Dienstleistern oder schlicht unvollständige Daten (1) zurückzuführen sein.

Abschließend müssen Betrachtungseinheiten exkludiert werden, wenn die

Beschaffungsabteilungen über einen eingeschränkten inhaltlichen

Verantwortungsbereich verfügen (5), zum Beispiel im Falle der Beschaffung von

Investitionsgütern über andere Abteilungen. Das finale Sample umfasst somit

insgesamt 33 Kliniken aus Deutschland (14) und der Schweiz (19).

Die zentralen Input-Faktoren setzen sich aus den genannten Kostenpositionen

zusammen, wobei dezidierte Angaben insbesondere hinsichtlich der Personalkosten

möglich waren. Bei den Sachkosten war es jedoch für die Ansprechpartner schwierig,

konkrete Ausprägungen der Werte zu benennen. Mithilfe von konzentrierten

Experteninterviews konnte festgestellt werden, dass ca. 5 % der gesamten

Prozesskosten als Sachkosten angenommen werden können. In Anlehnung an das von

SARKIS (2017, S. 317) vorgeschlagene Vorgehen wurden die Ansprechpartner

hinsichtlich ihres erwarteten Wertes Vm, eines optimistischen Wertes Vo und eines

pessimistischen Wertes Vp befragt:

𝑉𝑒 =𝑉0 + 4𝑉𝑚 + 𝑉𝑝

6

Die fehlenden Daten wurden auf der Basis dieser Berechnung ermittelt und die

Datenbasis vervollständigt. Als Indikator für die Verteilung auf die Haupt- und

Teilprozesse wurde die Verteilung der Personalkosten gewählt. Im Bereich der

Fremdleistungskosten konnten die Interviewpartner klar definieren, ob diese in ihrem

Unternehmen anfallen oder nicht. Daher wurden dort Nullwerte zugelassen. Ebenso


war die Verteilung der Fremdleistungskosten auf die Hauptprozesse

Sortimentsgestaltung und operative Beschaffung sehr heterogen. An dieser Stelle

wurden die Daten lediglich validiert und keine Korrekturen bzw. Vervollständigungen

auf der Basis weiterer Interviews und Workshops durchgeführt. Es ist hinzuzufügen,

dass die Fremdleistungskosten von den Beschaffungsmanagern nicht einzelnen

Teilprozessen zugeordnet werden konnten. Wenn keine ausdrückliche und präzise

Angabe der Verteilung auf die Hauptprozesse vorlag, wurde eine paritätische

Zuordnung vorgenommen. Einschränkend muss erwähnt werden, dass nicht alle

Beschaffungsmanager in der Lage waren, vollständige Daten bereitzustellen, was zu

unterschiedlich großen Samplegrößen bei der Betrachtung der einzelnen Teilprozesse

führte. Zudem haben die vorgenommenen Schätzungen und manuellen Korrekturen

auf der Basis der Workshops den Nachteil, dass die Ergebnisse der Betrachtung einer

gewissen Unschärfe unterliegen. Da die durchgeführte Betrachtung Daten sowohl

schweizerischer als auch deutscher Krankenhäuser enthält, wurden entsprechende

Korrekturen mit Berücksichtigung des realen Wechselkurses durchgeführt.149

6.6.3 Ergebnisse der Effizienzanalyse

Auf der Basis der durchgeführten Strukturierung der Prozesse und der vorbereitenden

Schritte für die Leistungsanalyse auf Prozessebene sollen im Folgenden die

empirischen Ergebnisse der Effizienzanalyse, die mit der Data Envelopment Analysis

durchgeführt wurde, beispielhaft dargelegt werden. Dabei werden zu Beginn die

Modelle der Hauptprozessebene analysiert und deskriptiv beschrieben. Anschließend

werden die Ergebnisse der Effizienzanalyse und eine Analyse der Effizienzpotenziale

vorgestellt.

6.6.3.1 Deskriptive Statistik der Hauptprozesse und Effizienzanalyse

Der Hauptprozess Sortimentsgestaltung gliedert sich in die drei Bestandteile

Antragsprozess, Lieferantenidentifikation und Verhandlung.150 Dieser Hauptprozess,

der eine strategische Ausrichtung besitzt, umfasst vorrangig die Neubeschaffung

bisher nicht im Sortiment befindlicher Güter. Als Inputs werden die kumulierten, dem

Hauptprozess zurechenbaren Personal- und Sachkosten berücksichtigt. Als Outputs

werden, jeweils separat für Investitions- und Verbrauchsgüter, die Anzahl der

149 Dabei wurde ein Umrechnungskurs von Euro : CHF = 1 : 1,2030 vom 25.11.2014 genutzt sowie der

branchenspezifische Preisniveauindix (2013) berücksichtigt (SIX, 2013). 150 Für eine detaillierte Beschreibung siehe. Kapitel 5.8.2.4 dieser Arbeit.


bearbeiteten Anträge, die Anzahl neuer Lieferanten und die Anzahl der durchgeführten

Verhandlungen zur Etablierung einer Geschäftsbeziehung eingebunden. Dabei wird

mit dem Faktor Anzahl neuer Lieferanten ausdrücklich auf die Aufwendungen für jene

Lieferanten abgestellt, mit denen eine neue Geschäftsbeziehung eingegangen werden

soll, und nicht das Management bestehender Lieferantenbeziehungen adressiert.

Tabelle 4 gibt einen Überblick über die deskriptiven statistischen Daten der im Modell

verwendeten Faktoren.

Sach-

kosten in

EUR

Personal-

kosten in

EUR

Anzahl

Anträge

IG

Anzahl

Anträge

VG

Anzahl

neuer

Lief. IG

Anzahl

neuer

Lief. VG

Anzahl

Verhandl.

IG

Anzahl

Verhandl.

VG

Mittel-

wert 11.413,72 142.440,93 364,45 654,23 4,79 17,02 99,98 80,18

Median 6.296,09 68.500,00 150,00 100,00 2,00 9,32 72,50 50,00

Max 81.271,79 503.548,82 4.000,00 7.500,00 40,20 108,80 300,00 416,00

Min 1.031,60 23.600,00 1,00 5,00 0,01 0,04 0,50 5,00

Stabw. 15.455,38 143.774,14 744,24 1.607,19 9,57 21,39 78,35 99,96

Tabelle 4: Deskriptive Statistik des Hauptprozesses „Sortimentsgestaltung“ (eigene Darstellung)

Der Hauptprozess „operative Beschaffung“ fokussiert auf die Durchführung der

Wiederbeschaffung von bereits im Krankenhaus verwendeten Gütern und hat somit

starken operativen Charakter. Dabei umfasst der Hauptprozess neben dem Teilprozess

Bedarfsentstehung, der aus oben dargelegten Gründen nicht Teil der Betrachtung ist,

die Teilprozesse Bestellung, Bestellkontrolle und Abschluss. Als Inputs finden wie bei

der Sortimentsgestaltung die kumulierten, den Teilprozessen zurechenbaren Personal-

und Sachkosten Berücksichtigung. Als Outputs wurden, jeweils separat für

Investitions- und Verbrauchsgüter, der durchschnittliche Wert der ausgelösten

Bestellung der betrachteten Periode und die Anzahl der erfassten Wareneingänge in

die Analyse einbezogen.151 Tabelle 5 zeigt die deskriptive Statistik der genannten

Faktoren.

Sachkosten

in EUR

Personalkosten

in EUR

Anzahl

Wareneingänge

IG

Anzahl

Wareneingänge

VG

Durchschnittl

Bestellwert

IG in EUR

Durchschnittl

Bestellwert

VG in EUR

Mittelwert 26.468,94 302.777,37 604,94 3.0391,16 26.828,36 2.432,77

Median 14.208,55 197.223,29 175 10.000 13.987,47 1.097,48

Max 170.502,62 1.349.478 7.787 250.000 209.812,01 31.891

Min 2.164,23 27.275,56 10 1.000 1.183,65 251,77

Standabw. 33.249,26 296.862,54 1386,10 54.379,85 38.532,64 5.474,73

Tabelle 5: Deskriptive Statistik des Hauptprozesses „operative Beschaffung" (eigene Darstellung)

151 Als Output des Teilprozesses Bestellung wurde „Wert der durchschnittlichen Bestellung“ ausgewählt, da die

Anzahl der Bestellungen sehr stark (0,922) mit der Anzahl der Wareneingänge der ausgewählten

Gütergruppe korrelierte und damit keine neue Information bereitstellen konnte.


Die Analyse auf der Hauptprozessebene gibt einen übergeordneten Blick auf die

Leistungsfähigkeit des Beschaffungswesens in Krankenhäusern. Für die Analyse der

Effizienz wurde die frei zugängliche Software Efficiency Measurement System (EMS)

eingesetzt.152 Die Validierung der Daten erfolgte mithilfe einer selbst erstellten Excel-

basierten Lösung. Zudem wurde für die gesamte Betrachtung eine Restriktion der

Gewichtungsfaktoren vorgenommen. Dabei muss der Input-Faktor Personalkosten

immer stärker als der Input-Faktor Sachkosten in die Bewertung eingehen. Der

Hauptprozess Sortimentsgestaltung besitzt einen durchschnittlichen Effizienzwert von

0,543 (CRS). Dabei variieren die Effizienzwerte zwischen 0,044 und 1 mit einer

Standardabweichung von 0,349. Insgesamt werden unter der Annahme konstanter

Skalenerträge 8 Krankenhäuser als effizient klassifiziert. Unterstellt man variable

Skalenerträge, hat der Hauptprozess operative Beschaffung einen durchschnittlichen

Effizienzwert von 0,676, wobei die Werte zwischen 0,061 und 1 variieren.

14 Betrachtungseinheiten konnten als effizient deklariert werden. Die

Standardabweichung beträgt 0,342. Die als Quotient zwischen CRS und VRS

errechnete Skaleneffizienz besitzt einen durchschnittlichen Wert von 0,789.153 Für die

ineffizienten Betrachtungsobjekte konnten entsprechende Referenz-DMUs identifiziert

werden. Beispielsweise sind dies für die ineffiziente DMU 26, unter Annahme

konstanter Skalenerträge, die DMU 3, DMU 6 und DMU 30. Die Referenz-DMUs

besitzen eine ähnliche Kombination der Faktoren, setzen diese jedoch effizient ein.

Analog zur Analyse des Hauptprozesses Sortimentsgestaltung wurde auch der

Hauptprozess der operativen Beschaffung analysiert. Dieser zeichnet sich durch einen

durchschnittlichen Effizienzwert von 0,356 (CRS) aus, wobei 3 effiziente DMUs in

der Betrachtung identifiziert werden konnten.154 Eine Analyse der Prozesseffizienz auf

aggregierter Ebene gibt einen ersten Einblick in die Effizienz der einzelnen DMUs.

Tabelle 6 zeigt für den Hauptprozess operative Beschaffung zudem die Effizienzwerte

unter Berücksichtigung einer Kategorisierung. Gerade im Bereich der

Unterstützungsprozesse ist der Standardisierungs- bzw. Automatisierungsgrad ein

relevantes Unterscheidungskriterium, da Verbesserungen häufig mit großen

Aufwänden, z. B. in der IT-Infrastruktur, einhergehen. Auf der Basis der empirischen

Daten wurden daher Kategorien gebildet und entsprechend in das Modell eingesteuert

152 Siehe http://www.holger-scheel.de/ems/; Version 1.3 153 Min. 0,120; Max: 1; Standabw: 0,237. 154 Min (CRS): 0,040; Max (CRS): 1; Standabw. (CRS): 0,276; Min (VRS): 0,045; Max (VRS): 1; Standabw.

(VRS): 0,323.


(Banker & Morey, 1986). Die Kategorisierung erlaubt eine bessere Interpretation der

Effizienzwerte und trägt zu einer präzisen Auswahl der Referenzeinheiten bei (Golany

& Roll, 1989).

Sortimentsgestaltung Operative Beschaffung Operative Beschaffung

DMU CRS VRS CRS VRS CRSK VRSK

1 0,365 0,832 0,080 0,091 0,209 0,227

2 0,361 0,617 0,073 0,134 0,102 0,153

3 1,000 1,000 0,602 0,631 0,856 0,910

4 0,417 1,000 0,201 0,210 0,541 0,600

5 1,000 1,000 0,375 0,397 0,382 0,398

6 1,000 1,000 1,000 1,000 1,000 1,000

7 0,982 1,000 0,281 0,323 0,419 0,432

8 0,266 0,398 0,240 0,316 0,556 0,673

9 0,359 0,442 – – – –

10 0,104 0,223 – – – –

11 1,000 1,000 0,474 0,478 0,865 0,935

12 0,540 1,000 0,085 0,131 0,101 0,148

13 0,322 0,525 0,373 0,397 0,613 0,655

14 0,484 0,929 0,208 0,525 0,301 0,560

15 0,140 0,141 0,204 1,000 0,399 1,000

16 0,273 0,280 0,069 0,093 0,092 0,122

17 0,044 0,065 0,832 1,000 1,000 1,000

18 0,436 1,000 0,290 0,298 0,829 1,000

19 1,000 1,000 0,212 0,262 0,254 0,298

20 1,000 1,000 0,365 0,420 0,395 0,420

21 0,626 0,764 0,255 0,463 0,283 0,492

22 0,980 1,000 0,478 1,000 0,683 1,000

23 0,336 0,343 0,304 0,425 0,361 0,451

24 0,796 0,858 0,255 0,286 0,602 0,655

25 0,055 0,455 1,000 1,000 1,000 1,000

26 0,402 0,554 0,175 0,205 0,269 0,294

27 0,364 0,397 0,099 0,164 0,139 0,168

28 0,136 0,215 0,455 0,466 0,529 1,000

29 1,000 1,000 0,574 1,000 0,714 1,000

30 1,000 1,000 0,364 0,386 1,000 1,000

31 0,057 0,061 0,062 0,097 0,097 1,000

32 0,862 1,000 1,000 1,000 1,000 1,000

33 0,197 0,198 0,040 0,045 0,109 0,311 Tabelle 6: Übersicht der Effizienzwerte auf Hauptprozessebene und nach Kategorisierung für HP operative Beschaffung

(eigene Darstellung)

Zudem wurde eine Sensitivitätsanalyse zur Überprüfung der Robustheit der Ergebnisse

durchgeführt. Dabei wurde die durchschnittliche Abweichung der Effizienzwerte

berechnet, wobei trotz einer schiefen Verteilung der Messwerte keine DMU


ausgeschlossen werden musste. Dies ist jedoch insbesondere auf den vorangestellten

Prozess sowie die kritische Analyse der Datenbasis zurückzuführen. Dem

Benchmarking-Gedanken entsprechend ist es von besonderer Bedeutung, dass die

Effizienzwerte zur Identifikation möglicher Verbesserungen auf individueller Ebene

untersucht werden. Zudem ist eine Analyse der Effizienz der einzelnen Teilprozesse

unter Einbeziehung von quantitativen und qualitativen Ausprägungen unumgänglich.

Ziel ist dabei neben der Identifikation der Referenzeinheiten zum einen die Zerlegung

der Ineffizienzen, zum anderen die Ableitung individueller Zielkorridore.

6.6.3.2 Zerlegung der Ineffizienz

Die Ineffizienz kann entsprechend in einzelne Bestandteile zerlegt werden, um

spezifische Stellschrauben zur Generierung von Handlungspunkten zu identifizieren.

Das von GOLANY und ROLL (1989) präsentierte Vorgehen soll hier zur erklärenden

Beschreibung der Ineffizienz genutzt werden. Dabei kann die Ineffizienz in einen Teil

zerlegt werden, der die Leistungsunterschiede zwischen den Benchmarks, im

vorliegenden Fall bezeichnet als Referenzeinheiten, beschreibt. Diese Ineffizienz

referenziert auf die nicht optimale Allokation der zur Leistungserstellung benötigten

Ressourcen und besitzt somit eine sehr starke Kostenfokussierung. Ein weiterer Teil

wird beschrieben als Leistungsdifferenz, erklärt durch die Beachtung von

Skaleneffekten, wobei explizit auf die optimale Prozessgröße referenziert wird. Den

dritten Teil bilden tatsächliche Leistungsdifferenzen, die durch Best Practices bedingt

sind. Die folgende Analyse155 wird anhand von DMU 26 durchgeführt.156 Dabei

handelt es sich um ein Plankrankenhaus mit Regel- und Schwerpunktversorgung. Das

grundsätzlich profitable, öffentliche Allgemeinkrankenhaus im Besitz der Landkreise

stellt über 200 Betten zur Verfügung und verbucht jährlich mehr als 60.000 Fälle. Die

Zerlegung soll beispielhaft am Hauptprozess der operativen Beschaffung vorgestellt

werden. Da der Aufwand in der operativen Beschaffung sehr stark von der Anzahl der

Bestellungen getrieben ist, werden die kumulierten Sach- und Personalkosten je

Bestellung angegeben. Unter Annahme konstanter Skalenerträge besitzt das

betrachtete Krankenhaus einen Effizienzwert (CRS) von 0,175. Der Prozess der

operativen Beschaffung weist demnach ein Effizienzdefizit von 82,5 % auf. Als

Referenzeinheiten für dieses Krankenhaus wurden die DMUs 6, 20 und 23 (VRS)

identifiziert, die den relevanten Teil der Effizienzhülle für die ausgewählte DMU

155 In diesem und im folgenden Kapitel. 156 Eine Übersicht zu den Kostenverläufen der DMUs findet sich in Anhang 7.


aufspannen. Dem betrachteten Hauptprozess von DMU 26 können in der ausgewählten

Betrachtungsperiode kumulierte Personal- und Sachkosten in Höhe von 37,87 Euro

pro Bestellung zugewiesen werden.157 Um den effizienten Rand der Technologie zu

erreichen, müssten diese auf 6,63 Euro pro Bestellung reduziert werden. Folglich

resultiert für die betrachtete DMU eine Effizienzlücke von 31,24 Euro pro Bestellung,

die zur Ableitung geeigneter Maßnahmen erklärt werden soll. Die Data Envelopment

Analysis bietet die Möglichkeit, neben konstanten Skalenerträgen auch variable

Skalenerträge zur Erklärung der (In-)Effizienz heranzuziehen. Im vorliegenden Fall

konnte für die betrachtete DMU ein Effizienzwert unter Annahme variabler

Skalenerträge von 0,205 identifiziert werden. Entsprechend verfügt die DMU über

einen Skaleneffizienzwert von 0,854. Das bedeutet, dass das derzeitig gewählte

Prozessvolumen durchaus Optimierungspotenzial besitzt. Dabei können 5,54 Euro pro

Bestellung durch eine nicht optimale Gestaltung des Prozessvolumens erklärt werden.

Jedoch verbleibt eine erhebliche Ineffizienz, die auf eine nicht optimale

Prozessdurchführung zurückzuführen ist. Der Vollständigkeit halber wurde die

beschriebene DMU ebenso auf das Vorliegen von Input-Slacks untersucht. Diese

konnten weder bei Annahme konstanter noch variabler Skalenerträge identifiziert

werden.

In der Literatur werden weitere Maßnahmen zur Erklärung der Ineffizienz

vorgeschlagen. So können durch eine Partitionierung der Betrachtungsobjekte

Kategorien gebildet werden (Golany & Roll, 1989; Banker & Morey, 1986).158 Diese

werden mithilfe von Faktoren definiert, die als nicht direkt die zugrunde liegende

Input/Output-Relation determinierend deklariert sind. Somit kann durch den Vergleich

von Untergruppen, die unter ähnlichen Rahmenbedingungen agieren, eine bessere

Erklärung der Effizienz erreicht werden. Gerade im Bereich der

Unterstützungsprozesse spielt die prozessuale Standardisierung und Automatisierung

eine hervorgehobene Rolle. Daher werden mithilfe dieser Indikatoren zwei

unterschiedliche Prozesskonfigurationen simuliert. Die unterschiedlichen

Effizienzwerte werden somit durch den Vergleich innerhalb der zugewiesenen

Kategorie erklärt. Im vorliegenden Fall erreicht der betrachtete Hauptprozess innerhalb

157 Eine Darstellung des monetären Effizienzpotenzials erfolgt für den hier betrachteten Fall der operativen

Beschaffung anhand der Kosten pro Bestellung, da die Bestellungen als der zentrale Kostentreiber dieses HP

identifiziert werden konnten. 158 Siehe zur Methodik Banker & Morey (1986); für eine ähnliche Anwendung im Prozessumfeld bspw.

Flinspach (2011).


der zugewiesenen Kategorie einen Effizienzwert unter Annahme konstanter

Skalenerträge (CRSK) von 0,269. Als neue Referenzeinheiten innerhalb der Kategorie

konnten die DMUs 25 und 30 identifiziert werden. Entsprechend dem ausgewiesenen

Effizienzwert können 11,39 % der identifizierten Ineffizienz durch die Zugehörigkeit

in der definierten Kategorisierung erklärt werden. Eine Reduktion der Ineffizienz kann

somit durch die Anpassung der genannten Faktoren, die die Prozesskonfiguration

bestimmen, erreicht werden. Unter Berücksichtigung variabler Skalenerträge kann

innerhalb der zugewiesenen Kategorie ein Effizienzwert (VRSK) von 0,294 ermittelt

werden. Eine Reduktion der prozessualen Kosten auf 11,13 Euro pro Bestellung kann

ohne die Anpassung der Prozesskonfiguration oder der Prozessoutputmenge realisiert

werden. Durch die Positionierung im Bereich nicht abnehmender Skalenerträge159 lässt

sich eine Kostenreduktion auf 10,19 Euro pro Bestellung durch eine Erhöhung der

Ausbringungsmenge, im vorliegenden Fall des quantitativen Prozessoutputs,

realisieren. Durch das beschriebene Vorgehen können im vorliegenden Fall lediglich

ca. 14,42 % der identifizierten Ineffizienz erklärt werden. Abbildung 33 zeigt die

Partitionierung der Effizienzlücke des Hauptprozesses operative Beschaffung der

Beispiel-DMU 26. Es wird deutlich, dass noch immer der überwiegende Teil der

diagnostizierten Ineffizienz nicht systematisch erklärt werden kann. Diese sogenannte

Best-Practice-Lücke kann mit einer Standard-DEA nicht final beschrieben werden, ist

jedoch gerade aus der Sicht eines praxisorientierten Benchmarking-Ansatzes von

Interesse. Es bedarf damit eines Ansatzes zur Erklärung und Ableitung von

Handlungsempfehlungen sowie konkreten Stellhebeln, der auf die erstellte

Prozessstrukturierung zurückgreift.

159 Nicht abnehmende Skalenerträge bedeuten, dass sich eine Erhöhung der Ausbringungsmenge positiv auf die

Effizienz auswirkt.


Abbildung 33: Zerlegung der Ineffizienz am Beispiel von DMU 26 (eigene Darstellung)

6.7 Fazit und Zusammenfassung der Prozessleistungsmessung

Nach Darlegung der Eignung der DEA zur Leistungsbeurteilung auf Prozessebene

wurde die grundsätzliche Vorgehensweise der DEA vorgestellt. Zudem wurde eine

methodengestützte Systematik aus bestehenden theoretischen Ansätzen und

Anwendungen entwickelt, inkl. der spezifischen Anpassungen zur Beurteilung der

Leistungsfähigkeit von Unterstützungsprozessen im Krankenhaus. Die Entwicklung

dieses Methodenbestandteils basiert auf der vorangegangenen Prozessstrukturierung,

die insbesondere die Homogenität der in die Betrachtung involvierten Einheiten

sicherstellt. Die vorgestellte Systematik weist engen Bezug zum oben beschriebenen

Benchmarking-Vorgehen auf, da sowohl Benchmarks als auch verbesserungswürdige

Einheiten identifiziert, konkrete Zielsetzungen definiert und Implikationen für die

Ableitung von Handlungsempfehlungen gegeben werden können. Nach der

Bestimmung der Vergleichsobjekte und der Betrachtungsebene wird mithilfe eines

konsistenten Vorgehens die Qualität und zielgerichtete Auswahl der Input- und

Output-Faktoren sichergestellt. Diese sind für die Berechnung des Effizienzrankings

0,706

0,825

0,119

85,6%

3%

11,4%

0,731

DMU 26

Best-Practice -

Lücke Ineffizienz in

Kat. unter CRS

Darlegung der Best-Practice-Lücke

Erklärbarer

Anteil Ineffizienz

0,2940,269

0,175

Ineffizienz

Total

1,000

Zerlegung der Ineffizienz

Effizienzwert in der Kategorie

Effizienzwert unter variablen Skalenerträgen in der Kategorie

Effizienzwert unter konstanten Skalenerträgen

Kostenbedingte Prozessineffizienz


von zentraler Bedeutung. Abschließend wird ein individueller Effizienzwert für jede

Betrachtungseinheit in Form einer Spitzenkennzahl berechnet, die eine Aussage

hinsichtlich der Positionierung und des ggf. daraus resultierenden Handlungsbedarfs

enthält. Zudem erfolgt eine systematische Zerlegung der Ineffizienz als erster Schritt

zur Ableitung konkreter Stellhebel für das Management. Durch den systematischen

Aufbau weist jede Stufe des Vorgehens ein konkretes Ergebnis auf und ermöglicht so

die ggf. notwendige Rückkehr zu vorangegangenen Schritten.

Die beschriebene Systematik wurde im Rahmen einer empirischen Studie in 46

deutschen und schweizerischen Krankenhäusern umgesetzt. Die dort erhobenen

prozessbasierten Daten bilden die Grundlage für die Durchführung der

effizienzbasierten Leistungsmessung. Dabei konnte das Vorgehen der individuellen

Zerlegung der Effizienz und Ableitung konkreter Referenzwerte anhand einer

beispielhaft ausgewählten Betrachtungseinheit demonstriert werden. Im untersuchten

Fall hat DMU 26 ein Effizienzpotenzial von 59,8 % (CRS) im Hauptprozess zur

Sortimentsgestaltung, im Hauptprozess der operativen Beschaffung 82,5 % (CRS) und

zeigt so erheblichen Raum für Einsparungen sowie Anknüpfungspunkte für

Entscheidungsträger auf. Daneben konnten konkrete Krankenhäuser als Referenz-

DMUs identifiziert werden, bei denen eine effiziente Ausführung der Prozesse vorliegt

und die geeignete Peers im Sinne des Benchmarking-Vorgehens bilden. Im

analysierten Einzelfall wird deutlich, dass nur ein Teil der Ineffizienz methodisch

anhand der durchgeführten Kategorisierung und durch die Betrachtung

unterschiedlicher Skalenertragsannahmen erklärt werden kann und eine erhebliche

Best-Practice-Lücke zum Benchmark verbleibt. Die Erklärung der identifizierten

Leistungslücke und die Berücksichtigung von strategischen Zielsetzungen des

Managements zur zielgerichteten Ableitung von Referenzwerten bildet die Basis für

das folgende Kapitel.

Systematische Ableitung prozessbasierter Zielwerte und Handlungsempfehlungen 168

7 SYSTEMATISCHE ABLEITUNG PROZESSBASIERTER

ZIELWERTE UND HANDLUNGSEMPFEHLUNGEN

Nach der Berechnung der Effizienzwerte besteht die Notwendigkeit, der ermittelten

Ineffizienz mit konkreten Maßnahmen zu begegnen. Entsprechend müssen geeignete

Handlungsempfehlungen abgeleitet und operative Zielsetzungen anhand der

strategischen Zielsetzungen des Managements operationalisiert werden. Zu diesem

Zweck muss eine Verbindung zwischen der erstellten Prozessstrukturierung und den

ermittelten Effizienzwerten hergestellt werden, um insbesondere die Best-Practice-

Effizienzlücke zu erklären und geeignete Handlungen abzuleiten und zu priorisieren.

Im Folgenden sollen die Ansätze am Beispiel eines Teilprozesses dargelegt werden.

Im ersten Schritt erfolgt die Analyse der Teilprozesse zur Identifikation ineffizienter

Einheiten entsprechend dem dargelegten Vorgehen unter Berücksichtigung der

notwendigen Betrachtungsebene. Tabelle 7 zeigt die Ineffizienzen der Teilprozesse

Antrag, Lieferantenidentifikation und Verhandlung, des übergeordneten

Hauptprozesses Sortimentsgestaltung sowie zur Vervollständigung die Werte des

Hauptprozesses operative Beschaffung der DMU 26.

Betrachtungsebene Effizienzwert CRS Effizienzwert VRS

HP operative Beschaffung 0,175 0,205

HP Sortimentsgestaltung 0,402 0,554

TP Antragsprozess 0,243 0,437

TP Lieferantenidentifikation 0,166 0,194

TP Verhandlung 0,308 0,362

Tabelle 7: Übersicht der Effizienzwerte der DMU 26 (eigene Darstellung)

Hinzuzufügen ist, dass die Hauptprozesse wie oben beschrieben lediglich auf die

quantitativen Outputs fokussieren, im Rahmen der Effizienzbetrachtung der

Teilprozesse jedoch sowohl Informationen zur Quantität als auch zur Qualität

Berücksichtigung finden. Die Analyse der Effizienzergebnisse offenbart, dass alle

relevanten Hauptprozesse verhältnismäßig geringe Effizienzwerte zeigen und somit

über ein hohes Effizienzpotenzial verfügen.


7.1 Theoretische Konzeption zur Ableitung zielgerichteter

Benchmarks

Die in Kapitel 6 errechneten Effizienzwerte beschreiben die Leistungsfähigkeit einer

Betrachtungseinheit mit einer Spitzenkennzahl im Vergleich zu allen in die

Betrachtung involvierten Einheiten. Dabei werden im Regelfall, je nach gewählter

Orientierung, gleichmäßige Reduktions- bzw. Steigerungsanforderungen für die

betreffenden Faktoren formuliert, um die DMU auf den effizienten Rand der

Technologie zu befördern.160 Ziel des von STEWART (2010) vorgestellten Vorgehens

ist die Berücksichtigung der DMU-individuellen Zielsetzung des Managements und

die entsprechende Ableitung von differenzierten Zielsetzungen für die einzelnen

Faktoren.

7.1.1 Theoretische Fundierung und Konzeption

Die Data Envelopment Analysis besitzt eine herausragende Eignung zur objektiven

Diagnose und Bewertung der Leistungsfähigkeit von Organisationen oder Prozessen

(Du et al., 2010; Ferrier et al., 2006; Grosskopf & Valdmanis, 1987). Resultat der

beschriebenen Betrachtung ist die Bestimmung eines (äquiproportionalen)

Effizienzwertes sowie die Ableitung von Benchmarks, die entsprechende

Referenzeinheiten repräsentieren, die über eine ähnliche Input/Output-Konfiguration

verfügen (Scheel, 2000). Im Rahmen der Analyse kann die Untersuchung durch die

zielorientierte Auswahl des Settings der eingesteuerten Faktoren hinsichtlich einer

bestimmten strategischen Zielstellung ausgerichtet werden. Dabei ist zu

berücksichtigen, dass die Ableitung des Handlungsbedarfs sowie geeigneter

Benchmarks und damit verbundener operativer Ziele selbst bei einer dynamischen

Betrachtung über mehrere Perioden auf vergangenheitsorientierten Daten aufbaut.161

Insbesondere aus Sicht des Managements besteht der Bedarf, dass die Prozessziele mit

den übergeordneten bzw. strategischen Zielsetzungen des Unternehmens

übereinstimmen. Die Möglichkeit zur Berücksichtigung übergeordneter Präferenzen

bzw. der Nutzung der DEA in Verbindung mit den Methoden der multikriteriellen

Entscheidungsanalyse (MCDA) wird in der Literatur intensiv diskutiert (Bouyssou,

1999; Stewart, 1996; Joro & Korhonen, 2015). Zudem existiert ganze Reihe von

160 Für eine detaillierte Diskussion der Unterschiede zwischen Target Setting und dem errechneten

äquiproportionalen Effizienzmaß siehe Scheel (2000). 161 Siehe Kap. 3.1.4 dieser Arbeit.


Anwendungen, welche die DEA-Systematik mit Verfahren der MCDA kombinieren

(Jyoti et al., 2008; Joshi et al., 2011). Dabei ist es wichtig zu unterscheiden, dass

multikriterielle Verfahren zukunftsorientiert ausgerichtet und

entscheidungsunterstützend sind sowie Werte und Ziele berücksichtigen und ggf.

gewichten.162 Die DEA stellt in ihrer Reinform eher ein Monitoring- und

Kontrollsystem dar (Cooper, 2005), bei dem ein vergangenheitsbezogener

Benchmarking-Wert den zentralen Output bildet (Allen, 2002; Stewart, 2010). Um

diesem Monitoring- und Diagnoseaspekt eine Planungsseite hinzuzufügen, entwickelt

STEWART (2010) einen Ansatz zur systematischen Berücksichtigung von strategischen

Unternehmenszielen.163 Somit wird ein Verbund geschaffen zwischen den vom

Management gewünschten strategischen Zielwerten und denen, die technisch

erreichbar sind. Diese Informationen werden zu Prozessplanungszwecken im weiteren

methodischen Vorgehen berücksichtigt. Ziele können mit Berücksichtigung der

strategischen Zielsetzung des Unternehmens oder Unternehmensteils für jeden Prozess

individuell festgelegt werden.164 Darüber hinaus ist die Methode nicht nur dazu

geeignet, die zielgerichteten Benchmarks ineffizienter Prozesse zu bestimmen, sondern

eignet sich ebenso zur Berücksichtigung von Zielen für die in der Betrachtungsperiode

effizienten Units im dem Sinne, dass diese näher an die Management-Zielsetzung

heranreichen. Ergebnis des Verfahrens ist eine Bandbreite von Benchmarks, die zum

einen die DMU effizient erscheinen lässt und sich zum anderen an den vom

Management vorgegebenen Zielen orientiert. Zusammengefasst orientiert sich das

entwickelte Verfahren an drei zentralen Prinzipien:

1) Die Benchmarks sollen so nah wie möglich an den Zielsetzungen liegen.

2) Die Benchmarks sollen auf dem effizienten Rand der Technologie liegen.

3) Die Benchmarks sollen so realistisch bleiben, dass sie im Rahmen einer

Budgetperiode erreichbar sind.

Den methodischen Rahmen beschreibt neben der DEA insbesondere der von CHARNES

und COOPER (1961) entwickelte Goal-Programming-Ansatz. Im Rahmen

multikriterieller Entscheidungsverfahren wird in einem ersten Schritt versucht, das

Zielsystem des Entscheidungsträgers zu entwickeln, um es dann zur

162 Der Präferenzstruktur des Entscheiders werden dabei Präferenzwerte zugeordnet. Mithilfe paarweiser

Vergleiche wird eine Ergebnismatrix erstellt, wobei die Alternative mit dem höchsten Präferenzwert

hinsichtlich der Ziele die „beste“ Lösung beschreibt. 163 Der Ansatz von Stewart (2010) bildet die Basis für die nachfolgenden Ausführungen. 164 Die nachfolgenden Berechnungen beruhen auf der Annahme konstanter Skalenerträge.


Entscheidungsfindung heranzuziehen (Laux et al., 2014). Entscheidungsverfahren, die

Referenzpunkte nutzen, haben einen vergleichsweise geringen Bedarf an

Informationen. Das von WIERZBICKI (1980) entwickelte Referenzpunkte-Verfahren

umfasst zwei wesentliche Schritte und bildet die Grundlage für das folgende

Vorgehen. Zunächst werden für jedes Ziel (im vorliegenden Fall Input- und Output-

Faktoren) entsprechende Anspruchsniveaus jeweils in Form eines Referenzpunkts

festgelegt, der häufig nicht realisierbar bzw. nicht effizient ist. Die angestrebten Ziele

können somit außerhalb des effizienten Randes der Technologiemenge liegen. Im

zweiten Schritt erfolgt eine Projektion des Referenzpunktes auf den effizienten Rand

der Technologie durch Minimierung einer entsprechenden Distanzfunktion, d. h., die

Summe der gewichteten Abweichungen wird minimiert (Isermann, 1987). Dabei

beschreibt gik das individuelle Ziel bzw. Anspruchsniveau für den Input i der DMUK,

hrk, entspechend für den Output r der DMUK. Da die Ziele nicht notwendigerweise

erreichbar sind, werden Goal-Programming-typische Abweichungsvariablen eingefügt:

𝑥𝑖𝑘+ − 𝛿𝑖𝑘

𝐼 ≤ 𝑔𝑖𝑘 für 𝑖 = 1, … , 𝑚

𝑦𝑟𝑘+ + 𝛿𝑟𝑘

𝑂 ≥ ℎ𝑟𝑘 für 𝑟 = 1, … , 𝑠

Die Anwendung der beschriebenen Referenzpunktmethode nach WIERZBICKI hat zum

einen den Vorteil, dass immer eine Projektion auf den effizienten Rand erfolgt, auch

wenn der Referenzpunkt bspw. innerhalb des PPS liegt. Zum anderen ist sichergestellt,

dass die bestmögliche Lösung generiert wird und der identifizierte Benchmark

effizient im Sinne der MCDA ist. Das heißt, es gibt keine bessere Lösung, die allen

einbezogenen Kriterien entspricht.165 Der identifizierte Benchmark ist gemäß dem

Vorgehen der Standard-DEA eine lineare Kombination real existierender

Beobachtungen.

Werden für den Referenzpunkt als Ziele die realen Ausprägungen einer bestimmten

DMU gewählt (Input- und Output-Faktoren), so wird im Falle einer vorliegenden

Effizienz die DMU selbst als Benchmark genannt, ansonsten wird eine Projektion auf

den effizienten Rand der Technologie als Benchmark deklariert. Der identifizierte

Punkt bildet eine gute Ausgangslage, aber der errechnete Benchmark ist unabhängig

von den spezifischen Zielen des Managements und berücksichtigt ausschließlich die

vergangene Leistung. Auf der anderen Seite weist die ausschließliche Nutzung der

managementorientierten Ziele keine Beziehung mehr zur eigentlichen Prozessleistung

165 Siehe Kapitel 3.1.4 dieser Arbeit.


der DMU auf, es sei denn, die Ziele sind ggf. von der Bekanntheit der aktuellen

Leistung beeinflusst. Entsprechend wird im Rahmen des vorliegenden Konzepts ein

Referenzpunkt erzeugt, der sowohl die Zielsetzungen als auch die aktuelle

Leistungsfähigkeit des Prozesses berücksichtigt und daher gleichermaßen zielorientiert

und realistisch ist. Der Referenzpunkt ist definiert als 𝑥𝑖𝑘𝑟𝑒𝑓

= 𝛼𝑔𝑖𝑘 + (1 − 𝛼)𝑥𝑖𝑘 für

die Input-Variablen und als 𝑦𝑟𝑘𝑟𝑒𝑓

= 𝛼ℎ𝑟𝑘 + (1 − 𝛼)𝑦𝑟𝑘 für die Output-Variablen,

wobei Alpha einen Wert zwischen 0 und 1 annimmt. Demnach wird durch die

Variation von Alpha eine Bandbreite möglicher Benchmarks generiert, abhängig von

der Gewichtung der Zielsetzung bzw. der aktuellen Leistungsfähigkeit. Wenn 𝛼 = 0

ist, wird ausschließlich die tatsächliche Leistung in die Betrachtung einbezogen, wenn

𝛼 = 1 ist, werden ausschließlich die Zielsetzungen des Managements berücksichtigt

und die momentane Leistungsfähigkeit der DMU bleibt unberücksichtigt. Die

genannten Formulierungen werden zur Ableitung des besten zielorientierten

Benchmarks in ein lineares Optimierungsprogramm unter der Annahme konstanter

Skalenerträge eingebunden:

min ∆ + 휀 [∑ 𝑤𝑖𝑘𝐼 𝛿𝑖𝑘

𝐼 + ∑ 𝑤𝑟𝑘0 𝛿𝑟𝑘

0

𝑠

𝑟=1

𝑚

𝑗=1

]

𝑢. 𝑑. 𝑁. ∑ 𝜆𝑗𝑥𝑖𝑗 −

𝑛

𝑗=1

𝛿𝑖𝑘𝐼 ≤ 𝛼𝑔𝑖𝑘 + (1 − 𝛼)𝑥𝑖𝑘 (𝑖 = 1, … , 𝑚)

∑ 𝜆𝑗𝑦𝑟𝑗 −

𝑛

𝑗=1

𝛿𝑟𝑘0 ≥ 𝛼ℎ𝑟𝑘 + (1 − 𝛼)𝑦𝑟𝑘 (𝑟 = 1, … , 𝑠)

∆ − 𝑤𝑖𝑘𝐼 𝛿𝑖𝑘

𝐼 ≥ 0 (𝑖 = 1, … , 𝑚)

∆ − 𝑤𝑟𝑘0 𝛿𝑟𝑘

0 ≥ 0 (𝑟 = 1, … , 𝑠)

𝜆𝑗 ≥ 0 (𝑗 = 1, … , 𝑛)

Dabei ist ∆, 𝛿𝑖𝑘𝐼 (für 𝑖 = 1, … , 𝑚) und 𝛿𝑟𝑘

0 (für 𝑟 = 1, … , 𝑠) unbeschränkt hinsichtlich des

Vorzeichens. Die Operatoren 𝑤𝑖𝑘𝐼 und 𝑤𝑟𝑘

0 beschreiben Gewichtungsfaktoren, die dann

von Relevanz sind, wenn die Inputs nicht gleich skaliert sind, sondern bspw. normiert

auf ein definiertes Maximum. Gerade bei ineffizienten Prozessen ist es von besonderer

Bedeutung, dass die einzuleitenden Maßnahmen mit den übergeordneten Zielen in

Übereinstimmung sind. Aufbauend auf den auf der Basis der Prozessstrukturierung

generierten Messmodellen und den somit ermittelten Effizienzwerten werden die

Faktorenausprägungen auf ein Maximum von 100 normiert. Entsprechend dem


Vorgehen von STEWART (2010) ist Alpha in 0,25-Schritten aufgeführt und es wird eine

Bandbreite möglicher Benchmarks generiert, um die betrachtete DMU effizient

erscheinen zu lassen.

7.1.2 Anwendung des Konzepts zur Ableitung zielgerichteter Benchmarks auf

der gewählten Analyseebene

Eingangs wurde der Hauptprozess Sortimentsgestaltung der DMU 26, inkl. der

Teilprozesse und deren Effizienzwerten, exemplarisch beschrieben. Dabei wurde

Potenzial zur Effizienzsteigerung identifiziert. Beispielsweise wird dem Teilprozess

Verhandlung ein Effizienzwert von 0,308 unter Annahme konstanter

Skalenbedingungen bei inputorientierter Betrachtung zugewiesen. Ziel des Vorgehens

ist es, auf der gewählten Analyseebene des Hauptprozesses konkrete Benchmarks

abzuleiten, mit denen die DMU den effizienten Rand der Technologiemenge erreicht.

Neben den Effizienzwerten des Teilprozesses müssen vom Management

entsprechende Ziele je Faktor definiert werden.

Variable

Personal-

kosten in

EUR

Sach-

kosten in

EUR

Anzahl

Anträge

IG

Anzahl

Anträge

VG

Anzahl

neuer

Lief. IG

Anzahl

neuer

Lief. VG

Anzahl

Verhandl

IG

Anzahl

Verhandl.

VG

Normierte

Werte 18,06 100 5,63 1 20 1,20 7,46 2,76

Zielsetzung –25 % –20 % +5 % +10 % +5 % +10 % +5 % +10 %

Tabelle 8: Übersicht der faktorspezifischen Zielsetzungen aus Sicht des Managements (eigene Darstellung)

Im vorliegenden Fall wird bei Existenz erheblicher Effizienzpotenziale für die Input-

Faktoren eine entscheidende Reduktion angestrebt. Für die Ausprägung der

Outputfaktoren wird eine moderate Verbesserung avisiert. Tabelle 8 zeigt die

normierten Werte der aktuellen Performance und die prozentualen faktorindividuellen

Zielsetzungen. Weiterhin sind in Abhängigkeit vom gewählten Alpha die Benchmarks

aufgezeigt, um die Ineffizienz der DMU zu beheben. In Tabelle 9 sind zum einen die

Zielwerte, zum anderen die Benchmarks aufgeführt, um die DMU auf den effizienten

Rand der Technologie zu befördern.


Faktor Personal-

kosten in

EUR

Sach-

kosten

in EUR

Anzahl

Anträge

IG

Anzahl

Anträge

VG

Anzahl

neuer

Lief. IG

Anzahl

neuer

Lief. VG

Anzahl

Verhandl.

IG

Anzahl

Verhandl.

VG

Ausprägung Input Input Output Output Output Output Output Output

Ziel 13,54 80 5,91 1,1 21 1,32 7,84 3,03

Zielgerichtete Benchmarks für unterschiedliche α:

α: 1,00 9,09 36,76 1,39 5,61 25,50 36,33 12,34 24,67

α: 0,75 10,23 42,09 1,34 5,56 25,24 36,86 12,23 27,33

α: 0,50 11,38 47,42 1,29 5,52 24,97 37,40 12,11 30,00

α: 0,25 12,53 52,75 1,24 5,48 24,70 37,93 12,00 32,66

α: 0,00 13,68 58,08 1,19 5,43 24,43 38,47 11,89 35,33

Tabelle 9: Ergebnisübersicht der zielgerichteten Benchmarks (normiert)(eigene Darstellung)

Im konkreten Anwendungsfall wird deutlich, dass die faktorspezifischen Benchmarks

teilweise sehr stark in Abhängigkeit vom gewählten Alpha variieren und die

Benchmarks entsprechend in einer großen Bandbreite liegen. Dabei muss

berücksichtigt werden, dass aufgrund der diagnostizierten deutlichen Ineffizienz die

notwendigen Veränderungen grundsätzlich vergleichsweise umfangreich ausfallen. In

Abhängigkeit von den vom Management gewählten Zielsetzungen, die im

vorliegenden Fall die erhebliche Reduktion der Kostenpositionen vorsehen, können die

Benchmarks generiert werden. Dabei wird deutlich, dass insbesondere die Sachkosten

um mindestens 42 % reduziert werden müssen, um auf den effizienten Rand der

Technologiemenge zu gelangen. Darüber hinaus sind relevante Veränderungen

hinsichtlich der Anzahl der neuen Lieferanten (VG) und damit einhergehend der

Anzahl der Verhandlungen (VG) nötig. Jedoch muss die Ableitung konkreter

Handlungsempfehlungen stets in Abhängigkeit von der gewählten strategischen

Ausrichtung des Betrachtungsobjekts bzw. der betrachteten Funktion erfolgen.

Aufgrund der vergleichsweise hohen diagnostizierten Ineffizienz weisen die

(effizienten) Benchmarks mit Berücksichtigung der strategischen Zielsetzung teilweise

eine erhebliche Differenz zur aktuellen Performance auf und erfordern daher

weitreichende Maßnahmen zur Reduktion der Ineffizienz.166 Hinzuzufügen ist, dass

die Methode nicht nur für ineffiziente DMUs angewendet werden kann. Im

vorliegenden Fall einer ineffizienten Einheit werden bei der Wahl von Alpha = 0 jene

faktorindividuellen Benchmarks ausgewiesen, ohne dass die Zielsetzung des

166 Zur Ableitung der operativen Zielwerte muss die zuvor durchgeführte Normierung der ermittelten

zielgerichteten Benchmarks beachtet werden.


Managements berücksichtigt wird. Bei einer stärkeren Gewichtung der strategischen

Zielsetzungen variieren diese Werte entsprechend.

Als Ergebnis der Methode werden dem Anwender neben der grundsätzlichen Aussage

zur Veränderung der Input-Faktoren konkrete Benchmarks für die individuellen

Faktoren bereitgestellt, um den Prozess hinsichtlich der übergeordneten Zielsetzungen

zu steuern. Nebenergebnis der Betrachtung ist, dass entsprechende Maßnahmen zur

Optimierung oder grundsätzlichen Restrukturierung unter Berücksichtigung der

operativen Leistungsstärke des Prozesses abgeleitet werden können.

7.2 Ableitung konkreter Handlungsempfehlungen unter

Berücksichtigung der Prozessstrukturierung

Die Effizienzanalyse und die Ableitung zielgerichteter Benchmarks liefern eine

geeignete Basis zur Ableitung von Prozessoptimierungs- bzw.

Restrukturierungsvorhaben. Insbesondere die Zusammenführung der

multidimensionalen Prozessleistungsmessung mit der entwickelten Prozessstruktur

und den dort erhobenen Prozessstrukturvariablen besitzt das Potenzial, spezifische

Handlungsempfehlungen für die einzelne DMU abzuleiten. Dabei erfolgt eine

Zusammenführung des strikt analytischen Ansatzes der Data Envelopment Analysis

und einer individualisierten Betrachtung der strukturellen Rahmenbedingungen.

7.2.1 Zusammenführung der Effizienzwerte und der Prozessstrukturierung zur

Ableitung konkreter Handlungsempfehlungen auf Prozessebene

Eine wichtige Zielstellung des Benchmarking-Ansatzes ist neben der Identifikation

geeigneter Benchmarkingpartner und der Bestimmung der individuellen

Positionierung insbesondere die Erklärung der Best Practices der führenden

Unternehmen und die entsprechende Ableitung konkreter Handlungsempfehlungen.

Die dargelegten Referenzprozessmodelle liefern die Basis für die Konstruktion des

Effizienz-Messmodells und sind somit valide Grundlage für die Durchführung der

Leistungsmessung. Zudem konnten mithilfe der Data Envelopment Analysis

Effizienzwerte unter der Annahme konstanter und variabler Skalenerträge sowie unter

Beachtung der strukturellen Kategorisierung der Betrachtungsobjekte ermittelt


werden.167 Darüber hinaus liefert die DEA Informationen über reale Referenzeinheiten

des ausgewählten Betrachtungsobjekts. Jedoch verbleiben je nach Betrachtungsfall

unterschiedlich dimensionierte unerklärbare Teile der Ineffizienz, die auf Best

Practices zurückzuführen sind. Insbesondere die Identifikation dieser Best Practices

liefert einen Beitrag zu überdurchschnittlicher prozessualer Leistung. Daher besteht

der Bedarf, diese Best Practices systematisch hinsichtlich ihrer strukturellen

Eigenschaften und Besonderheiten zu analysieren. Im Rahmen der Herstellung der

Prozessstruktur sind nicht nur aktivitätenfokussierte Leistungsfaktoren berücksichtigt,

sondern systematisch jene Merkmale dokumentiert, die Einfluss auf die

Leistungserbringung in den Prozessen haben. In Kap. 5.8.2.3 dieser Arbeit wurden

dafür fünf Bewertungsdimensionen definiert, denen jeweils detaillierte Kriterien

zugeordnet sind. Im Vergleich mit weiteren Krankenhäusern und insbesondere den als

Referenzobjekten identifizierten Betrachtungseinheiten sollen so strukturelle

Unterschiede identifiziert werden. Zentrale Ergebnisse des Vorgehens sind:

die Identifikation von individuellem Verbesserungsbedarf aufgrund der Analyse

der Kriterienausprägungen je Strukturdimension,

die Herstellung von Strukturtransparenz hinsichtlich der Vergleichsgruppe und

der individuell zugewiesenen Referenzeinheiten,

die Priorisierung von Maßnahmen aufgrund der absoluten Entfernung der

eigenen Leistung zum Benchmark und der prozessindividuellen Kostenposition.

Die Ausführung der Prozesse ist nicht nur von der Ressourcenausstattung abhängig,

sondern wird in erheblichem Maß von moderierenden Faktoren beeinflusst. Dabei

können qualitative Moderatoren, wie z. B. die Qualität und Vollständigkeit von

Produktinformationen bei Bestellvorgängen medizinischer Güter oder der Einfluss des

medizinischen Personals auf betriebswirtschaftliche Entscheidungen einen

wesentlichen Einfluss auf die Leistungsfähigkeit der Prozesse ausüben. Zudem ist die

Effizienz der Leistungserbringung in indirekten Bereichen von Krankenhäusern in

hohem Maße durch den Entwicklungs- und Implementierungsstand der IKT-Systeme

beeinflusst. Dabei spielt die IT-Einbindung sowohl unternehmensintern als auch

unternehmensübergreifend eine zentrale Rolle. Ein unterdurchschnittlicher

Entwicklungsstand, insbesondere hinsichtlich der Automatisierung von Prozessen und

167 Schwegmann und Laske (2012) weisen darauf hin, dass die mangelnde Vergleichbarkeit von Kennzahlen

aufgrund der unterschiedlichen Rahmenbedingungen (siehe Kap. 5 dieser Arbeit) bei der Interpretation der

Kennzahlen und der darauf basierenden Ableitung konkreter Maßnahmen berücksichtigt werden müssen.


der Einbindung in IKT-Netzwerke, kann die Prozesseffizienz erheblich beeinflussen.

Darüber hinaus ist die Ausführung von Prozessen und damit verbundenen

Entscheidungen organisationsspezifisch häufig von formalen Rahmenbedingungen und

Vorgaben abhängig. Die so verkörperte Unternehmenskultur kann entscheidenden

Einfluss auf die Ausführung von Prozessen und somit auf die Leitungsfähigkeit ganzer

funktionaler Einheiten ausüben. Oben wurde bereits ausgeführt, dass die Ausführung

der Unterstützungsprozesse im Krankenhaus in erheblichem Maß durch

funktionsbereichsexterne Mitarbeiter determiniert wird. Dabei kann einerseits direkter

Einfluss durch Eingreifen in die Prozessausführung (operativ) ausgeübt werden,

andererseits kann die Prozessausführung mithilfe der systematischen Beeinflussung

von Zielsetzungen und Entscheidungskriterien (strategisch) beeinflusst werden. Der

Einfluss gerade des medizinischen Fachpersonals wird im Rahmen der Betrachtung

explizit berücksichtigt. Die Dimensionen Komplexität der Ausführung,

Informationsverfügbarkeit, Unterstützung durch IKT, Formvorschriften und

Mitarbeiterspezifika bilden den Analyserahmen zur Beschreibung der

dimensionsspezifischen Kriterien. Die erhobenen Daten basieren auf den qualitativen

Informationen, erhoben im Rahmen der Interviews zur Datenerhebung zum

Leistungsbenchmarking. Dabei ist zu erwähnen, dass die qualitativen Einschätzungen

der Manager oder Verantwortungsträger zur eigenen Organisation subjektiv sind und

entsprechenden Verzerrungen unterliegen, was zu Validitätsproblemen und

Manipulationsspielräumen führt (Hammerschmidt, 2006).168 Zudem muss darauf

hingewiesen werden, dass die Maßnahmen häufig erst im Verbund zu den

gewünschten Effekten führen und es sich bei den generierten Handlungsempfehlungen

um Beispiele handelt, die im Anwendungsfall jeweils weiter konkretisiert werden

müssten.169 Die Auswertung erfolgt anhand des eingangs beschriebenen

Krankenhauses (DMU 26). Tabelle 10 zeigt einen beispielhaften Ausschnitt für die

Dimension „Komplexität der Leistungserbringung“.170 Durch die Systematisierung

168 Die Standardversion der DEA fokussiert auf quantitative Angaben, da sich die Interpretation unscharfer

Größen im Rahmen der zugrunde liegenden methodischen Überlegungen als schwierig erweist. Jedoch

existieren entsprechende Anwendungen, bspw. Cook (2011); Saati et al. (2013) und Despotis und Smirlis

(2002). Donthu et al. (2005) verwenden im Rahmen ihrer Betrachtung qualitativ anmutende Messgrößen wie

bspw. Managementerfahrung, die jedoch durch konkrete Zahlen operationalisiert werden (in dem Fall durch

Jahre an Berufserfahrung). 169 Die Gesamtliste potenzieller Handlungsempfehlungen wurde im Rahmen eines Spezialistenworkshops

(11.03.–12.03.2015) erhoben. Zudem ist darauf hinzuweisen, dass insbesondere Best Practices, die in

anderen Industrien identifiziert werden können, hohes Potenzial für innovative Ansatzpunkte liefern. 170 Ein Überblick zu den Ergebnissen und möglichen Handlungsfeldern der weiteren Dimensionen findet sich in

Anhang 6.


wird eine systematische Identifikation von Bereichen mit besonderem

Entwicklungspotenzial ermöglicht. Dabei werden neben dem eigenen Wert, der in

Abhängigkeit von der Ausprägung mit einer grünen (überdurchschnittlich), grauen

(neutral) oder roten (unterdurchschnittlich) dreieckigen Markierung versehen ist, die

minimalen und maximalen Ausprägungen der betrachteten Variable dargestellt.

Zudem wird sowohl der Median (senkrechter Strich) als auch der Mittelwert (Quadrat)

des Gesamtsamples vermerkt. Die grau markierte Fläche kennzeichnet dabei die

mittleren 50 % der beobachteten Werte.

Dimen

sion Kriterium 171

Handlungs-

bedarf Handlungsempfehlung

Ko

mp

lex

ität

der

Lei

stu

ng

serb

rin

gu

ng

An

zah

l

Pro

zess

sch

ritt

e*

Jobrotation zur Sicherstellung der Kenntnis der gesamten

Beschaffungsprozesses

Initiierung eines regelmäßigen Austauschs, z. B. in Form

eines „KVP-Marktplatzes“

Etablierung von Notfallplänen und Freiraum, um aus

definierten Soll-Prozessen auszubrechen, falls nötig

Einrichtung von Online-Katalogen (insb. für

Verbrauchsgüter) und eines Wikis

An

zah

l M

edie

nb

rüch

e*

Etablierung eines einheitlichen IT-Systems

Reduktion und Harmonisierung der Schnittstellen

Ganzheitliche Betrachtung der Anforderungen und

Spezifika auf Kunden- und Lieferantenseite von Beginn

an

Vermeidung manueller Workarounds und papierbasierter

Tätigkeiten, z. B. Bestellungen

Bea

rbei

terw

ech

sel*

Entwicklung und Implementierung einer übergeordneten

Prozess-Guideline

Jobenrichment

Spezifische Kompetenzentwicklung und Qualifikation zur

Übernahme von verantwortungsvollen Tätigkeiten

Zuweisung von Verantwortung sowie Erweiterung der

Befugnisse/Befähigungen

Tabelle 10: Überblick beispielhafter Handlungsempfehlungen je Dimension (eigene Darstellung)

Da die Beurteilung der individuellen Kriterien hauptprozessbezogen erfolgte, werden

die Einschätzungen auf die jeweils zuzuordnenden Teilprozesse übertragen.

Insbesondere bei sehr ineffizienten Prozessabläufen kann eine komplette

Restrukturierung statt einer schrittweisen Prozessoptimierung sinnvoll sein. Zudem

besteht für einzelne Prozesse die Möglichkeit, sie auszulagern und die Leistung mit

definierten Anforderungen von Dritten erbringen zu lassen.

171 Bei mit * gekennzeichneten Kriterien besteht ein negativer Zusammenhang zwischen den Skalenwerten und

deren Aussage/Interpretation (je höher, desto schlechter).


7.2.2 Ableitung eines Prozesseffizienz-Portfolios zur Maßnahmenpriorisierung

Die oben vorgestellte systematische Verbindung zwischen der Prozessstrukturierung,

zum einen in Form der Prozessmodelle, zum anderen in Form der

Prozessstrukturvariablen, und der DEA-basierten Leistungsmessung zeigt den

möglichen Mehrwert eines integrativen Benchmarkingkonzepts auf. Aus Management-

Perspektive ist es darüber hinaus wünschenswert, dass die verbesserungswürdigen

Prozesse und damit verbundene Maßnahmen priorisiert werden. Da insbesondere im

Unterstützungsbereich die strategische Option des Outsourcings bzw. Offshorings von

hoher Bedeutung ist, müssen entsprechende (Make-or-buy-)Entscheidungen getroffen

werden (Mahmoodzadeh et al., 2009; Walker & Weber, 1984). Das vorliegende

Konzept zum Prozessbenchmarking liefert die transparente Grundlage, um die eigenen

Leistungserstellungsprozesse zu beurteilen und entsprechend zu verbessern.

Insbesondere die Identifikation vergleichsweise leicht zu erreichender Verbesserungen

ist aus umsetzungsorientierter Perspektive von hoher Relevanz. Dabei wird sowohl die

Ausprägung der Prozessstrukturen als auch das Effizienzpotenzial des betreffenden

Krankenhauses analysiert und in einem Prozesseffizienzportfolio für die analysierten

Prozesse zusammengefasst. Die daraus abzuleitende Priorisierung der Maßnahmen

hilft den Krankenhäusern, die Ressourcen in jene Maßnahmen zu investieren, die auf

Basis des gegenwärtigen Kenntnisstandes die höchste Rendite bieten.

Zur Priorisierung der Maßnahmen wurde ein Prozesseffizienz-Portfolio entwickelt, das

eine mehrdimensionale Abbildung der einzelnen Teilprozesse möglich macht. Auf der

y-Achse wird zu diesem Zweck das mithilfe der DEA identifizierte Effizienzpotenzial

abgebildet. Auf der x-Achse ist die Wahrscheinlichkeit einer Umsetzung abgetragen.

Diese resultiert aus den diagnostizierten strukturellen Besonderheiten des

Betrachtungsobjekts im Vergleich zur Peergroup. Dabei wird anhand eines

systematischen Vorgehens sowohl unter Betrachtung der Anzahl notweniger

Anpassungen als auch der erhobenen faktorspezifischen Ausprägung der

Veränderungsbedarf quantifiziert. Abschließend bildet die Fläche des Kreises die

strategische Wichtigkeit der Maßnahmen ab, wobei insbesondere auf die

Ausprägungen der Kostenstrukturen abgestellt wird. Mit dem in Abbildung 34

exemplarisch für DMU 26 dargestellten Portfolio wird eine systematische

Operationalisierung der verschiedenen Ergebnisse bereitgestellt, die insbesondere in

Kombination mit der in Kap. 7.2.1 dieser Arbeit dargelegten operativen Analyse der


Strukturen der Leistungserbringung eine valide Grundlage zum Ergreifen geeigneter

Maßnahmen bildet.

Abbildung 34: Prozesseffizienz-Portfolio für DMU 26 (eigene Darstellung)

Eine zusammenfassende Darlegung der Leistungsspezifika, Referenzeinheiten,

zielgerichteter Benchmarks und klarer Handlungsempfehlungen ermöglicht den

Entscheidungsträgern der Krankenhäuser auch innerhalb des wettbewerbsintensiven

Marktumfeldes, Verbesserungen zu identifizieren und umzusetzen. Die Priorisierung

und die Möglichkeit zur überblicksartigen Identifikation von Leistungspotenzialen

liefert einen wichtigen Beitrag zur Implementierung des etablierten

Benchmarkingkonzepts und stellt den Entscheidungsträgern eine transparente

Grundlage für die Ableitung und Priorisierung geeigneter Maßnahmen zur Verfügung,

um überdurchschnittliche prozessuale Leistungen erreichen zu können.

Fazit 181

8 FAZIT

Zu Beginn werden die zentralen Ergebnisse der vorliegenden Arbeit zusammengefasst.

Anschließend erfolgt die kritische Würdigung des konzeptionellen Teils im Hinblick

auf methodische und anwendungsspezifische Aspekte. Nach einer Erörterung der

Limitationen der Arbeit wird weiterer Forschungsbedarf skizziert und ein Ausblick auf

zukünftige Entwicklungen bereitgestellt.

8.1 Ergebnisse und eigene Innovationsbeiträge

Zielstellung der Arbeit war die Konstruktion und Ausgestaltung einer systematischen

und zielgerichteten Methode zum prozessbasierten Benchmarking von

Unterstützungsprozessen im Krankenhaus. Dabei dient die Effizienz der

Prozessausführung als zentrales Entscheidungskriterium, während das

Prozessmanagement die Handhabung der auftretenden Komplexität und eine

durchgängige prozessbasierte Struktur sicherstellen muss. Das etablierte

Benchmarking-Vorgehen bildet den Bezugsrahmen, in dem eine geeignete Methode

entwickelt und auf Unterstützungsprozesse im Krankenhaus angewendet wurde.

Besonders durch die erreichte Transparenz werden unternehmerische Entscheidungen

in systematischer Weise unterstützt. Dabei ist die Berücksichtigung

multidimensionaler Kriterien sowohl für unterschiedliche Zielsetzungen bei der

Leistungsbetrachtung als auch im Rahmen der konstruierten Prozessstruktur

hervorzuheben. Die Innovationsbeiträge der vorliegenden Arbeit lassen sich drei

Kategorien zuordnen. Zum Ersten wurde eine strukturierte Aufarbeitung der Literatur

zur Identifikation des Status quo sowie zur Ableitung konkreter

Methodenanforderungen vorgelegt. Zum Zweiten erfolgte eine konzeptionelle und

methodische Weiterentwicklung des Benchmarking-Vorgehens mit Fokussierung auf

den gewählten Betrachtungsbereich. Dritter zentraler Innovationsbeitrag ist die

Anwendung und Validierung der erstellten Methode mithilfe empirischer Daten von

Krankenhäusern aus Deutschland und der Schweiz.

Mit dem Ziel, die theoretische Forschungslücke zu identifizieren, wurde im Rahmen

der Arbeit nach differenzierter Darstellung des Untersuchungsbereichs ein

systematischer Literaturüberblick zur Darlegung des aktuellen wissenschaftlichen

Standes im Bereich der Schnittstelle zwischen Prozessmanagement, Benchmarking

und der Data Envelopment Analysis erarbeitet. Die damit einhergehende

Fazit 182

Strukturierung des Untersuchungsgebietes liefert einen essenziellen Beitrag zur

Beschreibung der Problemstellung, sowohl aus methodischer als auch aus

anwendungsorientierter Sicht, und bestimmt den Rahmen für die Definition und

Systematisierung der Anforderungen an die zu entwickelnde Methode. Dabei wird

insbesondere die Bedeutung der Betrachtung aller Stakeholder und die Möglichkeit der

Berücksichtigung unterschiedlich dimensionierter Kriterien betont.

Das zentrale konzeptionelle Ergebnis der vorliegenden Arbeit ist die Beschreibung

einer systematischen Methode, die in Handlungsanleitungen zum prozessbasierten

Benchmarking von Unterstützungsprozessen im Krankenhaus überführt wird. Dabei

werden die Strukturierung des Prozessumfeldes und die effizienzbasierte

Leistungsmessung als Kernbestandteile unterschieden. Bei der Strukturierung des

Prozessumfeldes wird ein Vorgehensmodell zur Strukturierung des

Betrachtungsbereichs als Grundlage für ein Benchmarking der Leistung konzipiert.

Dabei konnten ein Klassifikationsraster sowie strukturelle Variablen für eine

Clusterung der Krankenhäuser entwickelt werden mit dem Ziel der Spezifikation und

Beschreibung des Analyseziels und -objekts. Zur Herstellung von größtmöglicher

Transparenz wird ein Anforderungskatalog für die Auswahl einer geeigneten

Modellierungssprache zur Abbildung der (Referenz-)Prozessmodelle entwickelt. Die

Konstruktion des übergeordneten methodischen Rahmens für die Erstellung der

Referenzmodelle sowie die Entwicklung einer zielspezifischen Systematisierung zur

Darstellung der prozessstrukturierenden Faktoren sind ein weiterer konzeptionell-

innovativer Bestandteil der vorliegenden Arbeit. Bei der effizienzbasierten

Leistungsmessung erfolgt vorrangig die Darstellung einer DEA-gestützten Systematik

in Form einer detaillierten Beschreibung der einzelnen Schritte zur Durchführung einer

Prozessleistungsanalyse. Dabei können sowohl verbesserungswürdige Einheiten als

auch individuelle Benchmarks identifiziert werden, die die Grundlage für die

Ableitung konkreter Referenzwerte und für die Ableitung von

Handlungsempfehlungen bilden. Im Anschluss an die Bestimmung der

Vergleichsobjekte und die Auswahl der Betrachtungsebene wird mithilfe eines

konsistenten Vorgehens die zielgerichtete Auswahl der Input- und Output-Faktoren

sichergestellt, welche für die Aufstellung der Messmodelle und die daraus

resultierende Berechnung des Effizienzindex erfolgskritisch sind. Die Berechnung der

individuellen prozessbasierten Effizienzwerte für jede Betrachtungseinheit mündet in

die Bestimmung einer übergeordneten Spitzenkennzahl. Diese gibt Auskunft über die

DMU-spezifische Positionierung der Leistungsfähigkeit und enthält Aussagen zum

Fazit 183

ggf. daraus resultierenden Handlungsbedarf. Für ineffiziente Einheiten erfolgt die

systematische Zerlegung der Ineffizienz als Basis für die Ableitung konkreter

Stellhebel. Die abschließende Zusammenführung der Ergebnisse der beiden

Kernbestandteile ermöglicht die Identifikation konkreter Handlungsbereiche und

Maßnahmen. Dabei wird ein Vorschlag zur Priorisierung des Handlungsbedarfs zur

Verfügung gestellt.

Den dritten Bereich bilden die empirischen Anwendungen der einzelnen Teilbereiche

der entwickelten Methode. Bei der Strukturierung des Prozessumfeldes wurde zum

einen eine Prozesslandkarte für den gesamten Unterstützungsbereich im Krankenhaus

generiert. Darüber hinaus wurde ein vollständiges Referenzmodell am Beispiel der

Beschaffung im Krankenhaus erstellt und als valide Grundlage für die nachfolgenden

empirischen Schritte definiert. Die Erstellung der Prozesslandkarte sowie des

Referenzmodells basiert auf 29 Experteninterviews mit Managern deutscher und

schweizerischer Krankenhäuser und bildet so eine valide Grundlage für die

Bestimmung der prozessbasierten Input- und Output-Faktoren, die in ein Messmodell

überführt werden. Daneben bietet das Referenzmodell die Grundlage für eine

zielgerichtete Gestaltung der Prozessabläufe. Die verwendete Modellierungssprache

Business Process Model and Notation 2.0 erlaubt dabei eine transparente Darstellung

der beteiligten Stakeholder und bietet so das Potenzial, differenzierte

Prozesskonfigurationen abzuleiten und auf das eigene Unternehmen zu übertragen. Im

Rahmen der effizienzbasierten Leistungsmessung auf Prozessebene konnte die DEA-

basierte Betrachtung im Beschaffungsbereich von Krankenhäusern aus Deutschland

und der Schweiz durchgeführt und entsprechende Benchmarks abgeleitet werden.

Dazu wurden 46 Krankenhäuser aus Deutschland und der Schweiz als Teilnehmer des

prozessbasierten Benchmarkings gewonnen. Die kaufmännischen Ansprechpartner

stellten im Rahmen von semistrukturierten Interviews neben detaillierten Angaben zu

den prozessbasierten Leistungsfaktoren konkrete Informationen hinsichtlich der

Variablen bereit, die die Prozessleistung determinieren. Die individuelle Analyse der

DMU-Ineffizienz, im vorliegenden Fall 82,5 % des Hauptprozesses operative

Beschaffung unter der Annahme konstanter Skalenerträge, wurde am Beispiel einer

ausgewählten DMU durchgeführt. Dabei erfolgte eine transparente Zerlegung der

Ineffizienz, die ein erhebliches Potenzial hinsichtlich der Durchführung der Prozesse

offenbarte. Durch Kenntnis der einzelnen Kostenpositionen können so präzise

monetäre Verbesserungspotenziale aufgezeigt werden. Die geschaffene prozessuale

Transparenz bietet eine valide Basis für Entscheidungsträger zur Ableitung konkreter

Fazit 184

Maßnahmen. Die Zusammenführung der Prozessstrukturierung und der

Leistungsmessung mithilfe der Data Envelopment Analysis stellt den Versuch der

systematischen Erklärung der Ineffizienz dar und zeigt mithilfe der prozessbasierten

Effizienzwerte sowie der prozessdeterminierenden Variablen geeignete Stellhebel und

Ansatzpunkte zur Steigerung der Effizienz auf. Dabei werden über die Effizienzwerte

hinaus die prozessdeterminierenden Faktoren im Vergleich zum Wettbewerb analysiert

und ein umfangreiches Bild der Leistungsfähigkeit gezeichnet. Eine vorgeschlagene

Priorisierung der Maßnahmen auf der Basis eines DMU-spezifischen Prozesseffizienz-

Portfolios bildet eine Entscheidungsgrundlage für strategische Entscheidungen. Die

empirische, erstmals auf Prozessebene durchgeführte Umsetzung eines bestehenden

methodischen Ansatzes zur Einbeziehung von Managementzielen für die Ableitung

geeigneter Benchmarks ergänzt den vorgestellten Ansatz um einen zukunftsgerichteten

Aspekt. Dabei konnten im Rahmen der Betrachtung der genannten DMU exemplarisch

prozessbasierte Referenzwerte mit Berücksichtigung der individuellen Zielwerte

ermittelt werden.

Im Sinne eines integrierten Prozessmanagements wird damit die gesamte Bandbreite

von strategischen bis hin zu operativen Aspekten abgedeckt. Der integrative Aufbau

des Vorgehensmodells ermöglicht die prozessbasierte Betrachtung von Kosten, Zeit

und Qualität sowie eine strategisch orientierte (Neu-)Gestaltung des Prozessablaufs

mit kritischem Blick auf die optimale Gestaltung der Wertschöpfungskette (Horváth,

2011).

8.2 Kritische Würdigung und Limitationen

Im Rahmen der Konzeption und Validierung der präsentierten Methode konnten die

Stärken, aber auch Schwächen dargelegt werden, die für den zukünftigen Einsatz und

die (Weiter-)Entwicklung von Bedeutung sind. Grundsätzlich bildet die systematische

Aggregation und Aufbereitung der relevanten Informationen eine fundierte Grundlage

für unternehmerische Entscheidungen. Als zentrale Problemstellungen wurden beim

Benchmarking auf Prozessebene insbesondere die Vergleichbarkeit der

Untersuchungsobjekte, die Messbarkeit der Leistungsfähigkeit und die Überführung

der Ergebnisse in konkrete Handlungsempfehlungen identifiziert. Aufgrund der

modularen Konzeption der Methode ist eine transparente Partitionierung der

Problemstellung möglich. So konnte ein umfassender und vergleichsweise komplexer

Sachverhalt auf wesentliche Elemente reduziert werden. Die Kombination aus

Fazit 185

qualitativen und quantitativen Bestandteilen stellt eine umfassende und tiefgreifende

Betrachtung des Analyseobjekts sicher. Darüber hinaus sind der große Einfluss und die

systematische Verarbeitung von Expertenwissen in allen Bestandteilen der Methode zu

betonen. Dabei werden individuelle Meinungen und Sichtweisen ebenso wie

Organisations- bzw. Branchenspezifika in die einzelnen Schritte der Methode

eingebunden und mithilfe eines qualitätssichernden Verfahrens berücksichtigt.

Die Methode besitzt in der vorliegenden Form einen klaren Branchenfokus sowie eine

Ausrichtung auf eine bestimmte Prozesstypologie. Dennoch eignen sich die

erarbeiteten Ergebnisse für eine breite Nutzung und sind nicht auf den vorliegenden

Sachverhalt begrenzt. Das systematische Vorgehen lässt die Möglichkeit der

Anpassung auf weitere Leistungsbereiche oder ähnliche Branchen zu. Das im Sinne

der Transaktionskostentheorie gewählte Entscheidungskriterium der Effizienz stellt

dem handelnden Akteur transparente und nachvollziehbare Informationen zur

Verfügung. Insbesondere muss dabei betont werden, dass bereits ein Vergleich der

Prozessstrukturen zahlreiche Implikationen für notwendige Maßnahmen liefert und der

entscheidungsunterstützende Aspekt nicht auf die Analyse der Effizienzwerte

beschränkt ist. Einen deutlichen Mehrwert bietet die Multidimensionalität der

Betrachtung, da nicht nur auf ein einzelnes Leistungsmerkmal abgestellt wird, sondern

eine Vielzahl unterschiedlich dimensionierter Kriterien in der Betrachtung

berücksichtigt wird. Herauszuheben ist in diesem Zusammenhang nicht nur die

Nutzung unterschiedlich dimensionierter quantitativer Werte, sondern ebenso der

Verbund mit qualitativen Daten. Die nicht notwendige A-priori-Gewichtung der

Faktoren erhöht sowohl die Objektivität der Betrachtung als auch die Akzeptanz der

Ergebnisse. Die systematische Ableitung und Analyse der Einflussfaktoren, die der

konsistenten Auswahl der prozessualen Produktionsfaktoren vorausgeht, induziert eine

zielspezifische und transparente Auswahl der Faktoren zur Modellerstellung. Im

Unterschied zu bestehenden Methoden und Konzepten bietet die vorgestellte Art der

Prozessstrukturierung einen Mehrwert, insbesondere im Hinblick auf die

methodeninhärent notwendige große Anzahl vergleichbarer Prozesse zur

Durchführung eines Leistungsbenchmarkings.

Betrachtet man die kritischen Punkte der zugrunde liegenden Methode, muss gesagt

werden, dass keine statistische Überprüfung der Ergebnisse möglich ist, sondern die

Validierung sich auf die Durchführung von Sensitivitätsanalysen und systematischen

Plausibilisierungen beschränkt. Entsprechend den DEA-Eigenschaften werden zum

Fazit 186

einen die Benchmarks nur auf Basis der in der Betrachtung berücksichtigten DMUs

abgeleitet, zum anderen werden alle verfügbaren Werte in die Betrachtung einbezogen.

Daraus resultiert, dass Ausreißer und Messfehler mit in die Betrachtung integriert und

entsprechende Verzerrungen bei der Ableitung der Referenzwerte möglich werden.

Neben den methodeninhärenten Schwächen der DEA muss an dieser Stelle das

Dilemma der Referenzmodellierung angeführt werden. Im Rahmen Erhebung der

Kriterien, welche die Prozessausführung determinieren, erfolgte die Einschätzung auf

einer Skala von 1 bis 7 mit den damit einhergehenden Schwächen. Die

Berücksichtigung individueller Einschätzungen der eigenen Positionierung kann

entsprechende Verzerrungen aufweisen und somit fehlerbehaftet sein. Neben den

inhaltlichen Anforderungen und Besonderheiten bleiben der hohe Anspruch an die

Datenqualität sowie die Notwendigkeit der Erfassung der Daten auf dem

entsprechenden Detaillierungslevel als zentrale Herausforderungen. Abschließend sei

vermerkt, dass für eine Wirtschaftlichkeitsanalyse nicht nur Akzeptanz für das

gesamte Verfahren, sondern auch die Bereitschaft zur Umsetzung der

Analyseergebnisse bestehen muss, ebenso wie bei Benchmarkingpartnern die

Bereitschaft zum Teilen von Informationen notwendig ist.

8.3 Ausblick und weiterer Forschungsbedarf

Die entwickelte Methode baut auf etablierten und anerkannten Verfahren und

Ansätzen auf und versucht die individuellen Vorteile bestmöglich zur Bereitstellung

einer validen Entscheidungsgrundlage zu nutzen. Gleichwohl sollen einige Punkte

benannt werden, die in nachfolgenden Forschungsvorhaben berücksichtigt werden

können. Hinsichtlich der Herstellung einer Prozessstruktur mithilfe der

Referenzmodellierung ist eine weitergehende Modularisierung der

Prozessbestandteile, die eine individuelle Erstellung der Prozessmodelle ermöglichen,

anzustreben. Aus informationstechnologischer Perspektive ist dabei eine Verbindung

der Prozessmodelle mit geeigneten Kennzahlen anzustreben, um automatisiert

Messmodelle als Basis für die nachfolgende Leistungsmessung bereitstellen zu

können. Dies könnte die Umsetzungsorientierung der Methode, insbesondere im

Hinblick auf die sehr heterogene Nutzerstruktur, weiter steigern. Darüber hinaus ist

eine Ausweitung auf weitere als die behandelten Bereiche der Leistungserbringung in

Krankenhäusern in enger Verbindung zur medizinischen Wertschöpfung und den

damit verbundenen spezifischen Anforderungen denkbar. Zudem verspricht eine

Fazit 187

kontinuierliche Betrachtung über mehrere Betrachtungsperioden einen

überdurchschnittlichen Nutzen, da so die Wirksamkeit der angestoßenen

Veränderungen und ggf. ausgelöster Restrukturierungen der Prozesse gemessen und

gesteuert werden kann. Die damit einhergehende stetige Orientierung an dynamischen

Referenzwerten besitzt das Potenzial der Orientierung am Benchmark und der

bestmöglichen Leistungserbringung. Zudem wäre die Gefahr der Fehleranfälligkeit,

die bei Betrachtung einer einzelnen Periode auftritt, reduziert. Außerdem ist

insbesondere die Einbeziehung von qualitativen Faktoren in die Leistungsbetrachtung

als Desiderat zu nennen. Dabei verspricht insbesondere die Interpretation von ordinal

skalierten Variablen interessante Einblicke. Abschließend kann eine weitergehende

Validierung und Verfeinerung des vorgestellten Vorgehens in ähnlichen und

benachbarten dienstleistungsintensiven Branchen angeregt werden. Insbesondere der

branchenfremde Vergleich der Prozesse und prozessualen Rahmenbedingungen besitzt

möglicherweise das Potenzial der Identifikation innovativer Ansätze zur Gestaltung

der Prozesse.

Anhang 188

ANHANG

Anhang 1: Prozessmodell Antragsprozess

Anhang 189

Anhang 2: Prozessmodell Verhandlung

Anhang 190

Anhang 3: Prozessmodell Lieferantenidentifikation

Anhang 191

Anhang 4: Prozessmodell Bedarfsentstehung

Anhang 192

Anhang 5: Prozessmodell Bestellung

Anhang 193

Anhang 6: Überblick über beispielhafte Handlungsempfehlungen für DMU 26

Dim-

ension Kriterium

Handlungs-


Ver

füg

bar

kei

t v

on

Info

rmat

ion

en

Kla

rhei

t p

roze

ssu

aler

Zie

lset

zung

en Strategie-Implementierung auf operativer Ebene durch

prozessbezogene Zieldefinitionen

Einbindung der operativen Ziele in Zielvereinbarungen

Etablierung relativer Zielsetzungen

Kla

rhei

t d

er

Ku

nd

enan

ford

eru

ngen

Systematische Aufnahme von Kundenanforderungen

Implementierung einer Produktdatenbank, insb. für

Verbrauchsgüter

Konzeption von Lastenheften und Erstellung von

Leistungsverzeichnissen

Dokumentation getätigter Bestellungen pro Kunde bzw. Lieferant

Standardisierte Aufnahme von Anforderungen/Anträgen

Qu

alit

ät/V

erfü

gb

arkei

t

von

In

form

atio

nen

Aufbau einer Datenbank zur Dokumentation lieferanten- bzw.

produktspezifischer Eigenschaften und Anforderungen

Erweiterung der Informationsrechte/Zugriffe/Zugänge

Weitgehende Eliminierung hierarchischer Freigabeprozesse

Definition von Datenverantwortlichkeiten

Un

ters

tütz

un

g d

urc

h I

KT

Su

ppo

rt d

urc

h I

T

Harmonisierung der internen und externen IT-Schnittstellen

Nutzung und Etablierung von Plattformen/Netzwerken

Institutionalisierung von digitalen Warenverwaltungssystemen

und Prozessen zum Troubleshooting

Gestaltung zielgruppenspezifischer Reporting-Dokumente

Qu

alit

ät d

er I

T-T

ools

Systematische Vermeidung von Datenredundanzen

Harmonisierung des Aufbaus und des zugrunde liegenden

Datenmodells über Anwendungsbereiche hinweg –

Ermöglichung einer prozessorientierten Datenaufbereitung

Etablierung eines Berechtigungskonzepts

Reduktion des Anteils eigenentwickelter Tools

Sy

stem

anbin

dun

g

Einbindung in Unternehmens-IT bzw. Warenwirtschaftssystem

Just-in-time-Verfügbarkeit von Bestell-Informationen

Einbindung in organisationsübergreifende Netzwerkstrukturen

Verbindung zu Lieferanten-/Logistikpartnernetzwerken

Anhang 194

Dim-

ension Kriterium 172

Handlungs-


Fo

rmv

ors

chri

ften

un

d A

rbei

tsan

wei

sun

gen

Ver

fügb

ark

eit

un

d

Ver

stän

dli

chk

eit

Harmonisierung der operativen Ziele mit übergeordneter

Strategie/Zielstellung

Zusammenstellung und transparente Bereitstellung von

Arbeitsanweisungen und Guidelines

Dokumentation von Best Practices und Standard-

Arbeitsvorgängen

Definition eines regelmäßigen Aktualisierungsprozesses

Str

ikth

eit

der

Fo

rmvo

rsch

rift

en

Definition von Soll-Prozessen und mitarbeiterspezifischen

Entscheidungsspielräumen

Aufbau eines internen Management- und Kontrollsystems

Verifizierung und Zertifizierung der Prozesse durch externe

Anbieter

Etablierung einer „Behavioural & Performance Orientation“-

Kultur

Mit

arb

eite

rsp

ezif

ika

Ein

flu

ss d

es f

inal

en

(med

.) A

nw

end

ers

Systematisierung und Priorisierung der kaufmännischen und

medizinischen Anforderungen

Definition von Standards und Grenzen sowie transparenten

Points of no Return

Mehrdimensionale Erhebung der Leistungsanforderungen und

Definition von Erfolgskriterien

Definition von Verantwortlichkeiten und notwenigen

Freigabeprozessen

Au

sbil

du

ng

/Erf

ahru

ng

des

Mit

arb

eite

rs

Spezifische Schulungen zur Mitarbeiter-Weiterbildung

Institutionalisierung eines funktionsübergreifenden

Wissensmanagements

Einbindung der Mitarbeiter in die Prozessausgestaltung sowie

Steigerung der Mitarbeiterbeteiligung

Entwicklung der fachlichen, sozialen, methodischen und

persönlichen Kompetenzen der Mitarbeiter

Do

ku

men

tati

on /

Bes

t

Pra

ctic

es

Aufbau konkreter (Soll-)Dokumentations- und Referenzprozesse

und damit verbundener Messmodelle

Definition und Zuweisung von Verantwortlichkeiten

Dokumentation von Best Practices und alternativen Wegen zur

Problemlösung

Etablierung eines permanenten prozessbasierten

Beschaffungscontrollings

172 Bei mit * gekennzeichneten Kriterien besteht ein negativer Zusammenhang zwischen den Skalenwerten und

deren Aussage/Interpretation (je höher, desto schlechter).

Anhang 195

Anhang 7: Deskriptive Beschreibung der Kostenverläufe

Literaturverzeichnis 196

LITERATURVERZEICHNIS

Adesola, S., Baines, T. (2005). Developing and evaluating a methodology for business

process improvement. Business Process Management Journal, 11 (1), S. 37–46.

Adler, A., Golany, B. (2001). Evaluation of Deregulated Airline Networks using Data

Envelopment Analysis Combined with Principal Component Analysis with an

application to Western Europe. European Journal of Operational Research, 132

(2), S. 18–31.

Adler, N., Liebert, V., Yazhemsky, E. (2013). Benchmarking airports from a

managerial perspective. Omega, 41 (2), S. 442–458.

Agasisti, T., Bianco, A. D. (2006). Data envelopment analysis to the Italian university

system: theoretical issues and policy implications. International Journal of

Business Performance Management, 8 (4), S. 344.

Ahlrichs, F., Knuppertz, T. (2010). Controlling von Geschäftsprozessen –

Prozessorientierte Unternehmenssteuerung umsetzen. 2. Aufl., Stuttgart.

Ahmad, N., Qiu, R. G. (2009). Integrated model of operations effectiveness of small to

medium-sized manufacturing enterprises. Journal of Intelligent Manufacturing,

20 (1), S. 79–89.

Aigner, D., Lovell, C., Schmidt, P. (1977). Formulation and estimation of stochastic

frontier production function models. Journal of Econometrics, 6 (1), S. 21–37.

Alchian, A. A., Demsetz, H. (1972). Production, information costs and economic

organization. American Economic Review, 62 (5), S. 777–795.

Allen, K. (2002). Messung ökologischer Effizienz mittels Data Envelopment Analysis.

Wiesbaden.

Allweyer, T. (2005). Geschäftsprozessmanagement. Strategie, Entwurf,

Implementierung, Controlling. Herdecke.

Allweyer, T. (2009). BPMN 2.0 Business Process Model and Notation. Einführung in

den Standard für die Geschäftsprozessmodellierung. 2. Aufl. Norderstedt.

Anand, G., Kodali, R. (2008). Benchmarking the benchmarking models.

Benchmarking: An International Journal, 15 (3), S. 257–291.

Anderson, B., Moen, R. M. (1999). Integrating benchmarking and poor Quality cost

measurement for assisting the quality management work. Benchmarking: An

International Journal, 6 (4), S. 291–301.

Anderson, B., Petterson, P. (1996). The Benchmarking Handbook. London.

Anderson, K., McAdam, R. (2005). An empirical analysis of lead benchmarking and

performance measurement: guidance for qualitative research. International

Journal of Quality & Reliability Management, 22 (4), S. 354–375.


Arnold, A. (2008). Marketing, In: Schmidt-Rettig, B. (Hrsg.). Krankenhaus-

Managementlehre. Theorie und Praxis eines integrierten Konzepts, 1. Aufl.

Stuttgart, S. 521–582.

Arnold, U. (1995). Beschaffungsmanagement. Stuttgart.

Arnolds, H., Heege, F., Röhr, C., Tussing, W. (2013). Materialwirtschaft und Einkauf.

Grundlagen – Spezialthemen – Übungen. 12. Aufl. Wiesbaden.

Arpagaus, S. (2014). Performance Measurement in der Krankenhausbeschaffung.

Masterarbeit an der Universität St. Gallen. St. Gallen.

Atteslander, P. (2008). Methoden der empirischen Sozialforschung. 12. Aufl. Berlin.

Atzert, S. (2011). Strategisches Prozesscontrolling. Koordinationsorientierte

Konzeption auf der Basis von Beiträgen zur theoretischen Fundierung von

strategischem Prozessmanagement. 1. Aufl. Wiesbaden.

Augurzky, B., Krolop, S., Hentschker, C., Pilny, A., Schmidt, C. (Hrsg.) (2014).

Krankenhaus Rating Report 2014 - Mangelware Kapital: Wege aus der

Investitionsfalle. Heidelberg.

Bai, C., Sarkis, J. (2013). A grey-based DEMATEL model for evaluating business

process management critical success factors. International Journal of

Production Economics, 146 (1), S. 281–292.

Bal, J. (1998). Process analysis tools for process improvement. The TQM Magazine,

10 (5), S. 342–354.

Balzert, S., Kleinert, T., Fettke, P., Loos, P. (2011). Vorgehensmodelle im

Geschäftsprozessmanagement. Operationalisierbarkeit von Methoden zur

Prozesserhebung. Veröffentlichungen des Instituts für Wirtschaftsinformatik,

193, Saarbrücken.

Bamberg, G., Coenenberg, A. G., Krapp, M. (2012). Betriebswirtschaftliche

Entscheidungslehre. 15. Aufl. München.

Banker, R. D., Chang, C.-H. (2006). Super-Efficiency Procedure is for Outlier

Identification, Not for Ranking Efficient Units. European Journal of

Operational Research, 175 (2), S. 1311–1320.

Banker, R. D., Charnes, A., Cooper, W. W. (1984). Models for the estimation of

technical and scale efficiencies in data envelopment analysis. Management

Science, 30 (9), S. 1087–1092.

Banker, R. D., Cooper, W. W., Seiford, L. M., Zhu, J. (2011). Returns to Scale in

DEA, In: Cooper, W. W., Seiford, L. M., Zhu, J. (Hrsg.). Handbook on data

envelopment analysis. Bd. 164, 2. Aufl. New York, S. 41–70.

Banker, R. D., Morey, R. C. (1986). The Use of categorical variables in Data

Envelopment Analysis. Management Science, 32 (12), S. 1613–1627.

Barzel, Y. (1989). Economic Analysis of Property Rights. Cambridge, New York,

Melbourne.


Batini, C., Ceri, S., Navathe, S. B. (1992). Conceptual Database Design. An Entity-

Relationship-Approach. Redwood City.

Bea, F. X., Haas, J. (1995). Strategisches Management. Stuttgart.

Becker, J., Meise, V. (2012). Strategie und Ordnungsrahmen. In: Becker, J., Kugeler,

M., Rosemann, M. (Hrsg.). Prozessmanagement. Ein Leitfaden zur

prozessorientierten Organisationsgestaltung. 7. Aufl. Berlin, Heidelberg, S.

113–164.

Becker, J., Algermissen, L., Delfmann, P., Niehaves, B. (2004a). Prozessorientierte

Reorganisation in öffentlichen Verwaltungen - Erfahrungen aus der Anwendung

eines Referenzvorgehensmodells. In: Becker, J., Delfmann, P. (Hrsg.).

Referenzmodellierung. Grundlagen, Techniken und domänenbezogene

Anwendung. Berlin, Heidelberg, S. 151–176.

Becker, J., Beverungen, D., Knackstedt, R., Müller, O. (2008). Konzeption einer

Modellierungssprache zur tool-unterstützten Modellierung, Konfiguration und

Bewertung hybrider Leistungsbündel. In: Proceedings of the GI-Tagung

Modellierung. Workshop Dienstleistungsmodellierung, S. 45–62.

Becker, J., Delfmann, P., Knackstedt, R. (2002a). Eine Modellierungstechnik für die

konfigurative Referenzmodellierung. In: Becker, J., Knackstedt, R. (Hrsg.).

Referenzmodellierung 2002. Methoden - Modelle – Erfahrungen. Münster,

Westfälische Wilhelms-Universität, S. 35–80.

Becker, J., Delfmann, P., Knackstedt, R. (2004b). Konstruktion von

Referenzmodellierungssprachen Ein Ordnungsrahmen zur Spezifikation von

Adaptionsmechanismen für Informationsmodelle. Wirtschaftsinformatik, 46 (4),

S. 251–264.

Becker, J., Delfmann, P., Knackstedt, R., Kuropka, D. (2002b). Konfigurative

Referenzmodellierung, in: Becker, J., Knackstedt, R. (Hrsg.).

Wissensmanagement mit Referenzmodellen. Konzepte für die

Anwendungssystem- und Organisationsgestaltung. Heidelberg, S. 25–144.

Becker, J., Holten, R., Knackstedt, R., Schütte, R. (2000). Referenz-

Informationsmodellierung. In: Bodendorf, F., Grauer, M. (Hrsg.).

Verbundtagung Wirtschaftsinformatik 2000. Aachen, S. 86–109.

Becker, J., Knackstedt, R. (2003). Konstruktion und Anwendung fachkonzeptioneller

Referenzmodelle im Data Warehousing. In: Uhr, W., Esswein, W., Schoop, E.

(Hrsg.). Wirschaftsinformatik 2003: Medien - Märkte – Mobilität. 2,

Heidelberg, S. 415–434.

Becker, J., Meise, V. (2008). Strategie und Ordnungsrahmen. In: Becker, J., Kugeler,

M., Rosemann, M. (Hrsg.). Prozessmanagement. Ein Leitfaden zur

prozessorientierten Organisationsgestaltung. 6. Aufl. Berlin, Heidelberg, S. 3–

16.

Becker, J., Pfeiffer, D. (2006). Konzeptionelle Modelle in der Wirtschaftsinformatik -

Konstruktion und Evaluation. Wirtschaftsinformatik, 35 (12), S. 1551-1557.


Becker, J., Probandt, W., Vering, O. (2012b). Grundsätze ordnungsmäßiger

Modellierung. Konzeption und Praxisbeispiel für ein effizientes

Prozessmanagement. Berlin, Heidelberg.

Becker, J., Rosemann, M., Schütte, R. (1995). Grundsätze ordnungsgemäßer

Modellierung. Wirtschaftsinformatik, 37 (5), S. 435–445.

Becker, J., Schütte, R. (1996). Handelsinformationssysteme. Landsberg am Lech.

Becker, J., Schütte, R. (2004). Handelsinformationssysteme. Frankfurt am Main.

Belton, V., Stewart, T. S. (1999). DEA and MCDA: Competing or complementary

approaches? In: Meskens, N., Roubens, M. (Hrsg.). Advances in Decision

Analysis. Dordrecht, S. 87–104.

Bendell, T. (2005). Structuring business process improvement methodologies. Total

Quality Management, 16 (8/9), S. 969–978.

Beretta, S., Dossi, A., Grove, H. (1998). Methodological strategies for benchmarking

accounting processes. Benchmarking: An International Journal, 5 (3), S. 165–

183.

Berger, D. (2014). Prozess-Performance-Management im Krankenhaus. Aufbau eines

praxisorientierten Referenzmodells für Unterstützungsprozesse. Masterarbeit an

der Universität St. Gallen. St. Gallen.

Berger, A. N., Mester, J. J. (1997). Inside the black box: What explains differences in

the efficiency of financial institutions? Journal of Banking & Finance, 21 (7),

S. 895–947.

Berger, H., Stock, C. (2008). Grundlagen der Gesundheitsökonomie und

Gesundheitspolitik. In: Schmidt-Rettig, B. (Hrsg.). Krankenhaus-

Managementlehre. Theorie und Praxis eines integrierten Konzepts. 1. Aufl.


Berger, U., Bernhard-Mehlich, I. (2006). Die Verhaltenswissenschaftliche

Entscheidungstheorie. In: Kieser, A. (Hrsg.). Organisationstheorien. 6. Aufl.


Bichou, K. (2011). A two-stage supply chain DEA model for measuring container-

terminal efficiency. International Journal of Shipping and transport logistics, 3

(1), S. 6.

Bogan, C. E., English, M. J. (1993). Benchmarking: A wakeup call for board members

(and CEOs Too). Strategy & Leadership, 21 (4), S. 28–33.

Bogan, C. E., English, M. J. (1994). Benchmarking for Best Practices: Winning

through Innovation Adoption. New York.

Boldt, J., Schöllhorn, T. (2008). Rationalisierung ist längst Realität. Ergebnisse einer

Fragebogenaktion auf deutschen Intensivstationen. Deutsches Ärzteblatt, 15

(109), S. A 995-7.


Boles, J. S., Donthu, N., Lohtia, R. (1995). Salesperson Evaluation Using Relative

Performance Efficiency: The Application of Data Envelopment Analysis.

Journal of Selling & Sales Management, 15 (3), S. 31–49.

Bölt, U. (2015). Statistische Krankenhausdaten: Grund- und Kostendaten der

Krankenhäuser 2012., In: Klauber, J., Garaedts, J. F., Wasem, J. (Hrsg.).

Krankenhausreport 2015. Schwerpunkt: Strukturwandel. Stuttgart, S. 325–360.

Bott, M. J., Gajewski, B., Lee, R., Piamjaiyakul, U., Taunton, R. L. (2007). Care

Planning Efficiency for Nursing Facilities. Nursing Economics, 25 (2), S. 85–

94.

Bouyssou, D. (1999). Using DEA as a Tool for MCDM: some remarks. Journal of

Operational Research Society, 50, S. 974–978.

Bowlin, W. F. (1998). Measuring Performance: An Introduction to Data Envelopment

Analysis. Journal of Cost Analysis, 15 (2), S. 3–27.

Boxwell, R. J. (1994). Benchmarking for Competitive Advantage. New York.

Braun, K., Lawrence, C. (1997). Von der Vision über die Ziele zum Benchmarking

oder: Benchmarking ohne Vision ist gefährlich. Zeitschrift für Führung und

Organisation, 66 (1), S. 16–20.

Brenner, M. J., Tushman, M. L. (2003). Exploitation, exploration, and process

management: The productivity dilemma revisited. Academy of Management

Review, 28 (2), S. 238–256.

Bretzke, W.-R. (1980). Der Problembezug von Entscheidungsmodellen. Tübingen.

Brocke, J. vom (2003a). Referenzmodellierung. Gestaltung und Verteilung von

Konstruktionsprozessen. Berlin.

Brocke, J. vom (2003b). Verteilte Referenzmodellierung (VRM) - Gestaltung

multipersoneller Konstruktionsprozesse. In: Dittrich, K., König, W., Oberweis,

A., Rannenberg, K., Wahlster, W. (Hrsg.). Informatik 2003 - Innovative

Informatikanwendungen. 1, Bonn, S. 238–242.

Brocke, J. vom, Sonnenberg, C. (2011). Prozesstransparenz als Grundlage für das

Management und Controlling von Geschäftsprozessen. Controlling, 55 (1), S.

55–68.

Brüsemeister, T. (2008). Qualitative Forschung. Ein Überblick. 2. Aufl. Wiesbaden.

Bucher, T., Winter, R. (2007). Realisationsformen des Geschäftsprozessmanagements

- Eine explorative Klassifikationsanalyse. In: Oberweis, A., Weinhardt, C.,

Gimpel, H., Koschmider, A., Pankratius, V., Schnitzler, B. (Hrsg.).

eOrganisation: Service-, Prozess-, Market-Engineering - 8. Internationale

Tagung Wirtschaftsinformatik. Karlsruhe, S. 695–712.

Büchner, V. A., Hinz, V., Schreyögg, J. (2014). Health systems: changes in hospital

efficiency and profitability, Health Care Management Science, DOI:

10.1007/s10729-014-9303-1.


Bühner, R. (1989). Betriebswirtschaftliche Organisationslehre. 4. Aufl. München,

Wien.

Burger, A. (2008). Produktivität und Effizienz in Banken: Terminologie, Methoden

und Status quo. In: Working paper series - Frankfurt School of Finance &

Management, 92, Frankfurt.

Burger, A. (2009). Effizienzanalyse auf Prozessebene. Benchmarking von

Transaktionen mit der Data Envelopment Analysis am Beispiel eines

bankbetrieblichen Prozesses. Berlin.

Bürkle, B. (1994). Data Envelopment Analysis: State-of-the-art und Bedeutung für das

Gesundheitswesen. Zeitschrift für öffentliche und gemeinwirtschaftliche

Unternehmen, 17 (3), S. 273–291.

Busse, T. (2005). Ausgangslage der deutschen Krankenhäuser im Rahmen veränderter

Anforderungen. In: Oberender, P. O. (Hrsg.). Clinical Pathways – Facetten

eines neuen Versorgungsmodells. Stuttgart, S. 28–42.

Camp, R. C. (1989). Benchmarking. The search for industry best practices that lead to

superior performance. Milwaukee, White Plains.

Camp, R. C. (1995). Business process benchmarking. Finding and implementing best

practices. Milwaukee.

Campisi, D., Costa, R. (2008). A DEA-based method to enhance intellectual capital

management. Knowledge and Process Management, 15 (3), S. 170–183.

Cantner, U., Krüger, J., Hanusch, H. (2007). Produktivitäts- und Effizienzanalyse. Der

nichtparametrische Ansatz. Berlin, Heidelberg.

Cazals, C., Florens, J., Simar, L. (2002). Nonparametric frontier estimation: A robust

approach. Journal of Econometrics, 106 (1), S. 1–25.

Champy, J. (2002). X-Engineering the Corporation: Reinventing Your Business in the

Digital Age. New York.

Charnes, A., Cooper, W. W. (1961). Management Models and industrial applications

of linear programming. New York.

Charnes, A., Cooper, W. W., Rhodes, E. (1978). Measuring the efficiency of decision

making units. European Journal of Operational Research, 2 (6), S. 429–444.

Chiang, C.-Y., Lin, B. (2009). An integration of balanced scorecards and data

envelopment analysis for firm's benchmarking management. Total Quality

Management & Business Excellence, 20 (11), S. 1153–1172.

Chiarini, A. (2012). From total quality control to lean six sigma. Evolution of the most

important management systems for the excellence. Milan, New York.

Chilingerian, J. A., Sherman, H. D. (2011). Health-Care Applications: From Hospitals

to Physicians, from Productive Efficiency to Quality Frontiers. In: Cooper, W.

W., Seiford, L. M., Zhu, J. (Hrsg.). Handbook on data envelopment analysis.

Bd. 164, 2. Aufl. New York, S. 445–493.


Chmielewicz, K. (1978). Wissenschaftsziele und Forschungskonzeptionen der

Wirtschaftswissenschaften. In: Schweitzer, M. (Hrsg.). Auffassungen und

Wissenschaftsziele der Betriebswirtschaftslehre. Bd. 502, Darmstadt, S. 417–

450.

Chmielewicz, K. (1979). Forschungskonzeptionen der Wirtschaftswissenschaft. 2.

Aufl. Stuttgart.

Chmielewicz, K. (1994). Forschungskonzeptionen der Wirtschaftswissenschaften 3.

Aufl. Stuttgart.

Christensen, C. M. (1997). The innovator's dilemma. When new technologies cause

great firms to fail. Boston, Mass.

Clement, J. P., Bradley, C. J., Lin, C. (2009). Organizational characteristics and cancer

care for nursing home residents. Health Services Research, 44 (6), S. 1983–

2003.

Cleven, A. K., Winter, R., Wortmann, F., Mettler, T. (2014). Process management in

hospitals: an empirically grounded maturity model. Business Research, 7 (2), S.

191–216.

Coase, R. (1937). The nature of the firm. Economica, 4 (16), S. 386–405.

Coelli, T. (2005). An introduction to efficiency and productivity analysis. 2. Aufl. New

York.

Cook, W. D. (2011). Qualitative Data in DEA. In: Cooper, W. W., Seiford, L. M.,

Zhu, J. (Hrsg.). Handbook on data envelopment analysis. Bd. 164, 2. Aufl. New

York, S. 151–172.

Cook, W. D., Seiford, L. M. (2009). Data envelopment analysis (DEA) – Thirty years

on. European Journal of Operational Research, 192 (1), S. 1–17.

Cook, W. D., Seiford, L. M., Zhu, J. (2004). Models for performance benchmarking:

measuring the effect of e-business activities on banking performance. Omega,

32 (4), S. 313–322.

Cook, W. D., Zhu, J. (2005). Modeling performance measurement. Applications and

implementation issues in DEA. New York.

Cook, W. D., Zhu, J. (2014). Data Envelopment Analysis. A Handbook of Modeling

Internal Structure and Network. New York, Heidelberg, Dordrecht.

Cooper, W. W. (2005). Origins, uses of, and relations between goal programming and

data envelopment analysis. Journal of Multi-Criteria Decision Analysis, 13 (1),

S. 39–52.

Cooper, W. W., Li, S., Seiford, L. M., Zhu, J. (2011a). Sensitivity Analysis in DEA.

In: Cooper, W. W., Seiford, L. M., Zhu, J. (Hrsg.). Handbook on data



Cooper, W. W., Seiford, L. M., Tone, K. (2000). Data Envelopment Analysis. A

comprehensive Text with Models, Applications, References and DEA-Solver

Software. Boston, Dordrecht, London.

Cooper, W. W., Seiford, L. M., Tone, K., Zhu, J. (2007). Some Models and measures

for evaluating performances with DEA: past accomplishments and future

prospects. Journal of Productivity Analysis, 28 (3), S. 151–163.

Cooper, W. W., Seiford, L. M., Zhu, J. (2011b). Data Envelopment Analysis: History,

Models, and Interpretations. In: Cooper, W. W., Seiford, L. M., Zhu, J. (Hrsg.).

Handbook on data envelopment analysis. Bd. 164, 2. Aufl. New York, S. 1–39.

Coskun, S., Basligil, H., Baracli, H. (2008). A weakness determination and analysis

model for business process improvement. Business Process Management

Journal, 14 (2), S. 243–261.

Creswell, J. W. (1998). Qualitative Inquiry and Research Design - choosing among

five traditions. Thousand Oaks, London, New Dehli.

Cusack, J., Rowan, J. (2009). The supply chain: Benchmarking for success.

Management Quarterly, 50 (3), S. 12–24.

Dattakumar, R., Jagadeesh, R. (2003). A review of literature on benchmarking.


Daum, R. (2003). Handlungsoptionen von Krankenhäusern im Electronic Healthcare.

Zeitschrift für öffentliche und gemeinwirtschaftliche Unternehmen, 26 (2), S.

133–159.

Davenport, T. H. (1993), Process Innovation Reengineering Work through Information

Technology. Boston.

Davenport, T. H., Beer, M. (1995). Managing information about process. Journal of

Management Information Systems, 12 (1), S. 57–80.

Delpachitra, S. (2008). Activity-based costing and process benchmarking: An

application to general insurance. Benchmarking: An International Journal, 15

(2), S. 137–147.

Delpachitra, S., Beal, D. (2002). Process benchmarking: an application to lending

products. Benchmarking: An International Journal, 9 (4), S. 409–420.

Deming, W. E. (2000), Out of the crisis. 1. Aufl. Cambridge, Mass.

Deros, B. M., Yusof, S. M., Salleh, A. M. (2006). A benchmarking implementation

framework for automotive manufacturing SMEs. Benchmarking: An

International Journal, 13 (4), S. 396–430.

Despotis, D. K., Smirlis, Y. G. (2002). Data envelopment analysis with imprecise data.

European Journal of Operational Research, 140 (1), S. 24–36).

Dias, J. C., Azevedo, S. G., Ferreira, J., Palma, S. F. (2009). A comparative

benchmarking analysis of main Iberian container terminals: a DEA approach.

International Journal of Shipping and Transport Logistics, 1 (3), S. 260–275.


Dietl, H. (1993). Institutionen und Zeit. Tübingen.

Dietl, H. (2007). Transaktionskostentheorie. In: Köhler, R., Küpper, H.-U., Pfingsten,

A. (Hrsg.). Handwörterbuch der Betriebswirtschaft. Bd. 1, 6. Aufl. Stuttgart, S.

1750–1759.

DIN EN ISO 9001 (2008). DIN EN ISO 9001, Qualitätsmanagementsysteme – Erfolg

durch Qualität. Berlin.

Donner, M., Ellis, T., Swift, K. (2001). A technique for revealing and agreeing an

agenda for process improvement. Journal of Materials Processing Technology,

118 (1-3), S. 216–218.

Donthu, N., Hershberger, E. K., Osmonbekov, T. (2005). Benchmarking marketing

productivity using data envelopment analysis. Journal of Business Research, 58

(11), S. 1474–1482.

Doyle, J. R., Green, R. H. (1993). Data Envelopment Analysis and Multiple Criteria

Decision Making. Omega, 21 (6), S. 713–715.

Doyle, J. R., Green, R. H. (1994). Efficiency and Cross-Efficiency in DEA:

Derivations, Meanings and Uses. Journal of Operational Research Society, 45

(5), S. 567–578.

Drauschke, S. (2002). Revolution im Einkauf - auch im Gesundheitswesen?! In:

Drauschke, S., Pieper, U. (Hrsg.). Beschaffungslogistik und Einkauf im

Gesundheitswesen: kosten senken, Qualität erhöhen. Neuwied, Kriftel, S. 13–

58.

Dresen, P. (1997). Benchmarking in der Beschaffung. Köln.

Drew, S. (1997). From Knowledge to Action: The impact of Benchmarking on

Organizational Performance. Long Range Planning, 30 (3), S. 427–441.

Drucker, P. F. (2006). What Executives Should Remember. Harvard Business Review,

84 (2), S. 144–153.

Du, J., Lia, Chen, Y., Bi, G. (2010). DEA-based production planning. Omega, 38 (1-

2), S. 105–112.

Dulinger, F. (1996). Krankenhaus-Management im Spannungsfeld zwischen

Patientenorientierung und Rationalisierung. 2. Aufl. München.

dDyckhoff, H. (2000). Grundzüge der Produktionswirtschaft. 3. Aufl. Berlin et al.

Dyckhoff, H. (2006). Produktionstheorie. Grundzüge industrieller

Produktionswirtschaft. 5. Aufl. Berlin, New York.

Dyckhoff, H., Ahn, H. (2010). Verallgemeinerte DEA-Modelle zur

Performanceanalyse. Zeitschrift für Betriebswirtschaft, 80 (12), S. 1249–1276.

Dyson, R. G., Allen, R., Camanho, A. S., Podinovski, V. V., Sarrico, C. S., Shale, E.

A. (2001). Pitfalls and protocols in DEA. Journal of Operational Research

Society, 132 (2), S. 245–259.


Earl, M. J. (1994). The new and the old of business process redesign. The Journal of

Strategic Information Systems, 3 (1), S. 5–22.

Easton, L., Murphy, D. J., Pearson, J. N. (2002). Purchasing performance evaluation:

with data envelopment analysis. European Journal of Purchasing & Supply

Management, 8 (3), S. 123–134.

Ebers, M., Gotsch, W. (2006). Institutionenökonomische Theorien der Organisation.

In: Kieser, A. (Hrsg.). Organisationstheorien. 6. Aufl. Stuttgart, S. 247–308.

Eichhorn, S. (2008). Krankenhausbetriebliche Grundlagen. In: Schmidt-Rettig, B.

(Hrsg.). Krankenhaus-Managementlehre. Theorie und Praxis eines integrierten

Konzepts. 1. Aufl. Stuttgart, S. 81–104.

Eiff, W. von (2011), Warum ist Beschaffungsmanagement Chefsache? In:

Goldschmidt, A. J. W., Hilbert, J. (Hrsg.). Krankenhausmanagement mit

Zukunft. Orientierungswissen und Anregungen von Experten. 1. Aufl. Stuttgart,

S. 243–254.

Eiriz, V., Barbosa, N., Figueiredo, J. (2010). A conceptual framework to analyze

hospital competitiveness. The Service Industries Journal, 30 (3), S. 437–448.

Eisenführ, F., Weber, M. (2003). Rationales Entscheiden. 4. Aufl. Berlin, Heidelberg.

Eisenhardt, K. M. (1989). Building Theories from Case Study Research. The Academy

of Management Review, 14 (4), S. 532–550.

Elmuti, D., Kathawala, Y. (1997). An overview of benchmarking process: a tool for

continuous improvement and competitive advantage. Benchmarking for Quality

Management & Technology, 4 (4), S. 229–243.

Elzinga, D. J., Horak, T., Chung-Yee, L., Bruner, C. (1995). Business Process

management survey and methodology. IEEE Transactions on Engineering

Management, 24 (2), S. 119–128.

Emrouznejad, A., Parker, B. R., Tavares, G. (2008). Evaluation of research in

efficiency and productivity: A survey and analysis of the first 30 years of

scholarly literature in DEA. Socio-Economic Planning Sciences, 42 (3), S. 151–

157.

Epper, R. M. (1999). Applying Benchmarking To Higher Education: Some Lessons

From Experience. Change: The Magazine of Higher Learning, 31 (6), S. 24–31.

Epstein, A. M., Henderson, J. C. (1989). Data Envelopment Analysis for Managerial

Control and Diagnosis. Decision Sciences, 20 (1), S. 90-119.

Eschenbach, R. (1990). Erfolgspotenzial Materialwirtschaft. Wien, München.

Essig, M. (1999). Cooperative Sourcing – Erklärung und Gestaltung horizontaler

Beschaffungskooperationen in der Industrie. Frankfurt am Main, New York.

Fandel, G. (2005). Produktions- und Kostentheorie. Mit 23 Tabellen. 6. Aufl. Berlin.

Färe, R., Grosskopf, S., Lovell, C. (1985). The Measurement of Efficiency of

Production. Dordrecht.


Färe, R., Grosskopf, S., Lovell, C. (1994). Production Frontiers. Cambridge.

Färe, R., Grosskopf, S., Margaritis, D. (2008). Efficiency and Productivity: Malmquist

and More. In: Fried, H. O., Lovell, C., Schmidt, S. (Hrsg.). The Measurement of

Productive Efficiency and Productivtiy Growth. Oxford, S. 522–621.

Färe, R., Grosskopf, S., Margaritis, D. (2011). Malmquist Productivity Indexes and

DEA. In: Cooper, W. W., Seiford, L. M., Zhu, J. (Hrsg.). Handbook on data


Farrel, M. J. (1957). The Measurement of Productive Efficiency. Journal of Royal

Statistical Society, 120 (3), S. 153–290.

Yang, F., Wu, D., Liang, L., Bi, G., Wu, D. (2011). Supply chain DEA: production

possibility set and performance evaluation model. Annals of Operations

Research, 185 (1), S. 195–211.

Ferrier, G. D., Rosko, M. D., Valdmanis, V. G. (2006). Analysis of uncompensated

hospital care using a DEA model of output congestion. Health Care

Management Science, 9 (2), S. 181–188.

Fettke, P., Loos, P. (2002a). Der Referenzmodellkatalog als Instrument des

Wissensmanagements: Methodik und Anwendung. In: Becker, J., Knackstedt,

R. (Hrsg.). Wissensmanagement mit Referenzmodellen. Konzepte für die

Anwendungssystem- und Organisationsgestaltung. Heidelberg, S. 3–25.

Fettke, P., Loos, P. (2002b). Methoden zur Wiederverwendung von Referenzmodellen

- Übersicht und Taxonomie. In: Becker, J., Knackstedt, R. (Hrsg.).

Referenzmodellierung 2002: Methoden - Modelle - Erfahrungen, 6.

Fachtagung, Nürnberg, 9. September 2002. Münster, Westfälische Wilhelms-

Universität, S. 9–33.

Fettke, P., Loos, P. (2004). Referenzmodelle für den Handel. HMD – Praxis der

Wirtschaftsinformatik, 235, S. 15–25.

Fettke, P., Loos, P. (2005). Der Beitrag der Referenzmodellierung zum Business

Engineering. HMD - Praxis der Wirtschaftsinformatik, 241, S. 18–26.

Figueira, J., Greco, S., Ehrgott, M. (2005). Multiple Criteria Decision Analysis: State

of the Art Surveys. New York.

Fischer, T. M., Möller, K., Schultze, W. (2012). Controlling. Grundlagen, Instrumente

und Entwicklungsperspektiven. Stuttgart.

Fitzpatrick, M., Huczynski, A. (1990). Applying the Benchmarking Approach to

Absence Control. Leadership & Organization Development Journal, 11 (5), S.

22–26.

Fleßa, S. (2013). Grundzüge der Krankenhausbetriebslehre. 2 Bände, 3. Aufl.

München.

Fleßa, S., Greiner, W. (2013). Grundlagen der Gesundheitsökonomie. Eine Einführung

in das wirtschaftliche Denken im Gesundheitswesen. Grundlagen der

Gesundheitsökonomie. 3. Aufl. Berlin, Heidelberg.


Flick, U. (2008a). Design und Prozess qualitativer Forschung. In: Flick, U., Kardorff,

E. v., Steinke, I. (Hrsg.). Qualitative Forschung. Ein Handbuch. 6. Aufl.

Reinbek bei Hamburg, S. 252–264.

Flick, U. (2008b). Triangulation. Eine Einführung. 2. Aufl. Wiesbaden.

Flick, U., Kardorff, E. v., Steinke, I. (2008). Was ist qualitative Forschung? Einleitung

und Überblick. In: Flick, U., Kardorff, E. v., Steinke, I. (Hrsg.). Qualitative

Forschung. Ein Handbuch. 6. Aufl. Reinbek bei Hamburg, S. 13–30.

Fließ, S., Kleinaltenkamp, M. (2004). Blueprinting the service company. Journal of

Business Research, 57 (4), S. 392–404.

Flinspach, T. (2011). Performance-Management in Gemeinkostenbereichen. Eine

prozessbasierte Effizienzanalyse mit der Data Envelopment Analysis. 1. Aufl.

Göttingen 2011.

Fong, P. S., Shen, Q., Cheng, E. (2001). A framework for benchmarking the value

management process. Benchmarking: An International Journal, 8 (4), S. 306–

316.

Fong, S. W., Cheng, E. W., Ho, D. C. (1998). Benchmarking: a general reading for

management practitioners. Management Decision, 36 (6), S. 407–418.

Forsund, F. R., Hjalmarsson, L. (1974). On the measurement of productive efficiency.

The Swedish Journal of Economics, 76, S. 141–154.

Forsund, F. R., Lovell, C., Schmidt, P. (1980). A survey of frontier production

functions and of their relationsship to efficiency measurement. Journal of

Econometrics, 13 (1), S. 5–25.

Franck, E. (1992). Körperliche Entscheidungen und ihre Konsequenzen für die

Entscheidungstheorie. Die Betriebswirtschaft, 52, S. 631–647.

Frank, U., van Laak, B. (2003a). Ein Bezugsrahmen zur Evaluation von Sprachen zur

Modellierung von Geschäftsprozessen. In: Arbeitsberichte des Instituts für

Wirtschaftsinformatik Universität Koblenz-Landau (2003), H. 36.

Frank, U., van Laak, B. (2003b). Anforderungen an Sprachen zur Modellierung von

Geschäftsprozess. In: Arbeitsberichte des Instituts für Wirtschaftsinformatik

Universität Koblenz-Landau (2003), H. 34.

Frei, F. X., Harker, P. T. (1996). Measuring the Efficiency of Service Delivery

Processes: with application to Retail Banking. In: Wharton Financial

Institutions Center, S. 2–32.

Frei, F. X., Harker, P. T. (1999). Measuring aggregate process performance using

AHP. European Journal of Operational Research, 116 (2), S. 436–442.

Freund, J., Rücker, B. (2012). Praxishandbuch BPMN 2.0. 3. Aufl. München, Wien.

Frodl, A. (2012). Logistik und Qualitätsmanagement im Gesundheitsbetrieb.

Betriebswirtschaft für das Gesundheitswesen. Wiesbaden.


Fülbier, R. W. (2004). Wissenschaftstheorie und Betriebswirtschaftslehre.

Wirtschaftswissenschaftliches Studium, 33 (5), S. 266–271.

Furey, T. R. (1993). A six‐step guide to process reengineering. Planning Review, 21

(2), S. 20–23.

Gaitanides, M. (1983). Prozessorganisation. Entwicklung, Ansätze und Programme

des Managements von Geschäftsprozessen. 1. Aufl. München.





Gaitanides, M., Scholz, R., Vrohlings, A. (1994a). Prozessmanagement - Grundlagen

und Zielsetzungen, In: Gaitanides, M., Scholz, R., Vrohlings, A. (Hrsg.).

Prozessmanagement, Konzepte, Umsetzungen und Erfahrungen des

Reeingineering. München, S. 1–20.

Gaitanides, M., Scholz, R., Vrohlings, A. (Hrsg.) (1994b). Prozessmanagement,

Konzepte, Umsetzungen und Erfahrungen des Reeingineering. München.

Garcia, F. A., Marchetta, M. G., Camargo, M., Morel, L., Forradellas, R. Q. (2012). A

framework for measuring logistics performance in the wine industry.

International Journal of Production Economics, 135 (1), S. 284–298.

Gattoufi, S., Oral, M., Kumar, A., Reisman, A. (2004a). Epistemology of data

envelopment analysis and comparison with other fields of OR/MS for relevance

to applications. Socio-Economic Planning Sciences, 28 (2-3), S. 123–140.

Gattoufi, S., Oral, M., Reisman, A. (2004b). Data envelopment analysis literature: a

bibliography update (1951–2001). Socio-Economic Planning Sciences, 38 (2-3),

S. 159–229.

GBE (2014). Gesundheitsberichterstattung des Bundes, Das Informationssystem der

Gesundheitsberichterstattung des Bundes. https://www.gbe-bund.de/. zuletzt

abgerufen am: 14.11.2014.

Geissler, A., Busse, R. (2015). Stationäre Kapazitätssteuerung im internationalen

Vergleich. In: Klauber, J., Garaedts, J. F., Wasem, J. (Hrsg.).


Gemmel, P., Vandaelea, D., Tambeurc, W. (2008). Hospital process orientation

(HPO): the development of a measurement tool. Total Quality Management &

Business Excellence, 19 (12), S. 1207–1217.

Gerdes, K. (Hrsg.) (1979). Explorative Sozialforschung. Stuttgart.

Gersch, M., Hewing, M., Schöler, B. (2011). Business Process Blueprinting – an

enhanced view on process performance. Business Process Management

Journal, 17 (5), S. 732–747.


Ghodeswar, B., Vaidyanathan, J. (2008). Business process outsourcing: an approach to

gain access to world-class capabilities. Business Process Management Journal,

14 (1), S. 23–38.

Glaser, B. G., Strauss, A. L. (1967). The discovery of grounded theory. Strategies for

qualitative Research. Chicago.

Glaser, H. (1992). Prozeßkostenrechnung - Darstellung und Kritik. Zeitschrift für

betriebswirtschaftliche Forschung, 44 (3), S. 275-288.

Gleich, R., Motwani, J., Wald, A. (2008). Process benchmarking: a new tool to

improve the performance of overhead areas. Benchmarking: An International

Journal, 15 (3), S. 242–256.

Golany, B., Roll, Y. (1989). An Application Procedure for DEA. Omega, 17 (3), S.

237–250.

Goncharuk, A. G. (2011). Benchmarking for investment decisions: a case of food

production. Benchmarking, 18 (5), S. 694–704.

González, L. S., Rubio, F. G., González, F. R., Velthuis, M. P. (2010). Measurement in

business processes: a systematic review. Business Process Management

Journal, 16 (1), S. 114–134.

Gordon, I. E. (2004). Theories of visual perception. Hove.

Greasley, A. (2005). Using DEA and simulation in guiding operating units to

improved performance. Journal of Operations Research Society, 56 (6), S. 727–

731.

Greene, W. H. (1993). The econometric Approach to Efficiency Analysis. In: Fried, H.

O., Schmid, S., Lovell, C. (Hrsg.). The Measurement of Productive

Efficiency: Techniques and Application. New York, S. 68–119.

Greißinger, P. (2000). Wirtschaftlichkeitsanalyse im Gesundheitswesen. Analyse und

beispielhafte Anwendung der Data Envelopment Analysis. Wiesbaden.

Greulich, A., Thiele, G., Thieux-Kreye, M. (1997). Prozeßmanagement im

Krankenhaus. Heidelberg.

Griffiths, D. (2009). Statistik von Kopf bis Fuß. Köln.

Grosskopf, S., Valdmanis, V. (1987). Measuring hospital performance. Journal of

Health Economics, 6 (2), S. 89–107.

Guan, J. C., Yam, R. C., Mok, C. K., Ma, N. (2006). A study of the relationship

between competitiveness and technological innovation capability based on DEA

models. European Journal of Operational Research, 170 (3), S. 971–986.

Gubelt, C., Padberg, T., Werner, T. (2000). Produktionstheoretische Untersuchung der

Effizienz deutscher Sparkassen. Zeitschrift für öffentliche und

gemeinwirtschaftliche Unternehmen, 23 (3), S. 289–303.

Gutenberg, E. (1989). Zur Theorie der Unternehmung. Berlin, Heidelberg.


Haas, F. (2004). Effizienztreiber innovativer Prozesse. Anwendung der Data

Envelopment Analysis am Beispiel der elektronischen C-Teile-Beschaffung. 1.

Aufl. Wiesbaden.

Hacker, M. E., Kleiner, B. M. (2000). 12 steps to better benchmarking. Industrial

Management & Data Systems, 42 (2), S. 20–23.

Hammer, M. (2007a). The Process Audit. Harvard Business Review, 85 (4), S. 111–

123.

Hammer, M. (2007b). The 7 deadly sins of performance measurement. MIT Sloan

Management Review, 48, S. 19–28.

Hammer, M., Champy, J. (1993). Reengineering the Corporation: A Manifesto for

Business Revolution. New York.

Hammer, M., Stanton, S. (1999). How Process enterprises really work. Harvard

Business Review, 77 (6), S. 108–118.

Hammerschmidt, M. (2006). Effizienzanalyse im Marketing. Ein

produktionstheoretisch fundierter Ansatz auf Basis von Frontier Functions.

Wiesbaden.

Hammerschmidt, M., Falk, T., Staat, M. (2012). Measuring and Improving the

Performance of Health Service Networks. Journal of Service Research, 15 (3),

S. 343–357.

Harrington, H. J. (1991). Business Process Improvement: the Breakthrough Strategy

for total Quality, Productivity and competitiveness. New York.

Hatami-Marbini, A., Emrouznejad, A., Tavana, M. (2011). A taxonomy and review of

the fuzzy data envelopment analysis literature: Two decades in the making.

Journal of Operational Research, 214 (3), S. 457-472.

Haubrock, M. (2009a). Aspekte der Krankenhausfinanzierung. In: Haubrock, M.,

Schär, W. (Hrsg.). Betriebswirtschaft und Management im Krankenhaus. 5.

Aufl. Bern, S. 603–682.

Haubrock, M. (2009b). Grundlagen der Gesundheitsökonomie. Interdependenzen

zwischen Gesundheit und Ökonomie. In: Haubrock, M., Schär, W. (Hrsg.).

Betriebswirtschaft und Management im Krankenhaus. 5. Aufl. Bern, S. 25–82.

Haubrock, M. (2009c). Praktische Bedeutung des Managements in der

Gesundheitswirtschaft. In: Haubrock, M., Schär, W. (Hrsg.). Betriebswirtschaft

und Management im Krankenhaus. 5. Aufl. Bern, S. 271–586.

Haug, S. (2004). Wissenschaftstheoretische Problembereiche empirischer Wirtschafts-

und Sozialfoschung: induktive Forschungslogik, naiver Realismus,

Instrumentalismus, Relativismus. In: Frank, U. (Hrsg.). Wissenschaftstheorie in

Ökonomie und Wirtschaftsinformatik: Theoriebildung und -bewertung,

Ontologien. Wiesbaden, S. 85–107.


Heckl, D., Moormann, J. (2010). Process Performance Management, In: Brocke, J.

vom, Rosemann, M. (Hrsg.). Handbook on business process management.

Berlin, Heidelberg, S. 115–135.

Heinen, E. (1969). Zum Wissenschaftsprogramm der entscheidungsorientierten

Betriebswirtschaftslehre. Zeitschrift für Betriebswirtschaft, 69, S. 207–220.

Heinen, E. (1978). Zum Wissenschaftsprogramm der entscheidungsorientierten

Betriebswirtschaftslehre. In: Schweitzer, M. (Hrsg.). Auffassungen und

Wissenschaftsziele der Betriebswirtschaftslehre. Bd. 502, Darmstadt, S. 219–

246.

Heisler, W. (2000). Personalrechnung. In: Eichhorn, S. (Hrsg.). Handbuch

Krankenhaus-Rechnungswesen. 3. Auflage, Wiesbaden, S. 227–228.

Hendrick, T. E., Ruch, W. A. (1988). Determining performance appraisal criteria for

buyers. Journal of Purchasing and Materials Management, 24 (2), S. 18–26.

Hermsen, M. (2000). Ein Modell zur kundenindividuellen Konfiguration

Dienstleistungen – Ein Ansatz auf der Basis modularer Dienstleistungsobjekte.

Aachen.

Hess, K., Francis, G. (2004). Cost income ratio benchmarking in banking: a case

study. Benchmarking: An International Journal, 11 (3), S. 303–319.

Hinterhuber, H. H. (1995). Business Process management: the European Approach.

Business Change & Re-Engineering, 2 (4), S. 63–73.

Hirzel, M. (2008). Erfolgsfaktor Prozessmanagement. In: Hirzel, M., Kühn, F., Gaida,

I. (Hrsg.). Prozessmanagement in der Praxis. Wiesbaden, S. 11–22.

Holland, P. W. (1986). Statistics and Causual Inference. Journal of American

Statistical Association, 81 (396), S. 945–960.

Hollingsworth, B. (2003). Non-Parametric and Parametric Applications Measuring

Efficiency in Health Care. Health Care Management Science, 6, S. 203–218.

Hollingsworth, B., Dawson, P. J., Maniadakis, N. (1999). Efficiency measurement of

health care: a review of non‐parametric methods and applications. Health Care

Management Science, 2, S. 161–172.

Hoopes, B. J., Triantis, K. P. (2001). Efficiency performance, control charts, and

process improvement: Complementary measurement and evaluation. IEEE

Transactions on engineering Management, 48 (2), S. 239–253.

Horngren, C. (1978). Introduction to Management Accounting. Eaglewood Cliffs, NJ.

Horváth, P. (2011). Controlling. 12. Aufl. München.

Hsieh, A., Chou, C., Chen, C. (2002). Job standardization and service quality: a closer

look at the application of total quality management to the public sector. Total

Quality Management, 13 (7), S. 899–912.


Hülle, J. (2012). Strategische Steuerung der Variantenvielfalt. Der Analytic Network

Process (ANP) zur kosten-nutzenoptimalen Produktvariantenbewertung. 1.

Aufl. Göttingen.

Hülle, J., Kaspar, R., Möller, K. (2011). Analytic Hierarchy Process (ANP) - in

Management Accounting and Control - State of the Art and Research

Perspectives Based on a Bibliometric Study. Journal of Multi-Criteria Decision

Analysis, 18 (5), S. 253–265.

Hung, R. Y.-Y. (2006). Business process management as competitive advantage:

A Review and Empirical Study. Total Quality Management, 17 (1), S. 21–40.

Hung, S.-W., Lu, W.-M., Wang, T.-P. (2010). Benchmarking the operating efficiency

of Asia container ports. European Journal of Operational Research, 203 (3), S.

706–713.

Hungenberg, H. (2014). Strategisches Management in Unternehmen. Ziele - Prozesse

– Verfahren. 8. Aufl. Wiesbaden.

Imai, M. (1986). Kaizen: the Key to Japan's Competitive Success. Irwin.

Imai, M. (1993). Kaizen. Der Schlüssel zum Erfolg der Japaner im Wettbewerb. 1.

Aufl. Frankfurt am Main, Berlin.

Isermann, H. (1987). Optimierung bei mehrfacher Zielsetzung. In: Gal, T. (Hrsg.).

Operations Research. 2. Aufl. Heidelberg, New York, S. 420–489.

Jain, R., Chandrasekaran, A., Gunasekaran, A. (2010). Benchmarking the redesign of

“business process reengineering” curriculum: A continuous process

improvement (CPI). Benchmarking: An International Journal, 17 (1), S. 77–94.

Jain, S., Triantis, K. P., Liu, S. Y. (2011). Manufacturing performance measurement

and target setting: A data envelopment analysis approach. European Journal of

Operational Research, 214 (3), S. 616–626.

Jalalvand, F., Teimoury, E., Makui, A., Aryanezhad, M. B., Jolai, F. (2011). A method

to compare supply chains of an industry. Supply Chain Management, 16 (2), S.

82–97.

Jeston, J., Nelis, J. (2006). Business Process Management: Practical Guidelines to

Successful Implementations. Oxford.

Jochem, R., Landgraf, K. (2010). Die Prozessorganisation. In: Jochem, R., Mertins, K.,

Knothe, T., Jochem, R., Balzert, S. (Hrsg.). Prozessmanagement: Strategien,

Methoden, Umsetzung. 1. Aufl. Düsseldorf, S. 55–76.

Joro, T., Korhonen, P. J. (2015). Comparison of Data Envelopment Analysis and

Multiple Objective Linear Programming. In: Joro, T., Korhonen, P. J. (Hrsg.).

Extension of Data Envelopment Analysis with Preference Information. Bd. 218,

Boston, MA, S. 55–64.

Joshi, R., Banwet, D. K., Shankar, R. (2011). A Delphi-AHP-TOPSIS based

benchmarking framework for performance improvement of a cold chain. Expert

Systems with Applications, 38 (8), S. 10170–10182.


Juan, Y. C., Ou-Yang, C. (2005). A Process Logic Comparison Approach to Support

Business Process Benchmarking. The International Journal of Advanced

Manufacturing Technology, 26 (1-2), S. 191–210.

Juran, J. M. (1994). Benchmarking for a world class leadership. Participant Guide.

New York.

Jyoti, Banwet, D., Deshmukh, S. (2008). Evaluating performance of national R&D

organizations using integrated DEA-AHP technique. International Journal of

Productivity and Performance Management, 57 (5), S. 370–388.

Kalmbacher, F. (2015). Effizienzanalyse von Beschaffungsprozessen im Krankenhaus

- eine empirische Untersuchung mittels Data Envelopment Analysis.

Masterarbeit an der Universität St. Gallen. St. Gallen.

Kamakura, W. A., Lenartowicz, T., Ratchfrord, B. T. (1996). Productivity assessment

of multiple retail outlets. Journal of Retailing, 72 (4), S. 333–356.

Kamlah, W., Lorenzen, P. (1996). Logische Propädeutik: Vorschule des vernünftigen

Redens. Stuttgart.

Kao, C., Hwang, S.-N. (2011). Decomposition of technical and scale efficiencies in

two-stage production systems. European Journal of Operational Research, 211

(3), S. 515–519.

Kardorff, E. v. (2008). Qualitative Evaluationsforschung. In: Flick, U., Kardorff, E. v.,

Steinke, I. (Hrsg.). Qualitative Forschung. Ein Handbuch. 6. Aufl. Reinbek bei

Hamburg, S. 238–251.

Keehley, P., Medlin, S., MacBride, S., Longmire, L. (1997). Benchmarking for best

practices in the public sector. Achieving performance breakthroughs in federal,

state, and local agencies. 1. Aufl. San Francisco.

Keller, G., Nüttgens, M., Scheer, A.-W. (1992). Semantische Prozessmodellierung auf

der Grundlage "Ereignisgesteuerter Prozessketten (EPK)". In: Scheer, A.-W.

(Hrsg.). Veröffentlichungen des Instituts für Wirtschaftsinformatik der

Universität des Saarlandes. Heft 89, Saarbrücken.

Kern, M. (1979). Klassische Erkenntnistheorien und moderne Wissenschaftslehre. In:

Raffée, H., Abel, B. (Hrsg.). Wissenschaftstheoretische Grundfragen der

Wirtschaftswissenschaften. München, S. 11–27.

Kersting, T. (2008). Prozess und Struktur der Diagnostik und Therapie. In: Schmidt-

Rettig, B. (Hrsg.). Krankenhaus-Managementlehre. Theorie und Praxis eines

integrierten Konzepts. 1. Aufl. Stuttgart, S. 281–302.

Kirchmer, M. (2009). High Performance through Process Excellence. Berlin.

Klauber, J., Garaedts, J. F., Wasem, J. (Hrsg.) (2015). Krankenhausreport 2015.

Schwerpunkt: Strukturwandel. Stuttgart.

Kleine, A. (2001). Data Envelopment Analysis aus entscheidungstheoretischer Sicht.

OR Spektrum, 23 (2), S. 223–242.


Kline, J. J. (2003). Activity-based Costing and Benchmarking: a tandem for quality-

oriented governments. Journal of Government Financial Management, 53 (3),

S. 50–54.

Klöckner, M. (2012). Moderne Beschaffungsorganisation im Krankenhaus/

Gesundheitseinrichtungen. In: Schmid, R. Schmidt, A. (Hrsg.). Beschaffung in

Gesundheitseinrichtungen. Sachstand, Konzepte, Strategien. Heidelberg, S. 87–

98.

Klotz, L., Hormann, M., Bi, H. H., Bechtel, J. (2008). The impact of process mapping

on transparency. Journal of Productivity and Performance Measurement, 57(8),

S. 523–636.

Knackstedt, R. (2006). Fachkonzeptionelle Referenzmodellierung einer

Managementunterstützung mit quantitativen und qualitativen Daten.

Methodische Konzepte zur Konstruktion und Anwendung. Berlin.

Kocian, C. (2011). Geschäftsprozessmodellierung mit BPMN 2.0. Business Process

Model and Notation im Methodenvergleich. HNU Working Paper, 7 (16), Neu-

Ulm.

Kohlbacher, M. (2010). The effects of process orientation: a literature review.

Business Process Management Journal, 16 (1), S. 135–152.

Köhne, T., Matz, S. (2010). Die Effizienz deutscher Kompositversicherer – Eine

Untersuchung mittels Data Envelopment Analysis. Zeitschrift für die gesamte

Versicherungswissenschaft, 99 (3), S. 277–317.

Koopmans, T. C. (1951). Analysis of Production as an Efficient Combination of

Activities. In: Koopmans, T. C. (Hrsg.). Activity Analysis of Production and

Allocations. New York, S. 33–97.

Kornmeier, M. (2007). Wissenschaftstheorie und wissenschaftliches Arbeiten. Eine

Einführung für Wirtschaftswissenschaftler: mit 3 Tabellen. Heidelberg.

Kosiol, E. (1962). Organisation der Unternehmung. Wiesbaden.

Kosiol, E. (1978). Betriebswirtschaftslehre und Unternehmensforschung. Eine

Untersuchung ihrer Standorte und Beziehungen auf wissenschaftstheoretischer

Grundlage. In: Schweitzer, M. (Hrsg.). Auffassungen und Wissenschaftsziele

der Betriebswirtschaftslehre. Bd. 502, Darmstadt, S. 133–159.

Krahnen, J. P. (1991). Sunk Costs und Unternehmensfinanzierung. Wiesbaden.

Krallmann, H., Schönherr, M., Trier, M. (2007). Systemanalyse in Unternehmen.

München.

Krampf, P. (2012). Beschaffungsmanagement. Eine praxisorientierte Einführung in

Materialwirtschaft und Einkauf. München.

Krautenbacher, P. (2015). Identifikation strategischer Restrukturierungspotentiale im

Beschaffungsprozess von Krankenhäusern. Empirische Analyse von Daten aus

der DACH-Region. Masterarbeit an der Universität St. Gallen. St. Gallen.


Kromrey, H. (2006). Empirische Sozialforschung. Modelle und Methoden der

standardisierten Datenerhebung und Datenauswertung. 11. Aufl. Stuttgart.

Kühl, S., Strodtholz, P., Taffertshofer, A. (2009). Handbuch Methoden der

Organisationsforschung. Quantitative und qualitative Methoden. 1. Aufl.

Wiesbaden.

Kühner, M. (2005). Ein Verfahren zur Analyse prozessualer Logistikleistung auf Basis

der Data Envelopment Analysis, Heimsheim.

Kumar, A., Antony, J., Dhakar, T. S. (2006). Integrating function deployment and

benchmarking to achieve greater profitability. Benchmarking: An International

Journal, 13 (3), S. 290–310.

Kunze, H. (Hrsg.) (2012). Telemedizin. München.

Küttner, T. (2004). Der klinische Behandlungspfad als strategisches

Managementinstrument im DRG-Kontext und dessen Entwicklung am

praktischen Beispiel einer akutgeriatrischen Abteilung eines somatischen

Krankenhauses. Münster.

Lai, M.-C., Huang, H.C., Wang, W.-K. (2011a). Designing a knowledge-based system

for benchmarking: A DEA approach. Knowledge-Based Systems, 24 (5), S. 662-

671.

Lai, M.-C., Wang, W.-K., Huang, H.-C., Kao, M.-C. (2011b). Linking the

benchmarking tool to a knowledge-based system for performance improvement.

Expert Systems with Applications, 38 (8), S. 10579–10586.

Lamla, J. (1995). Prozeßbenchmarking dargestellt an Unternehmen der

Antriebstechnik. München.

Lamnek, S. (2010). Qualitative Sozialforschung. Lehrbuch, 5. Aufl. Weinheim, Basel.

Lasch, R. (1998). Marktorientierte Gestaltung von Logistikprozessen. Wiesbaden.

Laux, H., Gillenkirch, R. M., Schenk-Mathes, H. Y. (2014). Entscheidungstheorie. 9.

Aufl. Berlin, Heidelberg.

Lee, H., Kim, C. (2014). Benchmarking of service quality with data envelopment

analysis. Expert Systems with Applications, 41 (8), S. 3761–3768.

Lee, K. T., Chuah, K. B. (2001). A super methodology for business process

improvement an industrial case in Hong Kong/China. International Journal of

Operations & Production Management, 21 (5/6), S. 687-706.

Lee, R. G., Dale, B. G. (1998). Business Process Management: a review and

evaluation. Business Process Management Journal, 4 (3), S. 214–225.

Legner, C. (1999). Benchmarking informationssystemgestützter Geschäftsprozesse.

Methode und Anwendung. Wiesbaden.

Leistert, O. (2006). Führungskoordiniertes Geschäftsprozesscontrolling. Hamburg.

Leist-Galanos, S. (2006). Methoden zur Unternehmensmodellierung. Vergleich,

Anwendungen und Integrationspotenziale. Berlin.


Lewin, A. Y., Morey, R. C., Cook, T. J. (1982). Evaluating the administrative

efficiency of courts. Omega, 10 (4), S. 401–411.

Li, D.-C., Dai, W.-L. (2009). Determining the optimal collaborative benchmarks in a

supply chain. International Journal of Production Research, 47 (16), S. 4457–

4471.

Liang, L., Wu, J., Cook, W. D., Zhu, J. (2008). The DEA Game Cross-Efficiency

Model and Its Nash Equilibrium. Operations Research, 56 (5), S. 1278–1288.

Liermann, F. (2004). Zum Wert von Controlling-Informationen - ein

entscheidungsorientierter Ansatz. In: Gillenkirch, R. M., Schauenberg, B.,

Schenk-Mathes, H. Y., Velthuis, L. J. (Hrsg.). Wertorientierte

Unternehmenssteuerung. Festschrift für Helmut Laux. Berlin, Heidelberg, S.

153–180.

Lim, S., Bae, H., Lee, L. H. (2011). A study on the selection of benchmarking paths in

DEA. Expert Systems with Applications, 38 (6), S. 7665–7673.

Linderman, K., Schroeder, R. G., Sanders, J. (2010). A Knowledge Framework

Underlying Process Management. Decision Sciences Journal, 41 (4), S. 689–

719.

Lindland, O. I., Sindre, G., Solvberg, A. (1994). Understanding Quality in Conceptual

Modeling. IEEE Software, 11 (2), S. 43–49.

Liu, C., Li, Q., Zhao, X. (2009). Challenges and opportunities in collaborative

business process management: overview of recent advances and introduction to

the special issue. Information System Frontiers, 11 (3), S. 201–209.

Liu, J. S., Lu, L. Y., Lu, W.-M., Lin, B. J. (2013a). A survey of DEA applications.

Omega, 41 (5), S. 893–902.

Liu, J. S., Lu, L. Y., Lu, W.-M., Lin, B. J. (2013). Data envelopment analysis 1978–

2010: A citation-based literature survey. Omega, 41 (1), S. 3–15.

Liu, Y.-D. (2009). Implementing and Evaluating Performance Measurement Initiative

in Public Leisure Facilities: An Action Research Project. Systemic Practice and

Action Research, 22 (1), S. 15–30.

Ljungberg, A. (2002). Process Measurement. International Journal of Physical

Distribution & Logistics Management, 32 (3/4), S. 254–287.

Lo, S.-H., Lu, W.-M. (2006a). Does size matter? Finding the profitability and

marketability benchmark of financial holding companies 2006. Asia-Pacific

Journal of Operational Research, 23 (2), S. 229–246.

Lo, S.-H., Lu, W.-M. (2006b). Does size matter? Finding the profitability and

marketability benchmark of financial holding companies. Asia-Pacific Journal

of Operational Research, 23 (2), S. 229–246.

Lorenzen, P. (1974). Konstruktive Wissenschaftstheorie. Frankfurt am Main.


Lovell, C. (1993). Production frontiers and productive Efficiency. Fried, H. O.,

Schmid, S., Lovell, C. (Hrsg.). The Measurement of Productive

Efficiency: Techniques and Application. New York, S. 3–67.

Mahalik, D. K., Patel, S., Patel, G. (2010). Efficiency Measurement Using DEA and

AHP: A Case Study on Indian Ports. The IUP Journal of Supply Chain

Management, 7 (1-2), S. 34–48.

Mahmoodzadeh, E., Jalalinia, S., Yazdi, F. N. (2009). A business process outsourcing

framework based on business process management and knowledge

management. Business Process Management Journal, 15 (6), S. 845–864.

Maire, J.-L. (2002). A model of characterization of the performance for a process of

benchmarking. Benchmarking: An International Journal, 12 (1), S. 45–60.

March, J. G., Simon, H. A. (1958). Organizations. New York.

Maskell, B. (1989). Performance Measures for world class manufacturing.

Management Accounting, 67 (5), S. 32–33.

McCormack, K., Deschoolmeester, D., Willems, J., Willaert, P., Van den Bergh, J.,

Stemberger, M. I. et al. (2009). A global investigation of key turning points in

business process maturity. Business Process Management Journal, 15 (5), S.

792–815.

McCormack, K., Johnson, B. (2001). Business process orientation, supply chain

management, and the e-corporation. IIE Solutions, 10, S. 33–37.

McEachern, D., Paradi, J. C. (2007). Intra- and inter-country bank branch assessment

using DEA. Journal of Productivity Analysis, 27 (2), S. 123–136.

McGonagle, J. J. Jr., Fleming, D. (1993). New Options for benchmarking. The Journal

for Quality and Participation, 16 (4), S. 60–71.

McKay, A., Radnor, Z. (1998). A characterization of a business process. International

Journal of Management Product Management, 18 (910), S. 924–936.

McNair, C. J., Leibfried, K. (1992). Benchmarking. New York.

Meise, V. (2001), Ordnungsrahmen zur prozessorientierten Organisationsgestaltung.

Modelle für das Management komplexer Reorganisationsprojekte, Hamburg

2001

Mendling, J., Strembeck, M. (2008). Influence Factors of Understanding Business

Process Models. Proceedings of the 11th International Conference on Business

Information Systems, S. 142–153.

Merkens, H. (2008). Auswahlverfahren, Sampling, Fallkonstruktion. In: Flick, U.,

Kardorff, E. v., Steinke, I. (Hrsg.). Qualitative Forschung. Ein Handbuch, 6.

Aufl. Reinbek bei Hamburg, S. 286–298.

Mertens, P., Holzner, J. (1992). WI-State of the Art. Eine Gegenüberstellung von

Integrationsansätzen der Wirtschaftsinformatik. Wirtschaftsinformatik. 34 (1),

S. 5–25.


Mertins, K., Kohl, H. (2009). Benchmarking - Der Vergleich mit den Besten. In:

Mertins, K., Kohl, H. (Hrsg.). Benchmarking: Leitfaden für den Vergleich mit

den Besten. 2. Aufl. Düsseldorf, S. 19–60.

Mettler, T. (2010). Supply-Management im Krankenhaus. Konstruktion und

Evaluation eines konfigurierbaren Reifegradmodells zur zielgerichteten

Gestaltung. 1. Aufl. Göttingen.

Millen, A. (1999). Purchasing 2000: how effective is purchasing? Purchasing, 109 (6),

S. 58–62.

Min, H., Joo, S. J. (2006). Benchmarking the operational efficiency of third party

logistics providers using data envelopment analysis. Supply Chain

Management: An International Journal, 11 (3), S. 259–265.

Mittelstaedt, R. E. (1992). Benchmarking: How to learn from best-in-class practices.

National Productivity Review, 11 (3), S. 301–315.

Möller, K. (2002). Zuliefererintegration in das Target Costing. Auf Basis der

Transaktionskostentheorie. München.

Möller, K., Urban, U., Zeibig, S. (2007). Branchenprozessmodell zur Ermittlung von

Gemeinkosten in der Telekommunikationsindustrie. Referenzdokument, 2.0.,

http://www.bundesnetzagentur.de/DE/Sachgebiete/Telekommunikation/Unterne

hmen_Institutionen/Marktregulierung/massstaebe_methoden/kostenmodelle/bra

nchenprozessmodell/branchenprozessmodell-node.html., Stuttgart.

Moody, D. L., Shanks, G. G. (1994). What Makes a Good Data Model? Evaluating the

Quality of Entity Relationship Models. Loucopoulos, P. (Hrsg.). Entity-

Relationship Approach - ER '94. Business Modelling and Re-Engineering. 13th

International Conference on the Entity-Relationship Approach. Berlin, S. 94–

111.

Morey, R. C., Fine, D. J., Loree, S. W., Retzlaff-Roberts, D. L., Tsubakitani, S.

(1992). The trade-off between hospital cost and quality of care: An exploratory

empirical analysis. Medical Care, 30 (8), S. 677–698.

Moriarty, J. P., Smallman, C. (2009). En route to a theory of benchmarking.

Benchmarking, 16 (4), S. 484–503.

Mostafa, M. (2007). Benchmarking top Arab banks’ efficiency through efficient

frontier analysis. Industrial Management & Data Systems, 107 (5), S. 802–823.

Mostert, C., Friedrich, J., Leclerque, G. (2015). Die Krankenhausbudgets 2012 und

2013 im Vergleich. In: Klauber, J., Garaedts, J. F., Wasem, J. (Hrsg.).


Müller-Stewens, G., Lechner, C. (2011). Strategisches Management. Wie strategische

Initiativen zum Wandel führen. 4. Aufl. Stuttgart.

Murphy, D. J., Pearson, J. N., Siferd, S. P. (1996). Evaluating performance of the

purchasing department using data envelopment analysis. Journal of Business

Logistics, 17 (2), S. 77–91.


Neely, A., Gregory, M., Platts, K. (2005). Performance Measurement System Design:

a literature review and research agenda. International Journal of Operations

and Production Management, 20 (10), S. 1228–1263.

Nitzsch, R. (1992). Entscheidung bei Zielkonflikten. Ein PC-gestütztes Verfahren.

Wiesbaden.

Nordsiek, F. (1934). Grundlagen der Organisationslehre. Stuttgart.

Oppel, K. (2003). Elektronische Beschaffung im Krankenhaus. Nutzung, Gestaltung

und Auswirkungen von B-to-B-Marktplätzen. 1. Aufl. Wiesbaden.

Osterloh, M., Frost, J. (2006). Prozessmanagement als Kernkompetenz: Wie Sie

Business Engineering strategisch nutzen können. Wiesbaden.

Ozcan, Y. A. (1998). Physician benchmarking: measuring variation in practice

behavior in treatment of otitis media. Health Care Management Science, 1 (1),

S. 5–17.

Paradi, J. C., Rouatt, S., Zhu, H. (2011). Two-stage evaluation of bank branch

efficiency using data envelopment analysis. Omega, 39 (1), S. 99–109.

Parameshwaran, R., Srinivasan, P., Punniyamoorthy, M., Charunyanath, S. T.,

Ashwin, C. (2009). Integrating fuzzy analytical hierarchy process and data

envelopment analysis for performance management in automobile repair shops.

European Journal of Industrial Engineering, 3 (4), S. 450–467.

Pareto, V. (1897). Cours d'économie politique. 2. Aufl. Lausanne.

Park, J., Bae, H., Lim, S. (2012). A DEA-based method of stepwise benchmark target

selection with preference, direction and similarity criteria. International Journal

of Innovative Computing, Information and Control, 8 (8), S. 5821–5834.

Partovi, F. Y. (1994). Determining what to benchmark: an analytic hierarchy Approch.

International Journal of Operations & Production Management, 14 (6), S. 25–

39.

Patton, M. Q. (1990). Qualitative Evaluation and Research Methods. 3. Aufl. Newbury

Park, London, New Dehli.

Paula, K. (2003). Revising the concepts and forms of Benchmarking. Benchmarking:

An International Journal, 10 (3), S. 210–225.

Peters, C., Leimeister, J. M. (2014). Modellierung telemedizinischer Dienstleistungen

mit der Blueprint-driven Telemedicine Process Modeling Language. In: Möller,

K., Schultze, W. (Hrsg.). Produktivität von Dienstleistungen. Wiesbaden, S.

226–238.

Picot, A. (1990). Organisation von Informationssystemen und Controlling.

Controlling, 2 (6), S. 336–357.

Picot, A., Dietl, H., Franck, E. (2008). Organisation. Eine ökonomische Perspektive. 5.

Aufl. Stuttgart.

Piontek, J. (1994). Beschaffungscontrolling. München.


Pires, F. J., Lamb, T., Souza, C. (2009). Shipbuilding performance benchmarking.

International Journal of Business Performance Management, 11 (3), S. 216–

235.

Pohl, K. (1993). The three Dimensions of Requirement Engineering. In: Roland, C.,

Bodart, F., Cauvet, C. (Hrsg.). Proceedings ofthe 5th International Conference

on Advanced Information Systems Engineering-CAiSE '93. Berlin, S. 275–292.

Pohl, K. (1996). Process-Centered Requirements Engineering. Taunton.

Popper, K. A. (1994). Logik der Forschung. 10. Aufl. Tübingen.

Porembski, M. (2000). Produktivität der Banken. Untersuchung mit der Data

Envelopment Analysis. Wiesbaden.

Porter, M. E. (1985). Competitive advantage. Creating and sustaining superior

performance. New York, London.

Porter, M. E. (2004). Competitive Strategy. Techniques for Analyzing Industries and

Competitors. New York.

Porter, M. E. (2014). Wettbewerbsvorteile. Spitzenleistungen erreichen und behaupten.

8. Aufl. Frankfurt am Main.

Porter, M. E., Teisberg, E. O. (2006). Redefining health care. Creating positive-sum

competition to deliver value. Boston, Mass.

Post, T. (2001). Performance Evaluation in stochastic environments using mean-

variance data envelopment analysis. Operations Research, 49 (2), S. 281–292.

Post, T., Spronk, J. (1999). Performance benchmarking using interactive data

envelopment analysis. European Journal of Operational Research, 115 (3), S.

472–487.

Prangenberg, A. (2010). Auswahl und Beurteilung alternativer Gestaltungselemente in

der Materialwirtschaft von Krankenhäusern. Ein kriteriengestützter Ansatz.

Berlin, Münster.

Prašnikar, J., Debeljak, Ž., Ahčan, A. (2005). Benchmarking as a tool of strategic

management. Total Quality Management & Business Excellence, 16 (2), S.

257–275.

Preece, J., Rogers, Y., Sharp, H., Benyon, D., Holland, S., Carey, T. (1994). Human

Computer Interaction. Wokingham.

Preisniveauindex (2013). Preisniveauindizes im internationalen Vergleich.

http://www.bfs.admin.ch/bfs/portal/de/index/themen/05/07/blank/key/01.html,

abgerufen am: 03.01.2015.

Punniyamoorthy, M., Murali, R. (2010). Identification of benchmarking service units

through productivity and quality dimensions. International Journal of Business

Performance Management, 12 (2), S. 103-122.

Raffée, H. (1974). Grundprobleme der Betriebswirtschaftslehre. Göttingen.


Raffée, H. (1989). Gegenstand, Methoden und Konzepte und Methoden der

Betriebswirtschaftslehre. In: Bitz, M., Dellmann, K., Domsch, M., Eigner, H.

(Hrsg.). Vahlens Kompendium der Betriebswirtschaftslehre. 2. Aufl., 1,

München, S. 1–46.

Ralston, D., Wright, A., Kumar, J. (2001). Process benchmarking as a market research

tool for strategic planning. Marketing Intelligence & Planning, 19 (4), S. 273–

281.

Raue, H. (1996). Wiederverwendbare betriebliche Anwendungssysteme. Grundlagen

und Methoden ihrer objektorientierten Entwicklung. Wiesbaden.

Reichmann, G., Sommersguter-Reichmann, M. (2006). University library

benchmarking: An international comparison using DEA. International Journal

of Production Economics, 100 (1), S. 131–147.

Reichwald, R., Weichselbaumer, J. (1997). Erfolgs-Controlling von

Reorganisationen: Konzeptionelle Grundlagen und empirische Umsetzung.

Controlling, 9 (3), S. 156–169.

Reifferscheid, A., Thomas, D., Pomorin, N., Wasem, J. (2015). Sturkturwandel in der

stationären Versorgung. In: Klauber, J., Garaedts, J. F., Wasem, J. (Hrsg.).


Reijers, H. A. (2006). Implementing BPM Systems: The role of process orientation.

Business Process Management Journal, 12 (4), S. 389–409.

Reijers, H. A., Limam, S., Van der Aalst, W. M. P. (2003). Product-Based Workflow

Design. Journal of Management Information Systems, 20 (1), S. 229–262.

Reiner, G., Hofmann, P. (2006). Efficiency analysis of supply chain processes:

International Journal of Production Research, 44 (23), S. 5065–5087.

Reiner, G., Teller, C., Kotzab, H. (2013). Analyzing the Efficient Execution of In-

Store Logistics Processes in Grocery Retailing-The Case of Dairy Products.

Production and Operations Management, 22 (4), S. 924–939.

Richman, T., Koontz, C. (1993). How benchmarking can improve business

reengineering. Planning Review, 21 (6), S. 26–55.

Rickards, R. C. (2003). Setting benchmarks and evaluating balanced scorecards with

data envelopment analysis. Benchmarking: An International Journal, 10 (3), S.

226-245.

Rockart, J. F. (1979). Chief executives define their own data needs. Harvard Business

Review, 57 (3/4), S. 81–92.

Rogers, D. S., Daugherty, P. J., Stank, T. P. (1995). Benchmarking programs:

opportunities for enhancing performance. Journal of Business Logistics, 16 (2),

S. 43–63.

Rohner, P. (2010). Prozessorientierung im Krankenhaus - Auslöser, Stand von Theorie

und Praxis, Herausforderungen. zuletzt geprüft am 20.11.2014

http://www.begpartners.com/bestpractice/spitalmanagement.html.


Rohner, P. (2012). Achieving impact with clinical process management in hospitals:

an inspiring case. Business Process Management Journal, 18 (4), S. 600–624.

Rommelfanger, H. J., Eickemeier, S. H. (2002). Entscheidungstheorie. Klassische

Konzepte und Fuzzy-Erweiterungen; mit 109 Tabellen. Berlin, Heidelberg.

Roseman, M. (1996). Komplexitätsmanagement in Prozessmodellen:

methodenspezifische Gestaltungsempfehlungen für die

Informationsmodellierung. Wiesbaden.

Rosemann, M. (2003). Application Reference Models and Building Blocks for

Management and Control (ERP Systems). In: Bernus, P., Nemes, l., Schmidt,

G. (Hrsg.). Handbook on Enterprise Architecture. Berlin, S. 595–615.

Rosemann, M., Schwegmann, A., Delfmann, P. (2012). Vorbereitung der

Prozessmodellierung. In: Becker, J., Kugeler, M., Rosemann, M. (Hrsg.).

Prozessmanagement. Ein Leitfaden zur prozessorientierten

Organisationsgestaltung. 7. Aufl. Berlin, Heidelberg, S. 47–112.

Rosenkranz, F. (2006). Geschäftsprozesse. Modell- und computergestützte Planung. 2.

Aufl. Heidelberg.

Ross, A., Droge, C. (2002). An integrated benchmarking approach to distribution

center performance using DEA modeling. Journal of Operations Management,

20 (1), S. 19–32.

Rouse, P., Harrison, J., Turner, N. (2011). Cost and performance: complements for

improvement. Journal of medical systems, 35 (5), S. 1063–1074.

Runzheimer, C. (1999). Planung und Kontrolle integrativer Produktentwicklungen. Ein

konzeptioneller Ansatz auf entscheidungsorientierter Basis. Wiesbaden.

Saati, S., Memarini, A., Jahanshahloo, G. R. (2013). Efficiency Analysis and Ranking

of DMUs with Fuzzy Data. International Journal of Uncertainty, Fuzziness and

Knowledge-Based Systems, 21 (1), S. 29–64.

Salfeld, R., Hehner, S., Wichels, R. (2008). Modernes Krankenhausmanagement.

Konzepte und Lösungen. Berlin.

Saranga, H. (2006). Multiple objective data envelopment analysis as applied to the

Indian Pharmaceutical Industry. Journal of the Operational Research Society,

58 (11), S. 1480–1493.

Sarkis, J. (2007). Preparing Your Data for DEA. In: Zhu, J., Cook, W. D. (Hrsg.).

Modeling data irregularities and structural complexities in data envelopment

analysis. New York, NY, S. 305–320.

Sarkis, J., Talluri, S. (2002). Efficiency measurement of hospitals: issues and

extensions. International Journal of Operations & Production Management, 22

(3), S. 306–313.

Sarkis, J., Talluri, S. (2002b). A Synergistic Framework for Evaluating Business

Process Improvements. International Journal of Flexible Production Systems,

15 (1), S. 53-71.


Sarkis, J., Talluri, S. (2004). Performance based clustering for benchmarking of US

airports. Transportation Research Part A: Policy and Practice, 38 (5), S. 329–

346.

Schäfer, W. (2000). Das Krankenhaus als Anbieter von Gesundheitsleistungen auf

dem Markt. In: Eichhorn, P., Seelos, H.-J., Schulenburg, Matthias Graf v. d.

(Hrsg.). Krankenhausmanagement. 1. Aufl. München.

Schalles, C., Rebstock, M., Creagh, J. (2010). Ein generischer Ansatz zur Messung der

Benutzerfreundlichkeit von Modellierungssprachen. In: Engels, G., Kragiannis,

D., Mayr, H. C. (Hrsg.). Modellierung 2010, Klagenfurt. 161, Bonn, S. 15–30.

Schanz, G. (1978). Pluralismus in der Betriebswirtschaftslehre: Bemerkungen zu

gegenwärtigen Forschungsprogrammen. In: Schweitzer, M. (Hrsg.).

Auffassungen und Wissenschaftsziele der Betriebswirtschaftslehre. Bd. 502,

Darmstadt, S. 292–335.

Schär, W. (2009a). Formen der Versicherung und ausgewählte Leistungen des sozialen

Netzes. In: Haubrock, M., Schär, W. (Hrsg.). Betriebswirtschaft und

Management im Krankenhaus. 5. Aufl. Bern, S. 241–270.

Schär, W. (2009b). Strukturen und Aufgabenbereiche von Einrichtungen der

Gesundheitswirtschaft. In: Haubrock, M., Schär, W. (Hrsg.). Betriebswirtschaft

und Management im Krankenhaus. 5. Aufl., Bern, S. 105–240.

Scheel, H. (2000). Effizienzmaße der Data Envelopment Analysis. Wiesbaden.

Scheer, A.-W. (1997). Wirtschaftsinformatik, Referenzmodelle für industrielle

Geschäftsprozesse. 7. Aufl. Berlin.

Schendera, C. F. G. (2014). Regressionsanalyse mit SPSS. 2. Aufl. Berlin.

Schirmer, D. (2009). Empirische Methoden der Sozialforschung. Grundlagen und

Techniken. Stuttgart.

Schirmer, H. (2010). Krankenhaus-Controlling: Handlungsempfehlungen für

Krankenhausmanager, Krankenhauscontroller. Renningen.

Schlagheck, B. (2000). Objektorientierte Referenzmodelle für das Prozeß- und

Projektcontrolling. Grundlagen, Konstruktion, Anwendungsmöglichkeiten.

Wiesbaden.

Schlüchtermann, J. (2013). Betriebswirtschaft und Management im Krankenhaus.

Grundlagen und Praxis. 1. Aufl. Berlin.

Schmelzer, H. J., Sesselmann, W. (2013). Geschäftsprozessmanagement in der Praxis.

Kunden zufrieden stellen - Produktivität steigern - Wert erhöhen. 8. Aufl.

München.

Schmid, S. (1996). Multikulturalität in der internationalen Unternehmung. Wiesbaden.

Schmidt-Rettig, B. (2008). Finanzierung. In: Schmidt-Rettig, B. (Hrsg.). Krankenhaus-

Managementlehre. Theorie und Praxis eines integrierten Konzepts. 1. Aufl.



Schneeweiß, C. (1991). Planung - 1. Systematische und entscheidungstheoretische

Grundlagen. Berlin.

Schneider, D. (1987). Allgemeine Betriebswirtschaftslehre. 3. Aufl. München.

Schnell, R., Esser, E., Hill, P. B. (2013). Methoden der empirischen Sozialforschung.

10. Aufl. München.

Schnell, R., Hill, P. B., Esser, E. (2005). Methoden der empirischen Sozialforschung.

7. Aufl. München.

Schuh, G., Kreimeier, M., Essig, J., Schulte-Gehrmann, A.-L. (2014).

Einkaufsstrategie. In: Schuh, G. (Hrsg.). Einkaufsmanagement. Berlin,


Schulte-Zurhausen, M. (1995). Organisation. München.

Schütte, R. (1998). Grundsätze ordnungsmässiger Referenzmodellierung. Konstruktion

konfigurations- und anpassungsorientierter Modelle. Wiesbaden.

Schwarz, J. (2013). Messung und Steuerung der Kommunikations-Effizienz. Eine

theoretische und empirische Analyse durch den Einsatz der Data Envelopment

Analysis. Wiesbaden.

Schwegmann, A. (1999). Objektorientierte Referenzmodellierung: theoretische und

praktische Anwendung. Wiesbaden.

Schwegmann, A., Laske, M. (2012). Istmodellierung und Istanalyse. In: Becker, J.,

Kugeler, M., Rosemann, M. (Hrsg.). Prozessmanagement. Ein Leitfaden zur

prozessorientierten Organisationsgestaltung. 7. Aufl. Berlin, Heidelberg, S.

165–194.

Schweitzer, M. (1978). Wissenschaftsziele und Auffassungen in der

Betriebswirtschaftslehre. In: Schweitzer, M. (Hrsg.). Auffassungen und

Wissenschaftsziele der Betriebswirtschaftslehre. Bd. 502, Darmstadt, S. 1–14.

Schweiter, M. (1997). Prozeßorientierung der Kostenrechnung. in: Kötzler, A: (Hrsg.).

Strategisches Management. Stuttgart, S. 85-110.

Scott, C., Lundgren, H., Thompson, P. (2011). Guide to Supply Chain Management.

Berlin.

Sedlmeier, L. (2015). Entscheidungsunterstützung im Rahmen der

Strategieimplementierung: Zwei Fallstudien zur Anwendung des Analytic

Network Process im strategischen Controlling. Berlin.

Seiford, L. M. (1997a). A bibliography of data envelopment analysis (1978-1996).

Annals of Operations Research, 73, S. 393–438.

Seiford, L. M. (1997b). Data Envelopment analysis: the evolution of the state of the

art. Journal of Productivity Analysis, 7 (2-3), S. 99–137.

Seiford, L. M., Thrall, R. M. (1990). Recent Developments in DEA - the mathematical

programming approach to frontier analysis. Journal of Econometrics, 46 (1-2),

S. 7–38.


Shephard, R. W. (1970). Theory of cost and production function. Princeton.

Sherman, H., Zhu, J. (2006). Benchmarking with quality-adjusted DEA (Q-DEA) to

seek lower-cost high-quality service: Evidence from a U.S. bank application.

Annals of Operations Research, 145 (1), S. 301–319.

Sheu, D., Peng, S.-L. (2003). Assessing manufacturing management performance for

notebook computer plants in Taiwan. International Journal of Production

Economics, 84 (2), S. 215–228.

Shimshak, D. G., Lenard, M. L., Klimberg, R. K. (2009). Incorporating quality into

data envelopment analysis of nursing home performance: A case study. Omega,

37 (3), S. 672–685.

Shostack, G. L. (1987). Service Positioning through structural change. Journal of

Marketing, 51 (1), S. 34–43.

Siebert, G. (1998). Prozess-Benchmarking - Methode zum branchenunabhängigen

Vergleich von Prozessen. Berlin.

Siewert, J. R., Siess, M. (2006). Das Universitätsklinikum der Zukunft. In: Thiele, G.,

Gassel, H. J. (Hrsg.). Krankenhaus der Zukunft. Heidelberg, S. 587–593.

Da Silva, L. A., Damian, I. P. M., de Pádua, S. I. D. (2012). Process management tasks

and barriers: functional to processes approach. In: Business Process

Management Journal, 18 (5), S. 762–776.

Silvestro, R., Fitzgerald, L., Johnston, R., Voss, C. (1992). Towards a classification of

service processes. International Journal of Service Industry Management, 3 (3),

S. 62–75.

Simar, L., Wilson, P. W. (1998. Sensitivity Analysis of Efficiency Scores: How to

bootstrap in Nonparametric Frontier Models. Management Science, 44 (1), S.

49–61.

Simon, H. A. (1957). Models of Man: Social and Rational-Mathematical Essays on

Relational Human Behavior in a Social Setting. New York.

Sinz, E. (1997). Modellierung. In: Mertens, P., Stürken, M., Back, A., König, W.,

Krallmann, H., Rieger, B. et al. (Hrsg.). Lexikon der Wirtschaftsinformatik. 3.

Aufl. Berlin, S. 271.

SIX, Swiss Exchange (2014). http://www.six-swiss-

exchange.com/services/currency_converter_de.html. abgerufen am: 25.11.2014.

Slack, N. (1987). The flexibility of manufacturing systems. International Journal of

Operations and Production Management. 7 (4), S. 35–45.

Smart, P. A., Maddern, H., Maull, R. S. (2009). Understanding Business Process

Management: Implications for Theory and Practice. British Journal of

Management, 20 (4), S. 491–507.

Smith, A. M. (2000). Using consumer benchmarking criteria to improve service sector

competitiveness. Benchmarking: An International Journal, 7 (5), S. 373–388.


Smith, H., Fingar, P. (2003). Business Process Management: The third Wave. Tampa,

FL.

Soteriou, A. C., Stavrinides, Y. (1997). An internal customer service quality data

envelopment analysis model for bank branches. International Journal of

Operations and Production Management, 17 (8), S. 780–789.

Spendolini, M. (1992). The Benchmarking Book. New York.

Staat, M. (2006). Efficiency of hospitals in Germany: a DEA-bootstrap approach.

Applied Economics, 38 (19), S. 2255–2263.

Stachowiak, H. (1973). Allgemeine Modelltheorie. Wien.

Stanford, R. E. (2004). A Frontier Analysis Approach for Benchmarking Hospital

Performance in the Treatment of Acute Myocardial Infarction. Health Care

Management Science, 7 (2), S. 145–154.

Destatis (2014). Statistisches Bundesamt, Grunddaten der Krankenhäuser. Fachserie

12, Reihe 6.1.1.

Stewart, T. J. (1996). Relationships between Data Envelopment Analysis and

Multicriteria Decision Analysis. The Journal of the Operational Research

Society, 47 (5), S. 654.

Stewart, T. J. (2010). Goal directed benchmarking for organizational efficiency.

Omega, 38 (6), S. 534–539.

Stiglitz, J. E. (1988). Economics of the private sector. New York.

Strauss, A. L., Corbin, J. (1996). Grounded Theory: Grundlagen qualitativer

Sozialforschung. Weinheim.

Strech, D. (2014). Rationalisierung und Rationierung am Krankenbett. Normativ-

empirische Analyse zum Status quo. Medizinische Klinik, Intensivmedizin und

Notfallmedizin, 109 (1), S. 27–33.

Strech, D., Danis, M., Löb, M., Marckmann, G. (2009). Ausmaß und Auswirkungen

von Rationierung in deutschen Krankenhäusern. Deutsche medizinische

Wochenschrift. 24 (134), S. 1261–1266.

Sun, S. X., Zhao, J. L. (2013). Formal workflow design analytics using data flow

modeling. Decision Support Systems, 55 (1), S. 270–283.

SwissDRG (2015). www.swissdrg.org. zuletzt geprüft am 16.05.2015.

Syska, A. (2006), Konsignationslager. In: Syska, A. (Hrsg.). Produktionsmanagement.

Wiesbaden, S. 81–83.

Talluri, S. (2000a). A Benchmarking Method for Business-Process Reengineering and

Improvement. International Journal of Flexible Manufacturing Systems, 12(4)

S. 291-304.

Talluri, S. (2000b). A Benchmarking Method for Business-Process Reengineering and

Improvement. The international Journal of Flexible Manufacturing Systems, 12

(4), S. 291–304.


Talluri, S., Huq, F., Pinney W. E. (1997). Application of data envelopment analysis for

cell performance evaluation and process improvement in cellular

manufacturing. International Journal of Production Research, 35 (8), S. 2157–

2170.

Talluri, S., Narasimhan, R. (2004). A methodology for strategic sourcing. European

Journal of Operational Research. 154 (1), S. 236–250.

Talluri, S., Sarkis, J. (2001). A computational geometry approach for benchmarking.

International Journal of Operations & Production Management, 21 (1), S. 210–

222.

Tenner, A. R., DeToro, I. J. (1997). Process Redesign: The Implementation Guide for

Managers. Boston.

Thomas, O. (2006). Management von Referenzmodellen. Entwurf und Realisierung

eines Informationssystems zur Entwicklung und Anwendung von

Referenzmodellen. Berlin.

Tone, K. (2001). A slack-based measure of efficiency in data envelopment analysis.

European Journal of Operational Research, 130 (3), S. 498–509.

Triantis, K. P. (2011). Engineering Applications of Data Envelopment Analysis. In:

Cooper, W. W., Seiford, L. M., Zhu, J. (Hrsg.). Handbook on data envelopment

analysis. Bd. 164, 2. Aufl. New York, S. 363–402.

Trkman, P. (2010). The critical success factors of business process management.

International Journal of Information Management, 30 (2), S. 125–134.

Troschke, J. v., Stössel, U. (2012). Grundwissen Gesundheitsökonomie,

Gesundheitssystem, öffentliche Gesundheitspflege. Bern.

Ueda, T., Hoshiai, Y. (1997). Application of principal component analysis for

parsimonious summarization of DEA inputs and/or outputs. Journal of the

Operational Research Society of Japan, 40 (4), S. 466–478.

Ulrich, H. (1984). Management. Bern u.a.

Ulrich, P., Hill, W. (1979). Wissenschaftstheoretische Grundlagen der

Betriebswirtschaftslehre. In: Raffée, H., Abel, B. (Hrsg.).

Wissenschaftstheoretische Grundfragen der Wirtschaftswissenschaften.

München, S. 161–190.

Ungan, M. (2006). Standardization through process documentation. Business Process

Management Journal, 12 (2), S. 135–148.

Vaidya, O. S., Kumar, S. (2006). Analytic hierarchy process: An overview of

applications. European Journal of Operational Research, 169 (1), S. 1–29.

Vera, A., Kuntz, L. (2007). Process-based organization design and hospital efficiency.

Health Care Management Review, 32 (1), S. 55–65.

Vernadat, F. (2002). UEML: towards a united enterprise modeling language.

International Journal of Production Research, 40 (17), S. 4309–4321.


Vorhies, D. W., Morgan, N. A. (2005). Benchmarking Marketing Capabilities for

Sustainable Competitive Advantage. Journal of Marketing, 69 (1), S. 80–94.

Vos, L., Oostenbrugge, Robert J. v., Limburg, M., van Merode, Godefridus G.,

Groothuis, S. (2009). How to implement process-oriented care. Accreditation

and Quality Assurance, 14 (1), S. 5–13.

Walker, G., Weber, D. (1984). A Transactions Cost Approach to Make-or-Buy

Decisions. Administrative Science Quarterly, 29 (3), S. 373–391.

Wan, H.-d., Frank Chen, F. (2008). A leanness measure of manufacturing systems for

quantifying impacts of lean initiatives. International Journal of Production

Research, 46 (23), S. 6567–6584.

Wang, F.-K. (2006). Evaluating the Efficiency of Implementing Total Productive

Maintenance. Total Quality Management, 17 (5), S. 655–667.

Wannenwetsch, H. (2010). Integrierte Materialwirtschaft und Logistik. Beschaffung,

Logistik, Materialwirtschaft und Produktion. Heidelberg.

Watcharasriroj, B., Tang, J. C. (2004). The effects of size and information technology

on hospital efficiency. The Journal of High Technology Management Research,

15 (1), S. 1–16.

Watson, G. H. (1993). Strategic Benchmarking - How to Rate Your Company's

Performance against the World's Best. New York.

Watson, G. H. (2008). Strategic Benchmarking reloaded with six sigma: Improve your

company's performance using global best practice. Hoboken.

Weele, A. v. (2010). Purchasing and Supply Chain Management. 5. Aufl. Andover.

Weng, S.-J., Wu, T., Blackhurst, J., Mackulak, G. (2009). An extended DEA model for

hospital performance evaluation and improvement. Health Services &

Outcomes Research Methodology, 9 (1), S. 39–53.

White, H. D. (2004). Citation Analysis and Discourse Analysis Revisited. Applied

Linguistics, 25 (1), S. 89–116.

Whymark, J. (1998). Benchmarking and credit risk management in financial services.

Benchmarking for Quality Management & Technology, 5 (2), S. 126–137.

Wierzbicki, A. P. (1980). The Use of Reference Objectives in Multiobjective

Optimization. In: Beckmann, M., Künzi, H. P., Fandel, G., Gal, T. (Hrsg.).

Multiple Criteria Decision Making Theory and Application. Bd. 177, Berlin,


Willaert, P., Van den Bergh, J., Willems, J., Deschoolmeester, D. (2007). The process-

oriented organization: a holistic view. In: Dadam Alonso, P., Rosemann, M.

(Hrsg.). BPM 2007, LNCS 4714, Berlin, S. 1–15.

Williamson, O. E. (1975). Markets and hierarchies. Analysis and antitrust

implications. New York.

Williamson, O. E. (1985). The ecomomic institutions of capitalism. New York.


Williamson, O. E. (1989). Transaction Cost Economics. In: Schmalensee, R., Willig,

R. D. (Hrsg.). Handbook on Industrial Organization. 1. Aufl. Amsterdam, S.

135–182.

Williamson, O. E. (1990). Die ökonomischen Institutionen des Kapitalismus.

Unternehmen, Märkte, Kooperationen. Tübingen 1990.

Williamson, O. E. (1996). The Mechanisms of Governance. Oxford, New York.

Wilson, G. W., Jadlow, J. M. (1982). Competition, profit incentives, and technical

efficiency in the provision of Nuclear Medicine Services. Bell Journal of

Economics, 13 (2), S. 472–482.

Wilson, P. W. (1995). Detecting influential observations in data envelopment analysis.

Journal of Productivity Analysis, 6, S. 27–45.

Windsperger, J. (1996). Transaktionsspezifität, Reputationskapital und

Koordinationsform. Zeitschrift für Betriebswirtschaft, 66 (8), S. 965–978.

Wöhe, G., Döring, U. (2002). Einführung in die allgemeine Betriebswirtschaftslehre.

21. Aufl. München.

Wong, W. P., Wong, K. Y. (2008). A review on benchmarking of supply chain

performance measures. Benchmarking: An International Journal, 15 (1), S. 25–

51.

Woratschek, H., Roth, S., Schafmeister, G. (2007). Ansätze zur Analyse von

Wertschöpfungsprozessen – Eine theoretische und empirische Betrachtung der

Besonderheiten bei Dienstleistungen. In: Bruhn, M., Stauss, B. (Hrsg.).

Wertschöpfungsprozesse bei Dienstleistungen. Wiesbaden, S. 29–49.

Wu, J., Liang, L., Song, M. (2010). Performance based clustering for benchmarking of

container ports: an application of DEA and Cluster Analysis Technique.

International Journal of Computational Intelligence Science. 3 (6), S. 709–722.

Wu, J., Song, H. (2011). Operational performance and benchmarking: A case study of

international tourist hotels in Taipei. African Journal of Business Management,

4 (22), S. 9455–9565.

Wu, W.-W. (2012). An integrated solution for benchmarking using DEA, gray

entropy, and Borda count. The Service Industries Journal, 32 (2), S. 321–335.

Yasin, M. (2002). The theory and practice of benchmarking: then and now.


Yin, R. K. (2013). Case study research. Design and methods. 5. Aufl. London.

Young, G. J., Charns, M. P., Heeren, T. C. (2004). Product-line management in

professional organizations: an empirical test of competing theoretical

perspectives. Academy of Management Journal, 47 (5), S. 723–734.

Yu, M.-M. (2010). Assessment of airport performance using the SBM-NDEA model.

Omega, 38 (6), S. 440–452.


Yu, M.-M., Lee, B. C. (2009). Efficiency and effectiveness of service business:

Evidence from international tourist hotels in Taiwan. Tourism Management, 30

(4), S. 571–580.

Zairi, M. (1994). Benchmarking: the best tool for measuring competitiveness.

Benchmarking for Quality Management & Technology, 1 (1), S. 11–24.

Zairi, M. (1997). Business Process Management: a boundaryless approach to modern

competitiveness. Business Process Management Journal, 3 (1), S. 64–80.

Zelewski, S., Schütte, R., Siedentopf, J. (2001). Ontologien zur Repräsentation von

Domänen. In: Schreyögg, G. (Hrsg.). Wissen in Unternehmen - Konzepte,

Maßnahmen, Methoden. Berlin, S. 183–221.

Zeuner, M. (2011). Medizin-Controlling und Kennzahlensysteme am Beispiel des

DRG-Systems. In: Kunhardt, H. (Hrsg.). Systemisches Management im

Gesundheitswesen. Wiesbaden, S. 53–68.

Zhu, J. (2009). Quantitative models for performance evaluation and benchmarking.

Data envelopment analysis with spreadsheets. 2. Aufl. Berlin.

Zimmermann, H.-J. (1987). Methoden und Modelle des Operations Research.

Braunschweig, Wiesbaden.

Zimmermann, H.-J., Gutsche, L. (1991). Multi-Criteria Analyse. Einführung in die

Theorie der Entscheidungen bei Mehrfachzielsetzungen. Berlin, Heidelberg

Curriculum Vitae 231

CURRICULUM VITAE

Name: Christian Georgi

Geburtsdatum/-ort: 08. September 1985 in Dresden

Ausbildung

2012-2015 Universität St. Gallen

Doktoratsstudium (Ph.D. Programme in Management)

2012 Friedrich - Alexander - Universität Erlangen - Nürnberg

M.Sc. in Management

2011 Warsaw School of Economics

Auslandssemester

Berufserfahrung

2015 - heute Bayer AG

Corporate Controlling

2012-2015 CEPRA – Center for Performance Research & Analytics

Wissenschaftlicher Mitarbeiter

Weitere praxisrelevante Erfahrungen

Porsche Consulting GmbH

OMV AG

E.ON AG

PricewaterhouseCoopers AG WPG

Deutsche Telekom AG

BayernLB

Documents

Multidimensionales Prozessbenchmarking im Krankenhaus ...FILE/dis4522.pdf · Multidimensionales Prozessbenchmarking im Krankenhaus – Entwicklung und Evaluation einer Methode mit