Performance-Measurement-Systeme für mittelständische Unternehmen. Entscheidungsunterstützende Informationssysteme im Geschäftsprozessmanagement

Inhaltsverzeichnis

Abstract / Zusammenfassung

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzungen und abgeleitete Fragestellungen der Arbeit
1.3 Aufbau der Arbeit
1.4 Methodische Vorgehensweise

2 Theoretischer Rahmen und Definitionen
2.1 Kleine und mittlere Unternehmen (KMU)
2.2 Geschäftsprozessmanagement (GPM)
2.3 Performance Measures und Performance Measurement (PM)
2.4 Performance-Measurement-Systeme (PMS)
2.5 PMS für mittelständische Unternehmen
2.6 Process-Performance-Measurement-Systems (PPMS)
2.7 Performance Data-Warehouse (PDWH)
2.8 Multidimensionale Datenmodellierung

3 Praktischer Teil
3.1 Einführung der Business Process Performance Scorecard (BPP Scorecard)
3.2 Fallbeispiel – Vertriebsprozessoptimierung eines mittelständischen Unternehmens
3.3 Modellierung des IT-seitigen Process-Performance- Measurement-Systems

4 Zusammenfassung und Ausblick
4.1 Zusammenfassung
4.2 Kritische Würdigung und Ausblick

5 Literaturverzeichnis

6 Anhang
6.1 A1 – ADAPT, Dimensionen und Dimensionselemente Teil I
6.2 A2 – ADAPT, Dimensionen und Dimensionselemte Teil II
6.3 A3 – ADAPT, Cubes und Dimensionen
6.4 A4 – BPP-Scorecard Vertriebsprozess

Abstract / Zusammenfassung

Thema der Bachelorarbeit

Modellierung eines Performance Measurement Systems zur Optimierung der Geschäftsprozesse eines mittelständischen Unternehmens

Stichworte

Performance-Measurement-System, Geschäftsprozessoptimierung, Mittelständische Unternehmen, Multidimensionale Datenmodellierung, Star Schema, Performance-Data-Warehouse, ADAPT, Key Performance Indicator

Kurzzusammenfassung

Diese Arbeit beschäftigt sich mit dem Themenfeld der Performance-Measurement-Systeme als entscheidungsunterstützende Informationssysteme im Geschäftsprozessmanagement von Unternehmen sowohl auf fachlicher als auch auf softwaretechnischer Ebene. Aufbauend auf einer Literaturanalyse zu den besonderen Anforderungen mittelständischer Unternehmen an Performance-Measurement-Systeme wird in einem ersten Schritt ein Process-Performance Measurement-Framework (Business-Process-Performance-Scorecard) zur Optimierung der Geschäftsprozesse mittelständischer Unternehmen konzipiert. Anschließend wird ein ganzheitlicher Modellierungsprozess zur Implementierung eines IT-seitigen Process-Performance-Measurement- Systems aufgezeigt. Der Fokus der Modellierung liegt dabei auf semantischer Entwurfsebene auf der ADAPT-Notation und auf logischer Entwurfsebene auf dem Star-Schema-Ansatz. Ziel ist es, eine sowohl fachliche als auch softwaretechnische Vorarbeit für die physische Umsetzung des Performance-Measurement-Systems durch ein Performance-Data-Warehouse aufzuzeigen.

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Definition Performance-Measurement-Systeme (in Anlehnung an [NeGP95, S. 81])

Abbildung 8: Die Balanced Scorecard – Perspektiven (in Anlehnung an [KaNo92, S. 72])

Abbildung 9: Performance Pyramid (in Anlehnung an [LyCr92, S. 65])

Abbildung 10: Die fünf Seiten der Performance Prism (in Anlehnung an [NeAC01, S. 12])

Abbildung 11: Integrated Performance-Measurement-System (in Anlehnung an [Lait02, S. 79])

Abbildung 12: Das OPM-System (in Anlehnung an [Chen00, S. 6])

Abbildung 13: PMMC-Framework in Anlehnung an ([JaMo11, S. 208])

Abbildung 14: Fünf Performance relevante Sichtweisen (in Anlehnung an [KuKr99, S. 153])

Abbildung 15: Architektur Performance Data-Warehouse (in Anlehnung an [KuWL01, S. 70])

Abbildung 16: Anforderungen an OLAP-Systeme (Quelle: [Hype98, S. 12]; [Toto00, S. 58ff.])

Abbildung 17: Operatoren auf OLAP-Architekturen (in Anlehnung an [Toto00, S. 63])

Abbildung 18: Mehrdimensionaler Cube (in Anlehnung an [Toto00, S.56.])

Abbildung 19;: Realitätsbezug der Datenmodelle (in Anlehnung an [Hahn06, S. 179])

Abbildung 20: Ebenen multidimensionaler Modellierung (in Anlehnung an [BöUl00, S.7])

Abbildung 21: Vertriebs-Cube mit fünf Dimensionen (in Anlehnung an [GlKS09, S. 4])

Abbildung 22: Kunden-Dimensionen mit ADAPT-Kernelementen

Abbildung 23: ADAPT Metamodell (Quelle: GlKS09, S. 5])

Abbildung 24: Vereinfachte abstrakte Darstellung eines Star Schemas im Vertriebs-Bereich

Abbildung 25: Flache Struktur (in Anlehnung an [Hahn05, S. 107])

Abbildung 26: Balancierte Baum- und Waldstruktur (in Anlehnung an [Hahn05, S. 107f.])

Abbildung 27: Unbalancierte Struktur (in Anlehnung an [Hahn05, S. 108f.])

Abbildung 28: Parallele Hierarchie (in Anlehnung an [Hahn05, S. 109f.])

Abbildung 29: Beziehung zwischen Geschäftsprozessen und Faktentabellen

Abbildung 30: Report mit 0-Eintrag (in Anlehnung an [Adam10, S. 63f.])

Abbildung 31: Getrennte Faktentabellen ohne 0-Eintrag (in Anlehnung an [Adam10, S. 67])

Abbildung 32: Drilling Across von Faktentabellen (in Anlehnung an [Adam10, S. 75])

Abbildung 33: SQL Pattern (in Anlehnung an [Adam10, S. 13f.])

Abbildung 34: Die Business Process Performance Scorecard

Abbildung 35: Vertriebsprozess nach dem Selling Cycle (in Anlehnung an [HeHo12, S. 70])

Abbildung 36: Vertriebsprozess im Direktvertrieb in BPMN 2

Abbildung 37: Beispielperspektiven der BPP-Scorecard

Abbildung 38: Erfolgskritische Geschäftsprozesse der BPP-Scorecard

Abbildung 39: PKPI-Monitoring der BPP-Scorecard

Abbildung 40: ADAPT, Ausschnitt aus dem konzeptuellen Entwurf

Abbildung 41: ADAPT, Kundendimension

Abbildung 42: Star Schema Vertriebsprozess

Tabellenverzeichnis

Tabelle 1: KMU-Definition des IfM (Quelle: [Inst16 ])

Tabelle 2: KMU-Definition der Europäischen Kommission (Quelle: Az. K(2003) 1442)

Tabelle 3: Operative vs. analytische Systeme (Quellen: [BöUl00, S. 3]; [Adam10, S. 5])

Tabelle 4: OLAP-Architekturen (Quelle: [HuWi05, S. 8])

Tabelle 5: ADAPT (Quellen: [GlKS09, S. 4]; [BuFo98, S. 4ff.]; [HaKu12, S. 24f.]; [Bulo98, S. 34]).

1 Einleitung

1.1 Problemstellung

Steigender Wettbewerbsdruck, dynamischer werdende Märkte und kürzere Produktlebenszyklen sorgen dafür, dass neben großen Unternehmen vor allem mittelständische Unternehmen einen erheblichen Umstrukturierungsprozess durchlaufen. In den Fokus von mittelständischen Unternehmen rückt im Rahmen der Anpassung ihrer Unternehmensstruktur eine starke Prozessorientierung. Informationssysteme und Frameworks zur Informationsverarbeitung bieten interessante Chancen zum Ausbau und zur Sicherung der Wettbewerbsfähigkeit mittelständischer Unternehmen. Die steigende Wirtschaftskraft des deutschen Mittelstandes ist in diesem Zusammenhang auch für IT- Anbieter interessant (vgl. [LeRe00, S. 179ff.].

Der wirtschaftsstarke deutsche Mittelstand bekräftigt die gute Lage der deutschen Wirtschaft auch im internationalen Vergleich. Mit einem Beitrag von ca. 55 % zur gesamten Wirtschaftsleistung im Jahr 2013 und einem Auslandsumsatz von ca. 195,2 Mrd. Euro im Jahr 2011 ist er der Motor der deutschen und europäischen Wirtschaft (vgl. [Bund14, S. 3]). Zudem steigt laut einer aktuellen Studie der DZ Bank die Investitionsbereitschaft mittelständischer Unternehmen weiter an. 81,3 % der mittelständischen Unternehmen wollen in den kommenden sechs Monaten in ihr Unternehmen investieren. Weiterhin wollen 30 % der Unternehmen ihr Investitionsvolumen insgesamt steigern (vgl. [Bank16, S. 4]).

Seit Mitte der 1980er-Jahre stieg die Anzahl der Publikationen zum Themenbereich der Performance-Measurement-Systeme (PMS) stetig an. Dabei zeigte sich, dass große und mittelständische Unternehmen unterschiedliche Anforderungen an den Entwurf, die Funktionsweise und die Implementierung von Performance-Measurement-Systemen stellen.

Die steigende Komplexität und Entwicklungsdynamik mittelständischer Unternehmen führte zu einer Annäherung der unternehmerischen Herausforderungen von mittelständischen und großen Unternehmen. PMS können eine entscheidende Rolle in der Unterstützung dieser neuen Herausforderungen einnehmen und ermöglichen eine Weiterentwicklung des strategischen Managements (vgl. [GaBB05, S. 25]).

Die neuen Ansätze der Leistungserfassung grenzen sich von traditionellen Kennzahlensystemen, die sich ausschließlich auf finanzielle Kennzahlen beziehen, in ihrer holistischen Betrachtungsweise ab. Gleichermaßen finanzielle und nicht-finanzielle Kennzahlen bilden eine ausgewogene Sichtweise auf die aktuelle und zukünftige Performance eines Unternehmens ab (vgl. [KaNo92, S. 172]).

Bisherige Forschungsarbeiten befassen sich größtenteils mit dem Einsatz von Performance- Measurement-Systemen in großen Unternehmen. Nur wenige Publikationen befassen sich mit der Entwicklung von Performance-Measurement-Systemen für mittelständische Unternehmen (vgl. [HuSB01, S. 1096]; [GaBB05, S. 28]). Dies führte dazu, dass bestehende Performance-Measurement-Systeme hauptsächlich auf die Anforderungen von großen und weniger von mittelständischen Unternehmen ausgerichtet sind. Beide Unternehmensgrößen setzten jedoch unterschiedliche Charakteristiken voraus, die ein Performance- Measurement-System erfüllen muss. Völlig unterschiedliche Strukturen und Dimensionen von mittelständischen Unternehmen gegenüber Großkonzernen erschweren die Implementierung von bestehenden PMS in die Strukturen mittelständischer Unternehmen (vgl. [TaCB08, S. 1 ff.]). Diese benötigen ein einfaches und leicht verständliches Performance- Measurement-System, welches die kritischen Bereiche der Unternehmensaktivitäten abbildet. Der Implementierungsprozess sollte aufgrund von limitierten Ressourcen unkompliziert sein (vgl. [TeRU01, S. 4]).

Business Process Reengineering, Geschäftsprozessoptimierung, Prozessmanagement und weitere ähnliche sogenannte Buzzwords zeigten in der Vergangenheit einen Trend auf, der die prozessorientierte Ausrichtung von modernen Unternehmen stark hervorhob. Dennoch haben bis zum heutigen Tage nur wenige Unternehmen Systeme zur Analyse der Performance von Geschäftsprozessen eingesetzt (vgl. [Kuen00, S. 67]).

Bis Ende 2000 haben 40-60 % der größten US-Konzerne die von KAPLAN und NORTON [KaNo92] konzipierte Balanced Scorecard als Performance-Measurement-System in ihre Management-Prozesse implementiert. Prekär ist dabei das Resultat, dass bis zu 70 % dieser Implementierungen nicht durchweg erfolgreich waren. Einerseits sind die meisten Performance-Measurement-Systeme unzureichend modelliert und andererseits schwer zu implementieren (vgl. [NeBo00, S. 3]). Des Weiteren werden KPIs von Unternehmen teilweise ungeeignet definiert, obwohl KPIs die Basis für eine erfolgreiche Leistungserfassung bilden (vgl. [Kaga13, S. 70]).

1.2 Zielsetzungen und abgeleitete Fragestellungen der Arbeit

Aufbauend auf der zugrunde liegenden Problemstellung ist es das Ziel dieser Bachelorarbeit, ein Process-Performance-Measurement-System, welches die Geschäftsprozessoptimierung mittelständischer Unternehmen unterstützt, zu modellieren. Das Ergebnis dieser Arbeit untergliedert sich in zwei Bereiche. Zum einen wird ein generisches Process-Performance- Measurement-Framework zur Identifikation von Process Key Performance Indicators konzipiert und erläutert. Weiterhin liegt der Fokus dieser Arbeit auf dem Entwurf eines ganzheitlichen Modellierungsansatzes eines Process-Performance-Measurement-Systems. Der Ansatz konzentriert sich auf den Entwurf eines konzeptuellen Schemas nach der ADAPT- Notation und den Entwurf eines logischen Datenmodells nach dem Star Schema-Ansatz. Beide Entwürfe werden im Rahmen eines Fallbeispiels für ein fiktives mittelständisches Unternehmen modelliert und bilden zusammen den Ansatz eines Implementierungsprozesses eines Process-Performance-Measurement-Systems durch ein Performance-Data-Warehouse. Exemplarisch wird der Vertriebsprozess eines mittelständischen Unternehmens modelliert. Die physische Entwurfsebene wird im Rahmen dieser Bachelorarbeit nicht praktisch behandelt.

Aus der dargestellten Problemstellung und den Zielsetzungen der Arbeit lassen sich folgende Fragestellungen ableiten, die im weiteren Verlauf theoretisch und praktisch untersucht werden:

1.2.1 Theoretischer Teil

- Wie wirkt sich die Globalisierung der Märkte auf die Entwicklung mittelständischer Unternehmen aus und welche Ansätze von Performance-Measurement-Systemen existieren für mittelständische Unternehmen?

- Welche besonderen Anforderungen gibt es von mittelständischen Unternehmen an Performance Measurement und Performance-Measurement-Systeme?

- Wie können Performance-Measurement-Systeme ganzheitlich durch ein Data Warehouse abgebildet werden?

1.2.2 Praktischer Teil

- Wie sieht ein neuer Ansatz eines PMS-Frameworks zur Unterstützung der Analyse von Geschäftsprozessen und des KPI-Definitionsprozesses aus?

- Wie sieht der Modellierungsprozess eines IT-seitigen Performance-Measurement Systems auf semantischer und auf logischer Entwurfsebne als Vorarbeit zur Implementierung eines Performance-Measurement-Systems durch ein Performance- Data-Warehouse aus?

1.3 Aufbau der Arbeit

Neben einem umfangreichen theoretischen Einstieg in die für die Bachelorarbeit relevanten Themenbereiche bildet das zweite Kapitel die aktuelle wissenschaftliche Ausgangslage für den praktischen Teil der Arbeit. Als wichtiger Bestandteil der Bachelorarbeit wird zunächst innerhalb des theoretischen Rahmens auf die besondere Stellung des deutschen Mittelstandes eingegangen. Darauf aufbauend werden Begriffe allgemeingültig definiert und in der Folge jeweils auf die besonderen Anforderungen mittelständischer Unternehmen bezogen. Mit dem Einstieg in den Themenbereich des Geschäftsprozessmanagements werden die Bedeutung und das Verständnis von Geschäftsprozessen herausgestellt. In diesem Zusammenhang werden die verschiedenen Arten erfolgsbringender Performance Measures aufgezeigt und in den Kontext mittelständischer Unternehmen eingeordnet. Bestehende für die Entwicklung von Performance-Measurement-Systemen wichtige Frameworks werden vorgestellt. Daraus resultierend werden Anforderungen des Mittelstandes an Performance-Measurement-Systeme abgeleitet und bestehende Framework-Ansätze für den Mittelstand aufgezeigt. Anschließend werden Performance- Measurement-Systeme als analytische Informationssysteme näher betrachtet. Auf dieser Basis wird der Ansatz des Performance-Data-Warehouse zur IT-seitigen Integration eines Performance-Measurement-Systems für mittelständische Unternehmen diskutiert. Es wird ein Modellierungsprozess präsentiert, der die fachliche und softwaretechnische Entwurfsebenen anhand der ADAPT-Notation und dem Star-Schema impliziert.

Im dritten Kapitel der Bachelorarbeit werden anhand eines Fallbeispiels zuvor theoretisch diskutierte Themenbereiche praktisch angewendet. In einem ersten Schritt wird ein neuer Ansatz eines Process-Performance-Measurement-Frameworks für mittelständische Unternehmen vorgestellt. Danach wird der Ansatz eines Implementierungsprozesses eines IT-seitigen Process-Performance-Measurement-Systems durch ein Process-Data-Warehouse dargestellt und auf semantischer und logischer Ebene umgesetzt.

Die Ergebnisse und Erkenntnisse werden in Kapitel vier zusammengefasst und mit einem Ausblick auf nächste Forschungsschritte und -fragen abgerundet.

1.4 Methodische Vorgehensweise

In einem ersten Schritt werden mittels einer Literaturanalyse der theoretische Rahmen und die formalen Grundlagen der Bachelorarbeit erarbeitet. Bestehende Performance Measurement Framework und Systeme für große und mittelständische Unternehmen werden vorgestellt und die besonderen Anforderungen von mittelständischen Unternehmen werden herausgestellt. Um einen möglichst praxisnahen Bezug zu ermöglichen werden hierzu neben der wissenschaftlichen Literatur primär wissenschaftliche Journale, Reports von öffentlichen Behörden und Fachmagazine als zentrale Wissensquelle genutzt. Aus den besonderen Anforderungen von mittelständischen Unternehmen wird ein neuer Ansatz eines PPMS-Frameworks zur Unterstützung der KPI-Definition hergeleitet und vorgestellt. Weiterhin liegt der Fokus der Analyse auf bisherigen Ansätzen der IT-seitigen Integration von Performance-Measurement-Systemen durch analytische Informationssysteme. Daraus ableitend wir ein PPMS-Modellierungsprozess zur Implementierung eines PPMS durch ein Data Warehouse aufgezeigt und auf semantischer und logischer Ebene im Rahmen eines Fallbeispiels modelliert. Die methodische Vorgehensweise der Arbeit wird in Abbildung 1 nochmals zusammengefasst.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Methodische Vorgehensweise der Arbeit

2 Theoretischer Rahmen und Definitionen

Aus quantitativer Sicht werden die Umsatzhöhe und die Anzahl der Beschäftigten als Hauptindikatoren zur Einstufung von Unternehmen herangezogen. Aus qualitativer Sicht wird ein Unternehmen dem Mittelstand zugeordnet, wenn mindestens 50 % der Unternehmensanteile von maximal zwei natürlichen Personen oder ihrer Familienmitglieder gehalten werden und der Geschäftsführung angehören. Qualitative Indikatoren haben im Vergleich zu den quantitativen Indikatoren somit keine Größengrenzen (vgl. [Güte02, S. 1ff.]). Bedingt durch den stetigen Wandel des Mittelstandes und der weichen qualitativen Kriterien, nimmt die Bundesregierung Abstand von einer statischen Definition kleiner und mittlerer Unternehmen: „Eine generelle und schematische Definition des Begriffs ‘kleine und mittlere Unternehmen‘ hält die Bundesregierung nicht für sinnvoll“^[1].

Die folgende Tabelle 1 illustriert die quantitativen Abgrenzungskriterien des IfM für kleine und mittlere Unternehmen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: KMU-Definition des IfM (Quelle: [Inst16 ]).

Die Europäische Kommission erweitert die rechtlichen Rahmenbedingungen um die Hinzunahme der Jahresbilanzsumme eines Unternehmens, wie in Tabelle 2 dargestellt. Weiterhin beeinflussen Ressourcen wie Eigentum, Partnerschaften oder Verflechtungen von Unternehmen in einer Konzernstruktur die Einstufung als KMU und erfordern eine fallspezifische Prüfung.^[2]

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: KMU-Definition der Europäischen Kommission (Quelle: Az. K(2003) 1442)

2.1.1 Entwicklungsdynamik mittelständischer Unternehmen

Mittelständische Unternehmen bleiben von den genannten Faktoren der sich wandelnden Wirtschaftsstrukturen nicht unberührt. Hervorzuheben ist die Position des German Mittelstand nicht nur auf nationaler, sondern auch internationaler Ebene. Aus einer aktuellen Studie des Bundesministeriums für Wirtschaft und Energie geht hervor, dass ca. 99% der deutschen Unternehmen zum Mittelstand gehören und jährlich ca. 55 % der Wirtschaftsleistung erbringen. Im Jahr 2011 erwirtschaftete der Mittelstand ca. 2,1 Billionen Euro. Dies entsprach in etwa 36 % des Gesamtumsatzes deutscher Unternehmen. Darüber hinaus beschäftigt der Mittelstand ca. 15,7 Millionen Arbeitnehmer in Deutschland. International steigt der Auslandsumsatz stetig an und lag im Jahr 2011 bei rund 195,2 Mrd. Euro (vgl. [Bund14, S. 3]).

Diese Voraussetzungen bieten Chancen und Risiken für erfolgsbringende Investitionen in innovative Informationstechnologien, die eine prozessorientierte (Neu-)Ausrichtung und eine einhergehende Steigerung der Wettbewerbsfähigkeit entscheidend unterstützen können. Instrumente, die in diesem Zusammenhang genannt werden sind unter anderem „Geschäftsprozessoptimierung“, „Business Process Reengineering“ oder „Geschäftsprozessmanagement“ (vgl. [LeRe00, S. 180]).

2.2 Geschäftsprozessmanagement (GPM)

2.2.1 Geschäftsprozess

Nach der International Organization for Standardization (ISO) ist ein Prozess eine Aneinanderreihung von zusammenhängenden oder sich gegenseitig beeinflussenden Aktivitäten, die eine Eingabe zu einem beabsichtigten Ergebnis verarbeiten. Dabei kann die Art des Ergebnisses ein Produkt oder eine Dienstleistung sein (vgl. [DinE15]) und lässt sich in der folgenden Abbildung 2 zusammenfassen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Definition Prozess (in Anlehnung an [DinE15]).

SCHMELZER und SESSELMANN [ScSe08] bauen auf dieser Definition auf und arbeiten für das Verständnis des Begriffes Geschäftsprozess stärker die Wichtigkeit und die Positionierung des Kunden heraus. Folglich besteht nach diesem Ansatz ein Geschäftsprozess „[...] aus der funktionsüberschreitenden Verkettung wertschöpfender Aktivitäten, die spezifische, von Kunden erwartete Leistungen erzeugen und deren Ergebnisse strategische Bedeutung für das Unternehmen haben.“ ([ScSe08, S.5]). Die abgeleitete Definition lässt sich in der folgenden Abbildung 3 zusammenfassend darstellen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Definition Geschäftsprozess (in Anlehnung an [ScSe08, S. 5]).

2.2.2 GPM

Geschäftsprozessmanagement bezeichnet ein ganzheitliches Konzept zum Entwurf, zur Integration, zur Steuerung und zur Optimierung von Unternehmensprozessen und deren Zusammenhängen mit Fokus auf eine prozessorientierte Ausrichtung eines Unternehmens (vgl. [BuWi09, S. 6]). Mit der wachsenden Komplexität von Geschäftsprozessen wuchs in der Vergangenheit die Nachfrage an innovativen Methoden und Ansätzen zur Implementierung von GPM-Konzepten in mittelständischen und großen Unternehmen stark an (vgl. [Houy11, S.377]). GPM ist langfristig ausgerichtet und unterliegt einem ständigen Lebenszyklus, der gleichermaßen planerische, organisatorische und kontrollierende Maßnahmen miteinbezieht (vgl. [Funk10, S. 14ff.]). Der PDCA-Zyklus (Plan-Do-Check-Act-Zyklus) nach Deming (vgl. [Demi86, S. 88]) bildet die Grundlage für verschiedene BPM-Zyklusmodelle. Im Mittelpunkt des GPMs stehen einerseits die Steigerung der Kundenzufriedenheit und andererseits die Erhöhung der Produktivität. Um beide Hauptziele erreichen zu können, werden die Geschäftsprozesse auf die Anliegen der Kunden ausgerichtet und laufend gemessen und optimiert (vgl. [ScSe08, S. 6]). HOUY et al. [HoFL10] definiert in der folgenden Abbildung 4 die sechs Phasen des BPM-Lebenszyklus:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: BPM-Lebenszyklus (in Anlehnung an [HoFL10, S. 623]).

Im Detail umfasst der Lebenszyklus folgende Managementaktivitäten: Strategieentwicklung, Definition und Modellierung, Implementierung, Ausführung, Monitoring und Controlling und Optimierung und Verbesserung. Abbildung 3 stellt diesen Kreislauf der Aktivitäten dar. Der abgebildete Zyklus steht für eine fortlaufende Verbesserung der Geschäftsprozesse und wird iterativ angewendet. SCHMELZER und SESSELMANN [ScSe08] nennen zudem folgende Charakteristiken, die GPM idealtypisch definieren (vgl. [ScSe08, S. 6ff.]):

- Prozessorientierung

- Kundenorientierung

- Wertschöpfungsorientierung

- Leistungsorientierung

- Mitarbeiterorientierung

- Lernorientierung

- Kompetenzorientierung

Gleichermaßen sind für große Unternehmen und mittelständische Unternehmen die Steigerung der Kundenzufriedenheit und die Steigerung der Produktivität Hauptziele des Geschäftsprozessmanagements. Hinsichtlich des Verständnisses und der Nachfrage von GPM herrscht eine große Diskrepanz in vielen mittelständischen Unternehmen. Einerseits existiert eine steigende Nachfrage an der Implementierung von GPM-Systemen in mittelständische Unternehmen, um im Zeitalter der Globalisierung und der Digitalisierung konkurrenzfähig zu bleiben. Andererseits sind sich mittelständische Unternehmen teilweise nicht bewusst wie sie GMP-Systeme gewinnbringend in ihre Geschäftsprozesse integrieren können (vgl. [Chon07, S. 43f.]). Daraus lässt sich ableiten, dass zwar eine generelle Nachfrage an GPM- Systemen besteht, darüber hinaus jedoch Faktoren eine Einführung oder eine Verbreitung entscheidend beeinflussen. CHON [Chon07] fasst diese Faktoren zusammen und stuft sie auf Basis einer empirischen Studie absteigend nach ihrer Wichtigkeit für die befragten Personen ein (vgl. [Chon07, S. 51]). Folgende fünf Faktoren beschreibt CHON als Hürden, die mittelständische Unternehmen im Zusammenhang mit GPM nehmen müssen:

1. Fehlende finanzielle Ressourcen

2. Fehlende Zeit neben dem operativen Geschäft

3. Fehlende Unterstützung der Geschäftsleitung

4. Fehlende Expertise in der Informationstechnologie

5. Fehlendes Verständnis von Prozessorientierung

2.2.3 IT und Business Process Reenigneering (BPR)

Als eine wesentliche Methode des GPMs umschreibt Business Process Reengineering den Prozess der Umstrukturierung bestehender Geschäftsprozesse, um die Produktivität und Qualität der Geschäftsprozesse eines Unternehmens zu steigern (vgl. [OnSo99, S. 573f.]). BPR wurde von HAMMER und CHAMPY [HaCh09] in den frühen 90er Jahren entscheidend geprägt und zielt auf die Neugestaltung der Geschäftsprozesse eines Unternehmens ab (vgl. [HaCh09, S. 133ff.]). BPR kann bei einer kontinuierlichen Anpassung und Überwachung der Geschäftsprozesse zu einer erheblichen Steigerung der Performance führen (vgl. [Kuen00, S. 75]). GUNASEKARAN und NATH [GuNa97] definieren BPR als radikale Veränderungen bestehender Prozesse, um drastische Verbesserungen zu erzielen. Somit handelt es sich nicht nur um Feinanpassungen oder geringfügige Anpassungen vorhandener Abläufe, sondern um die radikale, fundamentale und dramatische Veränderung von Geschäftsabläufen (vgl. [GuNa97, S. 92f.]). Weiterhin beschreiben GUNASEKARAN und NATH die Kombination von IT und BPR als ein ganzheitliches System zur drastischen Verbesserung der Performance von Unternehmen. Die Informationstechnologie trägt dazu bei, Zeit zu sparen und die Genauigkeit im Austausch von Zielen und Strategien eines Unternehmens zu verbessern. Durch die Automation von Prozessen kann menschliches Fehlverhalten reduziert werden. IT kann einen Wettbewerbsvorteil bieten, indem die (Neu-)Positionierung eines Unternehmens und die Erkennung von Trends frühzeitig realisiert werden. (vgl. [GuNa97, S. 95ff.]).

2.2.4 Geschäftsprozessoptimierung

Geschäftsprozessoptimierung wird in den Aufgabenbereich des Geschäftsprozessmanagements eingeordnet und kann als komplementäre Disziplin des BPR angesehen werden. Mit der Verschiebung einer reinen funktionalen Betrachtungsweise von Unternehmen zu einer prozessorientierten Ausrichtung wurde dem Bereich der Geschäftsprozessoptimierung in den letzten Jahren eine stetig wachsende Bedeutung zur ganzheitlichen Erfassung der Geschäftsprozesse zugesprochen. Das übergeordnete Ziel von Geschäftsprozessoptimierung ist das Erzielen von besserer Prozess-Performance, um sich Wettbewerbsvorteile zu verschaffen oder eine Wettbewerbsfähigkeit zu erreichen (vgl. [NiSc11, S. 88-89]). NIEDERMANN und SCHWARZ [NiSc11] verstehen

Geschäftsprozessoptimierung als Methode der IT und beschreiben die folgenden drei Schritte, die eine erfolgreiche Implementierung von Geschäftsprozessoptimierung inkludieren (vgl. [NiSc11, S. 89]):

1. Datenintegration: Geschäftsprozesse sind bereichsübergreifend und dazugehörige Daten werden durch unterschiedliche Datenquellen generiert und verwaltet. Alle relevanten Daten müssen gesammelt und integriert werden.
2. Datenanalyse: Nach der Zusammenführung der Daten aus verschieden Datenquellen müssen Prozessmodell und Prozessdaten analysiert werden. Dieser Schritt beinhaltet die Kalkulation von finanziellen und nicht-finanziellen Werten und Schritte des Data- Minings, um Zusammenhänge von Daten sichtbar zu machen.
3. Erfassung und Implementierung der Verbesserungsansätze: Mithilfe der Analyse der Daten können Defizite in den Abläufen der Geschäftsprozesse aufgedeckt werden. Aufbauend auf den aufgedeckten Defiziten können geeignete Methoden ausgewählt werden und im Rahmen der Geschäftsprozessoptimierung auf die Prozesse angewendet werden.

2.3 Performance Measures und Performance Measurement (PM)

2.3.1 Performance

„I often say that when you can measure what you are speaking about, and epress it in numbers, you know something about it, when you cannot express it in numbers, your knowledge is of a meagre and unsatisfactory kind [...]“ William Thompson (Lord Kelvin), 1824-1907

Das einführende Zitat von Lord Kelvin betont die herausragende Wichtigkeit, Sachverhalte in einen Zusammenhang bringen zu können und gleichzeitig messbar zu machen. Demzufolge symbolisiert die Fähigkeit, Sachverhalte in Zahlen auszudrücken Professionalität und vorhandenes Wissen über die Materie.

Das Verständnis von Performance wurde in der Literatur bereits weitreichend diskutiert, eine allgemeingültige Definition für Performance gibt es jedoch nicht (vgl. [Leba95, S. 23]). OTLEY [Otle99] schließt sich dieser Aussage an und bezeichnet vage ein gut funktionierendes oder performantes Unternehmen als jenes, das seine vorab definierten Ziele erreicht (vgl. [Otle99, S. 364]). Demgemäß setzt leistungsfähiges Handeln das Erreichen von vorab definierten Zielwerten voraus und bezieht sich mehr auf die Zukunft als auf die Vergangenheit. LEBAS [Leba95] unterstütz diese Aussage und definiert die Performance

nicht nach Zielen, die ein Unternehmen in der Vergangenheit erreicht hat, sondern vielmehr nach Zielen, die durch gute Führungsqualitäten in Zukunft erreicht werden können: „A performing business is one that will achieve the objectives set by the managing coalition, not necessarily one that has achieved the objective.“ ([Leba95, S. 26]). In diesem Zusammenhang werden regelmäßig Ergebnisse anhand von Kennzahlen auf ihre vorgegebenen Ziele bemessen und ausgewertet. Das Ergebnis dieses Vorgangs zeigt auf, ob die Performance von Aktivitäten positiv oder negativ zu bewerten sind (vgl. [Leba95, S. 24f.]).

Des Weiteren ist die Definition von Performance situationsspezifisch und hängt stark von den mitwirkenden Entscheidungsträgern ab. Diesbezüglich schlägt LEBAS vor, für jeden spezifischen Fall ein Kausalmodell zu erstellen. Dieses Modell zeigt die Zusammenhänge auf, die zum Erreichen eines Zieles beitragen und allesamt Auswirkungen auf die Performance haben. Folgende Performance-relevante Fragen gilt es durch ein Kausalmodell zu beantworten (vgl. [Leba95, S. 27 ff.]):

1. Was soll erreicht werden (Ziel)?
2. Wann soll es erreicht werden (Zeit)
3. Wie soll es erreicht werden (Weg)?

Abbildung 5 zeigt ein Beispiel für eine abstrakte Variante des Kausalmodells nach LEBAS.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: The performance causal model (in Anlehnung an [Leba95, S. 28])

Das Ziel dieses Beispiels ist die Steigerung des Ertrags. Der vorangestellte Umsatz ist das Ergebnis von Performance-Faktoren wie Kundenzufriedenheit, Flexibilität oder Kosten, die eine treibende Kraft zur Erzielung des Ertrages darstellen. Kosten und Flexibilität wiederum resultieren aus einer Verkettung von Prozessen, die ihren Input aus Faktoren wie Investments, Lieferantenbeziehungen oder Marktbedingungen beziehen. Somit definiert LEBAS Performance über die Fähigkeit, alle Bestandteile des Kausalmodells in einen Zusammenhang zu bringen, um aus einem gegeben Input einen gewünschten Output zu erzielen:

„Performance is about deploying and managing well he components of the causal model(s) that lead to the timely attainment of stated objectives within constraints specific to the firm and to the situation.“ ([Leba95, S.29]).

2.3.2 Performance Measures

Die Erfassung der organisationsbezogenen Performance ist der entscheidende Faktor, um unternehmerische Strategien und Ziele in die Realität umzusetzen. So können Problempunkte rechtzeitig aufgedeckt und Lösungswege erarbeitet werden. Für Unternehmen ist es essenziel wichtig, die richtigen Leistungsindikatoren zu definieren und herauszustellen wie diese mit den formulierten Zielen und den daraus resultierenden Prozessen in Zusammenhang stehen (vgl. [PoSh10, S. 505]).

Das Hauptziel der Leistungserfassung ist es, erfasste mit neu zu erfassenden Daten zu vergleichen und die richtigen Entschlüsse aus den Ergebnissen zu ziehen, um die Qualität der Prozesse oder der Produkte eines Unternehmens zu verbessen oder zu überarbeiten (vgl. [Kaga13, S. 69]).

FORTUIN folgt dieser Ansicht und definiert Performance Measures als Variablen, welche die Effektivität und Effizienz eines Prozesses, Unterprozesses oder Systems gegen ein definiertes Ziel aufzeigen: „A Performance Indicator is a variable indicating the effectiveness and/or efficiency of a part or whole of the process or system against a given norm/target or plan.“ ([Fort88, S. 2]).

Dies gilt neben großen Unternehmen ebenso für mittelständische Unternehmen. Auf der einen Seite neigen mittelständische Unternehmen jedoch dazu, sich gegen eine systematische Leistungserfassung der Performance durch geeignete Performance Measures auszusprechen. Gründe, die dazu genannt werden, sind fehlende qualifizierte Mitarbeiter und ein fehlendes Know-how der Führungsebene (vgl. [Kaga13, S. 70]).

Auf der anderen Seite sind klassische finanzielle Kennzahlensysteme zwar in manchen mittelständischen Unternehmen vorhanden, jedoch werden Performance Measures teilweise ungeeignet definiert oder nur unzureichend voneinander abgegrenzt. KAGANSKI nennt dazu folgende Punkte, die einem Leitfaden zur erfolgreichen Selektion und Implementierung von Performance Measures ähneln (vgl. [Kaga13], S. 70):

- Auswahl der richtigen Informationen zu vorab definierten Performance Measures
- Verknüpfung von Performance Measures und Unternehmensstrategie
- Monitoring und Auswahl der Performance Measures zur richtigen Zeit
- Verständnis über die Bedeutung der gesammelten Daten und Ziehen der richtigen Schlüsse zur Verbesserung

PARMENTER nennt vier voneinander zu unterscheidende Typen von Performance Measures, die allesamt vom Management zur Messung, Berichtserstattung oder Steigerung der Performance eingesetzt werden (vgl. [Parm15, S. 4]) :

- Result Indicators (RIs) berichten dem Management über die erbrachten Ergebnisse von Teams oder einzelnen Personen (numerisch).
- Key Result Indicators (KRIs) geben dem Management eine zusammengefasste Auskunft über die Gesamt-Ergebnisse des Unternehmens (numerisch).
- Performance Indicators (PIs) berichten dem Management was Teams oder einzelne Personen an Performance erzielen.
- Key Performance Indicators (KPIs) berichten dem Management wie das Unternehmen in erfolgskritischen Bereichen agiert und ermöglichen durch ein gezieltes Monitoring und eine darauf folgende Auswertung eine drastische Verbesserung der Unternehmens-Performance.

Die folgende Analogie des Kugelschalenmodells, angelehnt an das Zwiebelmodell nach PARMENTER [Parm07], beschreibt in Abbildung 6 den Zusammenhang der vier verschiedenen Leistungskennzahlen in einer einfach, aber schlüssigen Art und Weise. Die am weitesten außen liegende Kugelschale (Erdkruste) beschreibt als KRI den Zustand und das Erscheinungsbild der Erde. Die im Zentrum des Modells liegende Erdkern steht für die treibende Kraft, die KPIs. Zwischen Erdkruste und Erdkern liegen die Kugelschalen der PIs und RIs, die Erdkruste und Erdkern zusammenhalten.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Die vier Typen von Leistungsindikatoren (in Anlehnung an [Parm07, S. 2]).

2.3.2.1 Performance- und Result Indicators (PIs und RIs)

PIs und RIs bilden in Bezug auf Abbildung 6 die Bereiche zwischen dem äußersten Mantel (KRIs) und dem Kern (KPIs) ab. PIs sind zwar wichtige Leistungskennzahlen, aber im Unterschied zu KPIs nicht der Schlüssel zum Unternehmenserfolg. Sie ergänzen die KPIs um die nicht-finanziellen Leistungskennzahlen. Weiterhin unterstützen sie die ausführenden Teams, sich an der Unternehmensstrategie zu orientieren, um auf lange Sicht die Unternehmensziele nicht aus dem Auge zu verlieren. Result Indicators fassen die Tätigkeiten zusammen, die zu einem Ergebnis geführt haben und bilden diese numerisch ab. Sie berichten nicht wie man die Performance der Tätigkeiten verbessern kann. Zudem sind alle finanziellen Leistungskennzahlen RIs (vgl. [Parm15, S. 5ff.]).

2.3.2.2 Key Performance Indicators (KPIs)

Bis zum heutigen Tage wurden zahlreiche Definitionsansätze für KPIs von verschiedenen Autoren in unterschiedlichen Ausführungen erarbeitet. Die Internationale Organisation für Normung (ISO) führte im Jahr 2014 einen internationalen Standard für die Definition von KPIs ein. Nach ISO 22400 sind KPIs quantifizierbare und strategische Maße, die ausschlaggebende Erfolgsfaktoren von Unternehmen widerspiegeln. Zudem werden KPIs mithilfe von Aggregatfunktionen von numerischen Daten oder anderen KPIs abgeleitet (vgl. [DinE14]).

In Abbildung 6 bilden sie den Erdkern ab und fassen alle für den Unternehmenserfolg kritischen Indikatoren zusammen. Nach ECKERSON [Ecke09] verfolgen KPIs eine strategische Zielvorgabe und bemessen die Performance nach einem vordefinierten Ziel. Folgende Punkte sind dabei feste Bestandteile eines KPIs (vgl. [Ecke09, S. 6]):

- Strategy: KPIs haben eine zugrunde liegende strategische Zielausrichtung.
- Targets: KPIs messen die Performance einer konkreten Zielvorgabe.
- Ranges: KPIs haben je Zielvorgabe vordefinierte Performance-Bereiche (oberhalb, unterhalb, erfasst).
- Encodings: Performance-Bereiche von KPIs werden farblich mithilfe von Dashboards, Berichten oder einfachen Grafiken visuell aufbereitet.
- Time Frames: KPIs haben eine festgelegten Zeitrahmen, innerhalb dessen die vordefinierten Ziele erreicht werden müssen.
- Benchmarks: KPIs werden entgegen einer Benchmark verglichen (Werte aus dem vorherigen Jahr oder externe Vergleichswerte).

Weiterhin benennt ECKERSON folgende Punkte, die eine Richtlinie für Unternehmen darstellen, um zeilführender gewinnbringende KPIs zu definieren (vgl. [Ecke09, S. 18ff.]):

- Sparse: Je weniger KPIs, desto besser
- Drillable: Anwender können bis tief ins Detail gehen
- Simple: Die Bedeutung eines KPIs ist leicht verständlich
- Actionable: Anwender wissen wie Ergebnisse beeinflusst werden können
- Owned: Jeder KPI ist einem Besitzer zugeordnet
- Referenced: Anwender kennen den Hintergrund und den Zusammenhang
- Correlated: KPIs liefern das gewünschte Resultat
- Balanced: KPIs bestehen aus finanziellen und nicht finanziellen Maßen
- Aligned: KPIs stehen nicht im Konflikt untereinander
- Validated: Anwender können KPIs nicht umgehen

KPIs sind finanzielle und nicht finanzielle Indikatoren, die Unternehmen offenlegen wie erfolgreich sie in der Erzielung von definierten langfristigen Zielen waren. (vgl. [VeVS11, S. 63]). KERZNER [Kerz15] erörtert den Unterschied zwischen einfachen numerischen Kennzahlen und KPIs. Numerische Kennzahlen geben zwar Auskunft, ob etwas gut oder schlecht läuft, bieten aber keine Informationen auf wie die Performance verbessert werden kann. KPIs müssen mehr Informationen liefern als nur reine numerische Werte. Dazu gliedert er das Verständnis von KPIs in die einzelnen Wortlaute auf (vgl. [Kerz15, S. 14]):

- Key: Hauptbeitrag zu Erfolg oder Misserfolg eines Projektes
- Performance: Eine Metrik, die messbar, quantifizierbar, anpassbar und kontrollierbar ist. Sie muss kontrollierbar sein, um die Performance verbessern zu können.
- Indicator: Verständliche Darstellung von gegenwärtiger und zukünftiger Performance

2.3.2.3 Key Result Indicators (KRI)

Die Key Result Indicators sind in Abbildung 6 als äußerste Schicht des Kugelschalen-Modells zu verstehen. KRIs werden oftmals fälschlicherweise als KPIs ausgegeben. Das weitverbreitete Merkmal von KRIs ist das Zusammenfassen von allen Tätigkeiten, die von Teams oder einzelnen Personen ausgeführt werden, zu einem Ergebnis. Sie geben eine klare Auskunft darüber, ob ein Unternehmen mit den erzielten Ergebnissen auf dem richtigen Weg ist, vorab definierte Ziele zu erreichen (vgl. [Parm15, S. 4f.]).

Key Result Indicators beziehen sie sich im Vergleich zu Result Indicators auf eine längere Zeitperiode und sind das Ergebnis eines Prozesses, der über einen längeren Zeitraum ausgeführt wurde. KRIs beziehen sich nicht auf einen täglichen- oder wöchentlichen Zeitraum. Darüber hinaus dienen KRIs ausschließlich der Berichterstattung gegenüber dem Management und geben nicht an, was geändert werden muss, um Ziele zu erreichen oder Ergebnisse zu verbessern (vgl. [Parm07, S. 2f.]).

2.3.3 Performance Measurement (PM) in mittelständischen Unternehmen

Das Interesse an der Leistungserfassung der eigenen Business Performance stieg über die letzten dreißig Jahre entscheidend an. Seit Mitte der 1980er-Jahre ist der Bereich des Performance Measurements einer stetig steigenden Nachfrage ausgesetzt (vgl. [GaBB05, S.25]). NEELY et al. [Neel99] nennt folgende sieben Hauptgründe für die stark steigende Nachfrage nach Performance Measurement in den letzten Jahren (vgl. [Neel99, S. 210]):

- Sich ändernde Arbeitsumstände (Prozessautomatisierung)
- Ansteigender Wettbewerbsdruck
- Bereits vorhandene, aber isolierte Initiativen zur Performance-Steigerung
- Nationale und internationale Awards als Leistungserkennung
- Entwicklung einer ausgewogenen Sicht auf die Leistungserfassung (finanzielle und nicht finanzielle Faktoren)
- Transparenz der Performance (intern und extern)
- Entwicklung von Informationssystem in der Datenerfassung und -Analyse

Im Allgemeinen ist eine Evolution weg von dem Fokus auf ausschließlich finanzielle hin zu einer ausgewogenen Betrachtungsweise inklusive nichtfinanzieller Faktoren zu erkennen. Ansteigender Wettbewerbsdruck, kontinuierliches Wachstum und entscheidende Entwicklungen in der Informationstechnologie führten in der Vergangenheit zu einer guten Ausgangslage für die Einführung von PM auch in mittelständischen Unternehmen (vgl. [TaCB08, S. 2]).

NEELY [Neel99] stellt folgende Hauptkritikpunkte zusammen, die eine Evolution weg von einer reinen finanziellen Betrachtungsweise rechtfertigen (vgl. [Neel99, S. 206]:

- Finanzielle Kennzahlen beziehen sich auf einen zu kurzen Zeitraum
- Unzureichender strategischer Fokus finanzieller Kennzahlen
- Finanzielle Kennzahlen ermöglichen keine allumfassenden Optimierungspotentiale
- Finanzielle Kennzahlen geben keine Auskunft über die Wünsche von Kunden und wie Konkurrenten abschneiden

TATICCHI et al. [TaCB08] stellt Faktoren und Charakteristiken zusammen, die PM in mittelständischen Unternehmen beeinflussen und auszeichnen (vgl. [TaCB08, S. 8f.]): Faktoren, die PM in mittelständischen Unternehmen beeinflussen

- Hoher Schwierigkeitsgrad der Integration in die Unternehmensstruktur
- PM wird entweder gar nicht berücksichtigt oder falsch integriert
- Keine holistische Ausrichtung
- PM-Ansätze in mittelständischen Unternehmen sind informal und basieren nicht auf einem zugrundeliegenden Framework oder Modell
- Ressourcen und Know-how zur Datenanalyse sind in mittelständischen Unternehmen eher beschränkt vorhanden
- Charakteristiken von mittelständischen Unternehmen, die Anforderungen an die PM- Modellierung stellen
- Reaktives Handeln und „Fire-Fighting“-Mentalität im operativen Geschäft
- Limitierte Ressourcen (Mitarbeiter, Investments, etc.)
- Nicht festgelegte oder dynamische Unternehmensstrategien
- Flache und flexible Strukturen
- Hohes innovationspotential
- Geringere Anzahl an Kunden und Fokus auf Nischenmärkte

2.4 Performance-Measurement-Systeme (PMS)

Der Einsatz von klassischen Kennzahlen und Kennzahlensystemen, als Instrumente des operativen und strategischen Controllings, ist in vielen Unternehmen ein Standard, um komplexe Sachverhalte in komprimierter Form darzustellen. Dabei sind Kennzahlen in absoluten Zahlen und Verhältniszahlen zu unterscheiden (vgl. [Brech12, S. 171f.]). Ein in der Literatur oft genannter Kritikpunkt ist, dass Kennzahlen und Kennzahlensysteme zu stark auf die finanzielle Sicht und weniger auf die nicht finanzielle Sicht ausgerichtet sind. Dieser Ansatz reicht nicht aus, um ein Unternehmen holistisch zu betrachten und die gesamte Performance zu erfassen (vgl. [KaNo92, S. 72]). Zudem kritisieren manche Autoren die vergangenheitsorientierte Ausrichtung von klassischen Kennzahlensystemen. So sagt ECCLES [Eccl91], dass reine finanzielle Kennzahlen besser dazu geeignet sind, die Entscheidungen von gestern zu messen, aber nicht die Performance von morgen anzudeuten (vgl. [Eccl91, S. 132]). Moderne Performance-Measurement-Systeme treten diesen Schwächen entgegen und betrachten die Performance von Unternehmen holistisch gleichermaßen auf finanzieller und nicht-finanzieller Ebene. NEELY et al. definiert ein Performance-Measurement-System grundsätzlich als „[...] set of metrics used to quantify both the efficency and effectiveness of actions.“ ([NeGP95, S. 81]). Abbildung 7 verdeutlicht diesen Zusammenhang. Performance Measures bilden die kleinste Einheit und sind als individuelle Maße zu verstehen, um die Effizienz oder Effektivität einer Aktivität zu messen. Mehrere Performance Measures bilden in ihrer Zusammenstellung aus finanziellen und nicht-finanziellen Maßen ein Performance- Measurement-System. Dieses wiederum ist Teil des gesamten Performance Measurement Prozesses, der von Unternehmen durchlaufen wird. Unternehmen stehen in Wechselwirkung mit ihrer Umwelt. Dieser Austausch steht für die ausgewogene Ausrichtung von Performance-Measurement-Systemen. Neben finanziellen Kennzahlen gilt es beispielsweise gleichermaßen Kundenaspekte, Lieferantenaspekte oder Gesellschaftsaspekte in die Leistungserfassung miteinzubeziehen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Definition Performance-Measurement-Systeme (in Anlehnung an [NeGP95, S. 81]).

Performance-Measurement-Systeme unterscheiden sich in zwei Ansätzen, die sich im Laufe der Jahre herausgebildet haben. Neben der oben aufgeführten und weit verbreiteten Definition nach NEELY verfolgt KUENG et al. [KuMW00] einen IT-basierten Ansatz und definiert ein Performance-Measurement-System als IT-System, welches Performance relevante Daten von verschiedenen Datenquellen bezieht und aktuelle Werte ins Verhältnis zu historischen Werten und Zielwerten setzt (vgl. [KuMW00, S. 318]).

In einer weiteren Ausarbeitung definiert KUENG et al. [KuWL01] besondere Anforderungen an ein IT-seitiges PMS (vgl. [KuWL01, S. 350]):

- Das System muss in der Lage sein, finanzielle und nichtfinanzielle Daten zu erfassen.
- Externe und interne Daten müssen erfasst werden können.
- Es muss möglich sein entweder von verschiedenen elektronischen Quellen oder manuell Daten in das System zu laden.
- Die Performance relevanten Daten müssen permanent gespeichert werden, um diese über eine lange Zeitperiode analysieren zu können.
- Die Performance Daten müssen für verschiedene Mitarbeiter auf verschiedenen Ebenen mit den jeweiligen Berechtigungen versehen werden. Prozessverantwortliche beispielsweise haben einen anderen Informationsbedarf als Geschäftsführer.
- Die Benutzerfreundlichkeit muss durch eine intuitive Benutzeroberfläche gegeben sein.
- Ein PMS muss nicht nur die aktuellen Performance-Daten, sondern gleichzeitig die definierten Zielwerte in Betracht ziehen können.
- Ergebnisse müssen automatisch an die betreffenden Mitarbeiter durch bereitgestellte Funktion weitergeleitet werden.

2.4.1 Bestehende PMS-Ansätze

Die mit am weitesten verbreiteten PMS-Frameworks, die eine ganzheitliche Sicht auf ein Unternehmen ermöglichen sind die Balanced Scorecard nach KAPLAN und NORTON [KaNo92] die Performance Prism nach NEELY et al. [NeAC01] und die Performance Pyramid nach LYNCH und CROSS [LyCr92, S. 65]. Diese werden in den folgenden Abschnitten vorgestellt.

2.4.1.1 Balanced Scorecard

Das am weitesten verbreitete Performance-Measurement-System ist das Balaced Scorecard- Framework nach Kaplan und Norton [KaNo92]. Es unterstützt das Management, eine ausgewogene Sicht auf die für den Unternehmenserfolg kritischen Unternehmensbereiche zu verfolgen. Einzelne isolierte Kennzahlen liefern keine ausreichende Auskunft über unternehmensweite Performance-Ziele oder die aktuelle und zukünftige Unternehmens- Performance. Die Kombination von gleichermaßen finanziellen und nicht-finanziellen Kennzahlen zu Kundenzufriedenheit oder internen Prozessen hingegen bietet dem Management nicht nur eine historische Sicht auf die Performance, sondern legt den Grundstein zukünftiger Performance-Steigerung (vgl. [Kano92, S. 71]).

Die Balanced Scorecard ermöglicht dem Management ein Unternehmen aus vier für die Performance wichtigen Perspektiven (siehe Abbildung 8) zu betrachten und liefert Antworten auf die folgenden Fragen (vgl. [Kano92, S. 72]):

- Wie sehen uns unsere Kunden (Kundenperspektive)?
- Wo müssen wir herausragend sein (Interne Perspektive)?
- Können wir weiterhin den Unternehmenswert verbessern und vergrößen (Innovation- und Lernperspektive) ?
- Wie sehen wir unsere Shareholder (Finanzperspektive)?

Die Balanced Scorecard kann somit als Erweiterung traditioneller finanzieller Kennzahlensysteme gesehen werden (vgl. [KaNo96, S. 3].

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 8: Die Balanced Scorecard – Perspektiven (in Anlehnung an [KaNo92, S. 72]).

2.4.1.2 Performance Pyramid

Das von LYNCH und CROSS [LyCr92] entworfene Performance Pyramid-Modell symbolisiert eine Pyramide, die aus vier Ebenen besteht. Innerhalb dieser Ebenen werden die Unternehmensstrategie, die strategischen Geschäftsbereiche und die strategischen Geschäftstätigkeiten in einen Zusammenhang gebracht. Nach dem Top-Down-Ansatz werden die Unternehmensziele auf die darunter liegenden Ebenen überführt. Entgegengesetzt werden nach dem Bottom-Up-Ansatz die nach der Unternehmensstrategie definierten Kennzahlen den darüber liegenden Ebenen zugeordnet (vgl. [LyCr92, S. 64ff.]).

Abbildung 9 illustriert den Aufbau der Performance Pyramid. Auf oberste Ebene wird die Unternehmensstrategie von dem Management festgelegt. Auf zweiter Ebene werden die strategischen Ziele aus Markt- und Finanzsicht definiert und formuliert wie diese erreicht werden können. Die dritte Ebene präsentiert definierte operative Ziele und Prioritäten in den Bereichen Kundenzufriedenheit, Flexibilität und Produktivität. Auf unterster Ebene werden Ziele in spezifische Geschäftskriterien, die wichtig für das Erreichen der Geschäftsziele sind, überführt. Das Modell folgt einer ausbalancierten Logik. Es zieht gleichermaßen Kundenzufriedenheit (z.B. Kundenzufriedenheit, Qualität und Lieferung) und operative Tätigkeiten (z.B. Produktivität) in Betracht (vgl. [LyCr92, S. 66]).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 9: Performance Pyramid (in Anlehnung an [LyCr92, S. 65]).

2.4.1.3 Performance Prism

„A prism refracts light. It illustrates the hidden complexity of something as apparently simple as white light. So it is with the Performance Prism. It illustrates the true complexity of performance measurement and management.“ (Neely et al. [NeAK02])

Das von NEELY et al. [NeAK02] konzipierte Performance Prism-Framework verfolgt den Ansatz der umfassenden Stakeholder-Fokussierung. Unternehmen können nach NEELY et al. nur dann langfristig erfolgreich sein, wenn sie den Wünschen und Bedürfnissen der jeweiligen internen und externen Personengruppen nachgehen. Demzufolge sind die Belange der Stakeholder mit oberster Priorität zu versehen (vgl. [NeAK02, S. 158ff.]). Das Framework unterstützt die Führungsebene dabei, ein PMS zu bilden, welches die in Abbildung 10 dargestellten fünf zentralen Fragestellungen des Performance Prism-Ansatzes beantwortet.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 10: Die fünf Seiten der Performance Prism (in Anlehnung an [NeAC01, S. 12]).

Die Performance Prism besteht aus fünf in gegenseitiger Beziehung stehenden Aspekten, die allesamt einen Einfluss auf die Performance und den Erfolg eines Unternehmens haben. Der erste Aspekt umfasst die genaue Definition der Stakeholder eines Unternehmens. Im Vergleich zu dem Ansatz der Balanced Scorecard, die lediglich Shareholder und Kunden in Betracht zieht, ist die Betrachtung der Stakeholder nach dem Performance Prism-Ansatz allgemeiner gehalten. Gleichermaßen werden beispielsweise Mitarbeiter oder Lieferanten als wichtige Performance-Faktoren miteinbezogen. Der zweite Aspekt bezieht sich auf die strategische Ausrichtung des Unternehmens, um die Wünsche und Bedürfnisse der Stakeholder zu erfüllen. Der dritte Aspekt bildet die logische Basis zur Umsetzung der Strategie in Form von Prozess-Definitionen (vgl. [NeAC01, S. 6f.]).

[...]

---

^[1] DEUTSCHER BUNDESTAG. Drucksache vom 21.05.1976. (7/5248), Abs. 1

^[2] DIE KOMMISSION DER EUROPÄISCHEN GEMEINSCHAFTEN, 06.05.2013. (Az. K(2003) 1442), Artikel 1-3