Erfolg strategischer F&E-Kooperationen : eine empirische Untersuchung mittels Patentdaten am Beispiel der Biopharmazie 9783835055339, 383505533X [PDF]

Zitiervorschau

Carsten Hendrik Vogt Erfolg strategischer F&E-Kooperationen

Betriebswirtschaftslehre für Technologie und Innovation, Band 60 Herausgegeben von Prof. Dr. Dr. h.c. Sönke Albers, Prof. Dr. Dr. h.c. Klaus Brockhoff (em.), Prof. Dr. Holger Ernst, Prof. Dr. Hans Georg Gemünden, Prof. Dr. Dr. h. c. Jürgen Hauschildt, Prof. Dr. Thorsten Teichert Geschäftsführender Herausgeber: Professor Dr. Dr. h.c. Sönke Albers, Institut für betriebswirtschaftliche Innovationsforschung, Christian-Albrechts-Universität zu Kiel

In der Schriftenreihe werden Ergebnisse von Forschungsarbeiten veröffentlicht, die sich in herausragender Weise mit Fragen des Managements neuer Technologien, der industriellen Forschung und Entwicklung und von Innovationen aus betrieblicher Perspektive beschäftigen. Die Reihe richtet sich an Leser in Wissenschaft und Praxis, die Anregungen für die eigene Arbeit und Problemlösungen suchen. Sie ist nicht auf Veröffentlichungen aus den Instituten der Herausgeber beschränkt.

Carsten Hendrik Vogt

Erfolg strategischer F&E-Kooperationen Eine empirische Untersuchung mittels Patentdaten am Beispiel der Biopharmazie

Mit einem Geleitwort von Prof. Dr. Holger Ernst

Deutscher Universitäts-Verlag

Bibliografische Information Der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

Dissertation WHU – Otto Beisheim School of Management, Vallendar, 2007

. .. Auflage Dezember 1997

1. Auflage November 2007 Alle Rechte vorbehalten © Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden 2007 Lektorat: Frauke Schindler / Sabine Schöller Der Deutsche Universitäts-Verlag ist ein Unternehmen von Springer Science+Business Media. www.duv.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: Regine Zimmer, Dipl.-Designerin, Frankfurt/Main Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in Germany ISBN 978-3-8350-0927-1

Geleitwort

V

Geleitwort Die externe Beschaffung von technologischem Wissen gewinnt für Unternehmen zunehmend an Bedeutung. Eine wichtige Form der externen Technologiebeschaffung sind F&E Kooperationen. Die Zahl der F&E-Kooperationen zwischen Unternehmen steigt daher seit Jahren kontinuierlich an. Insbesondere in der biopharmazeutischen Industrie spielen F&EKooperationen eine sehr große Rolle. Die praktische Relevanz der externen Technologiebeschaffung mittels F&E-Kooperationen spiegelt sich in der großen Anzahl wissenschaftlicher Publikationen wider, die sich mit dem erfolgreichen intra-organisatorischem Wissenstransfer im Allgemeinen und dem Erfolg von F&E-Kooperationen im Speziellen beschäftigen. Herrn Vogt gelingt es in seiner Arbeit, wichtige inhaltliche und methodische Beiträge zur existierenden Literatur zu leisten.

Herr Vogt arbeitet mit objektiven Daten, um die Variablen des Messmodells zu operationalisieren. Ferner wurden die unabhängigen und die abhängigen Variablen aufwendig den technologischen Feldern der Kooperationsprojekte zugeordnet, so dass eine UrsacheWirkungsbeziehung unterstellt werden kann. Bisherige Arbeiten zum Erfolg von F&EKooperationen sind in diesem wichtigen methodischen Punkt ungenau. Ferner entwickelt Herr Vogt neue patentbasierte Variablen, mit denen bestehende theoretische Konzepte empirisch untersucht werden können.

Die wesentlichen inhaltlichen Beiträge der Arbeit von Herrn Vogt sind zum einen darin zu sehen, dass neue Erkenntnisse über erfolgsbestimmende Faktoren von F&E-Kooperationen gewonnen werden. Zum anderen leistet die Arbeit von Herrn Vogt einen Beitrag zur neuern Forschung auf dem Gebiet des intra-organisatorischen Wissenstransfers, insb. zur „absorptive capacity“-Forschung. Im Einzelnen ergibt sich eine Fülle interessanter Befunde, von denen an dieser Stelle nur einige hervorgehoben werden können. Die technologischen Fähigkeiten der Pharmaunternehmen auf dem in der Kooperation vereinbartem Gebiet haben keinen Einfluss auf den Kooperationserfolg. Es kommt hier ausschließlich auf die Kompetenzen des Kooperationspartners, der Biotechnologieunternehmen an. Die von Herrn Vogt verwendeten Patentindikatoren können genutzt werden, um die technologische Kompetenz potentieller Kooperationspartner zu bewerten. Dies ist in der Unternehmenspraxis vorteilhaft für die effiziente Auswahl geeigneter Kooperationspartner. Pharmaunternehmen müssen andere Fähigkeiten besitzen, um die Kooperation erfolgreich zu gestalten. Dabei kommt es entscheidend auf den Aufbau der „absorptive capacity“ an. Diese wird durch interne F&E-

VI

Geleitwort

Anstrengungen, Erfahrungen und die schnelle Umsetzung externen Wissens in eigene Erfindungen erreicht. Pharmaunternehmen kooperieren erfolgreicher mit Biotechnologieunternehmen in strategischen Kerngebieten. Dies kann langfristig, insb. wenn Biotechnologieunternehmen die Bearbeitung der Wertschöpfungskette ausdehnen, zu strategischen Problemen für Pharmaunternehmen führen. Variablen, die die Beziehungen zwischen den Kooperationspartnern messen, haben einen signifikant positiven Einfluss auf den Kooperationserfolg. Das Wissen der Biotechnologiefirmen über ihre Partner führt zu einer besseren Ausrichtung der technologischen Fähigkeiten der Biotechnologieunternehmen auf die Bedürfnisse der Pharmaunternehmen und somit zu einem höheren Kooperationserfolg.

Insgesamt hat Herr Vogt eine Dissertation vorgelegt, die sowohl für die Wissenschaft als auch für die Praxis wichtige Erkenntnisse liefert. Daher kann ich die Lektüre der Dissertation beiden Zielgruppen sehr empfehlen.

Prof. Dr. Holger Ernst

Vorwort

VII

Vorwort Die vorliegende Arbeit entstand während meiner Zeit als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Technologie- & Innovationsmanagement der Wissenschaftlichen Hochschule für Unternehmensführung – Otto Beisheim School of Management (WHU) und wurde finanziell auch durch die Stiftung der WHU unterstützt.

Fachlich gilt es neben meinem Doktorvater Prof. Dr. Holger Ernst und meinem Zweitbetreuer Prof. Dr. Lutz Kaufmann für Ihre Anmerkungen und Ideen besonders den Vertretern diverser Unternehmen zu danken. Hervorzuheben sind Fr. Jeanne Maudrin von der Bayer AG sowie Hr. Dr. Ulrich Wienecke und sein Team von der Roche AG. Ohne die Unterstützung dieser beiden Firmen wäre eine Untersuchung auf dem Gebiet der Biopharmazie nicht möglich gewesen. Für Ihre fachliche Expertise und ihre Hilfe bei der Abgrenzung der Technologiefelder möchte ich mich besonders bedanken.

Einen großen Anteil am Gelingen dieser Arbeit verdanke ich auch meinem Freund und Kollegen Nils Omland. Ich hoffe, dass die entwickelte Software zur Analyse von 450.000 Patenten ihre Praxistauglichkeit beweist und sich für eine Selbständigkeit eignet. Die erarbeiteten Ergebnisse haben sich jedenfalls direkt zu Beginn meiner Zeit bei der OSRAM GmbH bei einem sehr ähnlich gelagerten Fall als vollkommen praxistauglich erwiesen. Der enorme Aufwand zur Entwicklung eines solchen Modells zur Erfolgsvorhersage von Kooperationen ist allerdings nur im Rahmen wissenschaftlicher Forschung möglich.

Zum Erfolg dieser Arbeit haben auch die Diskussionen mit meinen Lehrstuhlkollegen Philip Bubenzer, Simon Papies, Ulrich Lichtenthaler, Marcus Rumpf und Jan Hendrik Soll beigetragen. Auch ihnen gebührt – neben dem Dank für fachliche Hinweise – ein herzlicher Dank für die gemeinsame Zeit.

Von größter Bedeutung ist aber der Dank an meine Eltern und meine Freundin. Durch dass von meinen Eltern finanzierte Studium war es erst möglich, eine solche Arbeit zu schreiben. Die sehr guten Ratschläge sowie ihre Unterstützung in der kritischen Phase dieser Arbeit waren ein sehr guter Rückhalt. Ihnen widme ich diese Arbeit.

Carsten Hendrik Vogt

Inhaltsverzeichnis

IX

Inhaltsverzeichnis Abbildungsverzeichnis

XIII

Tabellenverzeichnis

XV

Abkürzungsverzeichnis 1

2

XVII

Einleitung _____________________________________________________________ 1 1.1

Relevanz und Ziel der Arbeit __________________________________________ 1

1.2

Aufbau der Arbeit __________________________________________________ 10

1.3

Begriffliche Abgrenzungen ___________________________________________ 11

1.4

Biopharmaspezifische Besonderheiten von F&E-Kooperationen______________ 21

Stand der empirischen Forschung ________________________________________ 39 2.1

Einflüsse von Kooperationen auf den Unternehmenserfolg __________________ 41

2.1.1

Technischer Unternehmenserfolg ____________________________________ 41

2.1.2

Wirtschaftlicher Unternehmenserfolg _________________________________ 43

2.1.3

Sozialer Unternehmenserfolg _______________________________________ 49

2.1.4

Einflüsse von Lerneffekten _________________________________________ 49

2.1.5

Einflüsse von Kooperationsnetzwerken _______________________________ 56

2.2

Erfolgsfaktoren von F&E-Kooperationen________________________________ 59

2.2.1 Erfolgsfaktoren für den technischen Kooperationserfolg __________________ 59 2.2.2

Erfolgsfaktoren für den wirtschaftlichen Kooperationserfolg ______________ 60

2.2.3

Erfolgsfaktoren für den sozialen Kooperationserfolg _____________________ 65

2.3 3

Defizit der bisherigen empirischen Forschung zu F&E-Kooperationen_________ 66

Ableitung der Hypothesen ______________________________________________ 75 3.1

Grundlegende Elemente der Forschungsmodelle __________________________ 76

3.2

Erfolg einer Kooperation_____________________________________________ 79

3.2.1

Technologiespezifische Effekte _____________________________________ 79

3.2.1.1

Technologische Qualität _______________________________________ 83

3.2.1.2

Forschungserfahrung__________________________________________ 95

3.2.1.3

„Realized Absorptive Capacity” ________________________________ 101

3.2.1.4

Technologische Diversifizierung _______________________________ 106

3.2.1.5

Technologische Kernfeld-Eigenschaft ___________________________ 112

3.2.1.6

Technologieposition _________________________________________ 116

X

Inhaltsverzeichnis 3.2.2

3.2.2.1

Ähnlichkeit in Biotech _______________________________________ 121

3.2.2.2

Wissen des Partners__________________________________________ 124

3.2.3

Kontrolleffekte _________________________________________________ 125

3.2.3.1

Herkunftsland ______________________________________________ 126

3.2.3.2

Unternehmensgröße _________________________________________ 127

3.2.3.3

Forschungsbudget ___________________________________________ 129

3.2.3.4

Grundlagenforschung ________________________________________ 130

3.3

4

Beziehungsspezifische Effekte _____________________________________ 119

Erfolg durch Lerneffekte____________________________________________ 131

3.3.1

Potenzial des Kooperationspartners _________________________________ 134

3.3.2

Die Rolle der eigenen Kompetenzen_________________________________ 135

3.3.3

Kontrolleffekte _________________________________________________ 138

Grundlagen der empirischen Untersuchung ______________________________ 141 4.1

Datenerhebung ___________________________________________________ 141

4.1.1

Kooperationsvereinbarungen ______________________________________ 141

4.1.2

Unternehmensstruktur ____________________________________________ 145

4.1.3

Technologiefelder _______________________________________________ 147

4.1.4

Patentsystem ___________________________________________________ 151

4.2

Darstellung der Modellvariablen______________________________________ 153

4.2.1

Abhängige Variablen_____________________________________________ 153

4.2.1.1

Kooperationserfolg __________________________________________ 153

4.2.1.2

Lernerfolg _________________________________________________ 156

4.2.2

Unabhängige Variablen___________________________________________ 157

4.2.2.1

Technologiespezifische Variablen ______________________________ 159

4.2.2.1.1 Technologische Qualität ____________________________________ 159 4.2.2.1.2 Forschungserfahrung_______________________________________ 167 4.2.2.1.3 „Realized Absorptive Capacity” ______________________________ 169 4.2.2.1.4 Technologische Diversifizierung _____________________________ 172 4.2.2.1.5 Kernfeldeigenschaft _______________________________________ 173 4.2.2.1.6 Technologieposition _______________________________________ 175 4.2.2.2

Beziehungsspezifische Variablen _______________________________ 176

4.2.2.2.1 Ähnlichkeit in Biotechnologie _______________________________ 177 4.2.2.2.2 Wissen des Partners________________________________________ 179

Inhaltsverzeichnis 4.2.3

Kontrollvariablen _______________________________________________ 181

4.2.3.1

Herkunftsland ______________________________________________ 181

4.2.3.2

Größe_____________________________________________________ 182

4.2.3.3

Forschungsbudget ___________________________________________ 182

4.2.3.4

Grundlagenforschung ________________________________________ 183

4.2.3.5

M&A-Aktivitäten ___________________________________________ 184

4.2.3.6

Technologischer Wettbewerb __________________________________ 185

4.3

Erläuterungen zu statistischen Methoden _______________________________ 186

4.3.1

5

XI

Logistische Regression ___________________________________________ 187

4.3.1.1

Grundlagen der Berechnungsmethode ___________________________ 187

4.3.1.2

Beschreibung der Annahmen __________________________________ 191

4.3.1.3

Darstellung der Gütekriterien __________________________________ 192

4.3.2

Lineare Regression ______________________________________________ 195

4.3.3

Bestimmung von Interaktionseffekten _______________________________ 197

Ergebnisse der empirischen Untersuchung _______________________________ 201 5.1

Modell I: Erfolg einer Kooperation____________________________________ 201

5.1.1

Deskriptive Auswertungen ________________________________________ 201

5.1.2

Überprüfung der Anwendbarkeit des Modells _________________________ 205

5.1.3

Beurteilung der Modellgüte _______________________________________ 206

5.1.4

Analyse der bivariaten Korrelationen ________________________________ 210

5.1.5

Darstellung der Ergebnisse ________________________________________ 219

5.1.6

Wertung der Ergebnisse __________________________________________ 224

5.1.7

Zwischenfazit __________________________________________________ 233

5.2

Modell II: Erfolg durch Lerneffekte ___________________________________ 234

5.2.1

Deskriptive Auswertungen ________________________________________ 235

5.2.2

Überprüfung der Anwendbarkeit des Modells _________________________ 240

5.2.3

Überprüfung der Modellgüte_______________________________________ 244

5.2.4

Analyse der bivariaten Korrelationen ________________________________ 245

5.2.5

Darstellung der Ergebnisse ________________________________________ 251

5.2.6

Wertung der Ergebnisse __________________________________________ 255

5.2.7

Zwischenfazit __________________________________________________ 259

5.3 5.3.1

Weitere explorative Analysen zum Erfolg einer Kooperation _______________ 260 Interaktionseffekte_______________________________________________ 260

XII

6

Inhaltsverzeichnis 5.3.2

Nicht-linearer Effekt _____________________________________________ 261

5.3.3

Patentqualität___________________________________________________ 262

5.3.4

Kooperationserfahrung ___________________________________________ 264

Zusammenfassung und Implikationen ___________________________________ 267 6.1

Wesentliche Befunde_______________________________________________ 267

6.2

Implikationen für die Wissenschaft____________________________________ 271

6.3

Implikationen für die unternehmerische Praxis __________________________ 281

6.4

Grenzen der Analysen ______________________________________________ 283

6.5

Ausblick ________________________________________________________ 293

Anhang _________________________________________________________________ 301 Literaturverzeichnis ______________________________________________________ 335 Register_________________________________________________________________ 351

Abbildungsverzeichnis

XIII

Abbildungsverzeichnis Abbildung 1: Organisationsformen zwischen Markt und Hierarchie ___________________ 12 Abbildung 2: Anzahl Kooperationen i.w.S. in der Biopharmazie _____________________ 23 Abbildung 3: Durchschnittliche Zahlungen in Kooperationen der Biopharmazie _________ 27 Abbildung 4: Grundlegende Elemente des idealtypischen Messmodells I für Kooperationserfolg _________________________________________________________ 77 Abbildung 5: Grundlegende Elemente des idealtypischen Messmodells II für Lernerfolg __ 78 Abbildung 6: Kernfeld/Nicht-Kernfeld-Kombinationsmöglichkeiten _________________ 113 Abbildung 7: Ableitung des Datensatzes der analysierten Kooperationen ______________ 145 Abbildung 8: Historische Entwicklung des Unternehmens GlaxoSmithKline ___________ 147 Abbildung 9: Berechnungsmethode für die „realized absorptive capacity“ _____________ 172 Abbildung 10: Funktionsverlauf der logistischen Regression _______________________ 189 Abbildung 11: Venn-Diagramm ______________________________________________ 199 Abbildung 12: Beobachtete Fälle und vorhergesagte Erfolgswahrscheinlichkeit ________ 209 Abbildung 13: Verlauf der standardisierten Residuen _____________________________ 242 Abbildung 14: Gesamtmodell zur Erklärung des Kooperationserfolgs mit Berücksichtigung von Lerneffekten ___________________________________________ 296

Tabellenverzeichnis

XV

Tabellenverzeichnis Tabelle 1: Produktentwicklungsprozess der pharmazeutischen Industrie________________ 24 Tabelle 2: Geschätzter Anteil der durch Generika bedrohten Umsätze in 2006 ___________ 26 Tabelle 3: Gründe für die Bildung von Kooperationen und deren unterschiedliche Bedeutung in der Biopharmazie. Eine Erweiterung von Brockhoff/Teichert (1995).________________ 32 Tabelle 4: Gründe für die Bildung von Kooperationen und deren unterschiedliche Bedeutung in der Biopharmazie. Eine Erweiterung von Brockhoff/Teichert (1995).________________ 33 Tabelle 5: In der Literatur verwendete Erfolgsmaße im Rahmen von Kooperationen ______ 40 Tabelle 6: Abgrenzung zum Stand der Forschung _________________________________ 70 Tabelle 7: Aufteilung des Datensatzes nach Erfolg und Phase_______________________ 145 Tabelle 8: Technologiefelder der Branchenorganisation BIO _______________________ 148 Tabelle 9: Bezeichnung der verwendeten Technologiefelder ________________________ 149 Tabelle 10: Beispielhafte Suchabfrage für das Technologiefeld „antibodies“ ___________ 150 Tabelle 11: Bedingungen zur Bestimmung der Kernfeldeigenschaft __________________ 175 Tabelle 12: Übersicht der Gütekriterien der logistischen Regression__________________ 195 Tabelle 13: Übersicht der Gütekriterien der linearen Regression _____________________ 196 Tabelle 14: Deskriptive Statistik für Kooperationserfolg ___________________________ 203 Tabelle 15: Klassifizierungstabelle mit Trennwert 0,5 _____________________________ 207 Tabelle 16: Kontingenztabelle für Hosmer-Lemeshow-Test ________________________ 208 Tabelle 17: Erzielte Werte der Gütekriterien der logistischen Regression ______________ 210 Tabelle 18: Korrelationsmatrix der Schätzer ____________________________________ 213 Tabelle 19: Bivariate Korrelationen ___________________________________________ 216 Tabelle 20: Darstellung der empirischen Ergebnisse für Kooperationserfolg Modell 1-6 __ 221 Tabelle 21: Deskriptive Statistik zum Lernerfolg der Kooperationspartner nach Unternehmenstyp _________________________________________________________ 235 Tabelle 22: Ergebnisse des Wilcoxon-Tests für die Pharmaunternehmen ______________ 236 Tabelle 23: Ergebnisse des Wilcoxon-Tests für die Biotechnologieunternehmen ________ 236 Tabelle 24: Deskriptive Statistik für Lernerfolg von Nicht-US-Unternehmen___________ 239 Tabelle 25: Deskriptive Statistik für Lernerfolg von US-Unternehmen ________________ 239 Tabelle 26: Ergebnisse des Mann-Whitney-U-Test auf signifikante Unterschiede zwischen den Gruppen _____________________________________________________________ 240 Tabelle 27: Erzielte Werte der Gütekriterien der linearen Regression _________________ 245 Tabelle 28: Bivariate Korrelationen für Nicht-US-Unternehmen_____________________ 247 Tabelle 29: Bivariate Korrelationen für US-Unternehmen __________________________ 249

XVI

Tabellenverzeichnis

Tabelle 30: Bivariate Korrelationen zwischen Erfolg der Kooperation und dem Lernerfolg _______________________________________________________________ 251 Tabelle 31: Darstellung der Ergebnisse für Lernerfolg der Nicht-US-Unternehmen Modell 7-10 ____________________________________________________________________ 253 Tabelle 32: Darstellung der Ergebnisse für Lernerfolg der US-Unternehmen Modell 11-14 ___________________________________________________________________ 254 Tabelle 33: Ergebnisse zu Interaktionseffekten für Kooperationserfolg Modell 15-19 ____ 263 Tabelle 34: Befunde zur Patentqualität und Kooperationserfahrung für Kooperationserfolg Modell 20-23 _____________________________________________________________ 265 Tabelle 35: Anzahl Unternehmen ohne Patente zum Zeitpunkt der Kooperation mit Doppelzählungen__________________________________________________________ 285 Tabelle 36: Einfluss der Anzahl der Patente der Unternehmen auf den Erfolg der Kooperation______________________________________________________________ 286

Abkürzungsverzeichnis

Abkürzungsverzeichnis -2LL Abb. Abs. AMJ AMR ASQ B Bd. BMC bzgl. bzw. c.p. ca. d d.h. DB df EMEA EPO/EPA etc. evtl. F&E f. FDA GDP GF ggf. Hrsg. i.d.R. i.e.S. i.H.v. IP IPC JAMS Jg. JV k.A. Kap. M&A MCC Mio. Mrd. MS N/n n.h.A. NIH o.ä. Org. Science Org. Stud.

-2LogLikelihood Abbildung Absatz Academy of Management Journal Academy of Management Review Administrative Science Quarterly nicht standardisierter Regressionskoeffizient Band BioPharma Management Center (WHU) bezüglich beziehungsweise ceteris paribus circa Prüfgröße für Durbin-Watson-Test das heißt Datenbank Freiheitsgrade European Agency for the Evaluation of Medicinal Products European Patent Office/ Europäisches Patentamt et cetera eventuell Forschung & Entwicklung folgende Food and Drug Administration Gross Domestic Product Geschäftsfeld gegebenenfalls Herausgeber in der Regel im engen Sinn in Höhe von Intellectual Property International Patent Classification Journal of the Academy of Marketing Science Jahrgang Joint Venture keine Angaben Kapitel Merger & Acquisition Maximum Change Criterium Millionen Milliarden Management Science Anzahl Datensätze nach hiesiger Auffassung Not invented here oder ähnliches Organization Science Organization Studies

XVII

XVIII P PatG PCC R&D RBV RDA ReCap ROA ROI S. SEC SIC Sig. SMJ t Tab. TF u.a. US/USA vgl. VIF vs. z.B. zz.

Abkürzungsverzeichnis Anzahl der im Modell enthaltenen Variablen Patentgesetz Propotional Change Criterion Research & Development Resource Based View Resource Dependence Ansatz Datenbank Recombinant Capital Return on Assets Return on Invest Seite Securities and Exchange Commission Standard Industrial Classification System Signifikanzniveau Strategic Management Journal Zeitpunkt Tabelle Technologiefeld unter anderem Vereinigte Staaten von Amerika vergleiche Variance Inflation Factor versus zum Beispiel zurzeit

Relevanz und Ziel der Arbeit

1

1 Einleitung Für die großen Unternehmen stellen neue Produkte den wesentlichen Faktor zum Erhalt und der Steigerung des Umsatzes dar. Besonders deutlich wird dies am Beispiel der Pharmaindustrie. Aktuell erwirtschaftet das weltweit größte Pharmaunternehmen einen Umsatz von ca. $52,5 Mrd. mit ca. 120.000 Mitarbeitern.1 Um neue Medikamente zu entwickeln, beschäftigt Pfizer mehr als 12.000 Forscher in den Entwicklungsabteilungen weltweit. Gleichzeitig werden rund $8 Mrd. pro Jahr in F&E investiert, um innovative Arzneimittel zu entwickeln. Überraschend ist, dass sich aktuell aber nur 227 potenzielle Wirkstoffe in der Entwicklung befinden.2 Die Anzahl neuer Produkte in den nächsten Jahren wird wesentlich darunter liegen, weil es nicht gelingen wird, aus jedem potenziellen Wirkstoff ein neues Produkt entstehen zu lassen.3 Dadurch wird die hohe Bedeutung eines Projekt-portfolios deutlich. Ein solches Portfolio besteht heutzutage nicht mehr nur aus rein internen Projekten, sondern auch aus gemeinschaftlichen Projekten mit anderen Unternehmen, sog. Kooperationen.4

1.1

Relevanz und Ziel der Arbeit

Historisch gesehen haben Firmen Ihre Forschung im Unternehmen selbst angesiedelt und auf externe Quellen nur für einfache Funktionen, Produkte oder Dienstleistungen zurückgegriffen und ihre neuen Produkte intern erforscht und entwickelt.5 Heute vertraut allerdings eine Vielzahl von Unternehmen in fast allen Stufen der Produktentwicklung auf eine Vielzahl von unterschiedlichsten Arten der zwischenbetrieblichen Zusammenarbeit.6 Eine Vorreiterrolle kommt dabei den beiden Branchen der Halbleitertechnologie und der Biopharmazie zu, da hier eine Großzahl an Kooperationen vereinbart wird.7 Auf den ersten Blick verwunderlich erscheint aber die Tatsache, dass etablierte Firmen der Biopharmazie auch die zu den Kernkompetenzen zählenden Aufgaben auslagern oder in Kooperation mit anderen

1

Vgl. Pfizer (2005), S. 1. Vgl. Pfizer (2005), S. 1. Vgl. dazu die Erfolgswahrscheinlichkeiten in Kap. 1.1. 4 Vgl. Pisano (1990), S. 153. 5 Vgl. Powell/Koput/Smith-Doerr (1996), S. 116; Pisano (1991), S. 237. 6 Vgl. Abernathy/Clark (1985), S. 7; Powell/Koput/Smith-Doerr (1996), S. 116; Deeds/Hill (1998), S. 150; Rasmussen (2003), S. 5; Windhover Information (2002), S. 1. 7 Vgl. Pisano (1991), S. 240; Deeds/Hill (1998), S. 150; Galambos/Sturchio (1998), S. 276f; Stuart (2000), S. 792; Rothaermel (2001), S. 1240. 2 3

2

Einleitung

Unternehmen durchführen wie z.B. die Forschung und Entwicklung.8 Neue Produkte werden somit nicht mehr nur rein intern, sondern auch mit Partnern gemeinsam entwickelt und teilweise anschließend auch gemeinsam vermarktet.9 Ein wichtiger Grund für ein solches Verhalten ist, dass neue Technologien in zunehmendem Maße auch außerhalb der etablierten Unternehmen entwickelt werden und dieses externe Wissen in die etablierten Großunternehmen integriert werden muss, um den langfristigen Bestand dieser Unternehmen zu sichern.10 Ein mögliches Mittel für den Zugang zu dem externen Wissen stellt die Kooperation dar.11 In der Branche der Biopharmazie werden für solche gemeinschaftlichen Produktentwicklungsprojekte seitens der etablierten Pharmaunternehmen teilweise 2-stellige Millionenbeträge pro Kooperation bereitgestellt.12

In der Literatur hingegen wird häufig davon berichtet, dass bei einer Vielzahl von Kooperationen der Unternehmen die gesetzten Ziele nicht erreicht werden.13 In den Studien von Kogut (1989), Bleeke/Ernst (1991), Accenture (2001), Park/Mezias/Song (2004) und Dacin/Hitt (1997) wird über unterschiedlich hohe Misserfolgsraten im Bereich von 40-70% berichtet.14 Bamford/Ernst/Fubini (2004) berichten von Erfolgsraten von Joint Venture (JV) und anderen Kooperationsformen von 51% (in 1991) und 53% (in 2001).15 Ohne Unterscheidung schreiben Das/Teng (2000) von einer Misserfolgsquote i.H.v. ca. 60%.16 Unter diesen Voraussetzungen eine Verbesserung zu erzielen, ist gleichbedeutend mit Kosteneinsparungen in Millionenhöhe seitens der Unternehmen. Auf Grund der hohen Relevanz des Erfolgs einer Kooperation für die Praxis hat sich die betriebswirtschaftliche Forschung bereits mit den unterschiedlichen Blickwinkeln der Formation, der Steuerung und des Erfolgs mit diesem Thema beschäftigt, wobei die Ergebnisse größtenteils in weltweit sehr angesehenen Journals wie Administrative Science Quarterly, Strategic Management Journal, Management Science, Organization Science, California Management Review und Academy of Management Journal veröffentlicht

8

Vgl. Powell/Koput/Smith-Doerr (1996), S. 116; Pisano (1991), S. 240; Stuart (2000), S. 792. Vgl. Pisano (1997), S. 127; Rothaermel (2001), S. 1236f. Vgl. Cohen/Levinthal (1990), S. 128 Powell (1998), S. 228. 11 Vgl. Mowery/Oxley/Silverman (1998), S. 517-520; Mowery/Oxley/Silverman (1996), S. 77; Dutta/Weiss (1997), S. 355; Khanna (1998), S. 200f; Gulati/Gargulio (1999), S. 177f; Ahuja (2000a), S. 320. 12 Vgl. Abbildung 3 in Kap. 1.1. 13 Vgl. Kale/Dyer/Singh (2002), S. 748; Teichert (1994), S. 241. 14 Vgl. Kogut (1989), S. 183f; Bleeke/Ernst (1991), S. 127f; Accenture (2001), S. 18; Park/Mezias/Song (2004), S. 22; Dacin/Hitt (1997), S. 3. 15 Vgl. Bamford/Ernst/Fubini (2004), S. 71. 16 Vgl. Das/Teng (2000), S. 78f. 9

10

Relevanz und Ziel der Arbeit

3

wurden.17 Darüber hinaus haben auch die Einflüsse von Kooperationen auf den Unternehmenserfolg durch ihre erhebliche Bedeutung starke Beachtung in der wissenschaftlichen Forschung erlangt und ebenfalls größtenteils Eingang in obige Journals gefunden.18 Wesentlich für Kooperationen mit dem Ziel Innovationen hervorzubringen ist die technische Problemlösung und somit die technischen Kompetenzen der Kooperationspartner. Dieser Frage sind z.B. Lambe/Spekman/Hunt (2002) nachgegangen. Für ihr Erklärungsmodell bedeutsam ist die Frage, welche Ressourcen im Rahmen einer Kooperation zur Verfügung stehen müssen, um diese Kooperation zu einem Erfolg zu bringen.19 Dies ist dann richtig, wenn es sich um horizontale Kooperationen zwischen zwei gleichwertigen Kooperationspartnern handelt und beide äquivalente Kompetenzen und Ressourcen einbringen können. Bei vertikalen Kooperationen ist ein solcher Fall allein schon wegen der Zusammensetzung der Kooperationspartner ausgeschlossen, denn n.h.A. ist bei einem vertikalen Verhältnis von einem unterschiedlichen Kompetenzprofil der Kooperationspartner auszugehen. Für die Frage der Partnerauswahl ist es dann aber dringend erforderlich zu wissen, welches Unternehmen welche Kompetenzen und Ressourcen einbringen soll. In anderen Untersuchungen wird eine solche Differenzierung vorgenommen. Muthusamy/White (2005) beschäftigen sich u.a. mit der Frage, ob das Vertrauen eines Unternehmens in die technologischen Fähigkeiten des Kooperationspartners Auswirkungen auf den Kooperationserfolg hat.20 Leider wird auf eine absolute wie relative Bestimmung technologischer Kompetenzen verzichtet, so dass die Autoren lediglich einen Nachweis führen können, dass das Vertrauen in die technologischen Fähigkeiten von Belang ist. Eine quantitative Bestimmung technologischer Kompetenzen 17

Vgl. Hagedoorn (1993), S. 371; Parkhe (1993b), S. 301; Gulati (1995a), S. 85; Eisenhardt/Schoonhoven (1996), S. 136; Powell/Koput/Smith-Doerr (1996), S. 117; Simonin (1997), S. 1167; Stuart (1998), S, Stuart (2000), S, Stuart/Hoang/Hybels (1999), S, Stuart/Podolny (1996), S. 34; Dutta/Weiss (1997), S. 343; Saxton (1997), S. 443; Stuart (1998), S. 668; Ahuja (2000a), S. 317; Chung/Singh/Lee (2000), S. 1; Kale/Singh/Perlmutter (2000), S. 218; Sarkar et al. (2001), S. 358; Hagedoorn/Duysters (2002), S.167; Kale/Dyer/Singh (2002), S. 752; Lambe/Spekman/Hunt (2002), S. 149; Park/Chen/Gallagher (2002), S. 527; Zollo/Reuer/Singh (2002), S. 706; Colombo (2003), S. 1209; Deeds/Rothaermel (2003), S. 468; Rothaermel/Deeds (2004), S. 201; Muthusamy/White (2005), S. 415. 18 Vgl. Hagedoorn/Schakenraad (1994), S. 291; Shan/Walker/Kogut (1994), S. 387; Mitchell/Singh (1996), S.169; Mowery/Oxley/Silverman (1996), S. 77; Powell/Koput/Smith-Doerr (1996), S. 116; Chan et al. (1997), S. 199; Dutta/Weiss (1997), S. 343; Simonin (1997), S. 1150; Lane/Lubatkin (1998), S. 461; Khanna/Gulati/Nohria (1998), S. 193; Mowery/Oxley/Silverman (1998), S. 507; Zaheer/McEvily/Perrone (1998), S. 141; Stuart/Hoang/Hybels (1999), S. 315; Gulati/Gargulio (1999), S. 177; Ahuja (2000b), S. 425; Anand/Khanna (2000), S. 295; Kale/Singh/Perlmutter (2000), S. 217; Stuart (2000), S. 791; Kale/Dyer/Singh (2001), S. 468; Rothaermel (2001), S. 1235; Kale/Dyer/Singh (2002), S. 747; Gulati/Higgins (2003), S. 127; Niosi (2003), S. 737; Park/Mezias/Song (2004), S. 7; Wuyts/Stremersch/Dutta (2004), S. 88; Muthusamy/White (2005), S. 415. 19 Vgl. Lambe/Spekman/Hunt (2002), S. 141. 20 Vgl. Muthusamy/White (2005), S. 415.

4

Einleitung

wurde in der Literatur im Zusammenhang mit dem Erfolg einer Kooperation aber noch nicht durchgeführt, so dass keine klaren Empfehlungen für die Praxis hinsichtlich der Auswahl der Kooperationspartner gegeben werden können.

Neben der eigenen sowie der Technologieposition des Kooperationspartners spielt seitens eines Unternehmens grundsätzlich auch eine Rolle, wie gut ein Unternehmen in der Lage ist, externes Wissens zu identifizieren, zu absorbieren und in eigene Produkte umzusetzen.21 Die Bedeutung dieser grundlegenden Fähigkeit basiert auf der häufig zitierten Arbeit von Cohen/Levinthal (1990) und muss auch bei der Analyse von Kooperationen Beachtung finden, da im Rahmen einer Kooperation der Partner bereits identifiziert ist, somit das externe Wissen schon als relevant erachtet wurde und der Zugang zu den Ressourcen des Partners über den Kooperationsvertrag bereits gesichert ist.22 Auf Grund der etwas anderen Konstellation bei Kooperationen im Vergleich zu der bei Cohen/Levinthal (1990) angesprochenen unternehmensinternen Produktentwicklung ist eine differenziertere Betrachtung der „absorptive capacity“ wie bei Zahra/George (2002) erforderlich. Die Autoren trennen die „absorptive capacity“ hinsichtlich des Potenzials und der Realisation und differenzieren so hinsichtlich der Phase der Wissensidentifikation und der Wissensumsetzung, wobei ein wesentlicher Unterschied zur Arbeit von Cohen/Levinthal (1990) in letztgenanntem Punkt besteht.23 Dieses neue Modell wurde bislang aber noch nicht empirisch überprüft. Zusätzlich zu der Notwendigkeit der Validierung besteht n.h.A auch Bedarf, den RBV über das Modell der “Absorptive Capacity” mit dem Theoriemodell der “dynamic capabilities” zu verknüpfen. Eine solche Verknüpfung könnte über das Modell der “Absorptive Capacity” von Zahra/George (2002) hergeleitet und somit der teilweise statische Betrachtungswinkel des RBVs um eine dynamische Komponente erweitert werden.24 Dies ist deshalb wichtig, weil Kooperationen einen Ressourcen- und Wissenstransfer zwischen zwei Unternehmen beinhalten und damit den Weg eröffnen, bestehende Ressourcen und Kompetenzen auch zu verbessern.25 Diese bislang in der betriebswirtschaftlichen Forschung unbeantwortete Frage hat für die Praxis deshalb eine große Bedeutung, ist doch die Identifikation der Weiterentwicklungspfade der bestehenden Kompetenzen unerlässlich für deren Nutzung.

21

Vgl. Cohen/Levinthal (1990), S. 128. Vgl. Mowery/Oxley/Silverman (1996), S. 88. Vgl. Zahra/George (2002), S. 185. 24 Vgl. Zahra/George (2002), S. 185. 25 Vgl. Mowery/Oxley/Silverman (1996), S. 77. 22 23

Relevanz und Ziel der Arbeit

5

Dass Kooperationen auch als Methode verwendet werden können, die internationale Wettbewerbsfähigkeit eines Unternehmens zu verbessern, hat Stuart (2000) bereits für den Fall horizontaler Kooperationen ausgeführt. Er hat sich mit den Auswirkungen der technischen Kompetenz eines etablierten Kooperationspartners auf die Innovationsrate und das Unternehmenswachstum des Kooperationspartners im Kontext horizontaler Allianzen beschäftigt.26 Auf Basis seiner großzahligen empirischen Untersuchung kann als gesichert gelten, dass ein solcher Effekt bei horizontalen Kooperationen besteht. Es ist aber unklar, ob diese Ergebnisse auch auf vertikale Kooperationen übertragen werden können. Diese unterscheiden sich nämlich hinsichtlich der nur begrenzt vorhandenen Ressourcen innerhalb eines Unternehmens und der daraus resultierenden Abhängigkeit von Lieferanten. In der Branche der Biopharmazie ist es z.B. so, dass eine neue Technologie außerhalb der etablierten Unternehmen entwickelt wurde, diese Technologie aber nur einen begrenzten Teil der Wertschöpfungskette betrifft.27 Dies resultiert in einer anderen Zusammensetzung der Motive zur Bildung von Kooperationen und dem Machtverhältnis zwischen den beiden Kooperationspartnern.28 Während bei den horizontalen Kooperationen eine Aufteilung der Kosten oder auch Vergrößerung der Marktmacht als Motiv zur Vereinbarung einer Kooperation infrage kommt, steht bei vertikalen Kooperationen in der Biopharmazie der Zugang zu nicht im Unternehmen vorhandenen technologischen Kompetenzen im Vordergrund.29 Gleichzeitig werden von dem etablierten Unternehmen die gemeinschaftlichen F&E-Aktivitäten vollständig finanziert.30 Darüber hinaus unterscheiden sich horizontale von vertikalen Kooperationen durch ein unterschiedliches Niveau an organisationalem Vertrauen zwischen den Kooperationspartnern.31 Dies ist deshalb von großer Bedeutung, weil der Zugang zu Ressourcen und Kernkompetenzen des Partnerunternehmens wesentlich ist. Der Zugang zu strategisch wichtigen Ressourcen wird einem Partner, der bei einem horizontalen Verhältnis schon heute im direkten Wettbewerb steht, schwerlich ermöglicht werden, könnte er doch den Fortbestand des gesamten Unternehmens gefährden, weil die Möglichkeit des opportunistischen Verhaltens stets vorhanden ist.32 Anders ist dies bei Partnern, die sich auf unterschiedliche Phasen der Wertschöpfungskette spezialisiert

26

Vgl. Stuart (2000), S. 791-812. Vgl. Pisano (1990), S. 154f. Vgl. Rindfleisch (2000), S. 83-85. 29 Vgl. Kap. 1.1. 30 Vgl. Stuart (2000), S. 792. 31 Vgl. Rindfleisch (2000), S. 81. 32 Vgl. Bucklin/Sengupta (1993), S. 33; Rindfleisch (2000), S. 82-84. 27 28

6

Einleitung

haben und stets ein gegenseitiges Abhängigkeitsverhältnis aufweisen.33 Einen empirischen Nachweis dazu enthält die Studie von Park/Russo (1996). Sie finden z.B., dass Joint Venture, in denen die Partner im Wettbewerb stehen, häufiger scheitern als Joint Venture, bei denen die beteiligten Unternehmen kein Wettbewerbsverhältnis aufweisen. Sie erklären diesen Befund mit den Zielkonflikten der Partner.34 Wenn man der Argumentation folgt, dass wesentliche Unterschiede zwischen horizontalen und vertikalen Kooperationen bestehen, darf auch der Schluss gezogen werden, dass der Lernerfolg auf Unternehmensebene bei vertikalen Kooperationen bislang nur unzureichend analysiert wurde. Auch hier bleibt somit für die Praxis unklar, ob auch vertikale Kooperationen als ein Weg der Weiterentwicklung eines Unternehmens zur Verfügung stehen.

Wenn man von der Hypothese ausgeht, dass auch vertikale Kooperationen das Wachstum oder die Innovationsrate eines Unternehmens stützen und somit für ein Unternehmen vorteilhaft sind, dann würde für die Praxis noch die Frage zu klären sein, ob die eingebrachten Ressourcen komplementär sein sollten. Lambe/Spekman/Hunt (2002) berichten, dass komplementäre Ressourcen keinen direkten Effekt auf den Kooperationserfolg haben, sondern lediglich die Bildung einzigartiger Ressourcen ermöglichen.35 Bei Saxton (1997) hingegen zeigt sich ein Nichtbefund hinsichtlich einer direkten Wirkung auf den Erfolg.36 In der Studie von Sarkar et al. (2001) haben die komplementären Ressourcen lediglich einen Einfluss auf den Projekt- aber nicht auch auf den strategischen Erfolg.37 Auch die Arbeit von Wuyts/Stremersch/Dutta (2004) kann das Problem der Praxis bzgl. des notwendigen Grads an Kompatibilität der Ressourcen im Rahmen der Auswahl des Kooperationspartners nicht lösen, vielmehr wird dort lediglich gezeigt, dass wiederholte Kooperationen mit demselben Partner vor allem bei der Entwicklung radikaler Innovationen helfen; bei inkrementellen Innovationen hingegen spielt eine wiederholte Kooperation mit demselben Partner keine Rolle.38 Neben den oben angesprochenen unbeantworteten Problemen der Praxis existieren auch Studien, die von nachteiligen Effekten von Kooperationen ausgehen. Die Ergebnisse von Pisano (1997) zeigen nämlich, dass Projekte aus Kooperationen höhere Misserfolgsquoten 33

Vgl. Stuart (2000), S. 792. Vgl. Park/Russo (1996), S. 887. Vgl. Lambe/Spekman/Hunt (2002), S. 151. 36 Vgl. Saxton (1997), S. 455f. 37 Vgl. Sarkar et al. (2001), S. 366. 38 Vgl. Wuyts/Stremersch/Dutta (2004), S. 88-100. 34 35

Relevanz und Ziel der Arbeit

7

aufweisen als vertikal integrierte Projekte.39 Dies verwundert etwas, denn theoretische Modelle wie der ressourcenorientierte Ansatz argumentieren i.d.R. hinsichtlich einer größeren Erfolgswahrscheinlichkeit von Projekten, welche in Kooperation mit einem anderen Unternehmen durchgeführt wurden. Diese hohen Misserfolgsquoten deuten daher auf ein sehr komplexes Thema hin. Gulati (1998) spricht in diesem Zusammenhang von dem Problem der Erklärung des Erfolgs von Kooperationen als40: „… one of the most interesting and also one of the most vexing questions.”.

Da sich darüber hinaus bislang wenige großzahlig angelegte empirische Studien mit der Frage des Erfolgs von Kooperationen beschäftigt haben41, bestehen Lücken im Erklärungsmodell. Diese Lücke konkretisiert Stuart (2000) wie folgt42: „…there has been insufficient attention to the connection between the value of alliances and the characteristics of the firms in the partnership…“ Er schreibt weiterhin43: “The extent to which characteristics of a firm’s strategic partners mediate the link between alliances and performance remains a largely unexplored area of research.”

Das Ziel dieser Arbeit besteht daher schließlich darin, die trotz der Arbeit von Stuart (2000) bestehenden Forschungslücken zu schließen und so einen Beitrag für die betriebswirtschaftliche Forschung sowie für die Praxis zu leisten. Konkret geht es um die Erklärung des Erfolgs von Kooperationen, weil es die bereits angesprochenen hohen Misserfolgsquoten gibt. Deshalb ist zu untersuchen, welche Charakteristika hinsichtlich der beiden Kooperationspartner vorliegen sollten, um die Erfolgswahrscheinlichkeit in der Neuproduktentwicklung zu erhöhen. Ein wesentlicher Aspekt der Arbeit stellt daher eine quantitative Betrachtung der technologisch orientierten Ressourcen und Kompetenzen der beiden Unternehmenstypen dar.

39

Vgl. Pisano (1997), S. 22. Diese Ergebnisse führt er auf eine schlechtere Projektauswahl durch Kooperationen zurück. Gulati (1998), S. 309. 41 Vgl. Stuart (2000), S. 791 und Kap. 0. 42 Stuart (2000), S. 791. 43 Stuart (2000), S. 793. 40

8

Einleitung

Im Vergleich zur Studie von Stuart (2000) mit horizontalen Kooperationen wird hier der Betrachtungswinkel auf vertikale Kooperationen in der Biopharmazie gelegt. Es wird auch nicht nur die technologische Kompetenz eines Partners betrachtet, sondern die Messung erfolgt für beide Unternehmen gleichzeitig, ohne dass eine Durchschnittsbildung wie bei Lambe/Spekman/Hunt (2002) vorgenommen werden wird. Dadurch kann eine Vergleichbarkeit zwischen den Kompetenzen der Unternehmen hergestellt und die Komplementarität der Ressourcen der beiden Partner empirisch nachgewiesen werden, denn es wird erwartet, dass hinsichtlich der Qualität der technologischen Kenntnisse Unterschiede zwischen den Unternehmen bestehen.44 In dieser Arbeit soll ferner gezeigt werden, dass die „absorptive capacity“ nach Zahra/George (2002) nicht nur im Rahmen der unternehmensinternen Produktentwicklung Beachtung finden muss, sondern dass sie auch für den Kooperationserfolg mit besonderer Hervorhebung des Aspekts der Realisation wichtig ist. Es soll darüber hinaus auch der Effekt der Erfahrung eines Pharmaunternehmens mit einer Technologie aufgegriffen werden, da es sich bei der Biotechnologie um eine grundsätzliche neue Technologie gehandelt hat und alle Unternehmen der pharmazeutischen Industrie diese neue Technologie zu integrieren hatten.45 Auch die Bedeutung der Erfahrung stellt ein wichtiges Thema in der Literatur dar, wobei lediglich die Kooperationserfahrung in vielerlei Hinsicht Beachtung gefunden hat und die Forschungserfahrung im Rahmen des Erfolgs von Kooperationen noch nicht untersucht wurde.46 Die Arbeiten von z.B. Hoang/Rothaermel (2005) und Zollo/Reuer/Singh (2002) konnten aber nur teilweise einen signifikanten Zusammenhang zwischen der Kooperationserfahrung und dem Kooperationserfolg nachweisen. 47 Weiterhin soll hier analysiert werden, ob Unternehmen in Kooperationen vom entsprechenden Partner lernen, denn zu einem Informationsaustausch kommt es auf jeden Fall. Diese Annahme kann seit der Untersuchung von Mowery/Oxley/Silverman (1996) als abgesichert gelten und bedarf keiner weiteren Belege.48 Das Unternehmen, welches nun geringere technologische Kompetenzen auf einem Gebiet aufweist, könnte mittels einer Kooperation Wissen vom Partner erlangen. Lane/Lubatkin (1998) bezeichnen einen solchen Fall als eine

44

Vgl. Buse (2000), S. 72-77. Vgl. Pisano (1991), S. 1991. Vgl. Hoang/Rothaermel (2005), S. 332; Zollo/Reuer/Singh (2002), S. 707. 47 Vgl. Hoang/Rothaermel (2005), S. 339; Zollo/Reuer/Singh (2002), S. 707. 48 Vgl. Mowery/Oxley/Silverman (1996), S. 77-92. 45 46

Relevanz und Ziel der Arbeit

9

Art „Studenten-Lehrer-Verhältnis“.49 In Rahmen der Biopharmazie kann auch von einem solchen Verhältnis zwischen den beiden Unternehmen gesprochen werden, so dass Lerneffekte theoretisch möglich sind. Es soll daher überprüft werden, ob eine Verbesserung der Technologieposition im Anschluss an die Kooperation bei dem das Forschungsprojekt finanzierendem „Studenten-Unternehmen“ zu beobachten ist und darüber hinaus, welche Eigenschaften ein Unternehmen aufweisen muss, um in einer Kooperationen vom „LehrerPartner“ zu lernen. Schließlich sind noch Interaktionseffekte hinsichtlich der Charakteristika eines der beiden Unternehmen und zwischen der von beiden Unternehmen eingebrachten Ressourcen denkbar. Interessant ist deshalb auch, welche Kompetenz eines etablierten Unternehmens für eine Auswahl eines guten Partners von Relevanz ist, ob sich zwei Technologieführer in eine Kooperation einbringen oder ob die „absorptive capacity“ auch hinsichtlich der Auswahl kompetenter Kooperationspartner von Bedeutung ist. Diese letzt genannten Fragen werden allerdings nur explorativ aufgegriffen.

Die wesentlichen Zielsetzungen der Arbeit lassen sich wie folgt zusammenfassen: 1. Analyse des Erfolgs von Kooperationen auf Grund von mehrdimensionaler technologischer und absorptiver Kompetenzen der Partner a priori. 2. Analyse der Verbesserung der technologischen Kompetenzen ex post durch Kooperationen auf Grund eines Wissenstransfer vom Kooperationspartner. 3. Analyse der Charakteristika der Unternehmen, die Lerneffekte durch Kooperationen unterstützen. 4. Analyse der Interaktionseffekte zwischen den Merkmalen der Kooperationspartner.

Im Hinblick auf die Vielschichtigkeit der Thematik erscheint es angebracht, vorab den Aufbau der Arbeit und die Abfolge der Hauptkapitel darzustellen.

49

Vgl. Lane/Lubatkin (1998), S. 462.

10

1.2

Einleitung

Aufbau der Arbeit

Angefangen werden soll mit einer Beschreibung und Abgrenzung der wesentlichen Begriffe. Alsdann sind die Besonderheiten bei F&E-Kooperationen in der Biopharmazie zu beleuchten. Dabei werden auch einführende Informationen zu den Motiven zur Kooperationsbildung und der unterschiedlichen Machtaspekte in der Ausgestaltung einer Kooperation interessieren. Im nächsten Kapitel finden sich Hinweise auf den Stand der Literatur zum Erfolg von F&EKooperationen. Zu Beginn werden die Ergebnisse von solchen Studien dargestellt, in denen untersucht wurde, ob Kooperationen zum Gesamterfolg eines Unternehmens beitragen. Dabei wird auch auf Studien eingegangen, welche sich mit einem Informations- und Wissenstransfer innerhalb von Kooperationen beschäftigen und somit zu einem Lerneffekt bei den Unternehmen geführt haben. Es schließt sich die Wiedergabe jener Arbeiten an, welche sich mit den Erfolgsfaktoren im Einzelnen befasst haben. Als Ergebnis zeigt sich, dass kaum empirische Studien existieren, die sich mit der Ausgangssituation der beiden Partner vor Beginn der Kooperation auseinandersetzen und den Erfolg einer Kooperation selbst zu erklären versuchen. Die Forschungslücke wird zum Ende des Kapitels entsprechend konkretisiert und im Verlauf der Arbeit weiterverfolgt. Es folgt eine Vorstellung der Forschungsmodelle zu Beginn von Kap. 0. Alsdann werden auf Basis des ressourcenorientierten Ansatzes die Hypothesen zum Erfolg einer Kooperation abgeleitet. Die Hypothesen umfassen den Aspekt der technologischen Qualität bisheriger Forschungsleistungen der Pharma- und Biotechnologieunternehmen sowie für beide Unternehmenstypen weitere unterschiedliche Aspekte wie z.B. die Erfahrung mit einer Technologie oder den Realisationsaspekt der „absorptive capacity“. Beziehungsspezifische Aspekte zur Komplementarität der Ressourcen der Kooperationspartner werden ebenfalls aufgegriffen. Da aufgrund der Komplexität eine separate Arbeit zum Thema des Lernens in Kooperationen geschrieben werden könnte, wird dieser Aspekt eher explorativ angegangen, wobei in ausgewählten Bereichen theoretisch begründet wird, weshalb ein Lerneffekt zu erwarten ist und welche Charakteristika der Unternehmen einen Einfluss ausüben könnten.

Im Anschluss an die Hypothesenableitung werden die Grundlagen der empirischen Untersuchung in Kap. 0 dargestellt, und es werden die Datenquellen, die Maßnahmen zur Verbesserung der Datenqualität und der Aufbau des Datensatzes angegeben. Es folgt eine

Aufbau der Arbeit

11

Beschreibung der Operationalisierung der zu testenden Variablen sowie der verwendeten statistischen Methoden der logistischen Regression sowie der multiplen linearen Regression.

Kap. 1 enthält dann die eigenen Befunde zum Erfolg einer Kooperation; es wird auch die Güte des Gesamtmodells diskutiert. Im Anschluss an die deskriptiven Auswertungen werden die bivariaten Korrelationen zwischen den Variablen analysiert. Die Ergebnisse zu den einzelnen Hypothesen werden festgehalten und im Anschluss diskutiert. Im Weiteren ist auf die Ergebnisse zur Erfolgswirkung von Kooperationen durch einen Wissenstransfer einzugehen. Hier wird die Frage untersucht, ob Kooperationen auch zu einer Verbesserung der Ressourcensituation im Anschluss an die Kooperation führen. Auch hier erfolgen eine Beurteilung der Güte des Gesamtmodells sowie deskriptive Auswertungen und ein Nachweis der Signifikanz der Ergebnisse. Es schließt sich die Darstellung weiterer explorativer Analysen u.a. zu Interaktionseffekten und zur Patentqualität an. Zum Abschluss der Arbeit werden in Kap. 1 die Ergebnisse der Arbeit zusammengefasst, ihre Implikationen für Wissenschaft und Praxis sowie die Grenzen der Analyse benannt und der Ausblick auf weitere Forschungsarbeiten aufgezeigt.

1.3

Begriffliche Abgrenzungen

Die vom Thema her vorgesehene Eingrenzung auf Kooperationen macht es erforderlich, begriffliche Abgrenzungen vorzunehmen. Es wäre sicherlich ein zu weites Feld, alle denkbaren Geschäftsbeziehungen (wie etwa ein mittels Kaufvertrag geregeltes KundenLieferanten-Verhältnis) zwischen zwei Unternehmen mit in die Betrachtung einbeziehen zu wollen.

Ganz allgemein wird der vage Begriff „Kooperation“ für jedwede Art der Zusammenarbeit auf dem Kontinuum von vertraglich geregelter bis zu über Hierarchie kontrollierter Zusammenarbeit zwischen zwei Unternehmen verwendet, kurz für alles zwischen Markt und Hierarchie.50 Abbildung 1 soll dieses Kontinuum verdeutlichen. F

50

Vgl. Pisano (1989), S. 109; Brockhoff (1992), S. 518; Lambe/Spekman/Hunt (2002), S. 141.

12

Einleitung

Abbildung 1: Organisationsformen zwischen Markt und Hierarchie51

Zwischen diesen beiden gegensätzlichen Organisationsformen Markt und Hierarchie besteht ein weites Spektrum von Formen der Zusammenarbeit, die in abgestufter Intensität Elemente beider Koordinationsmechanismen beinhalten. Gemeinsames Merkmal solcher Kooperationen ist die rechtliche und wirtschaftliche Selbständigkeit der Partner, ihre Bereitschaft, bei ökonomischen Aktivitäten zusammenzuarbeiten und die Aufgabe der Selbständigkeit für diese Aktivitäten, so dass sich eine gegenseitige Abhängigkeit ergibt.52 Durch das Kriterium F

der rechtlichen Selbständigkeit wird die Kooperation von der Akquisition und der Fusion abgegrenzt.53 Gleichzeitig kann auch eine Vielzahl von unterschiedlichen Begriffen zu F

Kooperationen in der Praxis beobachtet werden. Die Aussage von Firmen, es handele sich um eine Kooperation, Partnerschaft, Allianz, strategische Kooperation etc. hilft vielfach nicht weiter bei der Beurteilung des eigentlichen Inhalts der vereinbarten Zusammenarbeit. Die begriffliche Vielfalt kann einerseits zwar ein Spiegelbild der Diversifikation der interorganisationalen Zusammenarbeit darstellen54 , andererseits aber auch das Ergebnis einer „VerF

marktung“ des eigenen Unternehmens durch Pressemitteilungen sein.

51

Hammes (1994), S. 122. Vgl. Hungenberg (1998), S. 480; Aschoff (1966), S, Mellewigt (2003), S. 9f. Vgl. Hagedoorn/Schakenraad (1994), S. 296; Dussauge/Garrette (1995), S. 506. 54 Vgl. hierzu die 22 unterschiedlichen Begriffe zu Kooperationen bei Balling (1997), S. 12-13. 52 53

Begriffliche Abgrenzungen

13

Oft werden Kooperationen auch mit dem Begriff der strategischen Kooperation gleichgesetzt.55 Dies ist aber nur bedingt richtig, denn eine strategische Kooperation stellt F

lediglich eine spezifische Form einer Kooperation dar.56 Aber auch sie basiert auf einem F

Kooperationsvertrag und ist entsprechend Abbildung 1 zwischen Lizenzvereinbarungen und Joint Venture anzusiedeln. Gleichzeitig wird damit aber eine sprachliche Vereinfachung möglich. Als Zusammenführung der Definitionen in der Literatur und in Anlehnung an Rotering (1993) und Mellewigt (2003) soll unter einer strategischen Kooperation eine: bewusste, explizit vereinbarte, vertraglich geregelte, jederzeit kündbare Zusammenarbeit zwischen Unternehmen bei gemeinsamer Nutzung individueller Stärken zur Erzielung von langfristigen Wettbewerbsvorteilen verstanden werden.57 Die Kooperation grenzt sich daher von der Marktseite durch eine Mindestinterdependenz und auf der Hierarchieseite durch eine Mindestautonomie ab.58 Diese F

Begriffabgrenzung schließt damit zwar reine Kunden-Lieferantenbeziehungen wegen nicht vorhandener Interdependenz aus im Gegensatz zu z.B. Marketingvereinbarungen. Bei letztgenannten wäre auch die Erzielung von Wettbewerbsvorteilen wie auch eine Mindestinterdependenz enthalten.59 Das Argument der Erzielung von Wettbewerbsvorteilen wird dabei aus dem Inhalt der Kooperation abgeleitet, denn eine Kooperation dient dazu, Zugang zu den Ressourcen des Partners zu erlangen, sowie eine Verbindung zwischen den Ressourcen der Unternehmen über eine gemeinschaftliche Entwicklung herzustellen. Ferner sind die Investitionen der beiden Unternehmen in die zukünftige bzw. geplante gemeinschaftliche Aktivität charakteristisch.60 Eine Kooperation mit solch langfristiger und strategischer Wirkung stellen nun F&E-Kooperationen dar.61 Lizenzabkommen, KundenLieferantenbeziehungen oder auch Marketing-Kooperationen genügen diesen Ansprüchen nicht und werden daher in dieser Arbeit nicht betrachtet. Nur F&E-Kooperationen sind schließlich Gegenstand der hiesigen Untersuchung und sind unter den Begriff des Kooperationsvertrags aus Abbildung 1 zu subsumieren. Für solche F&E-Kooperationen kann die Bezeichnung der strategischen Kooperation verwendet werden, welcher teilweise auch mit 55

Vgl. Knyphausen-Aufseß/Schweizer (2003), S. 1118. Vgl. Narula/Duysters (2004), S. 201. Vgl. Knyphausen-Aufseß/Schweizer (2003), S. 1118; Narula/Duysters (2004), S. 201; Mellewigt (2003), S. 10; Rotering (1993), S. 13. 58 Vgl. Rotering (1993), S. 11. 59 Vgl. Ernst (2001a), S. 11. 60 Vgl. Gulati (1995b), S. 620f; Pisano (1989), S. 111; Park/Mezias/Song (2004), S. 8. 61 Vgl. Narula/Duysters (2004), S. 202. 56 57

14

Einleitung

dem Begriff der strategischen Allianz gleichgesetzt wird.62 Die beiden Begriffe werden daher F

im weiteren Verlauf der Arbeit synonym verwendet, teilweise auch unter Auslassung des Begriffs „strategisch“.

Als Forschungskooperation bzw. strategische Allianz wird hier eingestuft, wenn Grundlagenforschung oder eine gemeinschaftliche Forschung oder Entwicklung vereinbart wurden.63 Eine Vereinbarung wurde auch dann als F&E-Kooperation klassifiziert, wenn z.B. F

die Identifikation von sog. Targets angestrebt wurde. Dies wird in der frühen Phase der Produktentwicklung angestrebt; die Aktivitäten wären Teil des sog. „fuzzy-front-ends“ und damit zu den Forschungskooperationen zu zählen. Bislang noch nicht angesprochen wurde die Abgrenzung zu Kooperationen bestehend aus einer Gruppe von mindestens drei oder mehr Unternehmen. Solche bei Rindfleisch (2000) auch als „Venture“ bezeichneten Vorhaben64 , werden hier nicht betrachtet. Eine Abgrenzung F

der Forschungsrichtung zu Joint Venture erscheint daher notwendig.

In den früheren Arbeiten zu Kooperationen standen wie bei z.B. Harrigan (1986), Beamish (1987), Kogut (1988), Koh/Venkatraman (1991), Merchant (1997) oder Luo (1997) Joint Venture im Vordergrund. Der Begriff der Kooperation war eng mit einem Joint Venture verbunden, teilweise sogar identisch.65 Mittlerweile setzt sich eine Differenzierung dieser F

beiden Begriffe durch, sodass eine Abgrenzung notwendig erscheint. Für ausführliche begriffliche Abgrenzungsmöglichkeiten und sehr umfassende Diskussion zu besonderen Eigenschaften von Kooperationen wird auf die Literatur verwiesen.66 Die bereits mehrfach F

ausgeführten Darstellungen sollen an dieser Stelle auf Basis der Ausführungen bei Höfer (1997) lediglich kurz wiederholt werden.

Der Begriff des Joint Venture kann mit „Beteiligungsunternehmen“, „gemeinsame Tochtergesellschaft“ oder „Gemeinschaftsunternehmen“ übersetzt werden. In diesem Sinn ist unter einem Joint Venture ein rechtlich selbständiges (und wirtschaftlich abhängiges) Gemeinschaftsunternehmen zu verstehen. 50:50 Eigentumsverhältnisse sind häufig der Fall.

62

Vgl. Hammes (1994), S. 29. Vgl. Hagedoorn/van Kranenburg/Osborn (2003), S. 72. Vgl. Rindfleisch (2000), S. 85f. 65 Vgl. Koza/Lewin (2000), S. 147; Hahn/Kaufmann (1994), S. 835. 66 Vgl. Höfer (1997), S. 3-51; Fleischer (1997), S. 10-20; Justus (1999), S. 21-50; Kleebach (1994), S. 12-29. 63 64

Begriffliche Abgrenzungen

15

Diese Form einer Unternehmensverbindung ist ferner durch eine gemeinsame Führung und gemeinsamen Risikoübernahme der beteiligten Partner gekennzeichnet. Ein Joint Venture kann schließlich auch eigene Interessen verfolgen. Ein Joint Venture unterscheidet sich hinsichtlich einer strategischen Allianz vor allem durch die institutionalisierte Form der Zusammenarbeit in dem Gemeinschaftsunternehmen und der gemeinsamen aktiven Führung. Beide Merkmale müssen bei einer strategischen Allianz aber nicht vorliegen. Ein Joint Venture unterscheidet sich weiterhin durch die Möglichkeit, eigenständige Interessen verfolgen zu können. Es ist schließlich auch möglich, dass ein Joint Venture lediglich zur Erreichung operativer Ziele vereinbart wurde und der strategische Aspekt in den Hintergrund tritt. Ein Joint Venture kann sich aber auch hinsichtlich des Kooperationstyps unterscheiden, denn sie bieten sich z.B. an, wenn es sich um Unternehmen aus unterschiedlichen Branchen handelt.

Aufgrund der Unterschiede werden die Ergebnisse zu Joint Venture hier im Regelfall nicht aufgegriffen, da sich die bei Das/Teng (2003) gezeigten Erfolgsfaktoren von Kooperationen größtenteils durch Eigenkapitalbeteiligungen beeinflussen lassen.67 Aspekte wie kongruente Ziele, die Verteilung der Kontrollrechte, Möglichkeiten der Konfliktlösung und die Schaffung von Vertrauen können durch die Eigenkapitalverhältnisse beeinflusst werden und wurden vielfach nur für JV analysiert und bestätigt. Da die Zustimmung – durch eben diese Eigenkapitalbeteiligung – der beteiligten Unternehmen bei JV aber wesentlich höher liegen sollte als bei strategischen Allianzen, sollte zu Beginn eines JV größere Klarheit über die zu erreichenden Ziele bestehen, Kontrollrechte größtenteils geklärt und ein Vertrauensvorsprung gegeben sein.68 Ein JV spiegelt n.h.A. daher eine separate Forschungsrichtung im Vergleich F

zu strategischen Allianzen wider. JV sind klar abgrenzbar von strategischen Allianzen, weshalb dieses Themengebiet nur in Einzelfällen im weiteren Verlauf aufgegriffen wird. Schließlich wird in der Literatur auch argumentiert, dass die zu Beginn einer Kooperation vorliegenden Charakteristika einen wesentlichen Einfluss auf den Erfolg ausüben.69 Die F

unterschiedlichen Charakteristika der Unternehmen könnten dann aber Treiber in der Formation von Kooperationen sein und unterschiedliche Motive zum Eingehen von Kooperationen begründen. 67

Vgl. auch Pisano (1989), S. 111-123, Dutta/Weiss (1997), S. 347; Hagedoorn/Sadowski (1999), S. 94; Luo (1997), S. 655; Zollo/Reuer/Singh (2002), S. 702. Vgl. auch die ausführlichere Diskussion bei Gulati (1995a), S. 88-90. 69 Vgl. Das/Teng (2003), S.285. 68

16

Einleitung

Ein wesentliches Motiv für die Vereinbarung einer Kooperation seitens eines Unternehmens kann der Mangel an Ressourcen und Kompetenzen bzw. das Vorhandensein ebensolcher beim Kooperationspartner sein. Diese Begriffe sind nicht nur wesentlich, um die unterschiedlichen Motive zu verstehen, sondern auch für den Erfolg einer Kooperation. Sie müssen daher für ein besseres Verständnis ebenfalls abgegrenzt werden.

Der Ressourcenansatz beruht auf der Grundannahme, dass Informationen, Wissen und Fähigkeiten zwischen den Wirtschaftssubjekten ungleich verteilt sind und basiert auf den Arbeiten von Selznick (1957) und Penrose (1959).70 Als Ressource definiert Wernerfelt (1984) 71: „By a resource is meant anything which could be thought of as a strength or weakness of a given firm. More formally, a firm’s resources at a given time could be defined as those (tangible and intangible) assets which are tied semipermanently to the firm.”

Als Ressource kann seiner Auffassung nach somit fast alles gelten, was in die Wertschöpfung von Unternehmen eingeht, denn eine Ressource kann grundlegend für Stärken wie auch Schwächen sein, Hauptsache sie ist mit dem Unternehmen verbunden. Eine solche Definition kommt einer ausreichenden Erläuterung und Abgrenzung aber nicht nahe. Freiling (2001) schreibt hier72: „Insofern muss das Ressourcenverständnis von Wernerfelt als völlig untauglich abgelehnt werden.“

Entsprechend den verschiedenen Vertretern des Ressourcenansatzes sind die verwendeten Begriffsabgrenzungen und Klassifizierungen von Ressourcen sehr vielfältig.73 Bei Bamberger/Wrona (1996) wird der Begriff der Ressource dabei ebenfalls sehr weit gefasst, so dass fast alle internen materiellen und immateriellen Güter, Systeme und Prozesse als interne

70

Vgl. Barney (1991), S. 105. Wernerfelt (1984), S. 172. Freiling (2001), S. 16. 73 Vgl. Übersicht bei Freiling (2001), S. 14. 71 72

Begriffliche Abgrenzungen

17

Ressourcen definiert werden können.74 Eine häufig verwendete Unterscheidung differenziert Ressourcen wie folgt75: x

tangible (materielle),

x

intangible (immaterielle),

x

finanzielle und

x

evtl. auch organisationelle Ressourcen.

Aber nicht alle Ressourcen einer Organisation führen in gleichem Maße zu Wettbewerbsvorteilen und Renditen. Porter (1991) argumentiert, dass noch nicht einmal eine Ressource an sich wertvoll ist, sondern sie vielmehr Unternehmen nur in die Lage versetzt, besondere Aktivitäten durchführen zu können. Geschäftsprozesse sind somit die Quelle der die Unternehmen unterscheidenden Wettbewerbsvorteile.76 Die Vertreter des RBV, allen voran Barney (1991) spezifizieren daher eine Gruppe an Zusatzmerkmalen, die für jene Ressourcen charakteristisch sind, welche einen besonders starken Einfluss ausüben.77 Solche Ressourcen müssen daher78: x

wertvoll bzw. werthaltig,

x

strategisch relevant,

x

begrenzt transferierbar bzw. begrenzt handelbar,

x

nicht oder kaum imitierbar,

x

nicht substituierbar sein und

x

den Zugang zu einem breiteren Spektrum an Märkten ermöglichen.

Es ist dann wie bei Barney (2001) von sog. strategischen Ressourcen die Rede, wobei der Aspekt der Nachhaltigkeit hier noch ausgeblendet wird. Es stellt sich dann aber die Frage, wie sich „normale“ Ressourcen von einfachsten Inputfaktoren für z.B. die Produktion unterscheiden, denn ein Inputgut dient zum Einsatz in Prozessen und zur Erstellung interner und externer Leistungen.79 Es erscheint daher viel sinnvoller, einer Inflation des Begriffs der Ressource entgegenzuwirken und nur solche Inputgüter als Ressource zu bezeichnen, die

74

Vgl. Bamberger/Wrona (1996), S. 132. Vgl. Übersicht bei Freiling (2001), S. 14. Vgl. Porter (1991), S. 108. 77 Vgl. Porter (1991), S. 108; Freiling (2001), S. 47. 78 Vgl. Combs/Ketchen Jr (1999), S. 869; Wolf (2003), S. 420-422; Wolf (2003), S. 420. 79 Vgl. Freiling (2001), S. 20. 75 76

18

Einleitung

Barney (2001) als strategische Ressource bezeichnet. Es wird daher der äußerst überzeugenden Argumentation bei Freiling (2001) gefolgt und eine Ressource wie bei Schneider (1997) definiert. Er versteht Ressourcen als80: "...in Märkten beschaffte Produktionsfaktoren, verändert bzw. veredelt durch Findigkeit und Können von Unternehmensleitungen, Mitarbeitern und externen Spezialisten zu unternehmenseigenen Merkmalen für Wettbewerbsfähigkeit. Während Produktionsfaktoren von allen Konkurrenten zu kaufen sind, verkörpern Ressourcen unternehmensspezifische materielle und vor allem immaterielle Wirtschaftsgüter. Deren hauptsächliche Eigenschaft sind ein erschwerter Erwerb durch Mitbewerber..."

Ray/Barney/Muhanna (2004) stellen klar, dass zwischen einer Ressource und der Umsetzung in Geschäftsprozesse zu unterscheiden ist.81 Dies wird in der Literatur unter dem Begriff der Kompetenz oder Fähigkeit zusammengefasst und basiert vornehmlich auf der Arbeit von Prahalad/Hamel (1990).82 Kompetenzen bzw. Fähigkeiten geben darüber Auskunft, ob die Unternehmung überhaupt in der Lage ist, erstens Ressourcen einer sinnvollen Nutzung zuzuführen und zweitens das vorhandene Wirkungspotential auszuschöpfen.83 Kompetenzen referenzieren dabei nach Auffassung von Markides/Williamson (1996) auf die Fähigkeiten der Mitarbeiter und die Ressourcen zu den entsprechenden „assets“. Mangelt es einer Unternehmung an Kompetenzen, so bleiben dann auch vorhandene ressourcenbedingte Wettbewerbsvorteile ungenutzt.84 Zur Konkretisierung, worin Fähigkeiten zum Ausdruck gelangen, ist auf die „capability“Definition von Sanchez/Heene (1996) zu verweisen. Die Autoren verstehen Kompetenzen als wiederholbare Handlungssequenzen bei der Nutzung von Inputgütern.85 Damit wird deutlich, dass die Nutzung von Inputgütern nicht das Ergebnis von Zufällen ist. Vielmehr gewährleistet das im Zeitablauf hinzugewonnene Wissen der Mitarbeiter über die Inputkombination die angestrebte Wiederholbarkeit derartiger Abläufe.86

80

Schneider (1997), S. 60f. Vgl. Ray/Barney/Muhanna (2004), S. 26. Vgl. Freiling (2001), S. 24. 83 Vgl. Lambe/Spekman/Hunt (2002), S. 142f. 84 Vgl. Freiling (2001), S. 23. 85 Vgl. Sanchez/Heene (1996), S. 6-8; Freiling (2001), S. 23-25. 86 Vgl. Freiling (2001), S. 25. 81 82

Begriffliche Abgrenzungen

19

Neben den bereits genannten Begriffen der Ressource und der Kompetenz/Fähigkeit werden in der Literatur noch zahlreiche andere Begriffe verwendet wie „core competencies”, „core capabilities“, „dynamic capabilities” oder „strategic resources“.87 Jeder Begriff soll dabei angeblich einen besonderen Aspekt der Nutzung der Ressourcen in den Vordergrund stellen.88 Für diese Arbeit ist noch das Verständnis von sog. „core capabilities“ und sog. „dynamic capabilities“ notwendig. Unter dem Begriff der „core capabilities“ ist wie bei Leonard-Barton (1992) zu verstehen89: „… a set of differentiated skills, complementary assets, and routines that provide the basis for a firm’s competitive capacities and sustainable advantage in a particular business.”

Die Kernkompetenz unterscheidet sich damit von einer “einfachen” Kompetenz über die Generierung von langfristigen Wettbewerbsvorteilen oder wie bei Leonard-Barton (1992) über die Generierung strategischer Differenzierungsmerkmale auf Basis der in einem Unternehmen vorhandenen Ressourcen.90

Die Literatur zu „dynamic capabilities“ betont die Bedeutung eines Wechsels innerhalb der Fähigkeiten, welche die vorhandenen Ressourcen unterstützen.91 Dabei steht eine Weiterentwicklung im Gegensatz zu einer Erforschung von firmenspezifischen Ressourcen im Vordergrund.92 Unter „dynamic capabilities“ ist schließlich wie bei Teece/Pisano/Shuen (1997) zu verstehen93: „… the firm's ability to integrate, build, and reconfigure internal and external competences to address rapidly changing environments. Dynamic capabilities thus reflect an organization's ability to achieve new and innovative forms of competitive advantage given path dependencies and market positions.”

Einen zentralen Faktor des „dynamic capabilities“-Ansatzes stellt dabei die Akquisition von neuen Fähigkeiten durch das sog. „organizational learning“ dar. Schließlich wird Wissen als

87

Vgl. Combs/Ketchen Jr (1999), S. 869. Vgl. Simonin (1997), S. 1151; Wolf (2003), S. 423. Leonard-Barton (1992), S. 112. 90 Vgl. Leonard-Barton (1992), S. 111; Freiling (2001), S. 27. 91 Vgl. Teece/Pisano/Shuen (1997), S. 509; Teece/Pisano (1994), S. 537. 92 Vgl. Mowery/Oxley/Silverman (1996), S. 77. 93 Teece/Pisano/Shuen (1997), S. 515. 88 89

20

Einleitung

ein Schlüsselelement zur Generierung von Wettbewerbsvorteilen angesehen. Dieser „knowledge-based“-Ansatz betont gleichzeitig die Fähigkeit eines Unternehmens, tazites Wissen zu integrieren.94

Eine saubere Differenzierung der unterschiedlichen Ansätze und Begriffe wird in der Literatur aber nicht immer als notwendig erachtet oder vollzogen95; teilweise werden vorsätzlich einfach nur neue Begriffe verwendet wie bei Henderson/Cockburn (1994)96: „Under ‘component competence’ we mean to include what others have called ‘resources’… by using the term ‘architectural competence’ we mean to include what others have called ‘capabilities’.” So schreibt Freiling (2001) nach gründlicher Aufarbeitung der Begriffe des RBVs97: „Man kann ohne jede Übertreibung feststellen, dass sich die Terminologie auch zum gegenwärtigen Zeitpunkt als völlig uneinheitlich erweist sowie inhaltlich zum Teil nichtssagend, zum Teil unscharf gefasst ist.“

Eine weitere Abgrenzung als oben beschrieben soll daher an dieser Stelle nicht erfolgen. Für den weiteren Verlauf der Arbeit scheint eine schärfere Trennung auch wenig hilfreich, da z.B. technologische Kompetenzen approximiert über Patente gleichzeitig Fähigkeiten wie auch Ressourcen darstellen können, auch wenn sich z.B. Erfahrungsaspekte evtl. stärker auf Kompetenzen denn auf Ressourcen beziehen Die gemachten Erfahrungen könnten dann wiederum in Ressourcen einfließen. Eine Trennung wäre somit formal wie inhaltlich schwierig und würde sich nur in die Vielzahl an Definitionen und Abgrenzungen in der Literatur einreihen, ohne dabei diese Differenzierung widerzuspiegeln.

94

Vgl. Mowery/Oxley/Silverman (1996), S. 77. Vgl. Ray/Barney/Muhanna (2004), S. 24. Henderson/Cockburn (1994), S. 65. 97 Freiling (2001), S. 13. 95 96

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

1.4

21

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

Die hier angestrebte Untersuchung wird, wie schon gesagt, am Beispiel der Biopharmazie durchgeführt. Diese Branche wurde deshalb für dieses Projekt gewählt, weil Forschungskooperationen zwischen etablierten Unternehmen und Start-ups weit verbreitet sind. Die außerhalb der etablierten Unternehmen entstandene und sich schnell entwickelnde Technologie, die stetig wachsenden Ausgaben für Forschung und Entwicklung und die Risiken und Unsicherheiten innerhalb dieser Branche haben im Laufe der Zeit zu einer Vielzahl an Kooperationen zwischen den Biotechnologieunternehmen, den Unternehmen der pharmazeutischen Industrie und den Universitäten geführt98 , weshalb eine großzahlige F

Untersuchung des Kooperationserfolgs möglich ist. Diese Branche weist aber gewisse Spezifika auf, weshalb hier eine kurze Darstellung erfolgt.

Der Begriff der Biotechnologie beschreibt eine Industrie, welche sich aus Unternehmen der Biotechnologie wie Amgen, Chiron oder Imclone Systems sowie der pharmazeutischen Industrie wie Pfizer oder Merck zusammensetzt. Diese Unternehmen bedienen sich dabei der als Biotechnologie bezeichneten Technologie. In dieser Arbeit wird unter dem Begriff der Biotechnologie eine Technologie verstanden, welche sich auf den Einsatz bzw. die Nutzung lebender Organismen oder ihrer Bestandteile zur Herstellung, Modifikation oder zum Abbau von Substanzen, für Dienstleistungen (z.B Diagnostik oder Analytik) oder zum Verändern von Organismen bezieht.99 Diese mittlerweile als neue Biotechnologie bezeichnete F

Technologie erlangte ihre Bedeutung durch die in 1973 durch das Forscherteam um Cohen und Boyer gefundene Möglichkeit, einzelne DNA-Abschnitte zwischen Zellen zu transferieren.100 In 1975 entwickelten Milstein und Kohler dann die Technik der Zellfusion, F

welche die Produktion von hochreinen Proteinen, sog. monoklonaler Antikörper ermöglichte.101 Diese Durchbrüche führten zu einer vollkommen neuartigen Vorgehensweise in der F

Entwicklung von Medikamenten, welche die Branchenstruktur der pharmazeutischen Industrie wesentlich verändert hat.102 „Biotech provided to be, in Schumpeterian terms, a competence-destroying innovation because it built on a new science base (molecular biology and 98

Vgl. Deeds/Hill (1998), S. 150. Vgl. OECD (1989), S. 4; BPI (2002), S. 18; Hinze et al. (2001), S. 8. Vgl. Rothaermel (2001), S. 1240; Arora/Gambardella (1990), S. 363. 101 Vgl. Rothaermel (2001), S. 1240; Arora/Gambardella (1990), S. 363; Pisano (1991), S. 239. 102 Vgl. Abernathy/Clark (1985), S. 7. 99

100

22

Einleitung immunology) that differed significantly from the knowledge base (organic chemistry and its clinical applications) of the mature pharmaceutical industry.“

1980 markiert dann das Jahr, ab dem es wegen unterschiedlicher Ereignisse zu ersten Kooperationen in der Biotechnologie gekommen ist. Zum ersten entschied der US Supreme Court, dass neue Lebensformen patentfähig sind. Zum zweiten wurde US Universitäten mit dem Patent and Trademark Act die Möglichkeit gegeben, mit öffentlichen Forschungsgeldern erlangte Erfindungen als Patent anzumelden und drittens konnte Genentech am Aktienmarkt als erstes Unternehmen mit der Basis Biotechnologie erfolgreich platziert werden.103 Die Rolle F

der Biotechnologie hat sich im Laufe der Zeit für die pharmazeutische Industrie von einer Nischentechnologie

zur

Produktion

einiger

weniger

Biopharmazeutika

zu

einer

Schlüsseltechnologie gewandelt, die für den gesamten Innovationsprozess in dieser Branche essentiell ist.104 Eine große Unsicherheit besteht weiterhin in der Weiterentwicklung der F

Technologie sowie in ihrer Anwendung auf bestehende Substanzen hinsichtlich der Entwicklung sicherer und effektiver Medikamente mittels Genen oder lebenden Organismen.105

Die Branche der Biopharmazie zeichnet sich durch eine hohe Bedeutung von Kooperationen aus, da die Integration der neuen Technologie durch die Pharmaunternehmen nicht von Anfang an erfolgte.106 Sie ist mittlerweile die Branche mit der größten Bedeutung für F

Kooperationen. Abbildung 2 zeigt die Zunahme an Kooperationen in der Biotechnologie seit 1990. Es ist zu erkennen, dass Kooperationen zwischen zwei Pharmaunternehmen relativ selten auftreten. Die Anzahl an Kooperationen zwischen Pharmaunternehmen und Biotech Start-ups lag ziemlich konstant bei ca. 460 Allianzen seit Ende der 90er Jahre bis Anfang des 21. Jahrhunderts. Eine leicht rückläufige Tendenz scheint sich abzuzeichnen. Gleichzeitig nimmt die Zahl der Kooperationen zwischen zwei Unternehmen der Biotechnologie weiter zu und lag Ende des Jahres 2001 bei ca. 900 pro Jahr. Diese sind für ca. die Hälfte aller Kooperationen

verantwortlich.

Auch

die

Anzahl

der

Kooperationen

der

Biotechnologieunternehmen mit Universitäten nahm in der Vergangenheit zu. Es wird ersichtlich, dass sich ein Teil der ehemaligen Start-ups etabliert hat und nun selbst als 103

Vgl. Stuart/Hoang/Hybels (1999), S. 323. Vgl. Menrad et al. (1999), S. 2. Vgl. Staropli (1998), S. 15. 106 Vgl. Pisano (1991), S. 240; Galambos/Sturchio (1998), S. 276f. 104 105

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

23

gleichrangiger oder sogar als der mächtigere Partner Kooperationen eingeht. Allerdings ist zu berücksichtigen, dass die absolute Anzahl an Biotechnologieunternehmen die Anzahl an forschenden Pharmaunternehmen um ein Mehrfaches übersteigt. Es gilt ferner zu berücksichtigen, dass in Abbildung 2 nicht zwischen reinen Marketing-, Lizenz-, Produktions-, Dienstleistungs- und Forschungskooperationenverträgen differenziert wird.107

F

Forschungskooperationen mit dem Ziel der gemeinsamen Produktentwicklung stellen nur eine kleine Untergruppe dar. Diese F&E-Allianzen sind seitens der Pharmaunternehmen in den Produktentwicklungsprozess zu integrieren. Dieser Prozess zeichnet sich durch ein hohes technisches Risiko aus.

2000 1800 1600

Number

1400 1200 1000 800 600 400 200 1990

1992

Drug/drug

1994 Drug/bio

1996 Bio/bio

1998 Uni/bio

2000

2002

Uni/drug

Abbildung 2: Anzahl Kooperationen i.w.S. in der Biopharmazie; 2002 unvollständig108

In Tabelle 1 sind die einzelnen Phasen des Produktentwicklungsprozesses bei den Pharmaunternehmen aufgeführt. Der Prozess beginnt mit der Identifizierung möglicher Angriffspunkte für chemische Verbindungen. Vor den ersten Tests an 20-30 gesunden Menschen erfolgt die Ableitung eines Tiermodells mit entsprechenden Tests. Diese Ergebnisse werden dann durch die Behörde FDA überprüft und eine Genehmigung für erste Tests 107

Dieser Aspekt dürfte wesentlich für die Erklärung der veröffentlichten, teilweise aber stark unterschiedlichen Zahlen wie z.B. bei Rothaermel (2001), S. 1240 oder Windhover Information (2002), S. 1 sein. 108 Rasmussen (2003), S. 5 auf Basis von ReCap.

24

Einleitung

am Menschen erteilt. Im weiteren Verlauf wird die Patientenzahl schrittweise erhöht und eine Marktzulassung bei derselben Behörde beantragt. Die Gesamtdauer dieses Prozesses variiert stark, ebenso wie die Kosten. Diese sind stark durch die hohe Anzahl an Fehlschlägen geprägt. Von den teilweise sogar mehr als 100.000 getesteten potenziellen Wirkstoffen bekommen schließlich nur 20 eine Marktzulassung. Die Haupttreiber für diese hohen Kosten sind die frühe Phase der Produktentwicklung und die dritte Phase der klinischen Prüfung. Marktseitig besteht im Vergleich zu anderen Branchen eher ein geringes Risiko, da die Anzahl an Patienten vorab recht gut approximiert werden kann und das Umsatzpotenzial wesentlich durch die technischen Möglichkeiten des Produkts und durch die zu vermeidenden Nebenwirkung geprägt wird. Allerdings scheinen die Patienten eine geringe Wechselbereitschaft zwischen den Medikamenten mitzubringen, weshalb die Forderung des „first to market“ einen wichtigen Aspekt darstellt.

Tabelle 1: Produktentwicklungsprozess der pharmazeutischen Industrie mit109 : 1) Investigational New Drug, 2) New Drug Application, BLA: Biologic Licensing Approval F

109

Vgl. Kaufmann/Ridder (2003), S. 448f; Fildes (1990), S. 65; Hinze et al. (2001), S. 41-43; Rothaermel (2001), S. 1240; BTech Investor (2002), S. 14; Rothaermel/Deeds (2004), S. 208; McCutchen/Swamidass (1996), S. 289; DiMasi/Hansen/Grabowski (2003), S. 151.

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

25

Die sehr hohe Bedeutung von Patenten in der Biopharmazie entsteht durch die wirtschaftliche Schutzwirkung eines erteilten Patents für den Umsatz mit einem einzelnen Medikament. Schätzungen zufolge sind bis zum Jahr 2010 insgesamt max. US$200 Mrd. Umsatz der etablierten Pharmaunternehmen durch auslaufenden Patentschutz gefährdet.110 Im Vergleich dazu beläuft sich der jährliche Umsatz der Pharmaunternehmen im Jahr 2000 auf knapp über US$300 Mrd. weltweit.111 Das Beispiel zu dem Medikament Prozac von Eli Lilly soll die F

extremen Auswirkungen auf den Umsatz eines Medikaments nach Ablauf des Patentschutzes verdeutlichen112: Innerhalb eines Jahres nach Ablauf des Patentschutzes wurde der Wirkstoff von mehr als 10 Unternehmen zu 20% des ursprünglichen Preises angeboten. Der Umsatz mit Prozac fiel bei Eli Lilly von US$1,3 Mrd. im ersten Halbjahr 2001 auf US$380 Mio. im ersten Halbjahr 2002 nach Auslaufen des Patentschutzes. Es ist daher im Allgemeinen davon auszugehen, dass ein Arzneimittel 50-85% des Umsatzes nach Ablauf des Patentschutzes im darauf folgenden Jahr verliert.113 So wird z.B. damit gerechnet, dass bei Merck Inc. (USA), Bristol-Myers-Squibb und Pfizer durch auslaufenden Patentschutz für 25 Produkte mit einem Umsatz von zz. US$18 Mrd. ein Umsatzrückgang auf US$3,6 Mrd. durch den Markteintritt von Generika-Herstellern erfolgen wird.114 In 2004 verloren die Pharmaunternehmen in Summe ca. €720 Mio. und in 2005 voraussichtlich €817 Mio. durch auslaufenden Patentschutz. Die Unternehmen sind hiervon aber unterschiedlich stark betroffen, wie Tabelle 2 zeigt. Dementsprechend ist die Neigung Patente anzumelden, in der pharmazeutischen Industrie im Vergleich zu anderen Industrien sehr hoch.115 Eine ähnlich hohe Bedeutung von Patenten ergibt sich auch für die kleinen Start-ups der Biotechnologie.116 Kennzeichnend für diese Unternehmen sind ihre hohe Forschungskompetenz und die von ihnen entwickelten Technologien. Ihre Forschungsergebnisse stellen die einzigen Assets dar, die ein Biotechnologieunternehmen generieren und somit für die Erzielung von Umsätzen verwenden könnte117, denn Patente spiegeln die Leistung der

110

Vgl. Fleming/Ma (2002), S. 751 unter der Annahme, dass es keine gesetzlichen Änderungen gibt. Vgl. Fleming/Ma (2002), S. 751. Vgl. Fleming/Ma (2002), S. 751. 113 Vgl. Simon (2001), S. 2. 114 Vgl. Simon (2001), S. 2. 115 Vgl. Cardinal/Hatfield (2000), S. 249f. 116 Vgl. Kaufmann/Ridder (2003), S. 292-294. 117 Vgl. Sorensen/Stuart (2000), S. 90. 111 112

26

Einleitung

Wissensproduktionsfunktion der Start-ups wider.118 Durch die schlechtere finanzielle Ressourcenausstattung sind sie allerdings zurückhaltender in der Anmeldung von Patenten.119

F

Firma Land Anteil [%] Amgen USA 69 Sanofi-Aventis Frankreich 57 Schering-Plough USA 55 Bayer Deutschland 41 Pfizer USA 39 Bristol Myers USA 33 Takeda Japan 32 Merck & Co. USA 31 Glaxo Großbritannien 28 Wyeth USA 22 Novartis Schweiz 19 Roche Schweiz 16 Eli Lilly USA 15 Astra Zeneca Großbritannien 13 Abbott USA 12 Boehringer Ingelheim Deutschland 11 Johnson & Johnson USA 10 Novo Nordisk Schweden 5 Schering Deutschland 4 Tabelle 2: Geschätzter Anteil der durch Generika bedrohten Umsätze in 2006120

Eine patentierte Erfindung weist schließlich aufgrund ihres Ausschlussrechts einen höheren Wert auf und beinhaltet gleichzeitig eine Art Qualitätsindikator einer Erfindung. Diese Patente können entweder lizensiert oder in eine Kooperation eingebracht werden. Bei einer Allianz würde bei den hohen Entwicklungskosten eine Finanzierung durch das Pharmaunternehmen bereitgestellt werden müssen und eine klassische Kooperation begründen.121 Abbildung 3 zeigt, dass die seitens eines Biotechnologieunternehmens erhaltenen Zahlungen mit der Abdeckung mehrerer Wertschöpfungsstufen steigt und somit einen Anreiz darstellt, Wirkstoffkandidaten intern so weit wie möglich zu entwickeln. Im Regelfall ist ein Unternehmen der Biotechnologie aber nicht in der Lage, eine eigene Entwicklung vollständig zu finanzieren. Deshalb ist entweder ausreichend Kapital von Risikokapitalgebern, privaten Geldgebern, der Börse zu akquirieren, oder es sind ausreichend hohe Kredite zu beantragen.122

F

118

Vgl. Zucker/Darby/Armstrong (2002), S. 147. Vgl. Thumm (2001), S. 268. Seidlitz (2005), S. 13. 121 Vgl. Tabelle 1. 122 Vgl. Pisano (1991), S. 240. 119 120

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

27

Die Prinzipal-Agenten-Theorie allgemein und die bei Pisano (1997) angesprochene „lemons“Hypothese könnten hier somit durchaus ebenfalls Einflüsse ausüben.123

120 96

100 82 US$ Mio.

80

81 75

72 57

60 46 40

33

62 62

58 49

46 34

25 20 0 < 94

94-95

96-98

99-02

> 02

Jahr Early Stage

Mid Stage

Phase II

Abbildung 3: Durchschnittliche Zahlungen in Kooperationen der Biopharmazie124

In der ursprünglichen Form einer Kooperationsbeziehung übernimmt das Unternehmen der Biotechnologie die Forschungsaufgaben bis hin zur klinischen Phase. Targetidentifizierung, Validierung sowie präklinische Studien werden durch das Biotechnologieunternehmen durchgeführt. Nach diesem Punkt führt das Pharmaunternehmen die Entwicklung des Wirkstoffkandidatens weiter, da die Durchführung und Organisation der klinischen Prüfung zu den Kernkompetenzen eines Pharmaunternehmens zählt.125 Es sind aber auch spätere Zeitpunkte für eine Vereinbarung einer Allianz möglich, sofern ein Unternehmen der Biotechnologie eine andere externe Finanzierung erhalten hat oder z.B. einen IPO durchführen und damit eine interne Finanzierung ermöglichen konnte. In einem solchen Fall wird eine Kooperation erst nach Ende der ersten klinischen Phase vereinbart. Entsprechend besser sind diese Start-ups bei den Verhandlungen mit dem Pharma-

123

Vgl. auch Witt (2004), S. 340 zur Problematik des Technologietransfers. ReCap (2003), S. 3. 125 Vgl. Pisano (1997), S. 127. 124

28

Einleitung

unternehmen gestellt, da nur noch ein wesentlich geringeres Ausfallrisiko für die Pharmaunternehmen zu erwarten ist.126

Im Rahmen einer solchen Gesamtkonstellation können nun unterschiedliche Bedingungen vorliegen, welche aus einer Vielzahl an Motiven zu einer Kooperation zwischen den beiden Partnern führen. Die Entscheidung eine Kooperation einzugehen, ist eine Variante einer klassischen „make or buy“-Entscheidung.127 Möchte ein Unternehmen Zugang zu einer speziellen Ressource, hat es die Wahl zwischen der Beschaffung am Markt, einem Zugang über eine zwischenbetriebliche Zusammenarbeit oder der Eigenentwicklung.128 Diese Entscheidung hat gleichzeitig eine langfristige Auswirkung auf die Überlebensfähigkeit des Unternehmens in einer neuen technologischen Umwelt.129 Die Entscheidung ist aber auch abhängig von der Frage, ob es sich um den Kernbereich oder um Randgebiete des Geschäftsfeldes des Unternehmens handelt. Nach der Studie von Hagedoorn/Duysters (2002) z.B. bevorzugen Unternehmen M&A-Aktivitäten als externe Quellen für Ihren Kernbereich und entsprechend strategische Allianzen für Randaktivitäten. Generell wird den strategischen Allianzen in Hochtechnologie-Branchen aber eine höhere Bedeutung im Vergleich zu M&AAktivitäten eingeräumt.130 Es zeigt sich, dass Unternehmen unterschiedliche Motive zur F

Bildung von Kooperationen haben, also abhängig von der jeweiligen Situation sind. Dieser Abschnitt

beschäftigt

sich

daher

sowohl

mit

allgemeinen

wie

mit

den

bio-

pharmaziespezifischen Gründen von Allianzen.

In der Literatur zu Kooperationen wird eine Vielzahl von Vorteilen durch die Bildung eben dieser genannt. Dies erfolgt teilweise ohne klare Struktur und auch nicht überschneidungsfrei. Allgemein können genannt werden131:

126

x

Zugang zu komplementären Fähigkeiten

x

Zugang zu tazitem Wissen

x

Zugang zu neuen Märkten und Technologien

Vgl. Tabelle 1. Vgl. Powell/Koput/Smith-Doerr (1996), S. 117; Veugelers (1997), S. 305. Vgl. Ahuja (2000a), S. 320. 129 Vgl. Pisano (1990), S. 153. 130 Vgl. Hagedoorn/Duysters (2002), S. 178. 131 Vgl. Stuart (2000), S. 792; Das/Teng (2003), S. 297; Hahn/Kaufmann (1994), S. 836; Koza/Lewin (2000), S. 147; Feldman (2000), S. 3; Martin (2000), S. 3; Powell/Koput/Smith-Doerr (1996), S. 118; Gulati (1995b), S. 619; Ahuja (2000a), S. 317; Hinze et al. (2001), S. 23; Rothaermel/Boeker (2002), S. 1. 127 128

Biopharmaspezifische Besonderheiten von F&E-Kooperationen x

Zugang zu Kapital

x

Kapazitätserweiterung

x

Technologiebeobachtung

x

Lernen vom Kooperationspartner

x

Aufbau neuer Kompetenzen

x

Steigern der Leistung

x

Steigerung der Fähigkeit Innovationen hervorzubringen

x

Ersetzen von fixen durch variable Kosten

x

Vermeidung von Doppelarbeit

x

Risikoteilung

x

Verbessern des Image Ansammeln von Marktmacht

x

Behinderung des Wettbewerbs

x

Legitimierung von Strategien

x

etc.

29

Bei der Analyse der Vorteile ist zu beachten, dass diese stark von den internen Gegebenheiten eines Unternehmens und dem entsprechenden Umfeld geprägt sind. Es ist davon auszugehen, dass jedes Unternehmen eine andere Kombination als optimal einstuft.

In der Literatur wurden bislang die folgenden Aspekte hinsichtlich der Wahrscheinlichkeit der Bildung einer Kooperation untersucht. Diese Untersuchungen beziehen sich auf:

132

x

Komplementaritäten kombiniert mit Ähnlichkeiten im Status und sozialem Kapital132,

x

die strategische und soziale Position des Unternehmens133,

x

das technische, wirtschaftliche und soziale Kapital des Unternehmens134,

x

die technische Kompetenz und dementsprechende Prestige des großen Partners135,

x

die vorhandenen Ressourcen und die Umwelt136,

x

die strategischen Wechselwirkungen137,

x

die sozialen Netzwerke138,

Vgl. Chung/Singh/Lee (2000), S. 1-22. Vgl. Eisenhardt/Schoonhoven (1996), S. 136-150. Vgl. Ahuja (2000b), S. 425-455. 135 Vgl. Stuart (1998), S. 668-698. 136 Vgl. Park/Chen/Gallagher (2002), S. 527-545. 137 Vgl. Oliver (1990), S. 241-265. 133 134

30

Einleitung x

den Grad an technologischer Überschneidung139,

x

die Partizipation in technischen Komitees140 und

x

die Ähnlichkeiten im Status141.

Eine

Strukturierung

dieser

empirischen

Befunde

könnte

entsprechend

den

bei

142

Brockhoff/Teichert (1995) genannten drei Dimensionen erfolgen : 1.) technische Dimension, 2.) wirtschaftliche Dimension und 3.) personenorientierte Dimension.

Aber auch diese Einteilung – ähnlich der Differenzierung der Risiken in Innovationsprozessen – erscheint für die Situation der Biopharmazie nicht ausreichend. Es fehlen z.B. umweltbezogene Gründe zur Bildung von Kooperationen. Rothaermel/Boeker (2002) greifen diesen Umweltaspekt auf und unterscheiden zwei Typen einer Mikro-Unternehmensumwelt; dies sind eine kooperative und eine von Konkurrenz geprägte Umwelt. Kooperative Umgebungen sind ihrer Auffassung nach dadurch gekennzeichnet, dass nur ein kleinerer Teil der Wertschöpfungskette von den Start-ups übernommen wird bzw. werden kann, weil z.B. ein hoher Finanzbedarf im Rahmen der Produktentwicklung besteht. Hingegen zeichnen sich von Konkurrenz geprägte Umgebungen durch Wettbewerb zwischen etablierten und neuen Unternehmen aus. Ein Teil der Wertschöpfungskette kann obsolet werden und die Markteintrittsbarrieren können durch geringeren Kapitalbedarf als niedrig eingestuft werden. Etablierte Unternehmen ziehen dementsprechend in kooperativen Umgebungen aus Kooperationen einen Vorteil, wenn sie in Forschung und damit in „absorptive capacity“ investieren. In von Konkurrenz geprägter Umwelt lieg die Bedeutung bei der finanziellen Stärke eines Unternehmens. Dieses ist dann in der Lage, über M&A-Aktivitäten Zugang zur neuen Technologie zu erhalten. Im Fall der Biopharmazie ist eine klare Trennung nicht möglich, obwohl auf Seite der Startups ein hoher Kapitalbedarf besteht und nur eine Stufe der Wertschöpfungskette teilweise auch nur begrenzt substituiert wird. Für viele kleine Start-ups ist eine kooperative Umwelt

138

Vgl. Gulati (1995b), S. 619-652. Vgl. Mowery/Oxley/Silverman (1998), S. 507-523. Vgl. Rosenkopf/Metiu/George (2001), S. 748-772. 141 Vgl. Podolny (1994), S. 458-483. 142 Vgl. Brockhoff/Teichert (1995), S. 111. 139 140

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

31

anzunehmen, da die etablierten Unternehmen der pharmazeutischen Industrie weiterhin die Vorteile in den sog. „downstream“-Wertschöpfungsstufen besitzen.143 Auf der anderen Seite F

aber gibt es bereits voll integrierte, d.h. die Wertschöpfungskette vollständig abdeckende Biotechnologieunternehmen, die zwischenzeitlich in Konkurrenz zu den etablierten Pharmaunternehmen stehen wie z.B. die Firma Genentech.144 Dieses Unternehmen ist seit F

Gründung in 1976 bis 2005 auf über 8.300 Mitarbeiter gewachsen und erzielt einen Umsatz i.H.v. US$ 3 Mrd. Genentech wie viele andere Start-ups auch hatte zum Zeitpunkt des Markteintritts einen wesentlichen relativen technologischen Vorteil, was schließlich zu einem entsprechend überlegenen Produkt führte. Mittlerweile wird aber die ursprüngliche Strategie mancher Biotechnologieunternehmen aufgegeben, ein voll integriertes pharmazeutisches Unternehmen zu werden.145 Stattdessen stehen wieder die eigentlichen Kernkompetenzen im F

Vordergrund, so dass letztlich von einer kooperativen Umgebung gesprochen werden kann.146

F

Tabelle 3 zeigt die unterschiedlichen Dimensionen zu allgemeinen Gründen für Allianzen auf Basis der Einteilung von Brockhoff/Teichert (1995). Es wurde die hier geltende branchenspezifische Bedeutung hinzugefügt, die aufzeigen soll, dass eine umfassende Motivlage seitens der beiden Unternehmen vorliegen kann.

Im Rahmen der Formation von Kooperationen wird in der Literatur erwartet, dass sich solche Unternehmen zusammenfinden, welche unterschiedliche Ressourcen und Kompetenzen einbringen.147 In einem solchen Fall ergibt sich eine gegenseitige Abhängigkeit148, welche F

Einfluss auf die Ausgestaltung des Kooperationsvertrags ausübt. Deswegen stehen unterschiedliche Aspekte zur Machtverteilung in manchen Studien im Vordergrund.

143

Vgl. Pisano (1991), S. 240 ; McCutchen/Swamidass (1998), S. 493. Vgl. Galambos/Sturchio (1998), S. 271. Vgl. Prevezer/Toker (1996), S. 127; Menrad et al. (1999), S. 17. 146 Vgl. Pisano (1990), S. 155. 147 Vgl. Brockhoff (1992), S. 514. 148 Vgl. Gulati (1995b), S. 621; Pisano (1997), S. 12. 144 145

32

Einleitung

Dimension

Grund

Erläuterung

Bedeutung für (wegen)

Technologisch

Komplementarität

Technologische Synergieeffekte durch Zugang zu komplementären Fähigkeiten Kurzfristige Erhöhung der Kapazitäten durch Zugang zu Ressourcen des Partners Zugang zu anderen Phasen der Wertschöpfungskette Übertragung von Wissen und Technologien des Partners

Bio (Krankheitsgebiet, klinische Prüfung, Markt), Pharma (neue Vorgehensweise) Bio (Produktion, klinische Prüfung) Pharma (Forscher, Wirkstoffkandidaten) Bio (Up-Scaling; klinische Prüfung) Pharma (Forschung) Bio (Know-how Transfer klinische Prüfung) Pharma (Know-how Transfer Technologie) Bio (frühe Phasen) Pharma (klinische Prüfung, Vermarktung) Pharma (neue Technologie)

Kapazitätserweiterung Kompetenzerweiterung Kompetenzverbesserung

Fokussierung

Konzentration der eigenen Aktivitäten auf die Kerntechnologie Überwachung Überwachung von neuen technologischen Möglichkeiten Sicherung Beschränkung von Zugang zu Pharma (Erfolgs versprechender neuen Technologien für Ansatz) Wettbewerb Reduzierung von Reduzierung technologischer Bio (geringe Substanz; Unsicherheiten Unsicherheiten Krankheitsgebiet) Reduzierung oder Teilung von Bio (Kostenübernahme Pharma) Wirtschaftlich Verringerung von Kosten F&E-Kosten Zeitersparnis Früherer Markeintritt Pharma (Patentlaufzeit) Reduzierung von Reduzierung von Bio („unmed needs“) Unsicherheiten Marktunsicherheiten Pharma (Pipeline) Flexibilisierung Ersetzen der fixen Kosten durch Pharma (hohe Technologiedynamik variable Kosten zu Beginn) Diversifizierung Marktzugang über neu Pharma (Kapitalmarkterwartung, angebotene Produkte; Wachstum) Ausweitung des Marktes für Produkte InternationaliMarkteintritt in fremde Märkte Bio (geringe Unternehmensgröße) sierung Durchsetzung Ansammeln von Marktmacht Bio (geringe Unternehmensgröße) RessourcenIm Unternehmen sind nicht alle Bio (Start-up) knappheit notwendigen Ressourcen Pharma (Lücke in der Pipeline) vorhanden Mittelfristige 3-5 jährige Vertragslaufzeit Bio (Finanzierung) Absicherung Behinderung des Aufkauf eines Unternehmens Pharma (Umsatzabsicherung) Wettbewerbers Tabelle 3: Gründe für die Bildung von Kooperationen und deren unterschiedliche Bedeutung in der Biopharmazie. Eine Erweiterung von Brockhoff/Teichert (1995).149

149

Vgl. für einzelne Aspekte Ahuja (2000b), S. 429; Ahuja (2000a), S. 320; Fichman/Levinthal (1991), S. 453; Hinze et al. (2001), S. 21; McCutchen/Swamidass (1996), S. 291; McCutchen/Swamidass (1998), S. 493-497; Menrad et al. (1999), S. 51; Mitchell/Singh (1996), S. 171; Momma/Sharp (1999), S. 268; Pisano (1991), S. 241; Powell/Koput/Smith-Doerr (1996), S. 124; Rotering (1990), S. 84; Rothaermel (2001), S. 1236; Shan/Walker/Kogut (1994), S. 388; Sorensen/Stuart (2000), S. 90; Staropli (1998), S. 17; Stuart (2000), S. 792; Stuart (1998), S. 674; Williamson (1985), S. 120-123.

Biopharmaspezifische Besonderheiten von F&E-Kooperationen Dimension

Grund

Erläuterung

Reputation

Legitimierung durch Kooperationspartner Erlernen zu kooperieren für folgende Projekte Gründung eines internationalen Netzwerkes in F&E für den Informationsaustausch Beobachtung des Partners und Erlernen seiner Vorgehensweisen Bildung einer Vertrauen schaffenden Atmosphäre Vom Unternehmen nicht beeinflussbare Entwicklungen

33

Bedeutung für (wegen)

Bio (Risikokapital, IPO, Kunden, öffentliche Gelder) Erlernen zu Pharma (Aufbau kooperieren Kooperationserfahrung) InformationsBio (Finanzierung) netzwerk Pharma (Technologiefrüherkennung) Erlernen neuer Bio (Klinische Prüfung) Personen Kompetenzen Pharma (neue Technologie) Bezogen VertrauensBio (Abhängigkeit) bildung Pharma (Prinzipal Agenten Theorie) Bio (IPO-Fenster) Unternehmens- Veränderungen Pharma (Kapitalmarkt, umwelt Gesetzgebung) bezogen Kooperation vs. Grad des Wettbewerbs zwischen Bio („downstream”-Aktivitäten, Wettbewerb den Partnern (gegenseitige Finanzierung) Abhängigkeit) Pharma (Pipeline) Tabelle 4: Gründe für die Bildung von Kooperationen und deren unterschiedliche Bedeutung in der Biopharmazie. Eine Erweiterung von Brockhoff/Teichert (1995).150 Netzwerk Bezogen

Eine Allianz basiert im Allgemeinen auf der gegenseitigen Abhängigkeit der beteiligten Partner. Ein Unternehmen wird eine Allianz nur dann eingehen, wenn der Partner zumindest über eine wesentliche, aber für das Unternehmen nicht verfügbare Ressource oder Kompetenz verfügt. Wäre ein Unternehmen in der Lage, die eigenen Ziele ohne einen Partner zu erreichen, würde es angesichts der mit einer Allianz verbundenen Probleme, Risiken, der Einschränkung der Autonomie etc. einen Alleingang vorziehen.151 Auch eine Übertragung des F

Projekts in die eigene Firma oder in einen neuen Partner erscheint als Alternative nicht optimal, da kein Zugang zu all dem taziten Wissen erlangt werden kann, welches während des F&E-Projekts realisiert wurde und erfahrene dritte Unternehmen später kaum verfügbar wären.152 Die Abhängigkeit von einem Kooperationspartner steigt so mit der Menge und F

einem Mangel an Substituierbarkeit der benötigten Ressourcen an, denn eine Kooperation stellt häufig die einzige Möglichkeit dar, Zugang zu spezifischen Ressourcen zu bekommen. Weiterhin werden Firmen mit unterschiedlichen Fähigkeiten aus unterschiedlichen

150

Vgl. für einzelne Aspekte Ahuja (2000b), S. 429; Ahuja (2000a), S. 320; Fichman/Levinthal (1991), S. 453; Hinze et al. (2001), S. 21; McCutchen/Swamidass (1996), S. 291; McCutchen/Swamidass (1998), S. 493-497; Menrad et al. (1999), S. 51; Mitchell/Singh (1996), S. 171; Momma/Sharp (1999), S. 268; Pisano (1991), S. 241; Powell/Koput/Smith-Doerr (1996), S. 124; Rotering (1990), S. 84; Rothaermel (2001), S. 1236; Shan/Walker/Kogut (1994), S. 388; Sorensen/Stuart (2000), S. 90; Staropli (1998), S. 17; Stuart (2000), S. 792; Stuart (1998), S. 674; Williamson (1985), S. 120-123. 151 Vgl. Harrigan (1986), S. 36; Halin (1995), S. 108. 152 Vgl. Pisano (1990), S. 158f; Pisano (1991), S. 247.

34

Einleitung

Marktsegmenten wahrscheinlich höhere gegenseitige Abhängigkeiten aufweisen als Firmen mit ähnlichen Fähigkeiten derselben Marktsegmente.153

Der Grad der Abhängigkeit der beiden Unternehmen bestimmt so gleichzeitig das Machtverhältnis zwischen den Partnern, denn die Verhandlungsmacht eines Partners ist um so größer, je mehr Ressourcen er besitzt, die er zur Verfügung stellen kann, und je weniger er auf diese Kooperation angewiesen ist.154 Die relative Verhandlungsmacht hängt von drei Faktoren F

155

ab, und zwar : 1. von den ursprünglichen Stärken und Schwächen der Partner, 2. von der Veränderung der Stärken und Schwächen mit der Zeit und 3. von der Wahrscheinlichkeit und dem Potenzial von Wettbewerbskonflikten.

Es wird deutlich, dass sich eine Allianz nur so lange im Gleichgewicht befindet, wie aus subjektiver Sicht der Beteiligten das Abhängigkeits- und Machtverhältnis ausgeglichen ist.156

F

Kommt es zu einem Ungleichgewicht, erlangt also ein Partner im Verhältnis zum anderen eine größere (Verhandlungs-)Macht, so kann dieses Übergewicht genutzt werden, um die Ausgestaltung der Allianz zu verändern.157 Es käme dann zu einer Änderung in der Verteilung F

der Kontrollrechte. Zu Beginn einer Allianz sollte das Machtverhältnis ausgeglichen sein und sich in der Ausgestaltung des Kooperationsvertrags widerspiegeln. Dieser sollte auch Maßnahmen gegen opportunistisches Verhalten enthalten und die Verfügungsrechte regeln.158

F

In einer für die Branche typischen Pressemitteilung von Neurogen wird die Verteilung der Verfügungsrechte verkürzt aufgezeigt159 : F

„BRANFORD, Conn., Dec. 20, 2001 // -- Neurogen Corp. (Nasdaq: NRGN), a

leading small molecule drug discovery and development company, and Aventis Pharma (NYSE: AVE), today jointly announced an exclusive worldwide collaboration to develop new drugs for treatment of depression, anxiety, and other stress-related disorders based on Neurogen's innovative portfolio of pre-clinical corticotrophin

153

Vgl. Gulati (1995b), S. 632. Vgl. Justus (1999), S. 152f. Vgl. Bleeke/Ernst (1995), S. 28. 156 Vgl. Littler/Leverick (1995), S. 64f; Justus (1999), S. 153. 157 Vgl. Justus (1999), S. 153. 158 Vgl. Brockhoff (1997), S. 365. 159 Neurogen (2001), S. 1. 154 155

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

35

releasing factor (CRF1) antagonist compounds. Aventis Pharma has licensed this entirely new class of compounds, including Neurogen's lead candidate NGD 98-2. Neurogen and Aventis have also entered into a three-year research collaboration designed to bring forward additional CRF1 candidates for a wider spectrum of disorders. Under the terms of the agreement, Neurogen will receive an initial payment of $10 million from Aventis and will also receive cash payments based upon the achievement of certain milestones in the drug research and development process. Also under the agreement, Aventis receives exclusive worldwide development, manufacturing, marketing and sales rights to collaborative compounds which come to market, and agrees to pay Neurogen royalties on these sales. Aventis will also assume the full responsibility for the development and commercialization of compounds emerging from this program. Although complete financial terms have not been disclosed, the total collaborative value makes it the largest collaboration in Neurogen's history.”

Das Machtverhältnis ist jedoch im Zeitverlauf der Allianz veränderlich und wird sich nach Auffassung von Bleeke/Ernst (1995) wahrscheinlich zu Gunsten des stärkeren Unternehmens verändern.160 Unterschiedlichste Gründe sind hier denkbar, da der Wert einer Ressource oder F

eines Bündels an Ressourcen in mehrdimensionaler Hinsicht beeinflussbar ist. Aber generell ist davon auszugehen, dass der Technologieanbieter am Anfang eine größere Verhandlungsmacht aufweist, und diese aber mit der Alterung der Technologie abnehmen wird. Distributionskanäle und Kunden werden dann in den Vordergrund treten.161 Letztlich wird F

aber die wirtschaftliche Fähigkeit der Partner für das Machtverhältnis bedeutsam sein.162 Dies F

wird auch durch die Ergebnisse von Lerner/Merges (1998) bestätigt. Die Autoren untersuchen die Verteilung der Kontrollrechte auf Basis von 200 Allianzen der Biopharmazie von 19801995. Sie zeigen, dass die Verteilung der Kontrollrechte von der wirtschaftlichen Situation der Unternehmen abhängig ist. Die Verteilung der Kontrollrechte ist für die jungen Biotechnologieunternehmen ein wichtiger Punkt in den Vertragsverhandlungen.163 Die fünf wichtigsten Rechte innerhalb einer Kooperation sind164:

160

Vgl. Bleeke/Ernst (1995), S. 36. Vgl. Bleeke/Ernst (1995), S. 29f. Vgl. Brockhoff (1997), S. 365; Feldman (2000), S. 7. 163 Vgl. Finch (2001), S. 226. 164 Vgl. Lerner/Merges (1998), S. 142-144. 161 162

36

Einleitung 1. Management der klinischen Prüfung 2. Kontrolle über die erstmalige Produktion 3. Kontrolle über die Produktion nach erfolgter Zulassung 4. Einräumen von Exklusivrechten für das forschende Unternehmen 5. Einräumen von Co-Marketing-Rechten für das forschende Unternehmen

Diese Rechte lassen erkennen, wie stark sich die Pharmaunternehmen durchsetzen können. Lediglich Nummer 4 und 5 stellen Kontrollrechte dar, die den Biotechnologieunternehmen zukommen. Die die Forschung finanzierenden Unternehmen, d.h. die Pharmaunternehmen erhalten weitere, sonstige Kontrollrechte, nämlich165 zu: 1. 93% das Recht, Projekte zurückzustellen, 2. 80% exklusive Vermarktungsrechte, 3. 76% Kaufrechte bzgl. börsennotierte Aktien, 4. 72% Teileigentum an Patenten, 5. 67% weltweites Vermarktungsrecht und 6. 63% Rechte zur Produktion des Produkts.

Die die Forschung nicht finanzierenden Unternehmen, d.h. die Biotechnologieunternehmen erhalten Rechte166 zu: 1. 94% Eigentum an der Kerntechnologie 2. 94% Projektmanagement 3. 92% Durchführung der Entwicklung 4. 90% Ausweitung der Kooperation 5. 88% Entscheidung über Projektabbruch

Somit wird ersichtlich, dass die Biotechnologieunternehmen auf das Eigentum an der Kerntechnologie setzten. Sie sind es schließlich auch, die eine Weiterentwicklung der Technologie ermöglichen können, um so in weiteren Allianzen weitere Gelder akquirieren zu können. Aber sie müssen auf viele Rechte mit Wirkung auf den Umsatz verzichten. Damit ist die branchenspezifische Einbindung dieser Arbeit dargelegt, und es wurden die vorherrschenden

165 166

Motive

zur

Vgl. Lerner/Merges (1998), S. 143. Vgl. Lerner/Merges (1998), S. 143.

Kooperationsbildung

unter

Berücksichtigung

der

Biopharmaspezifische Besonderheiten von F&E-Kooperationen

37

Verhandlungsposition aufgezeigt. Das allein sagt aber noch nichts über Erfolgsaussichten von Kooperationen oder über Erklärungen auf Basis empirischer Untersuchungen. Deshalb muss weiterhin nachgefragt werden, welche Ergebnisse bzw. Lösungen durch frühere empirische Forschungsarbeiten bereits gewonnen werden konnten.

Stand der empirischen Forschung

39

2 Stand der empirischen Forschung Ein wichtiger Punkt bei der Analyse der Erfolgswirkung von Kooperationen ist die Frage nach der Ebene der Erfolgswirkung. Es ist zwischen dem Erfolg der Allianz selbst, dem Erfolg für das die Kooperation eingehende Unternehmen incl. Netzwerkeffekten und die sich durch Kooperationen ergebenden Lerneffekte zu unterscheiden.167 Daraus lassen sich unterschiedliche Forschungsfragen ableiten168: 1. Welche Effekte haben Allianzen auf den Erfolg eines Unternehmens, welches in Kooperationen eingebunden ist? 2. Welche Kompetenzen sind relevant, um Lerneffekte aus Kooperationen heraus erzielen zu können? 3. Welche Effekte hat ein Portfolio von Allianzen auf den Erfolg eines Unternehmens? 4. Welche Effekte haben Ressourcen und Kompetenzen der beteiligten Unternehmen auf den Erfolg einer durchzuführenden Kooperation?

Im Folgenden werden die Ergebnisse der empirischen Studien entsprechend den angesprochenen Forschungsfragen betrachtet.169 Eine weitere Differenzierung als bei obigen Forschungsfragen erscheint aus Gründen der größeren Übersichtlichkeit notwendig, da unterschiedliche Dimensionen mit vielfältigen Vor- und Nachteilen in der Literatur zur Erfolgsbestimmung verwendet wurden. Hier sollen die Kriterien eines170: x

technischen,

x

wirtschaftlichen und

x

sozialen Erfolgs

zugrunde gelegt und um sich ergebende Lerneffekte erweitert werden. Eine solche Klassifizierung bietet sich an, da in dieser Arbeit der teilweise auch mehrdimensionale Erfolg einer Kooperation im Vordergrund steht und nicht die unterschiedlichen Erfolgsfaktoren für obige Forschungsfragen. Da der technische Erfolg i.d.R. einem wirtschaftlichen Erfolg vorausgeht, soll hier auch zuerst der technische Erfolg betrachtet werden. Studien dazu sind

167

Vgl. zu den ersten zwei Punkten Das/Teng (2003), S. 281. Vgl. Gulati/Zajac (2000), S. 367-370. Eine detaillierte tabellarische Darstellung der bisherigen Untersuchungen befindet sich im Anhang. An dieser Stelle werden die Studien entsprechend ihrer Relevanz und Diskussionswürdigkeit gewürdigt. 170 Vgl. u.a. Dussauge/Garrette (1995), S. 504; Das/Teng (2003), S. 280f. 168 169

40

Stand der empirischen Forschung

deshalb besonders wichtig, weil technische Aspekte des Erfolgsmaßes in der Neuproduktentwicklung in dieser Arbeit besonders berücksichtigt werden sollen. Es schließen sich die Betrachtungen zu einem wirtschaftlichen Erfolg an. Die Dimension des sozialen Erfolgs soll vor allem Punkte beinhalten, die keinen direkten Einfluss auf einen technischen Erfolg ausüben und sich auch nicht direkt im wirtschaftlichen Sinne zeigen (wie z.B. Reputationseffekte oder auch Konflikte). Tabelle 5 zeigt die in der Literatur verwendeten Maße zur Bestimmung eines Kooperationserfolgs. Dadurch wird deutlich, dass es sich vielfach lediglich um den Erfolg eines Unternehmens durch Kooperationen handelt und nicht um den Erfolg einer Kooperation selbst, welcher in dieser Arbeit aber im Vordergrund stehen soll. Im Anschluss an jedes Kapitel werden die berücksichtigten Studien im Detail in tabellarischer Form dargestellt.

Technischer Erfolg Wirtschaftlicher Erfolg x Anzahl x Überlebenswahrgenerierter

scheinlichkeit des

Patente

Unternehmens

x Qualität generierter Patente x Anzahl generierter Produkte

Sozialer Erfolg x Konflikte x Dauer der Allianz x Strategische

x Überrenditen am

Zielerreichung

Kapitalmarkt

x Zufriedenheit mit

x Umsatz und

Projektverlauf

Umsatzwachstum x (Gemeinsame) Profitabilität

Tabelle 5: In der Literatur verwendete Erfolgsmaße im Rahmen von Kooperationen171

171

Vgl. u.a. Dussauge/Garrette (1995), S. 504; Das/Teng (2003), S. 280f.

Lernerfolg x Kooperationserfahrung x Wissenstransfer

Einflüsse von Kooperationen auf den Unternehmenserfolg

2.1

41

Einflüsse von Kooperationen auf den Unternehmenserfolg

Übergreifend geht es zunächst darum, in welcher Weise bei den beteiligten Unternehmen bestimmte Erfolge durch Kooperationen eintreten, und zwar getrennt nach den angesprochenen Erfolgsdimensionen.

2.1.1 Technischer Unternehmenserfolg In der Studie von Shan/Walker/Kogut (1994) wird untersucht, wie Kooperationsvereinbarungen von Biotechnologieunternehmen mit großen Firmen entstehen und sich auf die Forschungsleistung der jungen Unternehmen auswirken.172 Sie untersuchen 85 Start-ups der Biotechnologie und zeigen, dass die Anzahl an Kooperationen eines Unternehmens einen positiven Einfluss auf die mittels der Anzahl der generierten Patente gemessene Forschungsleistung des Start-ups hat. Eine große Kooperationserfahrung erbringt somit einen höheren Erfolg. Die in der Vergangenheit geleistete Forschung der Unternehmen der Biotechnologie führt dabei aber nicht zu einer größeren Zahl an Kooperationen. Die Anzahl der Kooperationen hängt laut Auffassung der Autoren dieser Studie vielmehr von der Verfügbarkeit von Risikokapital ab, denn Biotechnologieunternehmen, die eine Finanzierung oder öffentliche Forschungsgelder erhalten haben, werden als attraktivere Kooperationspartner angesehen. Als Fazit halten Shan/Walker/Kogut (1994) fest, dass die neu erzielten Patente durch die Kooperationen zu erklären sind und die Kooperationen nicht aufgrund von selbst entwickelten Innovationen zu Stande gekommen sind. Zu einem ähnlichen Ergebnis kommt auch Stuart (2000). Er beschäftigt sich in seiner Studie mit dem Aspekt der technischen Kompetenz der Kooperationspartner und dem Einfluss des Prestiges von Unternehmen auf die Innovationsrate und das Unternehmenswachstum des Kooperationspartners im Kontext horizontaler Allianzen.173 Er analysiert 1600 Allianzen von 150 Unternehmen der Halbleiterindustrie. Das wesentliche Ergebnis der Studie ist, dass der Innovationserfolg kleiner Unternehmen eine positive Korrelation mit den technischen Fähigkeiten des großen Kooperationspartners aufweist. Die technischen Kompetenzen des großen Partners in einer horizontalen Allianz führen also zu einem höheren Erfolg des

172 173

Vgl. Shan/Walker/Kogut (1994), S. 387-394. Vgl. Stuart (2000), S. 791-812.

42

Stand der empirischen Forschung

Partnerunternehmens.174 Diese Ergebnisse könnten bei kritischer Betrachtung allerdings einzuschränken sein, denn es ist wenig überraschend, dass größere Unternehmen eine größere Signalwirkung ausüben als kleinere Unternehmen und es deshalb zu einem größeren Unternehmenswachstum kommt. Diese Ergebnisse sind aber hinsichtlich des horizontalen Charakters der Allianz und der Branche zu verstehen.175 In einem engen Zusammenhang stehen die Befunde von Rothaermel (2001). Er analysiert die Anzahl von neuen biotechnologischen Produkten, die bis 1997 von etablierten Pharmaunternehmen in den Markt eingeführt wurden und stellt fest, dass die Anzahl von Forschungs- und Lizenzkooperationen mit Biotechnologieunternehmen einen signifikanten positiven Einfluss auf die Erfolgswahrscheinlichkeit der Markteinführung neuer Medikamente hat.176 Das Element der Kooperationserfahrung erhält durch diese Studie weitere Unterstützung. Allerdings weisen die anderen Faktoren wie Größe, Ursprungsland des Unternehmens, Anzahl Patente in 1997, Eigenkapitalbeteiligungen, das Alter der Kooperation (auch als „level of trust“ bezeichnet) und die Anzahl der Biotechnologiefelder des Pharmaunternehmens keine signifikanten Korrelationen zum Erfolg auf. Dies überrascht ein wenig, da andere Studien solche Einflüsse belegen. Zusätzlich bleibt entsprechend der eigenen Analyse festzuhalten, dass die im Modell von Rothaermel (2001) enthaltene Variable zu Lizenzvereinbarungen in dieser Branche keinen differenzierenden Faktor darstellt sollte, da solche Vereinbarungen in der Biopharmazie Teil von Kooperationsvereinbarungen sind. Es bleibt daher zu hinterfragen, ob die inhaltliche Zuordnung der Allianzen zutreffend und überschneidungsfrei gewesen ist; so wird z.B. die klinische Prüfung den marktorientierten Kooperationen

und

die

Produktion 177

Forschungskooperationen zugeordnet.

kleiner

Mengen

eines

Wirkstoffs

den

Dies ist n.h.A. zumindest fragwürdig, da laut Exper-

tenaussage die Herstellung an sich kein großes technisches Problem darstellt. Ferner würde man aus der Diskussion über Kernkompetenzen erwarten, dass die Unternehmen, die sich auf weniger Technologiefelder konzentrieren, signifikant höhere Erfolgschancen in den ausgewählten Gebieten erzielen können. Ein solcher Effekt könnte aber auch daher nicht in den Daten zu finden sein, da nicht zwischen eigenen, in einer Kooperation entwickelten oder lediglich einlizenzierten Medikamenten und deren Markteinführung differenziert wird, so

174

Vgl. Stuart (2000), S. 805. Vgl. Kap. 0 zum Unterschied zwischen horizontalen und vertikalen Kooperationen. Vgl. Rothaermel (2001), S. 1235-1251. 177 Vgl. Rothaermel (2001), S. 1241. 175 176

Einflüsse von Kooperationen auf den Unternehmenserfolg

43

dass ein kausaler Zusammenhang nicht zwangsläufig der Fall sein muss.178 Es bleibt festzuhalten, dass diese Studie wegen diverser Mängel keinen wesentlichen Beitrag zur Erklärung des Erfolgs leistet.

Wie in den Studien auf Unternehmensebene gezeigt wurde, ist ein positiver Zusammenhang zwischen der Kooperationserfahrung gemessen über die Anzahl an Kooperationen und einem technisch orientierten Erfolgsmaß anzunehmen. Mit der Einschränkung auf horizontale Kooperationen ist auch nachgewiesen worden, dass die technologische Kompetenz des etablierten Partners dem technischen Erfolg eines kleinen Unternehmens dienlich ist.

2.1.2

Wirtschaftlicher Unternehmenserfolg

Studien zur wirtschaftlichen Erfolgswirkung beschäftigen sich u.a. mit am Markt überlebenden Firmen. Die Fähigkeit zu überleben kann u.a. von der Kooperationstätigkeit der Unternehmen in der Vergangenheit beeinflusst sein. So wäre z.B. denkbar, dass Unternehmen über Kooperationen ihren eigenen technischen Standard durchsetzten können und den Wettbewerber vom Markt verdrängen. Ohne eine Kooperation wären die beteiligten Unternehmen vielleicht selbst vom Markt verschwunden. Aus den Überlegungen zu den Vorteilen von Kooperationen wird in einigen Studien daher ein Überleben am Markt als Erfolgsmaß verwendet. Im Sinne der Erfolgsfaktorenforschung stellt ein Überleben so etwas wie eine Mindestbedingung in wirtschaftlicher Hinsicht dar. Diese Literatur wird daher zu Beginn dieses Abschnitts vorgestellt.

Mitchell/Singh (1996) untersuchen die Überlebenswahrscheinlichkeit von Unternehmen hinsichtlich der Wahrscheinlichkeit einer Liquidation oder Veräußerung eines Geschäfts in Abhängigkeit von der Art der in der Vergangenheit eingegangenen Kooperationen (Entwicklungs- oder Marketingkooperation) unter Berücksichtigung plötzlich auftretender Umweltveränderungen.179 Sie kommen zu dem Ergebnis, dass die Wahrscheinlichkeit der Liquidation von Unternehmen mit Kooperationen geringer ist als ohne vorher eingegangene Kooperationen. Unternehmen, die Lizenzen vergeben haben, weisen eine höhere Liquidations-wahrscheinlichkeit auf. Bei plötzlich auftretenden Umweltveränderungen war

178 179

Vgl. Rothaermel (2001), S. 1241. Vgl. Mitchell/Singh (1996), S. 169-196.

44

Stand der empirischen Forschung

die Liquidationswahrscheinlichkeit für Firmen mit Entwicklungskooperationen positiv und bei Unternehmen mit Marketingkooperationen negativ. Ein weiteres Ergebnis ist, dass größere Unternehmen unabhängig von der Art der Kooperation ihre Vorteile bzgl. einer geringeren Wahrscheinlichkeit einer Liquidation verlieren, wenn Umweltveränderungen plötzlich auftreten. Schocks, die sich auf Kernbereiche beziehen, bewirken zusätzlich eine höhere Liquidationswahrscheinlichkeit bei Entwicklungskooperationen und eine geringe bei Marketingkooperationen. Aussagen bzgl. einer Veräußerung eines Unternehmens sind aufgrund

von

größtenteils

nicht

signifikanten

Ergebnissen

lediglich

für

Ent-

wicklungskooperationen zu treffen, wobei festzuhalten ist, dass Unternehmen mit Entwicklungskooperationen eine signifikant höhere Wahrscheinlichkeit einer Veräußerung aufweisen.

Ausgehend von den Erkenntnissen, dass Kooperationen zu einer höheren technischen Erfolgswahrscheinlichkeit und bei Vernachlässigung von externen Schocks auch zu einer höheren Überlebenswahrscheinlichkeit führen, hat man sich in der Literatur darüber hinaus mit der Frage beschäftigt, ob Kooperationen dabei helfen, den Unternehmenswert zu steigern. Die Ergebnisse von Park/Mezias/Song (2004) auf der Basis von 272 Allianzen von 69 Unternehmen im E-Commerce zeigen, dass Ankündigungen von Marketing- im Vergleich zu Technologie-Allianzen zu höheren sog. „abnormal stock returns“ führen, wobei erstgenannten eine stärkere Wirkung aufgrund der geringeren Bedeutung von F&E in dieser Branche zukommt.180 Anand/Khanna (2000) haben ebenfalls herausgefunden, dass ein hohes Maß an Kooperationserfahrung im Rahmen von Kooperationsankündigungen der etablierten Unternehmen zu signifikanten Überrenditen am Kapitalmarkt im Vergleich zu weniger erfahrenen Firmen führt. Unternehmen können somit über die Erfahrung aus einer Vielzahl an Kooperationen bei Ankündigungen kurzfristig den Unternehmenswert steigern.181 Chan et al. F

(1997) untersuchen die Bedeutung einer Bekanntgabe einer Kooperationsvereinbarung bei 345 Kooperationen von 460 Unternehmen, vornehmlich aus dem Bereich IT, hinsichtlich der Erzielung von Überrenditen am Kapitalmarkt. Sie können zeigen, dass der Unternehmenswert durch das Eingehen einer Kooperation steigt, wobei der Wert beider Unternehmen um fast den gleichen absoluten Betrag zunimmt.182 Es spielt dabei keine Rolle, ob es sich um F

180

Vgl. Park/Mezias/Song (2004), S. 7-27. Vgl. Anand/Khanna (2000), S. 303-308. 182 Vgl. Chan et al. (1997), S. 199-221. 181

Einflüsse von Kooperationen auf den Unternehmenserfolg

45

horizontale oder vertikale Partnerschaften handelt. Daneben können sie Hinweise finden, dass bei horizontalen Kooperationen Vereinbarungen bzgl. Technologietransfers positiver seitens des Kapitalmarktes eingeschätzt werden als Marketing-Vereinbarungen. Auch die Arbeit von Kale/Dyer/Singh (2002) zu 1572 Allianzen von 78 Unternehmen kann diesem Bereich zugeordnet werden. Sie weisen nach, dass die Ankündigung einer Kooperation bei Vorhandensein einer separaten Abteilung für das Management von Kooperationen kurzfristig zu Überrenditen am Kapitalmarkt („abnormal stock returns“) führt.183 Das Vorhandensein einer separaten Abteilung deutet ebenfalls darauf hin, dass eine F

Kooperationserfahrung notwendig erscheint, sollen doch in dieser Abteilung die Erfahrungen gebündelt werden und in zukünftigen Kooperationen zur Verfügung stehen.

Solche Ergebnisse bedeuten aber lediglich, dass der Kapitalmarkt der Auffassung ist, dass z.B. eine Kooperationserfahrung für Unternehmen oder entsprechende Abteilungen innerhalb eines Unternehmens für Partnerschaften gut sei. Auch unter Berücksichtigung der Annahme vollständiger Informationen bedeutet dies nicht, dass ein solcher Effekt auch eintreten muss, sondern lediglich, dass eine solche Wirkung erwartet wird. Es dürfte unstrittig sein, dass die Annahme vollständiger Informationen für den Aktienmarkt nicht zutreffend ist. Ob also ein solcher Lernerfolg im Management von Kooperationen eintritt, ist durch diese Studien noch nicht eindeutig geklärt. Da aber eine positive Wirkung auf die technische Dimension anzunehmen ist, scheint die positive Wirkung einer Kooperationserfahrung ausreichend abgesichert zu sein.

Die positive Einschätzung des Kapitalmarktes kann aber als ein kurzfristiges Erfolgsmaß dienen. Weitere Autoren untersuchen daher, ob Kooperationen schließlich auch zu einem langfristigen Wachstum des Unternehmens führen. Problematisch hierbei ist das zu erwartende

Wechselspiel

zwischen

internem

Wachstum

und

den

eingegangenen

Kooperationen, denn durch ein hohes internes Wachstum wird die Attraktivität des Unternehmens als Kooperationspartner erhöht und gleichzeitig könnten Kooperationen durch den Zugang zu Ressourcen etc. ein hohes internes Wachstum eines Unternehmens bewirken. Ein weiteres Ergebnis der Studie von Stuart (2000) ist, dass kleinere Unternehmen eine wesentlich höhere Wachstumsrate als die großen Unternehmen derselben Branche aufwiesen. Darüber hinaus wuchsen kleine Unternehmen mit großen Partnern prozentual stärker als 183

Vgl. Kale/Dyer/Singh (2002), S. 747-767.

46

Stand der empirischen Forschung

kleine Unternehmen ohne großen Partner. Die Größe und der Innovationsgrad der Großunternehmen (gemessen über Patente) sind dabei negativ mit dem Umsatzwachstum des kleinen Unternehmens korreliert, weshalb der Nutzen für kleine Unternehmen aus Kooperationen stärker sein soll als für die beteiligten etablierten Unternehmen.184 Allerdings F

sind hier die Interpretation und die Approximierung des Innovationsgrades mittels Patenten kritisch zu betrachten, da z.B. sog. Sperrpatente nicht als Produkte interpretiert werden können. Die Ergebnisse von Stuart (2000) hinsichtlich des Wachstums der kleinen Unternehmen werden aber durch eine weitere Studie unterstützt. Niosi (2003) stellte bei der Befragung von 60 kanadischen Unternehmen der Biotechnologie u.a. fest, dass die Frage, ob Allianzen durchgeführt werden oder nicht, bereits 50% des Unternehmenswachstums bei den kleinen Unternehmen erklärt.185 Die Annahme einer positiven Korrelation zwischen der Anzahl von Kooperationen und dem Unternehmenswachstum wird auch von den Ergebnissen der Studie von Dutta/Weiss (1997) unterstützt. Sie konnten für 120 produzierende Unternehmen der Elektroindustrie nachweisen, dass die „technological innovativeness“ (gemessen über die Anzahl erhaltener Zitate der eigenen Patente) zu einer höheren Anzahl an Lizenz- und Marketingverträgen im Vergleich zur Anzahl an Joint Venture Vereinbarungen führt.186 Dies sollte im Endeffekt einer Umsatzsteigerung gleichkommen, da ein geringerer F

Anteil des Umsatzes an ein anderes Unternehmen abzutreten ist.

Es scheint so, dass die vereinbarten Kooperationen zu einem Umsatzwachstum bei den Startups führen. In der Literatur wird suggeriert, dass dies Ausfluss der Kooperationen ist. Es bleibt einerseits eine unbeantwortete Frage, ob ein solches ökonomisches Wachstum nicht lediglich Ausfluss der zusätzlich zur Verfügung stehenden Assets oder der im Rahmen der Allianz zu erbringenden Dienstleistungen ist, denn schließlich hätten etablierte Unternehmen c.p. durch rein interne Aktivitäten den Umsatz ebenfalls steigern können. Offen bleibt ferner, wie es zu einer höheren Anzahl an Kooperationen kommt, denn Shan/Walker/Kogut (1994) argumentieren, dass Unternehmen der Biotechnologie erst dann als Kooperationspartner interessant werden, sofern sie vorab öffentliche Forschungsgelder akquirieren konnten und somit eine gewisse Bestätigung durch unabhängige Gutachter o.ä. im Rahmen der Prüfung der Vergabe der Forschungsgelder eingetreten ist.187 Es ist nämlich anzunehmen, dass diese 184

Vgl. Stuart (2000), S. 808-811. Vgl. Niosi (2003), S. 744. Vgl. Dutta/Weiss (1997), S. 353. 187 Vgl. Shan/Walker/Kogut (1994), S. 393. 185 186

Einflüsse von Kooperationen auf den Unternehmenserfolg

47

öffentlichen Forschungsgelder voraussichtlich erst durch die bei Dutta/Weiss (1997) angesprochene „technological innovativeness“ erlangt werden können.188 Wenn die Annahme zutrifft, dass die technologischen Fähigkeiten eine wesentliche Voraussetzung zur Zuteilung von öffentlichen Forschungsgeldern darstellen, dann steht die Argumentation von Shan/Walker/Kogut (1994) im Widerspruch zu Stuart (1998). Seine Befunde deuten nämlich darauf hin, dass die technologische Kompetenz auch Ausfluss der Kooperation selbst sein kann.189 Die Argumentation von Stuart (1998) wird aber durch Powell/Koput/Smith-Doerr (1996)

und Ahuja (2000b) unterstützt. Die Autoren argumentieren, dass Forschungs-

kooperationen die Bildung weiterer Kooperationen begründen, weil es durch die Kooperationen zu einer Verbesserung der Kompetenzen kommt. Je stärker dann ein Unternehmen in der Mitte eines Netzwerkes steht, desto stärker ist das entsprechende Unternehmenswachstum.190 Zusätzlich zu der positiven Wirkung der Kooperation auf die technologischen Fähigkeiten wäre also dann auch die zentrale Position in einem Netzwerk entscheidend für ein weiteres Umsatzwachstum bei Start-ups.191 Eine eindeutige kausale Kette kann somit leider nicht abgeleitet werden.

Ob Kooperationen auch bei Großunternehmen zu einem Wachstum hinsichtlich des Umsatzes o.ä. führen, bleibt in der Literatur unbeantwortet. Allerdings existieren Studien zur Profitabilität und zum Gewinn. Hagedoorn/Schakenraad (1994) versuchen in ihrer Studie zu 385 Unternehmen nachzuweisen, dass strategische Partnerschaften zu einem höheren Gewinn pro Anteilsschein der Unternehmen führen. Der Einfluss der Größe der untersuchten Unternehmen ist zwar stark positiv, aber ein allgemeiner Nachweis für strategische Allianzen gelingt nicht. Allerdings konnten sie zeigen, dass F&E-Kooperationen mit dem Gewinn der Unternehmen positiv korreliert sind.192 Dies könnte als ein erstes Anzeichen für einen F

positiven Zusammenhang von strategischen Partnerschaften mit dem Erfolg von etablierten Unternehmen hinsichtlich einer ökonomischen Dimension zu werten sein, sofern die höheren Gewinne nicht zu Lasten langfristiger Aktivitäten erzielt wurden durch z.B. eine Einschränkung interner Forschungsaktivitäten. Dazu machen die Autoren allerdings keine Aussage. Die eingeschränkten Ergebnisse dieser Studie könnten u.a. auch dadurch zu erklären

188

Vgl. Dutta/Weiss (1997), S. 353. Vgl. Stuart (2000), S. 805-807. Vgl. Powell/Koput/Smith-Doerr (1996), S. 133-138; Ahuja (2000b), S. 428-431. 191 Vgl. Powell/Koput/Smith-Doerr (1996), S. 133-138; Ahuja (2000b), S. 428-431. 192 Vgl. Hagedoorn/Schakenraad (1994), S. 300-308. 189 190

48

Stand der empirischen Forschung

sein, dass eine hohe Misserfolgsrate strategischer Allianzen ex post die Ergebnisse überlagert, so dass lediglich langfristig erfolgreiche Kooperationen einen positiven Einfluss auf den Erfolg des Unternehmens ausüben. Mit einem längerfristigen Erfolgsmaß befassen sich Chan et al. (1997). Ihnen gelingt nach eigener Aussage als weiteres Ergebnis auch ein Nachweis, dass Unternehmen mit Partnerschaften eine höhere Performance aufweisen als ihre Wettbewerber. Die Kennzahlen Return on Capital Employed, Return on Assets und der Cashflow dienen hier als Erfolgsmaß. Allerdings werden keine entsprechenden Zahlen oder Tabellen angeführt, weshalb die Ergebnisse nicht zu überprüfen sind. 193

F

Es bleibt schließlich festzuhalten, dass Kooperationen in mehrdimensionaler Hinsicht zu einem ökonomischen Erfolg führen können und dass dies wohl auch für unterschiedliche Branchen zu konstatieren ist. Die größere Erfolgswirkung ist dabei aber auf seiten der kleinen Firmen zu finden, wobei vermutet wird, dass dies vor allem durch die sonst nicht zur Verfügung stehenden Assets bedingt ist. Die Befunde für etablierte Unternehmen bleiben meistens hinter den Ansprüchen zurück, so dass hier ein langfristiger Erfolg (z.B. überproportionale dauerhafte Steigerung des Gewinns vs. kurzfristiger „abnormal stock returns“) noch nicht zweifelsfrei belegt ist. Die Ergebnisse von Kale/Dyer/Singh (2002) zeigen aber, dass die Erwartungen des Kapitalmarktes langfristig ein Indikator für einen an den Erwartungen gemessenen Erfolg von Kooperationen sind.194 In einer weiteren F

Veröffentlichung berichten Kale/Dyer/Singh (2001) von einer Übereinstimmung von der Einschätzung des Managements zwei Jahre später und den Kapitalmarkterwartungen i.H.v. 80 Prozent; nicht erfolgreiche Kooperationen wiesen aber nur in 62 Prozent der Fälle keine „abnormal stock returns“ auf.195 Am Kapitalmarkt werden somit die Erfolgsaussichten von F

Kooperationen grundsätzlich überschätzt, was die Ergebnisse zu „abnormal stock returns“ einschränkt. Da aber Kooperationen i.d.R. nicht nur mit einer Aufteilung des Risikos, sondern auch mit einer Aufteilung des Umsatzes oder Gewinns zwischen den Partnern einhergehen, kann eine langfristige Überlegenheit einer Allianz gegenüber einem internen Projekt nicht zweifelsfrei angenommen werden, da nicht unerhebliche zusätzliche Kosten durch Kooperationen entstehen und auch erst eine Kooperationserfahrung aufgebaut werden muss.

193

Vgl. Chan et al. (1997), S. 210-216. Vgl. Kale/Dyer/Singh (2002), S. 759. 195 Vgl. Kale/Dyer/Singh (2001), S. 468. 194

Einflüsse von Kooperationen auf den Unternehmenserfolg 2.1.3

49

Sozialer Unternehmenserfolg

Weitere Studien liegen hinsichtlich der (indirekten) sozialen Erfolgsdimension vor. Jedoch sollen in diesem Kapitel nur separate Aspekte der Vollständigkeit halber angesprochen werden, da sie nur teilweise für den Verlauf der Untersuchung relevant sind. Es handelt sich dabei um separate Ergebnisse zur Erklärung eines Erfolgs für Unternehmen durch Kooperationen, deren Einordnung in obiges Schema nicht ohne weiteres sinnvoll erscheint. Dies betrifft vor allem Studien zu Vertrauen und Konflikten oder einer Reputationssteigerung. Aspekte von sich erst längerfristig einstellenden Erfolgen durch kurzfristig erzielbare Lerneffekte aus Kooperationen werden in Kap. 2.1.4 separat aufgegriffen.

Die Studie von Zaheer/McEvily/Perrone (1998) auf Basis von 200 Fragebögen zur vertikalen Zusammenarbeit in der Elektroindustrie zeigt die Beziehung zwischen Vertrauen auf zwischenmenschlicher und zwischenbetrieblicher Ebene und die Auswirkungen auf den Erfolg. Sie können nachweisen, dass Vertrauen auf zwischenbetrieblicher Ebene direkte Auswirkungen auf niedrigere Verhandlungskosten und geringere Häufigkeit von Konflikten und in Verlängerung damit auch auf den Erfolg des Unternehmens hat. Die Ergebnisse auf zwischenmenschlicher Ebene sind hingegen nicht signifikant. Es besteht aber eine umgekehrt U-förmige Beziehung zwischen dem Vertrauen auf persönlicher Ebene und den Vertragsverhandlungskosten.196

F

Reputationseffekte werden auch unter dem Stichwort des „signallings“ angesprochen, denn für große wie für kleine Unternehmen kann die Vereinbarung einer Kooperation eine Signalwirkung z.B. für die Qualität der bisherigen Leistungen für Außenstehende ausüben. Dieser Effekt wird bei kleinen Unternehmen wesentlich stärker sein als bei etablierten Firmen. Diese Reputationseffekte werden daher Einfluss auf die Befunde der bereits angesprochenen Studien von Shan/Walker/Kogut (1994) und Stuart (2000) haben, sind aber noch nicht ausreichend untersucht.

2.1.4 Einflüsse von Lerneffekten In einem engen Zusammenhang zum Erfolg einer Kooperation stehen Lerneffekte aus Kooperationen. Dabei kann zwischen einem Lernerfolg innerhalb eines Unternehmens angestoßen durch eine oder mehrere Kooperationen, einem Wissenstransfer von und zu einem 196

Vgl. Zaheer/McEvily/Perrone (1998), S. 141-159.

50

Stand der empirischen Forschung

Kooperationspartner und der so geschaffenen Möglichkeit der Verbesserung der eigenen Ressourcenausstattung unterschieden werden. Diese beiden Möglichkeiten werden bei Anand/Khanna (2000) als „learning to learn from alliances“ und „learning within a particular alliance“ bezeichnet197, wobei der reine Informationstransfer nicht explizit erwähnt wird. Eine solche Dreiteilung wird hier aber vorgenommen, wobei weiterhin operative Aspekte wie das Management des Kooperationsprozesses und Aktivitäten, mit denen die Zusammenarbeit verbessert werden kann etc., ausgeschlossen bleiben.198

Das „learning to learn“ bezieht sich auf solches Wissen, welches durch ein Portfolio von Kooperationen der Unternehmen erlangt wurde. Es spiegelt sich daher in z.B. einer anderen Organisationsform wider. Simonin (1997) konnte mit Hilfe einer Befragung von 115 Unternehmen zeigen, dass sich Wissen zum Management von Kooperationen positiv auf den Erfolg auswirkt und dieses aus der Erfahrung mit Allianzen aufgebaut wird. Allerdings stellt die Kooperationserfahrung selbst keine hinreichende Bedingung für einen Erfolg dar, sondern fließt vielmehr in das umfassendere Wissen zum Management von Kooperationen ein. Nur dieses hat eine direkte Erfolgswirkung.199 Ein Lernerfolg innerhalb eines Unternehmens kann sich aber auch auf die Ansammlung von Erfahrung und auf eine Verbesserung der eigenen Organisationsstruktur beziehen. Anand/Khanna (2000) argumentieren, dass die größeren Lernerfolge im Management von Kooperationen bei größerer Komplexität der Situation erlangt werden. Dafür vergleichen sie ca. 2000 Vereinbarungen zu Joint Venture mit Lizenzvereinbarungen. Sie finden, dass Joint Venture im Vergleich zu Lizenzvereinbarungen zu höheren „abnormal stock returns“ führen. Bei Joint Venture, ausgerichtet auf F&E oder Produktion tritt dieser Effekt stärker auf, wohingegen kein solcher Einfluss für Marketing-Joint Venture zu beobachten ist.200 Das Management von Kooperationen und damit die Erfahrung in demselben hat also bei den hier untersuchten Forschungskooperationen eine große Bedeutung. Ein Ergebnis von Kale/Dyer/Singh (2002) ist, dass die Existenz einer Abteilung für das Management von Kooperationen positiv mit der zwei Jahre später erfolgten Beurteilung der Allianz auf Managementebene im Zusammenhang steht. Die Erfahrung im Management von Kooperationen ist lediglich bei Befragung des Managements positiv mit dem langfristigen 197

Anand/Khanna (2000), S. 298. Vgl. zu diesen Themen Doz (1996), S. 55-83; Arino/de la Torre (1998), S. 305-326. Vgl. Simonin (1997), S. 1166. 200 Vgl. Anand/Khanna (2000), S. 295. 198 199

Einflüsse von Kooperationen auf den Unternehmenserfolg

51

Erfolg der Kooperation verknüpft und die Daten deuten darauf hin, dass die Kooperationserfahrung zur Etablierung einer Kooperationsmanagementabteilung führt.201 Kale/Dyer/Singh (2002) zeigen darüber hinaus, dass Kooperationen mit Eigenkapitalbeteilung von einer Kooperationserfahrung und dem Aufbau einer entsprechenden Abteilung stärker profitieren, weshalb eine Differenzierung von Joint Venture und strategischer Allianz bei Erfolgsfaktorenanalysen erforderlich erscheint und Ergebnisse bei Lerneffekten nicht übertragbar sind.202 Wenn man nun davon ausgeht, dass es durch die Bildung von Wissen und den gemachten Erfahrungen aus vorangegangenen Kooperationen zu veränderten Organisationsstrukturen innerhalb eines Unternehmens gekommen ist und somit ein sog. „organizational learning“ erfolgte, stellt sich die Frage, ob man auch einen mehr indirekten Lernerfolg durch eine Kooperation erzielen kann. Dies würde einen Wissenstransfer vom Kooperationspartner bedingen.

Im

Rahmen

der

Auswahl

von

Partnern

für

ein

Joint

Venture

konnten

Mowery/Oxley/Silverman (1998) mit Hilfe von Patentdaten ausgehend von einer bereits bestehenden Überschneidung (gemessen über gemeinsame Zitate von Patenten) vor Beginn der Zusammenarbeit einen höheren Überschneidungsgrad nach Beendigung des Joint Venture bei den Firmen nachweisen. Der Zusammenhang zwischen dem Grad des technologischen „overlaps“ und der Wahrscheinlichkeit der Bildung eines Joint Venture soll den Ergebnissen entsprechend einer umgekehrt U-förmigen Funktion folgen.203 Diese bestätigte Annahme ist als ein Hinweis auf zumindest einen Informationstransfer durch Joint Venture zu werten. Ein paralleler Wissenstransfer wird seitens der Autoren unterstellt. Es ist aber darauf aufmerksam zu machen, dass durch die Eigenkapitalbeteiligung beider Unternehmen bei einem Joint Venture die Besonderheit des höheren Grades an Zustimmung des Managements vorliegt. Gleichzeitig konnten die Autoren zeigen, dass die Unternehmen, welche gemeinsam ein Joint Venture gegründet haben, einen größeren gegenseitigen Grad an Überschneidung aufgewiesen hatten als dieselben Unternehmen mit anderen Firmen.204

201

Zwischen der Kooperationserfahrung und der Einschätzung des Kapitalmarkts besteht keine signifikante Korrelation, vgl. Kale/Dyer/Singh (2002), S. 759-762. Vgl. Kale/Dyer/Singh (2002), S. 759-762. 203 Vgl. Mowery/Oxley/Silverman (1998), S. 517-520. 204 Vgl. Mowery/Oxley/Silverman (1998), S. 517. 202

52

Stand der empirischen Forschung

Die Bedeutung von Eigenkapital im Zusammenhang mit einem Wissenstransfer haben Mowery/Oxley/Silverman (1996) auch in einer früheren Veröffentlichung belegt. Auf Basis dieser Studie zu 792 Allianzen unterschiedlicher Ausprägungen mit einer Vergleichsgruppe von 858 zufälligen Dyaden kann darüber hinaus geschlussfolgert werden, dass Allianzen zu einem Wissenstransfer führen, sofern es sich um Allianzen mit konvergierender im Gegensatz zu divergierender Wirkung hinsichtlich der zukünftigen Entwicklung der Unternehmen handelt.205 Für diese Untersuchung dienten die in Patentschriften enthaltenen Patentzitate als Informationsquelle. Die Autoren machen im Rahmen ihrer Auswertung dann darauf aufmerksam, dass zwischen Kooperationen mit der Intention der Wissensakquise und Allianzen mit dem Ziel des reinen Zugangs zu Ressourcen zu differenzieren ist und spalten ihren Datensatz entsprechend auf. Auf dieser Grundlage ist der Koeffizient für die partnerspezifischen sog. „cross citations“ in den Patenten bei dann nur noch 191 Allianzen schließlich signifikant.206

Man kann also davon ausgehen, dass ein Informationstransfer empirisch belegt werden konnte und dass ein Wissenstransfer ebenfalls möglich ist. Als Kanal, die Kompetenzen des jeweiligen Partners erlernen zu können, machen Gulati/Gargulio (1999) starke persönliche Beziehungen zwischen Personen von zwei Organisationen aus.207 Ferner kann festgehalten werden, dass eine Eigenkapitalbeteiligung einen Transfer erleichtert, wobei ein gegenseitiges Vertrauen eine Alternative zur vertraglichen Steuerung darstellt. Sofern ein solcher Transfer erfolgt ist, wird ein Lernerfolg von den Autoren unterstellt. Allerdings wird auch ein Abfluss von Wissen durch eine Kooperation ermöglicht, welcher die Technologieposition verschlechtern kann.208 Von einem Erfolg kann deshalb eigentlich erst dann gesprochen werden, wenn die Differenz aus akquiriertem und verlorenem Wissen positiv ist.

Dutta/Weiss (1997) sind der Auffassung, dass jede Art einer Vereinbarung zu einem Abfluss technischen Wissens führen kann und dass die Anzahl an Vereinbarungen dementsprechend einen negativen Einfluss ausüben sollte. Sie erwarten ein „leaking of tacit knowledge“ für innovative Unternehmen durch Kooperationen.209 Die Autoren konnten in ihrer Analyse aber

205

Vgl. Mowery/Oxley/Silverman (1996), S. 88f. Vgl. Mowery/Oxley/Silverman (1998), S. 518-520. Vgl. Gulati/Gargulio (1999), S. 177f. 208 Vgl. Dutta/Weiss (1997), S. 344-347. 209 Vgl. Dutta/Weiss (1997), S. 355. 206 207

Einflüsse von Kooperationen auf den Unternehmenserfolg

53

lediglich zeigen, dass innovative Unternehmen eine höhere Anzahl an nationalen wie an internationalen Vereinbarungen geschlossen haben und somit einer größeren Gefahr eines Wissensabflusses ausgesetzt sind. Das Begriffspaar „learning vs. leaking“ führt zu dem bei Khanna/Gulati/Nohria (1998) angesprochenen „learning races“.210 Dabei geht es um das Ziel, in der Kooperation mehr als der Partner zu lernen, was gleichzeitig mit opportunistischem Verhalten verbunden sein kann. Unternehmen sind daher mit der anspruchsvollen Aufgabe konfrontiert, einen Ausgleich zwischen diesen beiden Anforderungen herzustellen.211 Entweder könnten sog. „governance structures“ entwickelt oder Beziehungskapital aufgebaut werden. Nach Auffassung von Kale/Singh/Perlmutter (2000) kann das von ihnen eingeführte „relational capital“ eine Alternative zu den „governance structures“ sein. Es bezieht sich auf212: „… the level of trust, respect, and friendship, that arises out of close interaction at the individual level between alliance partners.”

Die Wirkung dieses „relational capital“ wird unterstützt durch ein gutes Konfliktmanagement, wobei Letztgenanntes auch einen direkten Effekt auf den Lernerfolg bewirkt. Auf Basis ihrer Befragung von 212 Unternehmen empfehlen sie, intensive Kontakte zu pflegen und Konflikte auf Basis intensiver Kommunikation zu lösen. Dies bedeutet aber gleichzeitig, dass durch eben diese empfohlene intensive Kommunikation mit dem Partner internes Wissen auf dem gleichen Wege, wie es erlernt werden kann, auch nach außen gelangen kann. Es wird somit lediglich ein „learning race“ und opportunistisches Verhalten verhindert. Der Abfluss von kritischen Informationen kann so jedenfalls nicht verhindert werden, sondern lediglich die vorsätzliche Verwendung zum Nachteil des Partners. Die Autoren haben n.h.A. somit auch nachgewiesen, was einen Abfluss von bedeutsamem Wissen erwarten lässt: Intensive Kommunikation.

Ähnlich zum „relational capital“ argumentieren auch Muthusamy/White (2005) mit ihrem Modell des „social capital“. Die Autoren untersuchen die Bedeutung von Vertrauen, Gegenseitigkeit und der Machtverteilung auf einen Lernerfolg in Kooperationen. Auf Basis ihrer 144 Antworten können sie Belege finden, dass von zwei der drei Dimensionen von

210

Vgl. Khanna/Gulati/Nohria (1998), S. 200f. Vgl. Kale/Singh/Perlmutter (2000), S. 217. 212 Kale/Singh/Perlmutter (2000), S. 218. 211

54

Stand der empirischen Forschung

Vertrauen signifikant positive Einflüsse ausgehen. Auch die Gegenseitigkeit und das ausgeglichene Machtverhältnis fördern ein Lernen in Kooperationen. Als Erfolgsmaß dient ihnen ein Konstrukt mit vier Elementen. Trotz der erhobenen Daten zu 69 Dyaden werden hier leider keine Auswertungen angeboten, welche sicherlich interessante Ergebnisse zu Tage fördern würden, denn diese Daten werden lediglich zur Validierung der Antworten verwendet.213

Einen grundsätzlich anderen Aspekt greifen Lane/Lubatkin (1998) auf. Sie befassen sich mit der Wirkung der „absorptive capacity“ innerhalb von Kooperationen und ändern dabei das Niveau der Betrachtung. Sie sprechen im Folgenden von der relativen „absorptive capacity“, d.h. partnerspezifischen Absorptionsfähigkeit. Im Gegensatz zu Cohen/Levinthal (1990) erwarten sie, dass ein Lernen durch „absorptive capacity“ abhängig von der Ähnlichkeit der Charakteristika der beteiligten Unternehmen ist. Die Ähnlichkeit soll hinsichtlich folgender firmenspezifischer Merkmale bestimmt werden214: x

„knowledge bases“ (knowledge)

x

„organizational structures and compensation policies” (knowledge-processing systems)

x

„dominant logics“ (commercial objectives)

In ihrer empirischen Untersuchung zur Erklärung von Lerneffekten innerhalb von 31 Allianzen von Pharmaunternehmen mit Firmen der Biotechnologie mit nur 20 verbleibenden Freiheitsgraden erweist sich das Forschungsbudget als nur teilweise signifikant positiv auf den per Befragung ermittelten „Lern-Index“. Weiterhin unterscheiden Lane/Lubatkin (1998) zwischen einem bei dem lernenden Unternehmen vorliegenden allgemeinen Wissen und dem speziellen Wissen des lernenden Unternehmens. Hier zeigt sich, dass von einem allgemeinen Wissen eine signifikant positive Wirkung auf Lerneffekte ausgeht. Die Befunde zur Organisationsstruktur stehen teilweise in Widerspruch zu den Hypothesen aufgrund signifikanter, aber gegenteiliger Vorzeichen. Alle fünf Variablen zur Ähnlichkeit hinsichtlich Formalisierung, Zentralisierung und Kompensation sind signifikant. Wenn die Firmen der Allianz darüber hinaus auch in denselben Forschungs-Communities aktiv waren, verstärkt

213 214

Vgl. Muthusamy/White (2005), S. 414. Vgl. Lane/Lubatkin (1998), S. 461.

Einflüsse von Kooperationen auf den Unternehmenserfolg

55

sich der Effekt des generellen Grundverständnisses und verbessert somit ein Lernen vom Kooperationspartner.215

In der Studie von Stuart (2000) wurde – aufbauend auf den Charakteristika der Unternehmen – der Versuch unternommen, Lerneffekte durch den Kooperationspartner aufzuzeigen. Wie bereits erwähnt, existiert nach Stuart (2000) eine positive Korrelation zwischen dem Innovationserfolg kleiner Unternehmen und den technischen Fähigkeiten des großen Kooperationspartners. Um eine solche Wirkung erzielen zu können, könnte ein Wissenstransfer vom etablierten Unternehmen zum Start-up erfolgt sein und dort zu Lerneffekten geführt haben. Eine andere Erklärung wäre aber der bereits angesprochene Effekt der „einfachen“ Ressourcenbereitstellung oder der von Stuart/Hoang/Hybels (1999) nachgewiesene Nutzen von „prominent partners“ mittels „signalling“.216 Das „signalling“ kann zu einer größeren Akzeptanz des Unternehmens allgemein führen und als Folge dessen auch zu einem höheren Umsatzwachstum. Ein Lernerfolg innerhalb einer Kooperation kann mit dieser Studie somit n.h.A. nicht ausreichend bestätigt werden.

Es kann schließlich festgehalten werden, dass Kooperationen wie Joint Venture ein Lernen vom Kooperationspartner grundsätzlich ermöglichen können.217 Der Lernerfolg wird auf Basis der Arbeit von Lane/Lubatkin (1998) dann größer sein, wenn vor allem eine Ähnlichkeit zwischen den beiden Partnern hinsichtlich ihrer Organisationsstruktur zu beobachten ist und ein generelles Grundverständnis für eine neue Technologie des lernenden, hier eines etablierten Unternehmens vorliegt. Grundsätzlich sollte zwischen einem Informations- und einem Wissenstransfers unterschieden werden. Lediglich ein Informationstransfer konnte bislang mit der Studie von Mowery/Oxley/Silverman (1996) für Allianzen nachgewiesen werden. Ein Lernerfolg ist für Start-ups wie auch für etablierte Unternehmen denkbar. Allerdings sollte bei kleinen Unternehmen explizit für die zur Verfügung gestellten Assets, der vorhandenen Finanzierung etc. kontrolliert werden. Ein gesicherter Befund, dass es zu einem Lernerfolg seitens eines etablierten Unternehmens in einer vertikalen Kooperation kommt, liegt noch nicht vor.

215

Vgl. Lane/Lubatkin (1998), S. 461-473. Vgl. Stuart/Hoang/Hybels (1999), S. 320. 217 Vgl. Anand/Khanna (2000), S. 295f. 216

56

Stand der empirischen Forschung

2.1.5

Einflüsse von Kooperationsnetzwerken

Da Kooperationen im engen Sinne aber erst einmal nur eine Zweierkonstellation von Unternehmen darstellen, sind auch Einflüsse aus einer Vielzahl an Kooperationen denkbar. Ein größeres Unternehmen wird i.d.R. mehrere Kooperationen parallel verfolgen, so dass sich ein Netzwerk für das betrachtete Unternehmen ergibt. Ein solches Netzwerk kann nun Effekte für eine einzelne Kooperation beinhalten. Die Darstellung dieser Arbeiten dient dazu, die später zu diskutierenden Einflüsse auf die Messung zu verdeutlichen.

Bei Netzwerkanalysen hinsichtlich einer Erfolgswirkung spielt u.a. die Struktur eines solchen Netzwerkes eine Rolle. Ahuja (2000b) untersucht den Zusammenhang zwischen der Position eines Unternehmens in seinem Netzwerk und dem Output des Innovationsprozesses (gemessen über Patente). Er unterscheidet zwischen direkten und indirekten Verbindungen sowie Verbindungen zwischen den Partnern und Löchern im Netzwerk, sog. „structural holes“. Das Ergebnis der Untersuchung ist, dass direkte Verbindungen einen starken positiven, indirekte Verbindungen einen geringen positiven Einfluss auf die Anzahl der generierten Patente haben. Treten beide Verbindungsarten gemeinsam auf, nimmt der Einfluss der indirekten Verbindungen ab. Die Anzahl der Löcher in einem Netzwerk hat einen negativen Einfluss auf die Anzahl neuer Patente des Unternehmens und damit auf den Innovationserfolg. Ein Netzwerk sollte daher wenige Löcher aufweisen und von direkten Verbindungen geprägt sein.218

F

Wuyts/Stremersch/Dutta (2004) haben in ihrer Studie zu 991 Kooperationsvereinbarungen in der pharmazeutischen Industrie nicht die Verbindungen innerhalb des Netzwerks betrachtet, sondern die Bedeutung der Diversifizierung der Netzwerkpartner für ein Unternehmen. Ergebnis der Studie ist, dass ein breites und damit diversifiziertes Portfolio an Partnern einen positiven Einfluss auf die Anzahl generierter Innovationen hat, unabhängig vom Innovationsgrad. Die generierten Innovationen werden hier über die Anzahl der generierten neuen Medikamente ermittelt, wobei zwischen inkrementellen Verbesserungen und neuen Medikamenten unterschieden wurde. Ferner zeigen Wuyts/Stremersch/Dutta (2004), dass wiederholte Kooperationen mit demselben Partner vor allem bei der Entwicklung radikaler Innovationen helfen; bei inkrementellen Innovationen spielt eine wiederholte Kooperation mit

218

Vgl. Ahuja (2000b), S. 425-455.

Einflüsse von Kooperationen auf den Unternehmenserfolg

57

demselben Partner hingegen keine Rolle.219 Ein wenig überrascht allerdings die Empfehlung, F

wiederholte Kooperationen mit demselben Partner einzugehen, da in eine zweite Kooperation kaum neue Ressourcen eingebracht werden können und die radikale Innovation bereits in der ersten Phase hätte erarbeitet werden können. Eine mögliche Erklärung könnte ein sehr langsamer Lernprozess innerhalb einer solchen Kooperation sein. Jedenfalls kann Saxton (1997) keinen positiven Einfluss aus vorangegangenen Kooperationen auf die Zufriedenheit mit dem Projekt seitens des Managements finden.220 Kritisch ist auch zu werten, dass in der Vergangenheit in anderen Branchen jahrelang gewachsene japanische Keiretsu-Konglomerate – als diversifizierte Netzwerke anzusehen – wie koreanische Konglomerate aufgelöst bzw. getrennt wurden. Etwas Ähnliches könnte aber entstehen, wenn ein Unternehmen Partnerschaften nicht lösen und durch neue ersetzen würde.

Der Vorteil von Netzwerken für die Produktentwicklung im engen Sinne ist somit abhängig von der Struktur und der Größe des Netzwerks. Gleichzeitig sollen Kooperationen mit demselben Partner vorteilhaft für die Entwicklung eines Produkts sein. Die Größe des oder die Position im Netzwerk eines Unternehmens könnte auch ausschlaggebend für das Unternehmenswachstum gewesen sein.

Powell/Koput/Smith-Doerr (1996) untersuchen 225 Unternehmen der Biotechnologie hinsichtlich der Kooperationstätigkeit in der Vergangenheit und dem daraus resultierenden Wachstum der Unternehmen. Festzuhalten ist, dass die Anzahl vorangegangener Forschungskooperationen die Bildung weiterer Kooperationen begründet und in Abhängigkeit von der Kooperationserfahrung zu einer zentraleren Position in einem Netzwerk führt. Je mehr ein Unternehmen in der Mitte eines Netzwerkes steht, desto stärker ist das entsprechende Unternehmenswachstum. Zusätzlich zeigen die Autoren, dass solche Unternehmen der Biotechnologie, die hohe Werte bzgl. der sog. „central connectivity“ aufweisen, auch sehr erfolgreich mit ihren Produkten gewesen sind.221 Diese Ergebnisse basieren aber leider nicht F

in allen Bereichen auf großzahligen Untersuchungen, sondern lediglich auf Fallstudien. Sie stellen damit nur ein weiteres Indiz dar, wobei die Forschungserfahrung bereits in mehreren Untersuchungen signifikant positiv mit dem Erfolg korreliert war. Kritisch anzumerken ist

219

Vgl. Wuyts/Stremersch/Dutta (2004), S. 88-100. Vgl. Saxton (1997), S. 454. 221 Vgl. Powell/Koput/Smith-Doerr (1996), S. 137-143. 220

58

Stand der empirischen Forschung

auch, dass es genau die Unternehmen mit den größten Forschungsbudgets sind, welche die größten Erfolge erzielen.

In der Literatur ist auch der Hinweis zu finden, dass die Anzahl unterschiedlicher Partner eine positive Wirkung auf den Erfolg hat. Im Fokus der Untersuchung von Stuart/Hoang/Hybels (1999) liegt der Zugang zum Kapital für 301 Biotechnologieunternehmen und die Frage, ob dieser Zugang durch die Reputation der Geschäftspartner beeinflusst wird.222 Die analysierten F

Geschäftspartner sind Kooperationspartner mit und ohne Eigenkapitalbeteiligung sowie die IPO betreuenden Investmentbanken. Das Ergebnis ist, dass die Zeit bis zum IPO durch strategische Partnerschaften und Beteiligungen mit Eigenkapital verkürzt wird und darüber hinaus eine höhere Bewertung erzielt werden kann. Das Biotechnologieunternehmen profitiert somit von dem Ansehen seiner Kooperationspartner. Einschränkend muss aber festgehalten werden, dass die Variable für die Stimmung am Markt auf 0,05-Niveau signifikant ist, so dass die generelle Stimmung am Aktienmarkt wesentlich für den IPO-Erfolg ist. Gulati/Higgins (2003) untersuchen in ihrer Studie ebenfalls den Einfluss unterschiedlicher Arten von Partnern auf den Erfolg des IPOs junger Unternehmen mit Bezug zur Börsenlage auf Basis von 858 Unternehmen der Biotechnologie. Dabei unterscheiden sie zwischen Risikokapitalgebern und Investmentbanken auf der einen Seite und Partnern in strategischen Allianzen auf der anderen Seite. Aufgrund der Signalwirkung der unterschiedlichen Partnerschaften für die jungen Unternehmen erwarten die Autoren Auswirkungen auf den Erfolg des IPOs. Diese Hypothesen können zwar für VCs und Investmentbanken, jedoch nicht für Partner in strategischen Allianzen bestätigt werden. Junge Unternehmen, die zum Zeitpunkt des IPOs ein breiteres eigenes Netzwerk vorzuweisen hatten, konnten somit einen größeren Erfolg erzielen.223 Es ist allerdings verwunderlich, dass strategische Allianzen keinen signifikanten Beitrag für den Erfolg leisten, beinhalten diese doch, dass ein etabliertes Unternehmen sehr an einer Zusammenarbeit mit einem bestimmten Start-up interessiert ist, ein Marktpotenzial identifiziert hat und entsprechendes Wissen bzgl. der Branche und potenzieller Märkte in die Kooperation einbringen kann. Die Breite eines Netzwerkes wird in der bereits angesprochenen Analyse von Wuyts/Stremersch/Dutta (2004) aufgegriffen und bestätigt. Ihre weiteren Ergebnisse sind, dass radikale Innovationen einen stärkeren positiven Einfluss auf die Profitabilität eines

222 223

Vgl. Stuart/Hoang/Hybels (1999), S. 315-325. Vgl. Gulati/Higgins (2003), S. 135-145.

Einflüsse von Kooperationen auf den Unternehmenserfolg

59

Unternehmens als inkrementelle Innovationen haben. Allerdings führt ein breites Portfolio von Kooperationen bei Berücksichtigung des Innovationsgrades gleichzeitig zu einer geringeren Profitabilität der Unternehmen.224 Ferner wird die Dauer der Kooperation hinsichtlich der Profitabilität untersucht. Zeitlich gesehen stellen mittellange Partnerschaften bei Berücksichtigung des Innovationsgrades hinsichtlich der Profitabilität das Optimum für die Kooperationsdauer dar, so dass allgemein mittellange Kooperationen für die Entwicklung radikaler Innovationen bei einem engen Portfolio angeraten werden.225 Kritisch könnte anzumerken sein, dass diese drei Ziele kaum gleichzeitig verfolgt werden können.

2.2

Erfolgsfaktoren von F&E-Kooperationen

Nachdem nun die Ergebnisse zum Erfolg von Unternehmen dargestellt wurden, ist auf solche Studien einzugehen, welche den Erfolg einer Kooperation selbst zu erklären versuchen und sich somit mit den Erfolgsfaktoren von Kooperationen beschäftigen. Dies bedeutet gleichzeitig, dass sich die Ebene der Erfolgsmessung auf das Kooperationsprojekt verlagert, wobei der Erfolg nicht auf einem aggregierten Niveau gemessen wird. Solche Studien dürften sich dementsprechend vor allem auf Aspekte der Teamarbeit konzentrieren wie z.B. interdisziplinäre oder multifunktionale Teams, kulturelle Unterschiede etc. Diese Aspekte haben jedoch keine Relevanz für den weiteren Verlauf dieser Arbeit und werden daher nicht betrachtet. Im Vordergrund stehen vielmehr Analysen, die den Erfolg in Bezug auf die einzelne Kooperation zu erklären versuchen.

2.2.1 Erfolgsfaktoren für den technischen Kooperationserfolg Als interessante Studie ist die Arbeit von Muthusamy/White (2005) zu nennen, weil ihr Erfolgsmaß durchaus den technischen Maßen zuzurechnen ist. Die Autoren weisen einerseits einen Lernerfolg auf Basis von Vertrauen, Gegenseitigkeit und ausgeglichenem Machtverhältnis mit Primärdaten nach. Andererseits möchten sie für Kooperationen in der Biopharmazie belegen, dass die unabhängigen Variablen auch auf einen mittels Sekundärdaten gemessenen Lernerfolg wirken. Für diese Sekundärdaten greifen die Autoren ebenfalls auf die Datenbanken von Recombinant Capital zurück. Allerdings möchten sie den Fortschritt

224 225

Vgl. Wuyts/Stremersch/Dutta (2004), S. 96. Vgl. Wuyts/Stremersch/Dutta (2004), S. 96-98.

60

Stand der empirischen Forschung

in der Produktentwicklung als Lernerfolg interpretiert wissen.226 Es muss hier leider konstatiert werden, dass es sich n.h.A. dabei nicht um ein Maß handelt, mit dem ein Lernerfolg gemessen werden kann. Es handelt sich vielmehr um ein technisches Kooperationserfolgsmaß auf Projektebene, weshalb diese Studie diesem Abschnitt zuzurechnen ist. Mit diesem 44 Allianzen großen Sub-Sample erhalten die Autoren ein R2 von 0,39 für ihr Modell. Die vorausgegangene Erfahrung mit dem Partner, das Vertrauen in die Fähigkeiten und das ausgeglichene Machtverhältnis sind signifikant positiv mit dem Erfolg korreliert. Weiterhin berichten die Autoren, dass eine hohe signifikant positive Korrelation zwischen dem per Fragebogen erhobenen Lernerfolg und dem auf Sekundärdatenbasis erhobenen (dann) Kooperationserfolg besteht. Das sog. „social capital“ würde somit auf beide Erfolgsmaße positiv wirken.227 Es fällt auf, dass hier nicht eine allgemeine KooperationsF

erfahrung erfasst wurde, sondern eine partnerspezifische Erfahrung Berücksichtigung fand. Hier zeigt sich aber eine große Lücke in der Forschung, da z.B. nur das Vertrauen in die Fähigkeiten betrachtet wird und die Qualität der Fähigkeiten weder absolut noch relativ gemessen wird. Weiterhin wird ersichtlich, dass bislang nur eine Studie zum Erfolg einer Kooperation vorliegt, welche sich mit der n.h.A. sehr wichtigen Frage beschäftigt, ob es überhaupt gelungen ist, ein Produkt zu entwickeln, denn ein wirtschaftlicher Misserfolg muss nicht zwangsläufig darin begründet sein, dass ein Projekt zur Entwicklung eines Produkts gescheitert ist.

2.2.2 Erfolgsfaktoren für den wirtschaftlichen Kooperationserfolg Kale/Dyer/Singh (2002) bewerten den Erfolg einer strategischen und langfristig orientierten Allianz mit zwei unterschiedlichen Methoden. Der kurzfristige Erfolg wird über Überrenditen am Kapitalmarkt ex ante und der langfristige Erfolg über eine Einschätzung des Managements ex post gemessen.228 Bzgl. der Befragung des Managements werden Aspekte wie die F

Zielerreichung, Lerneffekte oder eine Gesamtbewertung der Allianz abgefragt. In der Analyse werden die Daten dann einer Durchschnittsbildung unterzogen, so dass eine Auswertung auf

226 227 228

Vgl. Muthusamy/White (2005), S. 432. Vgl. Muthusamy/White (2005), S. 415-439. An dieser Stelle werden nur die den Erfolg der Kooperation betreffenden Ergebnisse dargestellt. Analysen, die sich auf den Erfolg des Unternehmens beziehen, werden in einem anderen Kapitel aufgegriffen.

Erfolgsfaktoren von F&E-Kooperationen

61

Projektebene nicht erfolgt.229 In einer vorangegangenen Veröffentlichung haben die Autoren F

die Bedeutung der Kooperationserfahrung für das Management von Kooperationen und die entwickelten Systeme zur Unterstützung des Teams diskutiert. Eine Darstellung, wie in wissenschaftlichen Publikationen hinsichtlich einzelner Modelle üblich, ist allerdings unterblieben, so dass keine Aussagen zu Signifikanzniveaus einzelner Koeffizienten und Modelle möglich waren. Saxton (1997) untersucht 98 Kooperationen unterschiedlichen Typs im Längsschnitt.230 Zu Beginn der Kooperation wird die Zufriedenheit („initial satisfaction“) und ein Jahr später die Einschätzung des Erfolgs mittels eines Fragebogens untersucht. Zur Messung des Erfolgs wird die Einschätzung bzgl. einer Zielerreichung, einem Beitrag zu den firmenspezifischen Kompetenzen und einer Gesamtbewertung herangezogen. Er kommt in seiner Studie u.a. zu dem Ergebnis, dass Reputation und gemeinsame Entscheidungen positiv mit dem Erfolg einer Allianz verknüpft sind, ohne für den unterschiedlichen Typ zu differenzieren. Beide entstehen erst im Verlauf der Kooperation, da sie nicht mit der anfänglichen Zufriedenheit korreliert sind. Der Grad der gemeinsamen Entscheidungen scheint auf einen fairen Umgang miteinander während der Kooperation hinzudeuten. Seine Ergebnisse zeigen ferner, dass die Bildung von Kooperationen mit bereits bekannten Unternehmen wahrscheinlicher ist. Diese Kooperationen weisen auch einen höheren Grad an „initial satisfaction“ auf. Das Kriterium „past partnership“ ist hingegen nicht mit dem langfristigen Erfolg korreliert, was auf gewisse Verharrungstendenzen innerhalb der Unternehmen hindeuten könnte. Darüber hinaus konnte er zeigen, dass kooperationsspezifische Merkmale mit der anfänglichen Zufriedenheit korrelieren. Der langfristige Erfolg hingegen kann aber besser mittels partnerspezifischen Charakteristika und beziehungsspezifischen Kriterien erklärt werden.231

F

Parkhe (1993a) untersucht 111 Allianzen mittels Fragebogen hinsichtlich der Ausgangssituation beider Unternehmen. Als Erfolgsmaß dienen zwei Elemente: zum einen der Grad der Erfüllung strategischer Ziele und zum anderen indirekte Indikationen wie „spillover effects“, „relative profitability“ und „overall performance assessment“. Als ein Ergebnis ist festzuhalten, dass der Erfolg einer Kooperation nicht von der Art der Auszahlungen an die

229

Vgl. Kale/Dyer/Singh (2002), S. 752-762. Es handelt sich dabei um Marketing-, Produktions-, Forschungs-, Lizenzkooperationen und Joint Venture. 231 Vgl. Saxton (1997), S. 433-456. 230

62

Stand der empirischen Forschung

Unternehmen abhängig ist. Positiv mit dem Erfolg korreliert sind die erwartete Dauer der Allianz sowie die Höhe der unwiderruflich erbrachten Investitionen. Die Wahrnehmung von opportunistischem Verhalten ist erwartungsgemäß negativ mit den Erfolgsmaßen korreliert. Diese Ergebnisse belegen, dass das ursprünglich gezeigte Commitment – welches bei einer langfristig angelegten Allianz bei beiden Unternehmen vorhanden ist – einen wesentlichen Indikator für eine erfolgreiche Kooperation darstellt.232 Dass nicht nur die erwartete Dauer, sondern auch das beobachtete Alter einer Kooperation mit dem Erfolg korreliert ist, versuchten Deeds/Rothaermel (2003) nachzuweisen. Dazu untersuchten die Autoren 115 Allianzen in der Biotechnologie von 32 Biotechnologieunternehmen. Sie finden, dass eine U-förmige Beziehung zwischen dem Alter und dem mittels eines Indexes aus „spillover benefits“, „financial performance“ und „overall alliance performance“ gemessenen Erfolgs besteht.233 Die Bedeutung einer Allianz ist ähnlich den Ergebnissen von Parkhe (1993b) positiv mit dem Erfolg korreliert.234 Kritisch anzumerken ist hier, dass die Dauer einer Kooperation in der Biopharmazie allein schon deshalb mit dem Erfolg korreliert ist, weil die Produktentwicklung sehr viel Zeit benötigt. Eine Kooperation, die nur von kurzer Dauer gewesen ist, wird i.d.R. keine Chance auf einen Erfolg gehabt haben. Darüber hinaus spielt in dieser Untersuchung der sog. „common-source bias“ eine erhebliche Rolle, wird doch der Erfolg von derselben Person eingeschätzt und auch noch zum selben Zeitpunkt wie das Alter der Kooperation erfasst.

In der Studie von Sarkar et al. (2001) sollen der Erfolg eines Projekts und der strategische Nutzen235 für die Unternehmen durch das Projekt erklärt werden. Sie analysieren 68 Kooperationen mittels eines Fragebogens. Untersucht wird das Konstrukt der „interfirm diversity“ bestehend aus der Komplementarität der Ressourcen, der kulturellen wie der operationellen Kompatibilität. Diese „interfirm diversity“ erklärt den Projekterfolg wie auch den strategischen Erfolg auf direktem wie auch auf indirektem Wege. Für den direkten Einfluss ist hervorzuheben, dass komplementäre Ressourcen lediglich einen Einfluss auf den Projekt- und nicht auf den strategischen Erfolg haben, die kulturelle Kompatibilität lediglich auf den strategischen Erfolg wirkt und die operationelle Kompatibilität keinen Einfluss auf

232

Vgl. Parkhe (1993a), S. 794-821. Vgl. Deeds/Rothaermel (2003), S. 474. Vgl. Deeds/Rothaermel (2003), S. 478. 235 Da dieser schwer greifbar ist und sich auch in den unterschiedlichen Dimensionen widerspiegeln kann, wird diese Studie nur an dieser Stelle aufgegriffen. 233 234

Erfolgsfaktoren von F&E-Kooperationen

63

den Projekterfolg und sogar einen negativen Einfluss auf den strategischen Nutzen in einer Kooperation hat. Der indirekte Einfluss des Konstrukts „interfirm diversity“ auf den Erfolg über das „relationship capital“ ist für alle Teile des Konstrukts signifikant. Das „relationship capital“ setzt sich aus Vertrauen, Commitment und Informationsaustausch zusammen und beeinflusst den Projekterfolg wie auch den strategischen Erfolg positiv.236 Insgesamt spricht die Studie für eine Zusammensetzung von Kooperationspartnern aus unterschiedlichen Unternehmen mit kulturellen Ähnlichkeiten. Allerdings wird nur jeweils ein Partner einer Kooperation befragt, so dass ein „informant bias“ verbleibt. Die Befunde zur operationellen Kompatibilität lösen gleichzeitig einen Widerspruch zur Arbeit von Wuyts/Stremersch/Dutta (2004), bei der Kooperationen mit demselben Partner als vorteilhaft gesehen werden, denn diese Kompatibilität sollte vorliegen, wenn eine Kooperation verlängert oder erweitert wird.

Zollo/Reuer/Singh (2002) untersuchen den Einfluss der unterschiedlichen Arten der Kooperationserfahrung auf den Erfolg einer Kooperation anhand von 145 Vereinbarungen. Es werden die Konstellationen Biotech-Biotech, Forschungsinstitut-Forschungsinstitut sowie Biotech-Pharma

beleuchtet.

Das

Erfolgsmaß

beinhaltet

die

Zielerreichung,

den

Wissenserwerb und die Schaffung von strategischen Möglichkeiten für das Unternehmen. Als Ergebnis ist festzuhalten, dass die generelle und die technologiespezifische Erfahrung keinen signifikanten Einfluss auf den Erfolg ausüben. Die partnerspezifische Erfahrung ist auf dem 0,05-Niveau signifikant positiv. Unter Berücksichtigung von Eigenkapitalbeteiligungen muss das Ergebnis weiter differenziert werden. Die partnerspezifische Erfahrung ist dann nur noch für Kooperationen ohne Eigenkapitalbeteiligungen signifikant, jedoch auf dem 0,001Niveau.237 Leider werden die Besonderheiten der Branche n.h.A. zu wenig berücksichtigt. Dies zeigt sich durch ein Beispiel zu Hewlett Packard und der Nichtberücksichtigung des Dyadentyps. Es ist anzunehmen, dass bei Biotech-Biotech-Kooperationen wie auch bei Forschungsinstitut-Forschungsinstitut-Allianzen kaum Eigenkapitalbeteiligungen vorhanden sind, während diese verstärkt bei Biotech-Pharma-Allianzen beobachtet werden. Für die Interpretation der Ergebnisse bedeutet dies, dass die partnerspezifische Erfahrung bei BiotechPharma-Allianzen kaum eine Rolle spielt. Es wäre auch wünschenswert gewesen, den „informant bias“ zu berücksichtigen. Die unterschiedlichen Sichtweisen hätten evtl. wertvolle Befunde ermöglicht. So bleibt offen, ob aus Sicht des Pharmaunternehmens die Kooperation

236 237

Vgl. Sarkar et al. (2001), S. 358-368. Vgl. Zollo/Reuer/Singh (2002), S. 706-710.

64

Stand der empirischen Forschung

alleine deshalb erfolgreich gewesen ist, weil man ohne Rücksicht auf den Partner mit (finanzieller) Macht die eigenen Ziele und einen Wissenstransfer erreichen konnte. Seitens der Autoren wird empfohlen, die erste Kooperation mit einer Eigenkapitalbeteiligung zu gestalten und ab der zweiten Kooperation mit demselben Unternehmen auf eine Eigenkapitalbeteiligung

zu

verzichten.238

Die

generelle

Empfehlung,

eine

Eigen-

kapitalbeteilung aufzulösen, erscheint unter dem Einfluss auf das gegenseitige Vertrauen zumindest fragwürdig; als eine Art einer Erweiterung des ersten Vertrags allerdings denkbar. Gulati (1995a) führt ein Beispiel an, dass man aufgrund von Vertrauen auf einen neuen Vertrag bei einer Verlängerung des Projekts nicht gänzlich verzichtet, sondern eine wesentlich geringere Bedeutung dem Anschlussvertrag beimisst.239 Er kann feststellen, dass mit der Anzahl vorangegangener Kooperationen eine Eigenkapitalbeteiligung seltener zu beobachten ist.240 Vertrauen kann also als eine Alternative zu mit Transaktionskosten verbundener Eigenkapitalbeteiligung gelten. Lambe/Spekman/Hunt (2002) interpretieren die Kooperationserfahrung als Teil einer dreidimensionalen sog. „alliance competence“. Diese Fähigkeit beinhaltet darüber hinaus die Weiterentwicklungsfähigkeiten des Managements sowie die Kompetenzen zur Partneridentifikation. Sie untersuchen mittels eines Strukturgleichungsmodells auf Basis von 145 Befragungen von Managern von Allianzen direkte und indirekte Einflüsse aus der „alliance competence“ auf die „joint profits“.241 Ihr Datensatz beinhaltet dabei horizontale wie vertikale sowie nationale und internationale Kooperationen aus unterschiedlichen Branchen. Sie finden, dass diese Fähigkeit nicht nur den Erfolg direkt beeinflusst, sondern auch über die einzigartigen Ressourcen indirekte Auswirkungen hat. Im Gegensatz zu diesen einzigartigen Ressourcen bewirken die komplementären Ressourcen keine direkten Effekte auf den Erfolg. Ein hohes Commitment des Managements führt aber zu einem hohen Maß an „alliance competence“. Der Erfolg wird dabei über die Profite der Unternehmen bestimmt.242 Interessant hierbei ist, dass ein hohes Commitment seitens des Managements positiv auf den Erfolg wirkt und die „alliance competence“ auch mit der Identifikation einzigartiger Ressourcen in Verbindung gebracht wird, nur leider wird von den Autoren nicht für den unterschiedlichen Kooperationstyp kontrolliert. Gleichzeitig wird in dieser Studie auf die sog.

238

Vgl. Zollo/Reuer/Singh (2002), S. 709f. Vgl. Gulati (1995a), S. 95. Vgl. Gulati (1995a), S.105. 241 Vgl. Lambe/Spekman/Hunt (2002), S. 149. 242 Vgl. Lambe/Spekman/Hunt (2002), S. 141-154. 239 240

Erfolgsfaktoren von F&E-Kooperationen

65

„proxy-reports“ zurückgegriffen mit den möglichen Folgen eines systematischen Fehlers im Rahmen der Messung.243

Es bleibt festzuhalten, dass der Ausgangssituation eine hohe Bedeutung zukommt. Die ursprüngliche Zufriedenheit und kein opportunistisches Verhalten während der Durchführung – gleichlaufend mit einem hohen Commitment, hohen Investitionen oder einer hohen Bedeutung – bieten bei einer diversifizierten Dyade gute Grundvoraussetzungen für einen ökonomischen Erfolg. Daneben konnte auch wieder die Wirkung einer allgemeinen und einer partnerspezifischen Kooperationserfahrung sowie die Erweiterung zur „alliance competence“ Bestätigung finden.

2.2.3

Erfolgsfaktoren für den sozialen Kooperationserfolg

Hinsichtlich der weiteren Erfolgsdimension ist bislang kaum Material vorhanden. Lediglich zum Aufbau einer Kooperationserfahrung liegt eine Studie vor. Hoang/Rothaermel (2005) greifen in Ihrer Studie zu 158 Kooperationen im Zeitraum 19802000 zwischen Unternehmen der Biotechnologie und Pharmazie die Aspekte der allgemeinen Kooperationserfahrung und der partnerspezifischen Kooperationserfahrung auf. Sie postulieren einen abnehmenden Grenznutzen für beide Unternehmenstypen und finden lediglich eine schwach signifikante Korrelation für die Biotechnologieunternehmen. Die Ergebnisse müssten deshalb hinterfragt werden, da eine Kooperationserfahrung zum Zeitpunkt der Vereinbarung der Allianz bei den etablierten Unternehmen dieser Branche bereits vorgelegen haben sollte, denn die Autoren geben selbst einen Mittelwert = 22 Kooperationen zu Beginn einer weiteren Kooperation an.244 Es müssen noch weitere kritische Anmerkungen zum Datensatz und den statistischen Auswertungen gemacht werden. So wird in der Studie von VIF-Werten von lediglich kleiner als 7 berichtet. Die bivariaten Korrelationen zeigen einen starken Einfluss sowie ein hohes Signifikanzniveau. Gleichzeitig folgt aus der Korrelationstabelle eine signifikante und starke Beziehung zwischen der Kooperationserfahrung und der Kompetenz der Biotechnologiesowie der Pharmaunternehmen trotz standardisierter Werte. Dies lässt auf ein problematisches Niveau an Multikollinearität schließen. Es wird ferner ein R2 i.H.v. 60% alleine für die

243 244

Vgl. Lambe/Spekman/Hunt (2002), S. 148. Vgl. Hoang/Rothaermel (2005), S. 338.

66

Stand der empirischen Forschung

Kontrollvariablen gezeigt bei nur einer 4%igen Steigerung durch Hinzufügen weiterer 6, teilweise signifikanter Variablen. Der erklärte Anteil über die Kontrollvariablen: Intercept, Dummies für Jahreseffekte, die Durchführung von Grundlagenforschung und vorliegendem Patentschutz erscheint absolut gesehen sehr hoch. Zusammenfassend scheint der Datensatz kritisch hinterfragt werden zu müssen, weshalb diese Analyse n.h.A. keinen Beitrag für einen Nachweis einer positiven Wirkung von Kooperationserfahrung liefern kann, obwohl diese Ergebnisse theoretisch gut hergeleitet werden.

Studien auf Projektebene, die sich mit einem Wissens- oder Reputationstransfer, der Kooperationserfahrung etc. auseinandersetzen, fehlen weitestgehend. Hier zeichnet sich ebenfalls eine Lücke in der Forschung ab.

2.3

Defizit der bisherigen empirischen Forschung zu F&E-Kooperationen

Dass Kooperationen dem Erfolg eines Unternehmens dienlich sind, scheint durch die mehrfache Messung ausreichend abgesichert zu sein, auch wenn einige Aspekte noch genauer untersucht werden könnten. Die hohen Misserfolgsquoten bestätigen aber die Notwendigkeit von Untersuchungen auf Kooperations- bzw. Projektebene. Laut Das/Teng (2003) und Gerwin/Ferris (2004) sollte die Verteilung der Fähigkeiten der Partner einer Allianz zur Erklärung des Kooperationserfolgs auf Projekt- anstatt auf Unternehmensebene erfasst werden, da eine unterschiedliche Verteilung der Kenntnisse nur dort hinreichend genau ersichtlich wird.245 Dies ist bislang in den Studien vielfach nicht gemacht worden. Auf dieser Ebene ergeben sich dann auch Fragestellungen zur Komplementarität von Ressourcen der beteiligten Unternehmen, was schließlich Implikationen auf die Auswahl entsprechender Kooperationspartner hat. Ferner verwundert, dass technologische Kompetenzen der beiden Partner weder für den Kooperationserfolg noch für Lerneffekte entsprechende Beachtung gefunden haben. Die sehr hohe Bedeutung wird dadurch deutlich, dass technologischen Kompetenzen bei: x

Dutta/Weiss (1997) und Ahuja (2000a) als wesentliches Merkmal für die Anzahl der Kooperationen identifiziert,

x

bei Wuyts/Stremersch/Dutta (2004) radikale Innovationen mit einer höheren Profitabilität in Verbindung gebracht,

245

Vgl. Das/Teng (2003), S. 280; Gerwin/Ferris (2004), S. 32.

Defizit der bisherigen empirischen Forschung zu F&E-Kooperationen

67

x

für sog. „spillovers“ wie bei Parkhe (1993a) als wesentlich identifiziert und

x

im Zusammenhang mit einem Wissenstransfer wie bei Mowery/Oxley/Silverman (1996), Stuart (2000) und Zollo/Reuer/Singh (2002) genannt werden.

Allerdings liegt keine Studie vor, die z.B. auf Basis von Sekundärdaten die technologischen Kompetenzen gleichzeitig analysiert. Mit Kap. 2.2.1 wird ferner deutlich, dass der i.d.R. dem wirtschaftlichen Erfolg vorausgehende technische Erfolg bislang nur deshalb untersucht wurde, weil Muthusamy/White (2005) den Artikel hinsichtlich Lerneffekten positionieren wollten, obwohl es sich nicht um ein entsprechendes Erfolgsmaß gehandelt hat. Im Einzelnen bestehen folgende Defizite in den oben genannten Studien: x

Die

Ankündigung

von

gemeinschaftlichen

Anstrengungen

wie

z.B.

bei

Kale/Dyer/Singh (2002) und den am Kapitalmarkt erzielten kurzfristigen „abnormal stock returns“ lässt nur bedingt Rückschlüsse über den langfristig zu realisierenden Unternehmenserfolg zu. Aussagen zum Erfolg der Kooperation selbst sind mittels solcher Studien auf Unternehmensebene nicht möglich. x

Powell/Koput/Smith-Doerr (1996) kontrollieren in ihrer Fallstudie zum Produkterfolg nicht für die Forschungsbudgets der Unternehmen, weshalb dieser Erfolg nicht eindeutig Kooperations-, Netzwerkeffekten oder rein finanziellen Ressourcen zuzuweisen ist.

x

Rothaermel (2001) verwendet die Anzahl der zugelassenen Medikamente zwar als eine Variable für den technischen Erfolg, der Bezug zu den eingegangenen Kooperationen bleibt allerdings offen, da sie lediglich auf Unternehmensebene aggregiert werden. Gleichzeitig ist von einer mehrere Jahre großen Zeitdifferenz zwischen Kooperation und Markteinführung eines Medikaments auszugehen, so dass nicht zwangsläufig eine kausale Beziehung bestehen muss.

x

Ahuja (2000b), Fleming (2001) und Stuart (2000) verwenden lediglich die erhaltenen Zitate als Maßstab für die technologischen Kompetenzen der untersuchten Unternehmen. Diese enthalten aber einen Messfehler, da ein strategisches Verhalten seitens der Firmen im Rahmen der Patentanmeldung Vorteile bringen kann.

x

Die Ergebnisse von Stuart (2000) zeigen eine positive Wirkung von horizontalen Allianzen vor allem bei Start-ups auf. Offen bleibt, ob auch die etablierten Unternehmen von Allianzen profitieren können, wenn es sich um eine vertikale Kooperation mit einem Start-up handelt.

68

Ableitung der Hypothesen x

Untersuchungen zum Erfolg von Kooperationen mit Messung auf der Ebene der Partnerschaft sind bislang außer bei Hoang/Rothaermel (2005) und Muthusamy/White (2005) nicht durchgeführt worden.

x

Es bleibt die Frage offen, wie ähnlich zwei Wissenselemente sein sollen, denn Fleming (2001) konnte zeigen, dass dies die Erfolgschancen wesentlich anhebt.

x

Muthusamy/White (2005) untersuchen den Projekterfolg lediglich hinsichtlich des Vertrauens der Mitarbeiter in die technischen Kompetenzen. Eine objektive Messung auf Projektebene unterblieb bislang.

x

Der Nachweis eines Informationstransfers und evtl. auch eines Wissenstransfers gelingt Mowery/Oxley/Silverman (1996) für Allianzen mit konvergierender Wirkung und Mowery/Oxley/Silverman (1998) für Joint Venture. Unbeantwortet ist daher, ob es bei Allianzen langfristig auch zu einer Verbesserung der Technologieposition durch einen Wissenstransfer kommt, denn schließlich stellt ein Pharmaunternehmen auch eigene Ressourcen zur Verfügung, die erst einmal zu einer Verschlechterung der internen Ressourcenausstattung führen.

x

Lerneffekte in Allianzen wurden bei Muthusamy/White (2005) hinsichtlich der Rolle von Vertrauen und Commitment und nicht bedingt durch das Potenzial und die eigenen Ressourcen und Kompetenzen untersucht.

x

Die partnerspezifische „absorptive capacity“ wurde bei Lane/Lubatkin (1998) entwickelt und untersucht. Das neue Modell von Zahra/George (2002) wurde bislang im Kontext von Allianzen noch nicht empirisch überprüft.

Die hier durchgeführte großzahlige empirische Untersuchung soll daher einen Teil dieser Lücken schließen und grenzt sich hinsichtlich mehrerer Aspekte ab, wobei operative Aspekte wie bei Mohr/Spekman (1994) vollständig ausgeblendet werden. Tabelle 6 stellt nun die Abgrenzung zum Stand der Forschung zum Erfolg von F&E-Kooperationen dar. Es wird ersichtlich, dass sich diese Arbeit hinsichtlich kausaler Zusammenhänge, der erstmaligen Integration des neuen Modells der „absorptive capacity“ und der mehrdimensionalen Messung der Komplementarität vom Stand der Literatur wesentlich unterscheidet bzw. manche Aspekte erstmalig Berücksichtigung finden. In einem weiteren Schritt werden schließlich auch die angesprochenen Lerneffekte aus Kooperationen separat mittels Sekundärdaten gemessen und nicht entweder bloß unterstellt oder durch eine Befragung ermittelt.

Defizit der bisherigen empirischen Forschung zu F&E-Kooperationen

69

Zur weiteren Erläuterung der Differenzierung zum Stand der Forschung werden im Folgenden die Kriterien in der ersten Spalte in Tabelle 6 aufgegriffen und mit inhaltlichen Fragestellungen in Verbindung gebracht. Tabelle 6 enthält in der zweiten Spalte eine Zuordnung bisheriger Studien zu den 5 Differenzierungskriterien inklusive einer kurzen Beschreibung dessen, was den bisherigen Stand der Forschung klassifiziert bzw. charakterisiert. Die hier vorgestellten Verbesserungen sind schließlich in der dritten Spalte aufgelistet und als Weiterentwicklung des Stands der Forschung zu interpretieren.

Defizite

Bisheriger Stand

Verbesserungspotenzial

Kausalitätsprobleme Differenzierung hinsichtlich Erfolg und Kompetenz

Genauere, weil auch

hinsichtlich der

gleichzeitige:

vornehmlich auf Firmenebene:

Ebene der Messung

x Stuart (SMJ2000)

der entsprechenden

x Rothaermel (RP 2001)

Kennzahlen

x Hagedoorn/Schakenraad (SMJ 1994) x Shan/Walker/Kogut (SMJ 1994)

x Messung des Erfolgs auf Projekt-/ Kooperationsebene x Messung der technologischen

Differenzierung auf TF-Ebene: x Hoang/Rothaermel (AMJ 2005) x Muthusamy/White (Org. Stud. 2005)

Kompetenz auf Technologiefeldebene x Messung der

x Colombo (SMJ, 2003)

Kompetenzen beider

x Wuyts/Stremersch/Dutta (JM 2004)

Unternehmen

x Ahuja/Lampert (SMJ 2001) Qualitätsmessung

a) Zitate von Patenten des Unternehmens durch Dritte

Verbesserte

der technischen

mit Eigenzitaten:

Qualitätsindikatoren von

Kompetenzen eines

x Fleming (MS 2001)

Unternehmens

x Ahuja (SMJ 2000) x Stuart (SMJ 2000)

Patenten: x Erhaltene Zitate ohne Eigenzitate x Technologische Breite

b) Alter der zitierten Patente: x Sorensen/Stuart (ASQ 2000)

x Internationale Anmeldungen x Wissenschaftsbindung

70 Bedeutung der „absorptive

Ableitung der Hypothesen Bedeutung der allgemeinen „absorptive capacity“ x Cohen/Levinthal (ASQ 1990) Bedeutung der partnerspezifischen „absorptive capacity“ x Lane/Lubatkin (SMJ 1998)

Ähnlichkeit von

Kooperationspartner

Weiterentwicklung des bislang noch nicht im Kontext von

Absorptive Capacity

Allianzen untersuchten neuen

Innerhalb eines Unternehmens über US-Patentklassen: x Fleming (MS, 2001)

theoretischen Modells Beziehungsspezifische und gleichzeitig mehrdimensionale Messung für beide

Wissensbasen zweier

mit Rücksicht auf die

Weiterentwicklung des allgemeinen Modells der

x Zahra/George (AMR 2002) Messung der

allgemeinen „absorptive capacity“ bei Kooperationen

capacity“ für Kooperationen

Berücksichtigung der

Zwischen JV-Partner auf Basis von Patentdaten mittels „cross citations“ und „common citations“: x Mowery/Oxley und Silvermann (RP 1998)

Kooperationspartner auf Basis von Patentdaten über: x wie bei

Zwischen Allianz-Partnern auf Basis von Patentdaten

Mowery/Oxley/Silverman

lediglich mittels „cross citations“:

(SMJ 1996) über „cross

x Mowery/Oxley/Silverman (SMJ 1996)

citations“ und x „common citations“

Zwischen Allianz-Partnern auf Basis von Publikationen x Lane/Lubatkin (SMJ 1998) Zwischen Kooperationspartnern auf Basis einer Befragung: x Sarkar et al. (JAMS 2001) Messung eines

Nachweis eines Wissenstransfers in JV und Allianzen:

Messung der Wirkung eines

Lernerfolgs durch

x Mowery/Oxley und Silvermann (RP 1998)

unterstellten Wissenstransfers

strategische

x Mowery/Oxley/Silverman (SMJ 1996)

über sog. „patent returns“ zur

Allianzen

Verbesserung der Effekt eines Lernerfolgs über Wachstumsrate von Startups nach Kooperation x Stuart (SMJ 2000) Nachweis eines Lernerfolgs mittels Lern-Index: x Lane/Lubatkin (SMJ 1998) für „absorptive capacity“, organizational structures und dominant logics x Muthusamy/White (Org. Stud. 2005) für die Einflussfaktoren Vertrauen und Commitment

Tabelle 6: Abgrenzung zum Stand der Forschung

Technologieposition als Differenz zweier Perioden bei etablierten Unternehmen bei gleichzeitigem Bezug zum Erfolg der Kooperation selbst

Defizit der bisherigen empirischen Forschung zu F&E-Kooperationen

71

Weiterhin erscheint wesentlich, mögliche Fehlinterpretationen aus einer falschen Zuordnung von Ressourcen zu vermeiden, die denkbar sind, weil nicht auf Unternehmensebene, sondern auf der Ebene des Technologiefeldes gemessen wird. Ein solcher Fehler könnte sich bei Hagedoorn/Schakenraad (1994), Shan/Walker/Kogut (1994), Stuart (2000) und Rothaermel (2001) deshalb ergeben haben, da sich Unternehmen i.d.R. auf bestimmte Gebiete und Technologien konzentrieren und knappe Ressourcen entsprechend nicht gleichmäßig verteilt werden. Eine Messung auf Unternehmensebene trägt einer solchen Ungleichverteilung aber nicht ausreichend Rechnung. Auch der Maßstab für den Erfolg bezieht sich – anders als bei vielen Arbeiten – auf die Projektebene statt auf die Unternehmensebene. Mit sehr vielen der bisherigen Studien kann die Frage nicht beantwortet werden, was zu einem Erfolg einer Kooperation selbst beiträgt, sondern nur, dass Kooperationen für Unternehmen nützlich sein könnten. Gleichzeitig wird in diesen Studien mit der Erfolgsmessung auf Unternehmensebene aber auf einen direkten Vergleich zu rein internen Projekten verzichtet. Aber rein interne Projekte werden einem Unternehmen ebenfalls nützlich sein, so dass die Superiorität von Allianzen noch nicht ausreichend belegt ist. Hinzu kommt, dass konkrete Maßnahmen zur Erhöhung der Erfolgswahrscheinlichkeit eines Projekts nicht abgeleitet werden können. Darüber hinaus werden Kausalitätsprobleme vermieden, weil nicht auf eine erst in vielen Jahren folgende Markteinführung der Produkte wie bei Rothaermel (2001) referenziert wird, denn es ist möglich, dass hier weitere Kooperationen oder Investitionen erfolgsrelevant sind (welche dann aber nicht erfasst wurden), so dass der ursprünglich postulierte Zusammenhang gar nicht mehr ursächlich sein könnte. Dies soll der Beantwortung der Frage dienen, ob wirklich die Ressourcen eines kleinen Start-ups für den Erfolg einer Kooperation mit einem etablierten Unternehmen mit mehreren 10.000 oder gar 100.000 Mitarbeitern, einem jährlichen Forschungsbudget sowie eines Umsatzes in Milliardenhöhe für einen Produktentwicklungsprozess mit erheblicher Unsicherheit relevant sein können. Im übrigen wird hier erstmalig der Erfolg einer Kooperation auf Basis der technologischen Ressourcen beider Unternehmen gleichzeitig untersucht. Dies unterblieb bislang wie z.B. bei Muthusamy/White (2005) und Stuart (2000). Aber gerade aus der Interaktion der beiden Ressourcenportfolios kann sich ein sog. Synergieeffekt ergeben oder die Komplementarität der

Ressourcenportfolios

empirisch

nachgewiesen

werden.

Bislang

vollkommen

unbeantwortete Fragen sind, ob sich zwei Technologieführer zu einer Kooperation zusammenschließen, oder ob es einem Unternehmen mittels Kooperationen gelingen kann,

72

Ableitung der Hypothesen

den technologischen Vorsprung anderer Firmen aufzuholen und welche Rolle dabei die eigenen Ressourcen und Kompetenzen spielen können. Im engem Zusammenhang steht dann die Frage nach komplementären Ressourcen. Eine Untersuchung auf Basis eines Fragebogens wie bei Sarkar et al. (2001) wäre mit dem Problem eines sog. „common source bias“ konfrontiert, denn es ist nicht davon auszugehen, dass eine Frage nach der Komplementarität der Ressourcen im Rahmen einer Befragung zu einer anderen Antwort als der Bejahung des Vorliegens führen würde, sofern ein Erfolg absehbar erscheint. Durch die Verwendung von Sekundärdaten wird darüber hinaus ein Informateneinfluss aus Befragungen vermieden. Gleichzeitig wird z.B. von Lane/Lubatkin (1998) ein gewisses Maß an Überschneidung von den Kooperationspartnern zum besseren gegenseitigen Verständnis gefordert. Aber führt genau dies nicht zu einer Verringerung der zur Verfügung stehenden Ressourcen und damit zu einer geringeren Erfolgswahrscheinlichkeit im Sinne des RBV? In dieser Arbeit wird daher die Bedeutung von komplementären Ressourcen für den Kooperationserfolg untersucht und der Wirkung der Reduktion von Ressourcen Rechnung getragen. Zum anderen werden verbesserte Qualitätsindikatoren für die Bestimmung der technologischen Ressourcen und Kompetenzen verwendet und gleichzeitig mehrdimensional betrachtet, so dass eine Zuweisung einer hohen technologischen Kompetenz aufgrund z.B. einer lediglich hohen Bedeutung einer Erfindung für das betrachtete Unternehmen ausgeschlossen werden kann. Die bei Ernst (2003) und Lanjouw/Schankerman (2004) angesprochenen möglichen Fehlerquellen können so ausgeschlossen werden. Da es sich bei dem Modell der „absorptive capacity“ von Cohen/Levinthal (1990) um eine Fähigkeit der Identifikation, Integration und Umsetzung externen Wissens handelt, ist von einer sehr großen Bedeutung bei einer genau auf diese Aktivitäten ausgerichteten Kooperation auszugehen. Allerdings wurde im Kontext von Allianzen von Lane/Lubatkin (1998) bislang nur berücksichtigt, dass diese Fähigkeit partnerspezifisch wichtig sein soll. Es ist zwar keine offene Frage mehr, wie wichtig diese Kompetenz für etablierte Unternehmen ist, aber zwischenzeitlich hat eine Weiterentwicklung des theoretischen Modells stattgefunden. Es wurde von Zahra/George (2002) zwar die Frage gestellt, wie wichtig die Umsetzungsfähigkeit ist, diese aber nicht ausreichend beantwortet. Deshalb wurde ein Messkonzept entwickelt, um der Frage nachgehen zu können, wie gut es etablierten Unternehmen gelingt, aus Erfindungen anderer Unternehmen neue, eigene Produkte zu entwickeln. Allianzen bieten sich deshalb besonders für den Umsetzungsaspekt an, weil der Zugang zu Ressourcen des Partners im

Defizit der bisherigen empirischen Forschung zu F&E-Kooperationen

73

ureigensten Interesse der die Kooperation vereinbarenden Unternehmen ist und Teil eines jeden Kooperationsvertrags sein sollte. Schließlich wird in Studien ein Wissenstransfer grundsätzlich gleichgesetzt mit einer Verbesserung hinsichtlich der Kompetenzen oder Ressourcen in einem Zeitraum nach Beginn der Kooperation wie z.B. bei Mowery/Oxley/Silverman (1996) und Mowery/Oxley/Silverman (1998). Muss dies nicht differenziert werden, weil z.B. das NIH-Problem dies verhindern kann? Ist es darüber hinaus nicht auch vielmehr im Interesse der Unternehmen einen Wissensabfluss grundsätzlich zu vermeiden, da die eigene Wettbewerbsposition dadurch gefährdet werden kann? Teilweise wird dies bei Hamel/Doz/Prahalad (1989), Hamel (1991) und Kale/Singh/Perlmutter (2000) unter dem Stichwort der „learning races“ diskutiert. Unter Berücksichtigung der Tatsache, dass etablierte Unternehmen der Pharmazie Kooperationen i.d.R. vollständig finanzieren, wäre ein Wissenstransfer grundsätzlich möglich. Aber wie viel „Schaden“ richtet die Kooperation innerhalb eines etablierten Pharmaunternehmens an, wenn für eigene Forschungsaktivitäten bis zu mehreren Millionen Euro weniger Forschungsbudget zur Verfügung steht, weil damit die Kooperation finanziert wird? Es wird daher untersucht, ob es zu einer Verbesserung der Technologieposition als Ergebnis eines Lernerfolgs seitens des Pharmaunternehmens kommt. Diese Untersuchung wird auf Basis eines Vergleichs zwischen den beiden Zeitperioden vor Beginn der Kooperation und nach Beginn der Kooperation geführt. Darüber hinaus ist eine weitere offene Frage, welche Fähigkeiten der Unternehmen dazu führen, dass sich potenzielle Lerneffekte aus einer Kooperation auch in einer Verbesserung des

Ressourcenportfolios

niederschlagen.

Dafür

kann

entsprechend

theoretischer

Überlegungen die „absorptive capacity“ wie auch die vielfach untersuchte Kooperationserfahrung bzw. die sog. „alliance capability“ von Bedeutung sein. Diese Untersuchung wird ebenfalls auf Basis von Sekundärdaten geführt aber stärker explorativ angegangen.

Deshalb stellt sich die Aufgabe, über theoretische Zusammenhänge nachzudenken, mit denen die Wahrscheinlichkeit von Kooperationserfolgen und Unternehmenserfolgen aufgrund der Kooperationen konkretisiert werden kann. Diese theoretisch abgeleiteten Hypothesen zu den genannten offenen Punkten werden im Anschluss daran großzahlig untersucht.

Grundlegende Elemente der Forschungsmodelle

75

3 Ableitung der Hypothesen Obwohl die Arbeit in der Hauptsache auf empirische Untersuchungen und Nachweise hinsichtlich des Erfolgs von Kooperationen ausgerichtet ist, ist vorab einen Blick auf die theoretische Einbindung der Themenstellung zu werfen, denn in der Literatur ist eine Vielzahl betriebswirtschaftlicher Theorien zur Erklärung des Erfolgs/Misserfolgs von Kooperationen im weitesten Sinne zu finden246: x

Transaction-cost economics247

x

Strategic behavior theory248

x

Game theory249

x

Agency theory250

x

Resource based view251

x

Learning theory252

x

Investment option253

x

Incomplete contract theory254

x

Resource-advantage theory255

Weiterhin liegen Arbeiten mit Bezug zur organisationstheoretischen Betrachtungsweise vor256:

246

x

Resource dependence257

x

Power dependence258

x

Workflow interdependence259

x

Congruence model260

x

Information processing model261

Als Erweiterung von Park/Ungson (2001), S. 40. Hierbei sind einzelne Vertreter exemplarisch aufgelistet. Vgl. Parkhe (1993b), S. 310-324. Vgl. Kogut (1988), S. 319-332. 249 Vgl. Parkhe (1993a), S. 794-829. 250 Vgl. Geringer/Hebert (1989), S. 235-254. 251 Vgl. Eisenhardt/Schoonhoven (1996), S. 136-150. 252 Vgl. Hamel (1991), S. 83-103. 253 Vgl. Kogut (1991), S. 19-33. 254 Vgl. Deeds/Hill (1998), S. 141-163. 255 Vgl. Lambe/Spekman/Hunt (2002), S. 141-158. 256 Vgl. Park/Ungson (2001), S. 40; Das/Teng (2003), S. 291. Hierbei sind einzelne Vertreter exemplarisch aufgelistet. 257 Vgl. Pfeffer/Salancik (1978), S. 10-46. 258 Vgl. Cook (1977), S. 62-82. 259 Vgl. Cummings (1984), S. 367-442. 260 Vgl. Barkema/Bell/Pennings (1996), S. 151-166. 247 248

76

Ableitung der Hypothesen x

Evolutionary model262

x

Structure-strategy model263

Diese Auflistungen zeigen, dass es eine Vielzahl an Betrachtungswinkeln zu Kooperationen gibt, wobei allerdings nur selten zwischen einem Joint Venture und einer strategischen Allianz unterschieden wird. Damit wird deutlich, dass stets nur ausgewählte Aspekte beleuchtet werden (können) und ein vollständiges Modell kaum zu erwarten ist. In dieser Studie werden daher ebenfalls nur einzelne Elemente integriert werden können, und zwar vornehmlich jene, welche bislang noch nicht oder nicht hinlänglich untersucht wurden.264 Im Anschluss werden daher zunächst die in dieser Studie aufgegriffenen Modelle und die integrierten Aspekte beschrieben. Da sich der ressourcenorientierte Ansatz zur Erklärung solcher Modelle als sehr gut geeignet herausgestellt hat, dient er auch in dieser Studie als Grundlage für die darauf folgende theoretische Ableitung der Hypothesen zum Erfolg

von

F&E-Kooperationen

zwischen

etablierten

Unternehmen

und

Start-

ups.Grundlegende Elemente der Forschungsmodelle Im Folgenden werden die zwei in dieser Arbeit verwendeten Forschungsmodelle vorgestellt. Modell I soll helfen, den Erfolg einer Kooperation zu erklären und somit Erfolgsfaktoren identifizieren, wohingegen Modell II zur Klärung der Frage dient, ob es zu einer Verbesserung der Technologieposition des etablierten Unternehmens im Anschluss an die Kooperation gekommen ist.

3.1

Grundlegende Elemente der Forschungsmodelle

In Modell I wird zwischen technologiespezifischen Einflussfaktoren der jeweiligen Kooperationspartner, beziehungsspezifischen Elementen und weiteren Kontrollvariablen unterschieden. Nicht berücksichtigt werden Aktivitäten, die während der Durchführung von beiden Partnern beeinflusst werden könnten. Die im Modell I darüber hinaus enthaltenen Kontrollvariablen dienen der Absicherung des Modells. Abbildung 4 fasst die grundlegenden Elemente dieses ersten Messmodells zur Erklärung des Kooperationserfolgs zusammen. Es wird ersichtlich, dass hier die Analyse direkter Effekte im Vordergrund steht. Indirekte 261

Vgl. Mohr/Spekman (1994), S. 135-152. Vgl. Koza/Lewin (1998), S. 255-265. Vgl. Holton (1981), S. 6-74. 264 Vgl. Ergebnisse zum Stand der wissenschaftlichen Forschung in Kap. 0. 262 263

Grundlegende Elemente der Forschungsmodelle

77

Effekte, moderierende Faktoren oder Interaktionsterme werden zum Ende der Arbeit separat aufgegriffen.

Abbildung 4: Grundlegende Elemente des idealtypischen Messmodells I für Kooperationserfolg

Neben der Analyse des Kooperationserfolgs selbst (Modell I) soll hier auch untersucht werden, ob es zu einem Lernerfolg gekommen ist. Bei dem Modell II (vgl. Abbildung 5) wird somit ein indirekter Erfolg durch eine Kooperation betrachtet. Dabei ist die Sichtweise der großen, etablierten Unternehmen der pharmazeutischen Industrie von Interesse, so dass zur Arbeit von Stuart (2000), der vornehmlich kleinere Unternehmen untersucht hat, kaum Berührungspunkte bestehen. Ziel ist hier aufzuzeigen, dass Kooperationen auch Auswirkungen auf die beteiligten Unternehmen haben, und zwar in der Form, dass die Technologieposition des großen Pharmaunternehmens durch Lerneffekte verbessert werden kann. Es ist zu klären, welche Eigenschaften des Pharmaunternehmens ein Lernen in Kooperationen vom technologisch überlegenen Biotech-Partner ermöglichen. Die Abbildung 5 fasst die grundlegenden Elemente des Modells II zur Erklärung des Lernerfolgs in Kooperationen zusammen.

78

Ableitung der Hypothesen

Abbildung 5: Grundlegende Elemente des idealtypischen Messmodells II für Lernerfolg

Abbildung 5 unterscheidet sich von Abbildung 4 vor allem hinsichtlich des untersuchten Erfolgsmaßes. Mit dem Modell II soll die Verbesserung der Technologieposition durch Lerneffekte erklärt werden, während mit Modell I der Erfolg der gemeinschaftlichen Kooperation untersucht wird. Die unabhängigen Variablen unterscheiden sich daher in den beiden Modellen nicht. Jedoch enthält Modell II vier weitere Kontrollvariablen, und zwar für die technologische Wettbewerbsintensität, für die in der Vergangenheit seitens der Pharmaunternehmen durchgeführten Unternehmenskäufe und –fusionen sowie für das einzelne Unternehmen. Die erste Variable wurde deshalb mit aufgenommen, da die nur in Modell II zur Anwendung kommende Anzahl neu angemeldeter Patente pro Jahr in den letzten Jahren kontinuierlich gestiegen ist. Sie berücksichtigt daher das Wachstum an neuen Patenten im entsprechenden Zeitfenster und kontrolliert somit diesen zusätzlichen Einfluss auf die abhängige Variable. Die zweite (Unternehmenskauf) und dritte (Unternehmensfusion) Variable sind in diesem Modell II notwendig, da ebenfalls ein direkter Einfluss auf die abhängige Variable besteht, welcher auf Grund des kurzfristigen Messzeitraumes für Modell I nicht angenommen wird.

Erfolg einer Kooperation

79

Im Anschluss an die Vorstellung der Messmodelle werden die Hypothesen zum Erfolg der Kooperation entwickelt. Dabei wird zwischen einem direkt beobachtbaren Erfolg der Kooperation selbst und einem erst später messbaren Lernerfolg unterschieden, wobei der Schwerpunkt dieser Arbeit auf der Erklärung des Kooperationserfolgs liegen soll. Die Gliederung orientiert sich weiterhin an den Kooperationseffekten, der bei Das/Teng (2003) geforderten Integration von Charakteristika der Ressourcen sowie den Interdependenzen zwischen den Ressourcen der beteiligten Unternehmen. Jedes Kapitel schließt mit der Formulierung einer entsprechend abgeleiteten Hypothese.

3.2

Erfolg einer Kooperation

Die inhaltliche Ableitung der Hypothesen basiert auf der Annahme, dass zwei Unternehmen unter Berücksichtigung ihrer jeweiligen Motive eine Kooperation vereinbart hatten. Diese Kooperation wurde zwischen einem etablierten und am Markt bereits lange bestehenden Pharmaunternehmen und einem Start-up der Biotechnologie geschlossen. Unterschiedliche Interessenslagen und Ressourcenausstattungen ergeben sich hier.265 Allerdings wollen beide Kooperationspartner ein neues Produkt entwickeln und müssen dafür v.a. technische Probleme lösen266, da marktseitige Fragestellungen in dieser Branche von untergeordneter Bedeutung sind. Es werden daher technologiespezifische Ressourcen der beiden Unternehmen und deren Effekte im Folgenden aufgegriffen.

3.2.1

Technologiespezifische Effekte

Der RBV ist mit der Zielsetzung angetreten, die Innenverhältnisse von Unternehmungen zu untersuchen, was ihn von der Institutionenökonomik unterscheidet.267 Es hat sich hierbei als zweckmäßig herausgestellt, die Ressourcen in den Mittelpunkt der Betrachtung zu stellen, über die das Unternehmen verfügt.268 Die fundamentale Annahme des Ressourcenansatzes ist, dass überdurchschnittliche Gewinne von Unternehmen ihre Quelle in den Ressourcen haben,

265

Vgl. Kap.1.1. Vgl. die sehr niedrige Erfolgswahrscheinlichkeit aus Tabelle 1. Vgl. Bamberger/Wrona (1996), S. 131. 268 Vgl. Freiling (2001), S. 10. 266 267

80

Ableitung der Hypothesen

auf die ein Unternehmen zugreifen kann.269 Unternehmen werden also versuchen, Kontrolle über solche Faktoren zu erhalten, die Wettbewerbsvorteile generieren.270 Die grundlegende Sichtweise ausgehend von Wernerfelt (1984) ist dabei, dass Unternehmen als Bündel, Vektoren oder Portfolios materieller und immaterieller Ressourcen angesehen werden können. Es kann nun angenommen werden, dass sich Unternehmen hinsichtlich ihrer Ausstattung

und

Position

dauerhaft

unterscheiden,

also

heterogen

sind271,

da

Marktimperfektionen vorherrschen. Unternehmen sind somit an Hand ihrer Ressourcenausstattung eindeutig zu kennzeichnen.272 Diese Einmaligkeit führt wiederum zu einzigartigen Erfolgsausprägungen273, oder mit anderen Worten274: „…, resource differences among firms drive product/service differences.” Die Wettbewerbsfähigkeit hängt somit von den Ressourcen eines Unternehmens ab.275 Die Literatur ist sich diesbezüglich aber weitgehend einig, dass immaterielle Ressourcen dem obigen Gesamtspektrum der Merkmale für eine Generierung langfristiger Wettbewerbsvorteile eher gerecht werden als materielle.276 Zu den immateriellen Ressourcen zählen beispielsweise Management-Fähigkeiten, außergewöhnliches Know-how und Technologieführerschaft sowie spezifische organisationale Arrangements.277 Nach Kogut/Zander (1992) kann dann aber auch zwischen „information (e.g. who knows what)“ und „know-how (e.g. how to organize a team)“ differenziert werden.278 Die beiden genannten Aspekte zusammen stellen schließlich das einem Unternehmen zur Verfügung stehende „knowledge“ dar. Das gesammelte Wissen, hier als Wissensbasis bezeichnet, bietet durch Rekombination die Grundlage für die Entwicklung von neuen Ressourcen. Sie hat gleichzeitig Auswirkungen auf die relative Leistung der Unternehmen.279 Solche immateriellen Ressourcen sind schwierig zu generieren oder von anderen Unternehmen zu erlangen. Es wird ersichtlich, dass wie bei Sarkar et al. (2001) und Priem/Butler (2001) gefordert, zwischen einer statischen und dynamischen Perspektive des

269

Vgl. Freiling (2001), S. 7. Vgl. Ahuja (2000a), S. 319. Vgl. Bamberger/Wrona (1996), S. 132. 272 Vgl. Park/Chen/Gallagher (2002), S. 530 ; Freiling (2001), S. 54. 273 Vgl. Park/Mezias/Song (2004), S. 8f. 274 Combs/Ketchen Jr (1999), S. 868f. 275 Vgl. Ahuja/Lampert (2001), S. 525. 276 Vgl. DeNisi/Hitt/Jackson (2003), S. 13f. 277 Auf eine vollständige Auflistung wird hier verzichtet und auf Wolf (2003), S. 423f. verwiesen. 278 Vgl. Kogut/Zander (1992), S. 383. 279 Vgl. Kogut/Zander (1992), S. 384-387. 270 271

Erfolg einer Kooperation

81

RBVs zu unterscheiden ist. Die ursprüngliche Argumentation von Barney (1991) stellt ihrer Auffassung nach lediglich eine statische Betrachtungsweise dar. Dynamische Aspekte sollten aber, verursacht durch Umweltveränderungen, in den Vordergrund treten. In einer späteren Arbeit von Barney (2001) ist ebenfalls die Forderung zu lesen, dass die dynamischen Aspekte eine stärkere Beachtung in der wissenschaftlichen Forschung erhalten sollten. Sarkar et al. (2001) erweitern diese Forderung nach Berücksichtigung der Dynamik um Fluss- und Akkumulierungsprobleme. Hier schließt sich dann auch das bei Kogut/Zander (1992) angesprochene Problem des Technologietransfers und der Imitation an, da eine Kodifizierung für Erstgenannten notwendig ist, aber Zweitgenanntes leichter ermöglicht. In diesem Zusammenhang spielt daher die Frage nach einer „make or buy“-Strategie eine wesentliche Rolle, denn liegen Ressourcenrestriktionen bei einem Unternehmen vor und ist eine eigene Generierung nicht möglich oder sinnvoll, so steht die Frage im Vordergrund, ob über marktnähere Organisationsformen ein Zugang zu den gewünschten Ressourcen erlangt werden kann.280 Allianzen können hier als eine solche marktnähere Organisationsform mit Zugang zu (immateriellen) Ressourcen gelten.281 Die Argumentation des RBV beinhaltet auch, dass Unternehmen in der Lage sind, auf Basis der Ressourcen des Kooperationspartners einen nachhaltigen Wettbewerbsvorteil zu generieren.282 Ein Austausch wird aber nur dann stattfinden, wenn das Unternehmen mit Ressourcenrestriktion über einen tauschbaren Faktor eine Kompensation ermöglicht283, d.h. in diesem Fall ein Biotechnologieunternehmen eine Finanzierung seitens des etablierten Pharmaunternehmens erhält.

Ein aus Ressourcen zu generierender Wettbewerbsvorteil kann dann kurz- oder langfristiger Natur sein. Ray/Barney/Muhanna (2004) schreiben dazu284: „Resource-based logic suggests that business processes that exploit valuable but common resources can only be a source of competitive parity; business processes that exploit valuable and rare resources can be a source of temporary competitive advantage; and business processes that exploit valuable, rare, and costly-to-

280

Vgl. Ahuja (2000a), S. 335. Vgl. Park/Mezias/Song (2004), S. 8. Vgl. Eisenhardt/Schoonhoven (1996), S. 137; Bronner/Mellewigt (2001), S. 731; Park/Mezias/Song (2004), S. 8. 283 Vgl. Ahuja (2000a), S. 338. 284 Ray/Barney/Muhanna (2004), S. 26. 281 282

82

Ableitung der Hypothesen imitate resources can be a source of sustained competitive advantage (Barney 1991).”

Die Bedingung der Nachhaltigkeit erscheint somit als zusätzlich Einschränkung notwendig, um die besondere Bedeutung von Ressourcen hervorzuheben. Eine Ressource von einem Kooperationspartner wird nur dann nachhaltig sein, wenn der Partner mit Restriktionen in einer Kooperation nicht lernt und ein Konkurrent die zur Kopie des Vorteils notwendigen Ressourcen nicht auch über marktliche Transaktionen erlangen oder selbst nachahmen kann.285 Einerseits ist anzunehmen, dass ein Wettbewerber wahrscheinlich nicht exakt die Ressourcen imitieren kann, die zur Erlangung eines Wettbewerbsvorteils notwendig sind. Andererseits ist denkbar, dass er eventuell ähnliche Ressourcen entwickeln kann, die die gleiche Wirkung erzielen und zu einer Erosion der Ressourcen führen.286 Mechanismen, die den Schutz von Unterschieden in wettbewerbsrelevanten Faktorausstattungen begründen, spielen deshalb im Ressourcenansatz eine zentrale Rolle.287 Es erscheint daher zulässig und sinnvoll, Patente in einer Studie zur Messung von Ressourcen zu verwenden, da diese zu den intangiblen Ressourcen zu zählen sind und gleichzeitig ein langfristiges Schutzrecht mit einem entsprechenden Wert darstellen.288

Die Bedeutung wertvoller technologischer Ressourcen und Kompetenzen soll exemplarisch durch folgendes Zitat bei Nerkar/Roberts (2004) hervorgehoben werden. Die Autoren schreiben289: „…we expect new product introductions to be more successful when a firm possesses superior technological knowledge, combinative capabilities, and complementary assets.“

Empirische Befunde können die theoretischen Überlegungen stützen. Die Studie von Mellewigt (2003) zu 44 Unternehmen der Telekommunikation kann hier beispielhaft angeführt werden. Er untersucht vornehmlich verschiedene Typen von Kooperationen und deren Ausgestaltungsformen in Abhängigkeit von den Ressourcen der beteiligten

285

Vgl. Colombo (2003), S. 1210; Bamberger/Wrona (1996), S. 135f. Vgl. Bamberger/Wrona (1996), S. 139. Vgl. Bamberger/Wrona (1996), S. 132. 288 Vgl. Bamberger/Wrona (1996), S. 133. 289 Nerkar/Roberts (2004), S. 780. 286 287

Erfolg einer Kooperation

83

Unternehmen. In einem Modell untersucht er die Wirkung von eigentums- und wissensbasierten Ressourcen. Beide üben einen signifikant positiven Einfluss auf den Unternehmenserfolg aus. In einem anderen Modell wird der Einfluss von physischen, finanziellen und intangiblen Ressourcen auf den Unternehmenserfolg untersucht. Lediglich die physischen Ressourcen weisen keinen signifikant positiven Einfluss auf. Zusammenfassend kann gesagt werden, dass einige Studien einen direkten Zusammenhang zwischen den verfügbaren Ressourcen und dem Unternehmenserfolg nachweisen können, wobei auch eine Vielzahl indirekter Wirkungen denkbar ist und in der Literatur eine Analyse angeraten wird.290 Es ist zu erwarten, dass diese Ressourcen und Kompetenzen nicht nur bei Einzelunternehmen, sondern auch bei Kooperationen mit dem Ziel der Entwicklung neuer Medikamente eine wesentliche

Rolle

spielen.

Zu

einer

ähnlichen

Einschätzung

kommen

auch

Powell/Koput/Smith-Doerr (1996). Sie erwarten für Branchen, in denen Wissen eine wesentliche Rolle spielt, dass Firmen bei einer internen wie auch einer gemeinschaftlichen Forschung mit ihren Partnern auf dem Gebiet Experten sein müssen.291

Daher werden nun die entsprechenden Hypothesen abgeleitet, beginnend mit der technologischen Unternehmen,

Qualität gefolgt

von

bisheriger

Forschungsleistungen

spezifischen,

der

technologiebezogenen

beiden Aspekten

beteiligten wie

der

Forschungserfahrung, der Nutzung der vorhandenen „absorptive capacity“ oder der Technologieposition im Vergleich zum Wettbewerb. Der Aspekt der gegenseitigen Ergänzung von Ressourcen der beiden Partner wird im Abschnitt zu den beziehungsspezifischen Aspekten erörtert.

3.2.1.1 Technologische Qualität Aktivitäten, welche ein Unternehmen in der Vergangenheit durchgeführt hat, könnten Rückschlüsse auf die in der Vergangenheit akkumulierte technische Kompetenz eines Unternehmens ermöglichen. Dies wäre dann der Fall, wenn ein Unternehmen durch gewisse Aktivitäten sehr erfolgreich gewesen ist. In der Literatur wird dabei auf die Innovationsfähigkeit in der Vergangenheit der Unternehmen abgestellt. Darunter wird eine erfolgreiche

290 291

Vgl. Mellewigt (2003), S. 143f. Vgl. Powell/Koput/Smith-Doerr (1996), S. 119.

84

Ableitung der Hypothesen

Entwicklung und Markteinführung eines Produkts oder die Lösung technischer Probleme verstanden. Firmen mit einer Historie an Innovationen können entsprechend den Studien von Podolny/Stuart (1995), Dutta/Weiss (1997), Stuart (1998) und Stuart/Hoang/Hybels (1999) als technisch kompetent betrachtet werden. Diese technische Kompetenz führt im Zusammenspiel der Ressourcen im Sinne des ressourcenorientierten Ansatzes dann zu Wettbewerbsvorteilen von Unternehmen. In der englischsprachigen Literatur zum Themenbereich technologischer Kompetenzen werden dabei unterschiedliche Begriffe verwendet. Ahuja (2000a) spricht von „technical capital“, Stuart (1998) erfasst diesen Aspekt unter dem Begriff des „technological prestige“, Dutta/Weiss

(1997)

benutzen

den

Begriff

der

„technological

innovativeness“,

Hoang/Rothaermel (2005), Cohen/Levin (1989), Stuart (2000) und Ernst (2003) sprechen von „technological competence“. Colombo (2003), Stuart/Podolny (1996), Stuart/Hoang/Hybels (1999) und Ernst (2003) beziehen sich zudem auf „technological capabilities“. In einzelnen Artikeln werden mehrere Begriffe auch als Synonyme verwendet. Ein inhaltlicher Unterschied könnte vielleicht bestehen, wird in den Arbeiten aber grundsätzlich nicht erarbeitet. In der Operationalisierung ist ein Unterschied schließlich nicht mehr erkennbar. Aus diesem Grund wird hier im weiteren Verlauf nicht zwischen diesen Begriffen unterschieden.

Dass die Qualität interner technologischer Ressourcen eines einzelnen Unternehmens auch mit dem technischen Erfolg im Rahmen der internen Produktentwicklung positiv korreliert ist, beschreibt Gambardella (1992) in 12 Fallstudien für die pharmazeutischen Industrie. Die Arbeit von Tijssen (2002) hat zudem belegt, dass 96 Prozent der befragten Patentanmelder aus Großunternehmen die Auffassung vertreten, dass internes Wissen und Kompetenzen eine wichtige Quelle für Innovationen des Unternehmens darstellen. Die zentrale und im weiteren Verlauf weiter zu differenzierende Hypothese dieser Arbeit lautet folglich: H1-4: Wenn die Qualität der bisherigen Forschungsleistung der in der Kooperation beteiligten Unternehmen hoch ist, dann ist eine größere Erfolgswahrscheinlichkeit der vertikalen Forschungskooperation zu erwarten.

Problematisch ist, dass diese internen Ressourcen wiederum einen Einfluss auf die Formation von Kooperationen haben könnten, denn Firmen, welche eine hohe interne technologische Kompetenz aufweisen, so wird in der Literatur argumentiert, stellen grundsätzliche attraktive

Erfolg einer Kooperation

85

Partner für Unternehmen dar.292 Diese Beziehung gilt besonders für Unternehmen, welche Zugang zu einer größeren Wissensbasis oder zu neuem Wissen benötigen, weil sie intern nicht über die entsprechenden Kompetenzen verfügen. Ceteris paribus gilt daher, dass Unternehmen mit erfolgreichen Innovationen in der Vergangenheit Auswahlmöglichkeiten hinsichtlich der Firmen haben sollten, welche mit ihnen eine Partnerschaft eingehen wollen. Im Gegensatz dazu weisen Unternehmen ohne eine solche erfolgreiche Vergangenheit eine niedrige Attraktivität auf und verfügen über weniger potenzielle Partner. Ahuja (2000a) schreibt dazu als Fazit293: „Thus, the opportunities to collaborate are likely to vary positively with the possession of higher levels of technical capital.“

Die Ergebnisse von Ahuja (2000a) werden durch die Studie von Dutta/Weiss (1997) bestätigt. Sie erwarten, dass Unternehmen in Abhängigkeit von der eigenen technologischen Kompetenz mehr Lizenzierungs- und Marketingvereinbarungen als Verträge über Joint Venture schließen. Auch diese beiden Hypothesen werden bestätigt, so dass die eigene technologische Kompetenz einen wesentlichen Einfluss auf die Wahl eines Kooperationspartners ausübt. Die Bedeutung der Qualität einer für ein betrachtetes Unternehmen externen Ressource hat Stuart (2000) aufgegriffen. Im Rahmen einer großzahlig angelegten Studie von 1600 horizontalen Allianzen in der Halbleiterindustrie konnte er die Bedeutung der Qualität der Forschung eines Unternehmens in einer Kooperation belegen. Er zeigt, dass der Inventionserfolg eines Unternehmens positiv mit der technologischen Kompetenz des Partnerunternehmens verknüpft ist. Die Wirkung gilt aber vor allem für große Unternehmen als Partner, wobei die sich bei kleinen Unternehmen ergebende Wirkung am stärksten ist. Kleine Firmen als Kooperationspartner stiften hingegen kaum einen Nutzen für größere Firmen. Für das Unternehmenswachstum des betrachteten Unternehmens ist es daher am besten, wenn sich um einen großen und innovativen Kooperationspartner handelt.294

Die bisherigen Arbeiten haben die Notwendigkeit zweier technologisch kompetenter Unternehmen abgeleitet.295 Die Qualität der bislang erbrachten Forschungsleistung eines Unternehmens kann allerdings mehrdimensional sein. Z.B. kann ein Unternehmen häufiger 292

Vgl. Dutta/Weiss (1997), S. 345f; Stuart (2000), S. 467; Ahuja (2000a), S. 320. Ahuja (2000a), S. 320. Für die Diskussion um Unterschiede zwischen vertikalen und horizontalen Kooperationen vgl. Kap. 0. 295 Vgl. Stuart (2000), S. 792 und die in Kap. 1.1 genannten Motive. 293 294

86

Ableitung der Hypothesen

als der Durchschnitt wesentliche Forschungsprobleme lösen und den Ausgangspunkt weiterer Arbeiten darstellen (im Folgenden als technologische Kompetenz bezeichnet), oder es können die technischen Anwendungsmöglichkeiten der Erfindungen weniger stark begrenzt sein (technologische Breite) und deshalb besondere Kompetenzen im Unternehmen vorliegen. Es ist ferner denkbar, dass eine internationale Verbreitung einer Erfindung möglich ist und somit Unternehmen im unterschiedlichen Maße gelingt, Erfindungen zu tätigen, die ein größeres Marktpotenzial aufweisen (internationale Breite), und es kann die strategische Ausrichtung der eigenen Forschungsanstrengungen eine mehr oder weniger starke Grundlagenorientierung der Forschungsaktivitäten aufweisen und damit stärker auf komplexere, grundsätzlichere Probleme ausgerichtet sein (Wissenschaftsbindung). Diese unterschiedlichen Aspekte werden in konkreter zu formulierenden Hypothesen im Folgenden behandelt.

Die grundlegende Idee ist, dass die technologische Kompetenz eines Unternehmens dann als größer einzustufen ist, wenn die gemachten Erfindungen als Ausgangsbasis für weitere Forschungsanstrengungen dienten und zu vielen Weiterentwicklungen bei anderen Unternehmen geführt haben.296 Die Argumentation erfolgt analog zur Bedeutung wissenschaftlicher Beiträge in z.B. der betriebswirtschaftlich orientierten Literatur: Artikel, auf welche häufig in darauf folgenden Forschungsvorhaben zurückgegriffen wurde, werden in der Wissenschaft als höherwertig angesehen. Dies ist u.a. deshalb der Fall, weil in den folgenden Artikeln nur auf bedeutsame und wichtige Quellen zurückgegriffen wird. Eine solche Betrachtungsweise ist grundsätzlich auch bei technischen Erfindungen möglich.297 Ein Unternehmen, welches eine Vielzahl von technischen Erfindungen hervorgebracht hat, die im Folgenden von anderen Unternehmen als wichtig und bedeutsam für das eigene Projekt eingestuft wurden, kann als technisch erfolgreicher klassifiziert werden.298 Die gezeigte höhere technische Kompetenz des Unternehmens, so wird im RBV argumentiert, ist Ausfluss höherwertiger Ressourcen und Kompetenzen.299 Auf Grund dieser höherwertigen Ressourcen und Kompetenzen ist dann auch mit einer höheren Erfolgswahrscheinlichkeit seitens eines Unternehmens bei zukünftigen Vorhaben gleicher oder ähnlicher Art zu rechnen.

296

Vgl. Lanjouw/Schankerman (2004), S. 448; Hagedoorn/Cloodt (2003), S. 1369; Deng/Lev/Narin (1999), S. 21. Vgl. Harhoff/Scherer/Vopel (2003), S. 1350. 298 Vgl. Dutta/Weiss (1997), S. 344. 299 Vgl. Teece/Pisano/Shuen (1997), S. 510-515. 297

Erfolg einer Kooperation

87

Narin/Noma/Perry (1987) untersuchten bei 16 Unternehmen der pharmazeutischen Industrie u.a. die Korrelation zwischen vorangegangenen Erfindungen und dem technologischen Potential sowie dem finanziellen Erfolg. Zur Bestimmung des technologischen Potentials wurden Expertenbefragungen durchgeführt. Der Unternehmenserfolg wurde über sechs einzelne Erfolgsvariablen gemessen. Es konnte gezeigt werden, dass ein signifikant positiver Zusammenhang zwischen der absoluten Anzahl an Patentzitaten und dem technologischen Potential bestand. Darüber hinaus hatten Unternehmen mit einem hohen Durchschnitt an Zitaten und dementsprechend einem hohen Potenzial einen signifikant höheren finanziellen Erfolg. Dies kann als Nachweis gelten, dass der Erfolg interner Projekte von der eigenen technologischen Fähigkeit abhängig ist ohne dabei die Frage zu klären, inwieweit dies auch für vertikale Kooperationen Gültigkeit hat. Ich erwarte daher: H1a: Wenn ein Pharmaunternehmen über ein hohes Maß an technologischer Kompetenz verfügt, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

In Kooperationen werden i.d.R. von jedem Partner Ressourcen und Kompetenzen eingebracht. Daher ähnelt sich die Ausgangssituation eines internen Projekts mit der eines gemeinschaftlichen Projekts. Es ist daher wichtig, dass auch der Kooperationspartner über Ressourcen und Kompetenzen verfügt, welche als relevant für das gemeinschaftliche Projekt einzustufen sind. Wenn auf die Ressourcen und Kompetenzen des Partners zurückgegriffen werden kann, welche von anderen Unternehmen als bedeutsam eingeschätzt wurden, dann ermöglicht ein sehr kompetenter Partner c.p. eine Erhöhung der Erfolgswahrscheinlichkeit eines gemeinschaftlichen Projekts. Neben der technologischen Kompetenz des Pharmaunternehmens hat dann auch die technologische Kompetenz des Biotechnologieunternehmens einen Einfluss auf den Erfolg einer Kooperation, weil die Technologie „Biotechnologie“ nicht in den etablierten Pharmaunternehmen entwickelt wurde, sondern in Universitäten und diesen kleinen Start-ups. Da die kleinen, aber dafür hoch spezialisierten Unternehmen kaum andere Ressourcen als ihre technologischen Ressourcen und Kompetenzen in eine Kooperation einbringen können300, ist hier ein stärkerer Effekt als bei den Ressourcen der etablierten Unternehmen zu erwarten. Dass die technologische Kompetenz der Biotechnologieunternehmen für die Pharmaunternehmen eine wichtige Rolle spielt, lässt sich aus den 300

Vgl. Lerner (1994), S. 325.

88

Ableitung der Hypothesen

Ergebnissen von Shan/Song (1997) ableiten. Sie haben gezeigt, dass solche Unternehmen der Biotechnologie gekauft wurden, welche über eine hohe Anzahl an Patenten verfügten, d.h. eine hohe technologische Kompetenz vorzuweisen hatten. Wenn dieses Wissen für die Pharmaunternehmen als wesentlich eingestuft wurde und entsprechende Investitionen getätigt wurden, ist eine unterstützende Wirkung auch für die gemeinschaftliche Forschung anzunehmen.301 Ich erwarte daher: H1b: Wenn ein Biotechnologieunternehmen über ein hohes Maß an technologischer Kompetenz verfügt, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

Weiterhin kann auch die technologische Breite der Erfindungen für die Qualitätsbestimmung der bisherigen Forschungsleistung und damit für den Erfolg von Bedeutung sein.302 Dabei wird unterstellt, dass eine große Anzahl potentieller Anwendungsmöglichkeiten für Erfindungen schwerer zu erlangen ist als eine Detaillösung. Je breiter also die Anwendungsmöglichkeiten einer Erfindung sind, desto bedeutsamer und somit wertvoller ist diese einzelne Erfindung.303 Ein Unternehmen, welches nun durchschnittlich mehr solcher wertvolleren Erfindungen tätigt, ist technologisch gesehen als kompetenter einzustufen als ein vergleichbares Unternehmen mit weniger breiten Erfindungen. Gleichzeitig kann argumentiert werden, dass es sich bei breiten Erfindungen eher um ein Grundlagenpatent als um eine konkrete Anwendung oder vielleicht sogar nur um eine Nische handelt. Mit der Breite einer Erfindung steigt die Anzahl möglicher Anwendungsgebiete. Somit nehmen auch die Größe der potenziellen Märkte und das Umsatzpotenzial zu. Ein höherer Umsatz stellt wiederum ein Ziel vieler Unternehmen dar, weshalb eben solche Unternehmen als besser oder wertvoller aufgrund ihrer technologischen Kompetenz eingestuft werden. Die breiteren Erfindungen bieten schließlich auch mehr Kombinationsmöglichkeiten mit anderen Erfindungen und somit ein größeres Potenzial für weitere Produkte, weil mehr Synergieeffekte zwischen den Technologien möglich sind. Diese Argumentationskette

301

Vgl. Das/Teng (2003), S. 297. Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 20-24. 303 Vgl. Lerner (1994), S. 330. 302

Erfolg einer Kooperation

89

mündet wiederum in einem höheren Umsatzpotenzial, weshalb diese Unternehmen auch wieder als besser oder wertvoller einzustufen sind.

Empirische Nachweise sind in der Literatur vorhanden. Die Artikel verfestigen zwar die theoretische Relevanz, haben aber teilweise Schwierigkeiten einen statistischen Nachweis zu führen. Dass die Breite einer Erfindung wettbewerbsrelevante Kompetenzen widerspiegelt, haben Trajtenberg/Henderson/Jaffe (1997) versucht darzulegen. Die Autoren zeigen, dass Universitätspatente breiter, d.h. in mehreren IPC-Klassen angemeldet wurden. Es wird dabei von den Autoren angenommen, dass Grundlagenerfindungen i.d.R. breiter angemeldet werden, da ihre Verwendung nicht auf spezielle Gebiete beschränkt ist. Solch grundlegenden Erfindungen ist dann generell ein entsprechend höherer Wert zuzuweisen.304 Ein weiterer Beleg hinsichtlich der höheren Qualität der Forschungsleistung findet sich in der Studie von Lerner (1994). Ihm gelingt der Nachweis bei 173 Firmen der Biotechnologie, dass die Breite von Patentanmeldungen und damit der Erfindung einen signifikanten Einfluss auf den Firmenwert hat.305 Der Kapitalmarkt erwartet somit überdurchschnittliche Leistungen des Unternehmens in der Zukunft. Austin (1993) untersucht die Bedeutung der technologischen Breite; sie wird dabei mittels Patentdaten beschrieben. Der Wert einer Erfindung wird bei ihm über Überrenditen am Kapitalmarkt zum Zeitpunkt der Erteilung des Patents approximiert. Für die Bestimmung der technologischen Breite unterteilt er die den entsprechenden Erfindungen zugrunde liegenden Patente in zwei Gruppen: Patente mit einem kleinen Scope (nur 1-2 IPC-Klassen) und Patente mit einem großen Scope (3-5 IPC-Klassen).306 Er zeigt, dass Patente mit einem größeren Scope 5,8 Prozent Überrendite erzielen. Im Gegensatz dazu liegt der Wert bei Patenten der kleinen Gruppe nur bei 0,7 Prozent. Dieses Ergebnis ist lediglich schwach signifikant auf 0,1Niveau. Die separate Analyse hinsichtlich Biotechnologiepatenten zeigt kein signifikantes Ergebnis bei Werten von 2,5 Prozent und 1,1 Prozent.307 Die theoretischen Überlegungen bestätigen die höher eingeschätzte Bedeutung eines Unternehmens mit besseren technologischen Kompetenzen, weil breitere Erfindungen in der Vergangenheit generiert werden konnten. Die empirischen Befunde können diese teilweise unterstützen. 304

Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 20-24. Vgl. Lerner (1994), S. 330. Vgl. Austin (1993), S. 255f. 307 Vgl. Austin (1993), S. 255f. 305 306

90

Ableitung der Hypothesen

Ich erwarte daher: H2a: Wenn ein Pharmaunternehmen über ein hohes Maß an technologischer Breite verfügt, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

Analog zur Argumentation bei den Unternehmen der pharmazeutischen Industrie erwarte ich für die Firmen der Biotechnologie mit einer stärkeren Wirkung: H2b: Wenn ein Biotechnologieunternehmen über ein hohes Maß an technologischer Breite verfügt, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

Der dritte Aspekt zur technologischen Qualität der Forschungsleistung eines Unternehmens bezieht sich auf den Einsatz eigener Ressourcen zur Absicherung getätigter Erfindungen.308 Unternehmen müssen, im Gegensatz zu den ersten zwei Aspekten, weitere eigene Mittel aufwenden, um eine Erfindung international in unterschiedlichen Ländern mit Ausschlussrechten versehen zu können.309 Die Schutzrechte sind mit jährlichen Kosten zur Erhaltung und vor allem mit Kosten für die Übersetzung im Rahmen der Anmeldung verbunden, wobei z.B. für Japan gilt, dass die Kosten für Übersetzungen die Kosten zur Erhaltung des Schutzrechts übersteigen. Es liegt nahe, dass die Kosten für eine Gruppe von Patenten höher liegen als für ein einzelnes Patent.310 Es ist aber mit einem abnehmenden Grenznutzen zu rechnen, sofern die Unternehmen ein sinnvolles Patentmanagement durchführen. Firmen werden solche Investition vor allem dann vornehmen, wenn sie von der technischen Relevanz und der wirtschaftlichen Nutzbarkeit ihrer Erfindung überzeugt sind311 und einen „return on investment“ (ROI) erwarten. In der Literatur wird überraschend berichtet, dass 2/3 der Patentanmelder auf einen Schutz ihrer Erfindungen außerhalb des Heimatmarktes verzichten.312 Diese Quote erscheint für die hier betrachtete Branche unter Berücksichtigung der Differenzierung zwischen Patentanmeldern und Unternehmen zu hoch. Trotz allem ist zu erwarten, dass nicht jedes Unternehmen jede Erfindung weltweit schützen lassen wird. Daher kann so die interne Bedeutung einer Erfindung abgeleitet werden.

308

Vgl. Harhoff/Scherer/Vopel (2003), S. 1351. Vgl. Lanjouw/Schankerman (2004), S. 447. Vgl. Ernst/Fabry/Soll (2004), S. 6. 311 Vgl. Lanjouw/Schankerman (2004), S. 448. 312 Vgl. Lanjouw/Schankerman (2004), S. 447. 309 310

Erfolg einer Kooperation

91

Der Schutz eigener Erfindungen bedingt, dass die Unternehmen diese Wertigkeit auch intern erkannt haben. Das Erkennen des Geschäftspotenzials einer Erfindung ist auch als eine wesentliche Kompetenz in der Neuproduktentwicklung zu bewerten. Wäre eine Erfindung nicht werthaltig und das Management des Unternehmens nicht von der Erfindung überzeugt, würde es keine weiteren Ressourcen darauf verwenden, sondern diese an anderer Stelle einsetzen. Es ist aber auch denkbar, dass das Management zwar von der Erfindung und dessen Potenzial überzeugt ist, sich die Erfindung aber nicht in eine Innovation umsetzen lässt, weil der Wettbewerb z.B. schneller war oder ein überlegenes Produkt anbietet. Das Unternehmen müsste dann die eigene Entscheidung revidieren und auf den Einsatz weiterer finanzieller und personeller Mittel zur Absicherung der Erfindung konsequenterweise verzichten. In einem solchen Fall wäre davon auszugehen, dass diese Erfindung von geringerer Qualität wäre. Ein Unternehmen, welches nun über die Kompetenz verfügt, solche Ressourcen hervorzubringen, die international verwertbar sind, ist eine höhere technologische Kompetenz zuzuweisen. Ein solcher Kompetenzaspekt führt dann auch im Rahmen einer Kooperation zu einer höheren Erfolgswahrscheinlichkeit hinsichtlich der Generierung neuer Produkte. Ich erwarte daher: H3a: Wenn ein Pharmaunternehmen über ein hohes Maß an internationaler Breite verfügt, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

Für die Unternehmen der Biotechnologie könnte hier ein stärkerer Effekt erwartet werden, da finanzielle Ressourcen den größten Engpass seitens dieser Firmen darstellen. Ein gegenteiliger Effekt könnte dadurch eintreten, dass diese Unternehmen nur sehr wenige Ressourcen entwickeln und damit die Erhaltung einer solchen Ressource eine größere Bedeutung beikommt. Beide Effekte werden voraussichtlich gleichzeitig auftreten. Ich erwarte daher für die Biotechnologieunternehmen mit einer stärkeren Wirkung im Vergleich zu den Pharmaunternehmen: H3b: Wenn ein Biotechnologieunternehmen über ein hohes Maß an internationaler Breite verfügt, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

Die bislang aufgeführten Aspekte sind auch Teil der bei Ernst (2003), Reitzig (2004) und Lanjouw/Schankerman (2004) betrachteten Patentqualität. Die relative Bedeutung der oben aufgeführten Aspekte schwankt allerdings. Der nun folgende Punkt weist hingegen für diese

92

Ableitung der Hypothesen

Branche eine höhere Bedeutung als in anderen Branchen auf, weil ein potenzieller Wirkstoff sehr früh im Produktentwicklungsprozess entwickelt wird.313 Diese frühe Phase ist inhaltlich identisch mit Aktivitäten der Grundlagenforschung314, bei der qua definitione kaum Erkenntnisse vorliegen. Die Wissenschaftsbindung der Forschungsaktivitäten wird daher hier zur Dimension der technologischen Qualität hinzugerechnet.

Neben den oben bereits erwähnten Aspekten zur technologischen Qualität spielt auch der Bezug zur Grundlagenforschung in der Kompetenzbestimmung eine Rolle.315 Die generelle Bedeutung der Grundlagenforschung für forschungsintensive Branchen wird in der Studie von Tijssen (2002) angesprochen. Er befragte 93 Patentanmelder aus Unternehmen, Universitäten und Forschungseinrichtungen zur Bedeutung der Grundlagenforschung im Rahmen ihrer Erfindung. Seiner Auffassung nach beruhen ca. 20 Prozent der in der privaten Wirtschaft entwickelten Innovationen auf Ergebnissen der öffentlichen Forschung. In seiner Argumentation bezieht er sich u.a. auf die Ergebnis der sog. „community innovation survey“ in den Niederlanden. Diese zeigte, dass 62 Prozent der forschungsintensiven Unternehmen die Bedeutung externer Wissensquellen bestätigen. 34 Prozent der Befragten bestätigen zudem die Relevanz akademischer Forschung für den Innovationsprozess des Unternehmens.316 Zu diesen forschungsintensiven Branchen zählt auch die hier betrachtete pharmazeutische Industrie.317 Im Rahmen seiner Befragung zeigte sich, dass 33 Prozent der Patente der Unternehmen ohne vorherige öffentliche und damit auch zugängliche (Grundlagen-) Forschung nicht hätten erlangt werden können.318 Cockburn/Henderson (1998) beschreiben u.a. die Bedeutung der Grundlagenforschung am Beispiel der pharmazeutischen Industrie. So stieg das öffentliche Forschungsbudget in der Zeit von 1970 bis 1995 um ca. 200 Prozent und erreichte das gleiche Volumen wie die Forschungsausgaben privater Unternehmen i.H.v. US$8,8 Milliarden. Dass diese enormen Kosten sich auch in neuen Medikamenten niedergeschlagen haben, belegt der Anteil der Medikamente aus der öffentlichen Forschung im Vergleich zu den privaten Unternehmen: 13 Medikamente wurden durch Institutionen der öffentlichen Forschung entwickelt und lediglich

313

Vgl. Hinze et al. (2001), S. 40; Cockburn/Henderson (1998), S. 180. Vgl. Tabelle 1. Vgl. Harhoff/Scherer/Vopel (2003), S. 1350; Tijssen (2002), S. 509. 316 Vgl. Tijssen (2002), S. 516. 317 Vgl. Tijssen (2002), S. 510. 318 Vgl. Tijssen (2002), S. 517. 314 315

Erfolg einer Kooperation

93

5 der insgesamt 21 untersuchten Wirkstoffe wurden vollständig durch private Unternehmen entwickelt.319

Die Bedeutung der Grundlagenforschung für ein forschendes Unternehmen erfordert, dass eine Beziehung zwischen ihr und den eigenen Forschungsaktivitäten eines Unternehmens besteht. Im Rahmen ihrer Befragung von 110 Personen zeigen Henderson/Cockburn (1994) für 10 Unternehmen der pharmazeutischen Industrie, dass Firmen, welche auf den Aspekt von Veröffentlichungen seitens des wissenschaftlichen Personals im Rahmen von Beförderungen setzen, wesentlich mehr wichtige Patente generieren als Firmen die weniger stark an die Wissenschaft gebunden sind.320 Cockburn/Henderson (1998) gehen noch einen Schritt weiter und erwarten eine bidirektionale Beziehung.321 Sie greifen diesen Aspekt in ihrer Studie mit 82 Beobachtungen zur pharmazeutischen Industrie auf und zeigen, dass die bei ihnen bezeichnete „connectedness“ von Unternehmen mit der Grundlagenforschung einen signifikanten, positiven Einfluss auf die Anzahl der generierten Patente eines Unternehmens hat. Die Verbindung wird dabei über den Anteil an Co-Autorenschaften in wissenschaftlichen Publikationen gemessen. Das Herkunftsland der in die Analyse einfließenden Patente ist allerdings auf zwei der drei „Triade“-Länder begrenzt, was einen Einfluss auf die Ergebnisse haben könnte. Zu einem ähnlichen Ergebnis kam auch Gambardella (1992). Er hat für 14 Unternehmen der pharmazeutischen Industrie bestätigen können, dass eine positive Korrelation zwischen der Anzahl an Publikationen und der Anzahl generierter Patente besteht bei gleichzeitiger Berücksichtigung der Größe der Unternehmen.322

Ein Unternehmen, welches nun intern über solche Ressourcen verfügt, welche sich aus der Verbindung

zur

Grundlagenforschung

ergeben,

weist

nicht

nur

ein

besonderes

Neuigkeitsniveau auf, sondern kann darüber hinaus auch den Stand der Technik mit beeinflussen und ist auch besser in der Lage, Probleme grundsätzlicherer Art zu lösen. Weiterhin könnte argumentiert werden, dass die Absorption von Erkenntnissen der Grundlagenforschung solchen Unternehmen besser gelingt, welche dort selbst aktiv sind. Ein erstes 319

Indiz,

dass

wichtigere

und

Vgl. Cockburn/Henderson (1998), S. 160-162. Vgl. Henderson/Cockburn (1994), S. 77-79. Vgl. Cockburn/Henderson (1998), S. 163f. 322 Vgl. Gambardella (1992), S. 404. 320 321

grundlegendere

Erfindungen

auf

neueren

94

Ableitung der Hypothesen

Forschungsergebnissen basieren, zeigen Trajtenberg/Henderson/Jaffe (1997). Sie untersuchen Patente von Universitäten und privaten Unternehmen hinsichtlich der Nähe zur Grundlagenforschung. Nach ihren Ergebnissen besteht eine signifikant positive Korrelation zwischen der Bedeutung einer Erfindung und der Grundlageneigenschaft. Die erzielten Resultate in der Grundlagenforschung führen schließlich zu einer breiteren Anwendbarkeit der Ergebnisse und damit zu wertvolleren Erfindungen.323 Ferner kann argumentiert werden, dass die Erkenntnisse aus der Grundlagenforschung über das

Wissen

zur

Lösung

bestimmter

technologischer

Probleme

hinausgehen.324

Grundlagenforschung produziert somit Hintergrundwissen, welches eine wichtige Rolle in der Erforschung neuen Wissens spielt. Schließlich werden grundlagenorientierte Aktivitäten auch wertvolles tazites Wissen enthalten.325 Da die Biopharmazie als äußerst forschungsintensiv einzustufen ist, ergibt sich zwangsläufig eine große Bedeutung der Grundlagenforschung für diese Branche, so dass auch deshalb von einer höheren technologischen Kompetenz von solchen Unternehmen auszugehen ist. Ich erwarte daher: H4a: Wenn ein Pharmaunternehmen über ein hohes Maß an Nähe zur wissenschaftlichen Forschung aufweist, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

Für die Biotechnologieunternehmen – welche größtenteils aus Universitäten heraus gegründet wurden326 – wird eine ähnliche Bedeutung des Bezugs zur Grundlagenforschung angenommen. Auf Grund ihrer Historie sollte sie auch ein absolut gesehen höheres Niveau aufweisen. Ich erwarte daher für die Unternehmen der Biotechnologie mit einer stärkeren Wirkung: H4b: Wenn ein Biotechnologieunternehmen über ein hohes Maß an Nähe zur wissenschaftlichen Forschung aufweist, dann hat dies einen positiven Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation.

323

Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 46. Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 22f. Vgl. Meyer (1999b), S. 425. 326 Vgl. Arora/Gambardella (1990), S. 366. 324 325

Erfolg einer Kooperation

95

3.2.1.2 Forschungserfahrung Neben der technologischen Qualität der Forschungsleistung spielt auch die in der Vergangenheit gemachte Erfahrung in einem Technologiefeld eine Rolle. Dieser Vergangenheitsbezug wird bei Stuart/Podolny (1996) aufgegriffen327: „The literature on evolutionary economics, the management of technology and organizational theory, all posit that R&D is history dependent. In other words, organizations search for novel technologies in areas that enable them to build upon their established technological base.”

Da es sich bei der Biotechnologie im Nachhinein um eine disruptive Technologie und damit um eine neue S-Kurve328 gehandelt hat, konnten die Unternehmen der pharmazeutischen Industrie zu Beginn keine Erfahrung mit dieser neuen Technologie vorweisen. Ressourcen und Kompetenzen im Sinne des RBV waren nicht vorhanden. Durch die sich abzeichnende zunehmende Bedeutung der neuen Technologie „Biotechnologie“ für den Produktentwicklungsprozess der pharmazeutischen Industrie waren die etablierten Unternehmen gezwungen, eigene Kompetenzen intern aufzubauen und weiterzuentwickeln, da ein substituierender Effekt bzgl. eigener Ressourcen denkbar war und sich mit der Zeit auch bestätigt hat. Für diese Firmen bestanden unterschiedliche Möglichkeiten der Herangehensweise an den Aufbau eigener Kompetenzen. So war die Möglichkeit des internen Aufbaus durch eigene Forschungsanstrengungen ebenso ein Weg wie der Kauf von Unternehmen oder die Durchführung einer Kooperation auf bestimmten Technologiefeldern zum Aufbau von Fähigkeiten für nachfolgende Projekte. Unabhängig vom gewählten Weg stellten die ersten Forschungsanstrengungen gleichzeitig Projekte mit einem sehr hohen Innovationsgrad, d.h. eine radikale Innovation mit großen Herausforderungen, dar.329 Solche Projekte würden eine hohe Misserfolgsrate erwarten lassen.330 Wie oben zur Bedeutung der technologischen Qualität bereits angesprochen, ist zu erwarten, dass die internen Ressourcen eine wichtige Quelle für Innovationen darstellen. Innovationen eines Unternehmens beruhten somit vornehmlich auf firmenspezifisch akkumuliertem technologischem Wissen und den verwendeten Produktionsprozessen.331 Es könnte der Fall

327

Stuart/Podolny (1996), S. 22. Zur Darstellung des Konzepts vgl. Brockhoff (1999), S. 185-196. Vgl. u.a. Green/Welsh/Dehler (2003), S. 423. 330 Vgl. Green/Welsh/Dehler (2003), S. 423. 331 Vgl. Senker (1996), S. 220. 328 329

96

Ableitung der Hypothesen

sein, dass sich die Bedeutung internen Wissens seit Beginn der Biotechnologie ab 1970 bis heute aufgrund der stärkeren Arbeitsteilung verringert hat. In Fachgesprächen mit Mitarbeitern aus unterschiedlichen deutschen Pharmaunternehmen wurde darauf hingewiesen, dass heute ca. 30% des Forschungsbudgets für Projekte mit Externen vorgesehen sind und der Anteil externen Wissens gestiegen ist. Dies entspricht ungefähr dem Anteil biotechnologischer Patente am Gesamtaufkommen in der Pharmazie.332 Es ist daher davon auszugehen, dass zu Beginn der Biotechnologie eigene Forschungsanstrengungen seitens der Pharmaunternehmen unerlässlich waren durch die weniger arbeitsteilige Organisation. Der Kauf von Wissen wie auch die gemeinschaftliche Entwicklung stellen somit zusätzliche Möglichkeiten zu den eigenen Forschungsaktivitäten dar. Diese ermöglichen aber nicht regelmäßig und in gleichem Maße den Zugang zu allen Ressourcen und Kompetenzen. Einige Fähigkeiten waren in der Vergangenheit für Pharmaunternehmen gar nicht über vertragliche Mechanismen zu erlagen.333

Ausgehend von der Bedeutung eigener Forschungsanstrengungen stellt sich gleichzeitig die Frage nach der Weiterentwicklung erlernten Wissens. Dieser Bereich wird durch die Theorie zu „organizational learning“ erfasst. Stuart/Podolny (1996) schreiben334: „Organizational learning is a cumulative activity that is facilitated by concentrating it in areas of prior knowledge accumulation.”

Ein Vergangenheitsbezug wird hier über kumulative Aktivitäten hergestellt. Eine Prozesssicht wie bei Pisano/Bohmer/Edmondson (2001) ist aber nur angedeutet. Sie bezeichnen „organizational learning“ als einen Prozess der Suche, Auswahl und Adaption neuer Routinen zur Steigerung der Leistung335, d.h. eine in der Vergangenheit gemachte Erfahrung schlägt sich in Routinen nieder und steht in zukünftigen Aktivitäten somit wieder zur Verfügung. Diese Annahme basiert auf den Arbeiten von March/Simon (1958) und Cyert/March (1963). Im Widerspruch dazu steht die Auffassung von Kogut/Zander (1992). Ihrer Meinung nach kann man im Zusammenhang von „organizational learning“ nicht davon sprechen, dass sich neues Wissen in Routinen niederschlägt. Es handelt sich bei Routinen inhaltlich nicht um

332

Vgl. Hinze et al. (2001), S. 40. Vgl. Pisano (1989), S. 115. Stuart/Podolny (1996), S. 22. 335 Vgl. Pisano/Bohmer/Edmondson (2001), S. 754 mit Bezug zu Levitt/March (1988) und Nelson/Winter (1982). 333 334

Erfolg einer Kooperation

97

„knowledge“, sondern lediglich um Informationen. Sie vergleichen Routinen mit „blueprints“, also Blaupausen. Diese Blaupausen stellen mehr eine Beschreibung und damit eine Information denn Wissen dar.336 Dieser Auffassung kann allgemein nicht gefolgt werden. Selbst eine rein formale Darstellung einer Organisation enthält nicht die Information für die Frage, warum diese optimal für das spezifische Unternehmen sein soll. Noch deutlicher wird dies mit Bezug zu sog. Technischen Zeichnungen. Sie sind der Versuch, eine genaueste Anleitung zur Produktion zu geben, aber ein „know why“ kann ihr nicht entnommen werden, da z.B. keine Informationen über Belastungen enthalten sind und so offen bleibt, warum eine gewisse Wandstärke etc. gewählt wurde. „Organizational learning“ beinhaltet n.h.A. daher den Aspekt der Weiterentwicklung der Prozesse, da hier den neueren Forschungsergebnissen Vorrang eingeräumt wird.

Nach Levitt/March (1988) ist davon auszugehen, dass Firmen erst durch die wiederholte Durchführung bei unterschiedlichen Rahmenbedingungen gelernt haben, neues Wissen zu erlangen und Forschungsprojekte zu organisieren.337 Entsprechend der Argumentation bei Ahuja/Lampert (2001) würden Unternehmen bei der wiederholten Durchführung von Aktivitäten Schlussfolgerungen aus früher gemachten Erfahrungen ziehen.338 Die in den Routinen gemachten Erfahrungen führen schließlich dazu, dass nicht produktive Aktivitäten entfernt oder auch verbessert werden. Ein solch iteratives Vorgehen führt schließlich zu spezialisierten Routinen für spezifische Ergebnisse. Die Theorie würde damit empfehlen, dass die Weiterentwicklung von Ressourcen pfadabhängig und somit kumulativ ist. Dieses Argument der Pfadabhängigkeit wird unterstützt durch die Studien von Abernathy/Clark (1985), Tushmann/Anderson (1986), Henderson/Clark (1990), Ahuja/Lampert (2001) und die Argumentation bei Stuart/Podolny (1996). Diese Arbeiten diskutieren die Effekte von technologischen Änderungen, welche als „competence destroying“ eingestuft werden können. Ein Ergebnis ist, dass die Natur der Pfadabhängigkeit die Unternehmen daran hindert, schnell zu reagieren, wenn radikale technologische Entwicklungen die Basis des Wettbewerbs verändern. Wichtig ist anzumerken, dass diese Beobachtungen nicht bedeuten, dass es keine Änderungen in den technologischen Entwicklungen gibt. Aber sie legen nahe, dass

336

Vgl. Kogut/Zander (1992), S. 386. Vgl. Hoang/Rothaermel (2005), S. 333. 338 Vgl. Ahuja/Lampert (2001), S. 525. 337

98

Ableitung der Hypothesen

technologische Entwicklungen nicht plötzlich und unerwartet auftreten, sondern im Bezug zu Entwicklungen in der Vergangenheit stehen.339 Eine kumulative Verknüpfung von Erfahrungen in der Vergangenheit beinhaltet auch den Aspekt, dass eine Verbindung von neuem mit bekanntem Wissen vor allem dann gelingt, je höher der Umfang des Vorwissens ist. Zu einem späteren Zeitpunkt bedingt dies gleichzeitig ein gewisses Maß an Vorwissen. Diese Wissensbasis beeinflusst darüber hinaus die Fähigkeit, Wissen zu speichern und sich im Bedarfsfall auch daran zu erinnern.340 Eine Lernkurve entsteht schließlich dadurch, dass Wissen zum Zeitpunkt t+1 auf Wissen aus t0 aufbaut.341 Sie beinhaltet damit den Aspekt der Pfadabhängigkeit.342 Eine Lernkurve bedingt wiederum das Auftreten von Lerneffekten. Diese werden von Dutton/Thomas (1986) als die der Erklärung von Erfahrungskurven zugrunde liegende Schlüsselvariable angesehen. Wichtig für den Verlauf einer Lernkurve der Unternehmen ist die Vermeidung von gleichen oder sehr ähnlichen Aktivitäten, da diese keine oder nur eine geringe Möglichkeit des Lernens bieten, dann aber Effizienzvorteile z.B. in der Produktion bringen können.343 In Zusammenhang mit „economies of scale“ ist dann nicht von einer Pfadabhängigkeit zu sprechen.344 Bei einer fortwährenden Beibehaltung von etablierten Routinen und Prozessen werden nach Levinthal/March (1993) Lerneffekte begrenzt und notwendige Veränderungen eingeschränkt. Eine ehemalige Management-Kompetenz kann schließlich auch zu einer Behinderung werden.345 So könnte auch durch die Auswahl von ähnlichen Kooperationspartnern die Varianz begrenzt und Lernprozesse innerhalb eines Unternehmens stimuliert durch externe Partner nur noch eingeschränkt möglich sein.346

Empirische Befunde lassen ebenfalls den Schluss zu, dass sich die Erfahrung auf den Erfolg eines Unternehmens auswirkt. Nerkar/Roberts (2004) untersuchen die Wirkung der Erfahrung auf den Innovationserfolg in der Pharmaindustrie anhand von 369 in den Markt eingeführter Produkte auf der Ebene von Krankheiten. Sie unterscheiden zwischen „proximal“ (spezial) und „distant“ (fern) hinsichtlich der technologischen und marktseitigen Erfahrung. Die spezielle Erfahrung auf einem Therapiegebiet ist dabei signifikant und positiv mit dem 339

Vgl. Stuart/Podolny (1996), S. 22f. Vgl. Cohen/Levinthal (1990), S. 129. Vgl. Pisano (1990), S. 161. 342 Vgl. Lieberman (1989), S. 431. 343 Vgl. Lieberman (1989), S. 431. 344 Vgl. Barney (2001), S. 46. 345 Vgl. Leonard-Barton (1992), S. 111. 346 Vgl. Hoang/Rothaermel (2005), S. 334. 340 341

Erfolg einer Kooperation

99

Umsatz eines neuen Medikaments korreliert. Die Resultate gelten vor allem für neue Produkte im Vergleich zu den ebenfalls berücksichtigten Generika. Die Erfahrung auf ferneren Krankheitsgebieten weist keine signifikante Korrelation zum Umsatz mit beiden Medikamententypen auf. Die Autoren untersuchen auch Interaktionseffekte zwischen diesen beiden Erfahrungstypen. Überraschenderweise zeigt sich hier ein negativer Faktor, welcher so interpretiert werden könnte, dass ein substituierender Charakter vorzuliegen scheint. Da aber nur die spezielle Erfahrung einen signifikanten Einfluss ausübt, wird in dieser Arbeit die ferne Erfahrung vernachlässigt. Im weiteren Verlauf untersuchen Nerkar/Roberts (2004), ob eine allgemeine Erfahrung einen Einfluss auf den Erfolg ausübt. Diese wird im weiteren Verlauf aber wie die „absorptive capacity“ interpretiert, so dass eine Berücksichtigung in dieser Arbeit ebenfalls nicht notwendig erscheint. Pisano/Bohmer/Edmondson (2001) zeigen, dass die Leistung eines Unternehmens nicht automatisch mit einem Anstieg der Erfahrung desselben zunimmt, sondern sich die Organisationseinheiten über die Aktivitäten zum Lernen unterscheiden. „Organizational learning“ hat so einen Einfluss auf die Steigung der entsprechenden Lernkurve und tritt dann auf, wenn sich Unternehmen wiederholt mit Aktivitäten befassen, Schlussfolgerungen ziehen und die gemachten Erfahrungen für zukünftige Aktivitäten gespeichert werden. Da Erfahrungen nicht leicht oder immer vollständig transferiert werden können – sie beinhalten teilweise „tacit knowledge“347 – muss ein Teil der Erfahrung in Prozesse und Strukturen und letztlich auch in deren Weiterentwicklung einfließen348, so dass es zu einer Optimierung interoder intraorganisationaler Abläufe, Strukturen und in der Kommunikation eines Unternehmens kommt.349 Dadurch können u.a. Kosten weiterer, zukünftiger Projekte reduziert werden.350 So konnten Anand/Khanna (2000) herausfinden, dass Firmen das Management von Kooperationen erlernen und das sich dies in der Gründung einer separaten Abteilung und somit schließlich in einer neuen Organisationsform widerspiegelt. Weiterhin zeigen die Autoren, dass ein Vorhandensein einer solchen Abteilung einen positiven Einfluss auf den Erfolg von Kooperationen hat und auf den Erfahrungen mit Kooperationen beruht. Solche Prozesse und überlegene Management-Fähigkeiten, die sich aus Erfahrungen ergeben haben und den Erfolg positiv beeinflussen, sind in theoretischen Betrachtungen von besonderem Interesse, da sie Arten von immateriellen Ressourcen begründen, welche die Quelle von 347

Vgl. Pisano (1989), S. 115. Vgl. Wuyts/Stremersch/Dutta (2004), S. 91. Vgl. Hoang/Rothaermel (2005), S. 333; Pisano/Bohmer/Edmondson (2001), S. 764-766. 350 Vgl. Pisano (1990), S. 161. 348 349

100

Ableitung der Hypothesen

Leistungsverbesserungen in zukünftigen Forschungsanstrengungen begründen können.351 Dass immaterielle Ressourcen Leistungsverbesserungen bewirken können, beruht dabei auf der Arbeit von Barney (1991).

Der Erfolg einer Kooperation könnte durch die Erfahrungen eines Unternehmens in einem bestimmten Technologiefeld beeinflusst werden und zwar genau dann, wenn sich die bisherigen Erfahrungen in das gemeinschaftliche Forschungsvorhaben innerhalb einer anvisierten

Kooperation

integrieren

lassen.

Davon

ist

bei

Analysen

auf

einem

Technologiefeld auszugehen, da bereits bei der Auswahl der besten Kooperationspartner das eigene Vorwissen eine entscheidende Rolle spielt. Darüber hinaus wird das Pharmaunternehmen auch im gemeinschaftlichen Forschungsprozess aktiv, so dass hier von einem Einfluss der Forschungsqualität des Pharmaunternehmens auf den Forschungserfolg auszugehen ist. Die Beziehung zwischen der Forschungserfahrung eines Pharmaunternehmens und dem Erfolg in der technischen Entwicklung von Produkten in einer Kooperation folgt nach Ergebnissen der Literatur einer Erfahrungskurve und weist evtl. einen über die Dauer abnehmenden Grenznutzen auf.352 Es würde dann argumentiert werden können, dass erst vor kurzem gemachte Erfahrungen wichtiger sind als weiter zurückliegende.353 Eine hohe Technologiedynamik dürfte dabei einen erheblichen Einfluss auf den Kurvenverlauf haben und diesen Effekt verstärken. Es ist aber ferner anzunehmen, dass mit dem Alter einer Technologie Erfahrungsvorteile der Unternehmen von hoher Bedeutung sind. Die Diffusionsgeschwindigkeit von Wissen innerhalb einer Branche hat ebenfalls Einfluss auf die Bedeutung von Erfahrungsvorteilen354, so dass ein Kurvenverlauf nicht eindeutig identifiziert werden kann. Ich erwarte daher: H5: Wenn ein Pharmaunternehmen über ein hohes Maß an Forschungserfahrung verfügt, dann ist ein positiver Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation zu erwarten.

351

Vgl. Hoang/Rothaermel (2005), S. 333. Vgl. Hoang/Rothaermel (2005), S. 332. Vgl. Anand/Khanna (2000), S. 302. 354 Vgl. Lieberman (1989), S. 432. 352 353

Erfolg einer Kooperation

101

3.2.1.3 „Realized Absorptive Capacity” Die sog. „absorptive capacity“ ist Teil der Theorie des Lernens und wesentlich für die Innovationsfähigkeit eines Unternehmens. Ausgehend von Cohen/Levinthal (1990) ist die „absorptive capacity“ ein Potenzial, externes Wissen zu identifizieren, es ins Unternehmen zu holen und erfolgreich in marktfähige Produkte umzusetzen.355 Lane/Lubatkin (1998) empfehlen aber, die „absorptive capacity“ nicht auf Unternehmensebene zu messen, sondern wie bei Mowery/Oxley/Silverman (1996) auf Dyadenebene. Sie begründen dies mit der Abhängigkeit von Lerneffekten in Abhängigkeit von den spezifischen Charakteristika der Unternehmen. Zahra/George (2002) versuchen die zwischenzeitlich veröffentlichten Arbeiten zur „absorptive capacity“ zu einem neuen theoretischen Modell zusammenzufügen. Sie leiten ein 4-stufiges Modell ab, welches sich von Cohen/Levinthal (1990) aber erst einmal nicht wesentlich unterscheidet, außer dass die „absorptive capacity“ als eine „dynamic capability“, d.h. als eine Fähigkeit zur Weiterentwicklung von Kompetenzen interpretiert wird. Jeweils zwei Stufen dieses 4-stufigen Modells werden wiederum aggregiert in Aktivitäten, die als „potential absorptive capacity“ und „realized absorptive capacity“ bezeichnet werden. Das Potenzial bezieht sich dabei auf die bisherigen Erfahrungen und die Fähigkeit, flexibel zu reagieren und beinhaltet den Aspekt der Identifikation sowie der Akquisition von externem Wissen. Der Realisierungsaspekt beschäftigt sich vor allem mit dem Aspekt der Kombination von externem mit internem Wissen, wobei die Kombination zu neuem Wissen oder Produkten führen soll. Diese zweite Fähigkeit der „absorptive capacity“ konzentriert sich somit auf den Umsetzungsaspekt. Inhaltlich wird argumentiert werden müssen, dass eine Realisierung nur stattfinden kann, sofern auch ein Potenzial vorhanden ist. Ein solcher Hinweis ist auch bei Mowery/Oxley/Silverman (1996) zu finden.356 Da auch eine umgekehrte Argumentation denkbar ist, kann nur das Vorhandensein beider Aspekte als hinreichende Bedingung dienen.357

Allen Arbeiten gemeinsam ist die Notwendigkeit der Umsetzung des Potenzials. Diese bedingt die Kombination dreier unterschiedlicher Fähigkeiten358:

355

Vgl. Cohen/Levinthal (1990), S. 128. Vgl. Mowery/Oxley/Silverman (1996), S. 81. Eine mögliche Interaktion zwischen diesen beiden Teilfähigkeiten wird bei Vogt/Lichtenthaler (2006), S. 127 vertiefend untersucht. 358 Vgl. Cohen/Levinthal (1990), S. 128; Cardinal (2001), S. 23; detaillierter Zahra/George (2002), S. 189. 356 357

102

Ableitung der Hypothesen

x

Zum einen muss externes Wissen überhaupt identifiziert werden können.

x

Weiterhin muss es als für das eigene Unternehmen relevant eingestuft werden können und schließlich muss es auch

x

intern in neue Technologien oder marktfähige Produkte umgesetzt werden können.

Zuerst stellt sich die Frage, für welche Gruppe von Unternehmen eine „absorptive capacity“ von Relevanz ist. Für solche Untenehmen z.B., für die Innovationen keine oder nur eine sehr untergeordnete Rolle spielen und dementsprechend eine Identifikation von z.B. technischen Veränderungen und Trends unbedeutend ist, spielt auch eine „absorptive capacity“ keine entscheidende Rolle. Für die Unternehmen allerdings, die einer hohen Technologiedynamik, einem hohen Wettbewerbsdruck oder einer hohen Forschungsintensität ausgeliefert sind, kommt der „absorptive capacity“ eine wichtige Rolle zu. Im Zuge der längerfristigen Wettbewerbsfähigkeit dieser Unternehmen müssen sich diese mit Innovationen und damit auch in unterschiedlichem Ausmaß mit Veränderungen jeglicher Art auseinandersetzen.359 Der technische Fortschritt kann jedenfalls dazu führen, dass etablierte Unternehmen über notwendige Ressourcen nicht intern verfügen. Externes Wissen muss demnach analysiert und schließlich auch in bestimmter Form akquiriert werden, um als Unternehmen langfristig innovativ zu bleiben.360 Dann stellt sich aber die Frage, welche Fähigkeiten in einem Unternehmen dazu führen, dass ein Unternehmen auf Veränderungen reagieren kann. Die Studie von Frishammar/Hörte (2005) zeigt z.B., dass eine positive Beziehung zwischen der Überwachung technologischer Faktoren und dem Innovationserfolg besteht.361 Eine wichtige Rolle wird auch der internen Wissensbasis eines Unternehmens zukommen, wobei diese gleichzeitig auch eine Barriere darstellen kann.362 Wissen kann für ein Unternehmen allgemein über mehrere Wege beschafft werden: x

über Externe (z.B. über die Vergabe von Forschungsaufträgen363)

x

über die Integration ehemals Externer (z.B. über die Einstellung neuer Mitarbeiter oder den Kauf von Unternehmen364)

359

Vgl. Sorensen/Stuart (2000), S. 82. Vgl. Gupta/Raj/Wilemon (1985), S. 12. Vgl. Frishammar/Hörte (2005), S. 251. 362 Vgl. Ahuja/Lampert (2001), S. 522f. 363 Vgl. Pisano (1989), S. 115. 364 Vgl. Senker (1996), S. 220. 360 361

Erfolg einer Kooperation x

gemeinsam mit Externen (z.B. innerhalb einer Kooperation365)

x

intern (eigene Forschungsanstrengungen)

103

Gambardella (1992) analysiert, ob Pharmaunternehmen abhängig von ihren internen Ressourcen von den Ergebnissen öffentlicher Forschung effektiver als andere Unternehmen Gebrauch machen können. In 7 Fallstudien hat er gezeigt, dass Firmen mit besseren internen Ressourcen externes Wissen nicht nur verwenden und internalisieren, sondern externes Wissen auch effektiver verwerten können. Das Ergebnis der empirischen Untersuchung ist, dass Innovationen (gemessen über Patente) korreliert sind mit internen Ressourcen (gemessen über Publikationen), auch dann, wenn man zusätzlich das Forschungsbudget berücksichtigt. Die Schlussfolgerung des Autors lautet, dass die Transformation von Wissen wichtiger ist als die Generierung von Wissen an sich. Dies bedeutet wiederum, dass u.a. die eigene interne Forschung ein Unternehmen in die Lage versetzt, externes Wissen zu identifizieren und es auf die eigenen Forschungsanstrengungen zu übertragen.366 Diese eigene Forschung wird ausgehend von Cohen/Levinthal (1990) in der Literatur als eine unabdingbare Voraussetzung zur Identifizierung externer Forschungsergebnisse erachtet.367 Eine Vernachlässigung der Generierung internen Wissens kann darüber hinaus auch die zukünftige Wettbewerbfähigkeit des Unternehmens dauerhaft gefährden.368

Die sich anschließende zweite Stufe der Einschätzung und Bewertung zukünftiger Entwicklungen erfordert darüber hinaus mehr Wissen als die reinen Ergebnisse einer z.B. Auftragsforschung. Für die Bewertung muss daher auch eigene Forschung betrieben werden.369 Eine solche Bewertung erfordert zudem Kenntnisse über die Bedeutung für das eigene Unternehmen. Die Kenntnisse über potenzielle zukünftige Entwicklungen müssen nicht nur in Übereinstimmung mit den unternehmensinternen Fähigkeiten gebracht werden, sondern letztgenannte evtl. auch grundsätzlich hinterfragt werden. Dieses Problem soll durch den hier vorliegenden Branchenbezug veranschaulicht werden370:

365

Vgl. Powell/Koput/Smith-Doerr (1996), S. 119. Vgl. Cardinal (2001), S. 23; Cardinal/Hatfield (2000), S. 250. Vgl. Powell/Koput/Smith-Doerr (1996), S. 119; Arora/Gambardella (1990), S. 372. 368 Vgl. Cardinal/Hatfield (2000), S. 248; Cohen/Levinthal (1990), S. 128. 369 Vgl. Powell/Koput/Smith-Doerr (1996), S. 119; Cardinal/Hatfield (2000), S. 250; Rosenberg (1990), S. 165. 370 Senker (1996), S. 227. 366 367

104

Ableitung der Hypothesen „Large pharmaceutical companies for their part never anticipated that the major benefits of biotechnology would derive initially from therapeutic proteins; accumulated company learning about the pharmaceutical market indicated that therapeutic proteins would serve niche, not mass markets, because they cannot be taken orally but require intravenous administration. This explains what appeared to be rather hesitant adoption of biotechnology.”

Obiges Zitat zeigt nicht nur die Bedeutung der Identifikation sowie der Bewertung, sondern auch der Internalisierung externen Wissens. So ist z.B. auch sicherzustellen, dass ein „not invented here“-Syndrom (NIH) im Unternehmen nicht vorherrscht.371 Es nützt einem Unternehmen wenig, nur das relevante externe Wissen zu identifizieren und zu bewerten (wenn die Bewertung sich nachträglich als richtig herausstellen sollte), wenn z.B. anschließend von den eigenen Mitarbeitern eine Berücksichtigung des externen Wissens abgelehnt wird, weil es nicht selbst erarbeitet wurde und im Unternehmen die Überzeugung vorherrscht, selbst bessere Ergebnisse erzielen zu können.

Empirische Belege für die Erfolgswirkung von „absorptive capacity“ sind in Summe rar. Nach Cohen/Levinthal (1990) wirkt die „absorptive capacity“ eher indirekt statt direkt, da sie als Nebenprodukt der eigenen Forschung gesehen wird. Im weiteren Sinne kann auch die Arbeit von Lane/Lubatkin (1998) mit ihren Ergebnissen zum verbesserten Lernen in Abhängigkeit

von

der

relativen

„absorptive

capacity“

dazu

gezählt

werden.

Henderson/Cockburn (1994) sprechen zwar nicht direkt von „absorptive capacity“, zwei ihrer Hypothesen beziehen sich aber auf die Integration externen Wissens über die Verknüpfung der Wissenschaftler zur Grundlagenforschung und sog. „spillovers“ innerhalb des Unternehmens. Je nach Modell zeigen sich bei den Autoren signifikante Ergebnisse auf Firmen- wie auch auf Programmebene. Die indikationenübergreifende Kommunikation innerhalb eines Unternehmens ist auf Firmenebene sowie auf Programmebene allerdings negativ mit der Effizienz in der Forschung der pharmazeutischen Industrie korreliert. In Summe ist aber die abhängige Variable kritisch zu beurteilen, so dass die Ergebnisse mit Vorsicht zu betrachten sind. Luo (1997) formuliert zwar eine Hypothese zur Bedeutung der „absorptive capacity“ bei internationalen Joint Venture, wobei die Ableitung eben dieser aber in keiner Form 371

Vgl. Ragatz/Handfield/Scannell (1997), S. 190.

Erfolg einer Kooperation

105

überzeugen kann; sie deutet eher auf marktseitige Informationen hin denn auf die Integration neuester Erkenntnisse. In Summe ist es nicht verwunderlich, da die wesentlichen Artikel zu diesem Gebiet noch nicht einmal zitiert geschweige denn diskutiert werden. Lediglich die Arbeit von Mowery/Oxley/Silverman (1996) kann überzeugen. Die Autoren belegen die Bedeutung der „absorptive capacity“ im Zusammenhang mit Wissenstransfers bei Kooperationen. Gleichzeitig fordern sie weitere Untersuchungen auf diesem Gebiet.372

Das obige Zitat von Senker (1996) zeigt auch, dass es nicht nur auf das Potenzial der „absorptive capacity“ ankommt, sondern die darüber hinausgehende Nutzung desselben ebenfalls von großer Bedeutung ist. Zu erkennen, dass sich nicht nur Nischen damit bedienen lassen, sondern ebenfalls die sich bietenden Chancen auch zu erkennen und entsprechende Produkte zu generieren, sind unterschiedliche Aspekte. Dieser zweite Punkt wird bei Zahra/George (2002) unter dem Begriff der Realisation der „absorptive capacity“ beschrieben. Eine Nutzung des externen Wissens würde sich in der Identifizierung neuer Technologien, deren Integration oder deren Weiterentwicklungen sowie in Sprüngen auf neue S-Kurven zeigen. Ältere Firmen neigen nämlich eher dazu, ihre etablierten Arbeitsgebiete beizubehalten, als ihre Forschungsanstrengungen auf neue Felder zu fokussieren.373 Große Investitionen und der Aufbau von Kompetenzen in bestimmten Technologiefeldern stellen interne Barrieren in der Adaption von Änderungen im technologischen System dar.374 Die Fähigkeit, sein Potenzial zur Identifikation von neuen Technologien, Prozessen, Methoden oder S-Kurven zu nutzen, kommt vor allem dann große Bedeutung zu, wenn davon auszugehen ist, dass ein gewisses Niveau oder nach dem Modell von Zahra/George (2002) Potenzial an „absorptive capacity“ in den Firmen bereits vorhanden und damit ein Wettbewerbsvorteil vielleicht sogar nicht mehr zu generieren ist. Es ist durchaus denkbar, dass eine „absorptive capacity“ auch einem abnehmenden Grenznutzen unterliegt.375 Die Geschwindigkeit der Internalisierung externen Wissens könnte dann aber zu einem Wettbewerbsvorteil gereichen, denn Unternehmen, welche in der Lage sind, kurzfristig auf Erfindungen anderer Unternehmen zu reagieren, könnten dem zitierten Unternehmen technologisch überlegen sein. Hamel (1991) macht darauf aufmerksam, dass eine schnelle 372

Vgl. Mowery/Oxley/Silverman (1996), S. 89. Vgl. Sorensen/Stuart (2000), S. 87. Vgl. Sorensen/Stuart (2000), S. 87. 375 Die Autoren gehen aber noch von einem linearen Effekt aus, da sie mit einem höheren Niveau an „absorptive capacity“ auch ein proaktiveres Verhalten in der Identifikation erwarten, vgl. Cohen/Levinthal (1990), S. 137. 373 374

106

Ableitung der Hypothesen

Aneignung externen Wissens notwendig und wichtig sei. Eine kurze Reaktionszeit auf technologische Entwicklungen würde für diesen Aspekt sprechen. Eine technologische Überlegenheit wäre dann der Fall, wenn es einem Unternehmen gelänge, die Erfindungen anderer Unternehmen binnen kurzer Zeit wesentlich zu verbessern oder zumindest in kurzer Zeit eine Umgehung zu ermöglichen. Die Erfolgswirkung einer hohen Reaktionsgeschwindigkeit in der Nutzung der „absorptive capacity“ soll an folgendem Beispiel aus der Biotechnologie verdeutlicht werden: Ein Unternehmen hatte eine gute Erfindung im 2-dimensionalen Raum gemacht und ein Verfahren patentieren lassen. Die Anmeldung wurde schließlich veröffentlich und ein entsprechendes Patent erteilt. Ein anderes Unternehmen meldete aber kurz darauf ein eigenes Patent an. Es hatte das Verfahren vor allem in den 3-dimensionalen Raum übertragen, womit ein weiteres Patent für die ursprüngliche Erfindung erlangt werden konnte.

Der kurze Zeitraum zwischen dem ersten Patent und dem schließlich erfolgten Zitat des zweiten Patents spricht dementsprechend gegen eine vollständig durchdachte und ausreichend abgesicherte Erfindung. Es ist daher bemerkenswert, in welcher Zeit ein anderes Unternehmen auf die erste Erfindung reagieren konnte. Unternehmen, denen dies häufiger gelingt, sollten daher höherwertige interne Kompetenzen und generell eine höhere Reaktionsfähigkeit auf Marktänderungen aufweisen, was schließlich auf Dauer zu einem größeren Erfolg führen sollte. Dass die Verwertung externen Wissens darüber hinaus auch mit einer Verbesserung interner Ressourcen verknüpft ist, konnte in der Literatur wie oben bereits angesprochen bereits gezeigt werden. Da Kooperationen eben dem Zugang zu Ressourcen des Partners dienen sollen, ist zu erwarten, dass die Verwendung des Wissens des Partners solchen Unternehmen besser gelingt, welche sich als grundsätzlich besser herausgestellt haben hinsichtlich der Integration und Verwertung allgemeinen externen Wissens. Ich erwarte daher: H6: Wenn ein Pharmaunternehmen über ein hohes Maß an Geschwindigkeit in der Realisierung der „absorptive capacity“ verfügt, dann ist ein positiver Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation zu erwarten

3.2.1.4 Technologische Diversifizierung Bislang standen die interne Forschungsqualität, die Kompetenz zur Absorption externen Wissens und die ebenfalls intern entwickelten Routinen und Prozesse im Vordergrund.

Erfolg einer Kooperation

107

Darüber hinaus kann die strategische Ausrichtung eines Unternehmens für den (technologischen) Erfolg desselben relevant sein, da sie zur Generierung von Ressourcen und Kompetenzen im Sinne des RBVs führen kann. Das Hervorbringen von Wettbewerbsvorteilen wäre dann möglich, wenn durch die strategische Ausrichtung eine Fokussierung auf die erfolgversprechendsten Aktivitäten erfolgt. Eine solche Ausrichtung wäre dann der Fall, wenn Unternehmen weniger stark diversifiziert sind, denn unter einer technologischen Diversifizierung versteht man die Breite der Aktivitäten eines Unternehmens über verschiedene Technologiefelder.376 Der Literatur entsprechend können Argumente für und gegen die Erfolgswirkung einer technologischen Diversifizierung eines Unternehmens vorgebracht werden.377 Generell sind zwei Aspekte und ihre Auswirkungen zu unterscheiden378: x

Breite der Ressourcen/Kompetenzen

x

Tiefe der Ressourcen/Kompetenzen

Hier werden daher zunächst die Vorteile einer Diversifizierung und anschließend die Vorteile einer Konzentration auf bestimmte Technologiefelder dargestellt, wobei die Nachteile meistens entsprechenden Vorteilen gegenüberstehen. Im Anschluss werden die Gedanken auf den Erfolg einer Kooperation übertragen.

Eine Diversifizierung führt grundsätzlich zu einer bestimmten Anzahl unterschiedlicher Ressourcen, woraus sich eine Vielzahl von Kombinationsmöglichkeiten ergeben kann. Markides/Williamson (1996) stellen in ihrer Argumentation vor allem den Aspekt von „economies of scope“ innerhalb eines Unternehmens in den Vordergrund. Zwei Geschäftseinheiten können ihrer Meinung nach jegliche Formen von Synergien realisieren. Wichtig hierbei ist, dass diese zu realisierenden Synergien nicht auch den Wettbewerbern über Marktmechanismen zugänglich sind.379 Ihre Argumentation richtet sich damit auf den RBV aus, bedingt aber, dass es innerhalb des Unternehmens einen Transfer von Ressourcen oder wenigstens geschäftsbereichsübergreifende Zugangsmöglichkeiten gibt. Da ein solcher Transfer die Alleinstellung schrittweise verringert, sind Unternehmen nur dann in der Lage,

376

Vgl. Nerkar/Roberts (2004), S. 780. Vgl. Hitt/Ireland/Harrison (1991), S. 697; Nerkar/Roberts (2004), S. 780; Cardinal/Hatfield (2000), S. 257; Mahlich (2005), S. 400f. 378 Vgl. Wuyts/Stremersch/Dutta (2004), S. 89. 379 Vgl. Markides/Williamson (1996), S. 341. 377

108

Ableitung der Hypothesen

langfristig überdurchschnittliche Leistungen zu erbringen, wenn es ihnen dauerhaft gelingt, neue Kompetenzen und Ressourcen zu entwickeln.380 Ein solcher „trade-off“ wäre dann firmenspezifisch zu betrachten. Mowery/Oxley/Silverman (1996) und Park/Chen/Gallagher (2002) erwarten ferner, dass Unternehmen mit einem diversifizierten Portfolio externes Wissen besser absorbieren können.381 Dieser Ansatz der Absorption externen Wissens wird in unterschiedlichen Facetten in der Literatur aufgegriffen. Schließlich fördert eine starke Diversifizierung die Breite des in ein Unternehmen getragenen Wissens. Solches Wissen könnte Innovationen deshalb unterstützen, weil ein Impuls durch unterschiedliche kleinere Wissensbasen innerhalb eines Unternehmen gegeben wird, welcher zu einer Stimulierung von neuen Ideen führen kann.382

Stuart (1998) sieht den Nachteil einer Einschränkung hinsichtlich der Fähigkeit Innovationen auf einem speziellen Technologiefeld zu generieren verursacht durch den Mangel an Kompetenzen auf anderen Technologiegebieten und den sich daraus dann nicht mehr ergebenden Interaktionseffekten.383 Ein hoher Grad an Diversifizierung verbessert somit gleichzeitig das Verständnis für andere Technologien. In einer Erweiterung verhindert dies schließlich den bei Wuyts/Stremersch/Dutta (2004) angesprochenem „lock-in“-Effekt in eine spezielle Technologie.384 Ein solcher Effekt wäre gleichbedeutend mit einem zu langen Festhalten an (dann minderwertigen) Technologien. Ein Übergang zu neuen Technologien würde seitens eines Unternehmens ohne Diversifizierung zu spät erfolgen. Ähnlich argumentieren auch Grandstrand/Patel/Pavitt (1997). Sie zeigen, dass die Kompetenzen großer Unternehmen über mehrere Technologiefelder verstreut sind und damit über die Kernfelder der Unternehmen hinausgehen. Die Autoren argumentieren, dass die in den vergangenen Jahren eingetretene stärkere Diversifizierung zum Aufbau von neuem Wissen notwendig war.385 Auf diesen Randgebieten mussten die Firmen mangels eigenen Wissens dann mit anderen Firmen interagieren, denn ein Unternehmen scheitert an dem Management von Geschäften, welche es nicht versteht.386

380

Vgl. Markides/Williamson (1996), S. 363. Vgl. Mowery/Oxley/Silverman (1996), S. 77-79; Park/Chen/Gallagher (2002), S. 530. Vgl. Ahuja (2000b), S. 445. 383 Vgl. Stuart (1998), S. 672. 384 Vgl. Wuyts/Stremersch/Dutta (2004), S. 89. 385 Vgl. Grandstrand/Patel/Pavitt (1997), S. 8-12. 386 Vgl. Saxton (1997), S. 447. 381 382

Erfolg einer Kooperation

109

Diese Argumentationslinie bedingt eine hohe Korrelation zwischen Diversifizierung und den sich ergebenden unterstützenden Wirkungen zwischen unterschiedlichen Ressourcen und Kompetenzen. Markides/Williamson (1996) haben in ihrer Arbeit herausgefunden, dass Unterschiede in der Vorgehensweise der Ressourcenallokation zwischen Geschäftseinheiten größere Leistungen hervorbrachten als gleiche Vorgehensweisen. Firmen waren in der Lage, unterstützende Wirkungen zwischen unterschiedlichen Ressourcen in verschiedenen Geschäftseinheiten herzustellen, welche wiederum schwer für den Wettbewerber zu imitieren waren. Analog zu der Argumentation bei Hitt/Hoskisson/Kim (1997) zur Wechselwirkung von Produkt-/Markt-Diversifizierung kann man argumentieren, dass Firmen auch in der Lage sind, unterstützende Wirkungen innerhalb von Kooperationen zu generieren und somit schließlich eine höhere Leistung erzielen. Dies würde allerdings bedingen, dass die Kooperation so eng gestaltet ist, dass ein Transfer von Ressourcen oder Wissen innerhalb der Allianz genauso möglich ist wie innerhalb eines Unternehmens.

In Summe gibt es viele Gründe, die für eine positive Wirkung einer Diversifizierung sprechen. Einer starken Diversifizierung hingegen werden aber auch negative Wirkungen zugeschrieben. Eine starke Diversifizierung kann laut Ahuja (2000b) dazu führen, dass administrative Aktivitäten und operative Kontrollen verstärkt in der Organisation enthalten sind und somit zu negativen Auswirkungen hinsichtlich Innovationen führen.387 Einen weiteren negativen Effekt einer Diversifizierung stellen die höheren Kosten dar, denn die Kosten zum Aufbau einer Einheit Wissen sind typischerweise sehr hoch und würden sich in mehreren Feldern ergeben.388 Firmen, welche nun einen breiten technologischen Hintergrund unterhalten, weisen typischerweise auch höhere Kosten auf.389 Dies führt zu einem Mangel an Kapital und somit zu einer Begrenzung an neuen Projekten. Die Fokussierung auf wichtige Aktivitäten ist bei einer Ressourcenbeschränkung unausweichlich. Um die Auswirkung einer solchen Ressourcenbeschränkung eines Unternehmens minimal zu halten, muss ein Unternehmen zuerst die für das Unternehmen wichtigsten Ressourcen bedienen. Dies erfordert, dass ein Unternehmen eine Art Rangfolge für die Bedeutung der einzelnen Felder vorgenommen haben muss, denn nur so lassen sich Prioritäten festlegen. Durch die Bildung von Rangfolgen erlangen Unternehmen eine strategische Ausrichtung390, welche sich im 387

Vgl. Ahuja (2000b), S. 445. Vgl. John/Weiss/Dutta (1999), S. 80. Vgl. Wuyts/Stremersch/Dutta (2004), S. 90. 390 Vgl. Wuyts/Stremersch/Dutta (2004), S. 89. 388 389

110

Ableitung der Hypothesen

Rahmen der Untersuchung von Erfolgsfaktoren der Neuproduktentwicklung bei Ernst (2001a) als ein wesentlicher Erfolgsfaktor herausgestellt hat. Eine starke Diversifizierung würde schließlich dazu führen, dass einzelne Ressourcen keine langfristigen Wettbewerbsvorteile begründen können, weil Wettbewerbsunternehmen über ein entweder Mehr an Ressourcen auf einem Gebiet verfügen und damit die einzelne Ressource an Bedeutung verliert oder die Qualität einer Ressource c.p. nicht entsprechend ist. Diese Argumentationslinie bezieht sich auf die Idee der Kernkompetenzen. Der Begriff an sich zeigt schon, dass es sich hierbei um besondere Kompetenzen – wobei die „einfachen“ bereits Wettbewerbsvorteile generieren sollen – handeln soll.391 Oder mit Stuart/Podolny (1996)392: „R&D will produce superior results when it is concentrated in the areas of a firm's established competencies.”

Vorausgegangene empirische Studien stehen zu den theoretischen Überlegungen im Widersprich, da sich vor allem negative Korrelationen zeigen. Ein für diese Arbeit wesentliches Ergebnis der Studie von Ahuja (2000b) stellt die signifikant negative Korrelation zwischen der technologischen Diversifizierung eines Unternehmens und der Anzahl der generierten Patente dar.393 Unterstützt wird dieses Ergebnis durch die Studie von Cardinal/Hatfield (2000). Die Autoren kontrollieren in ihrer Analyse für den Effekt einer Diversifizierung gemessen über die Verteilung des Umsatzes auf unterschiedliche Felder. Ihre Daten zeigen generell, dass diversifizierte Unternehmen weniger innovativ sind.394 Wenn Innovationen über Patente bestimmt werden, dann liegt eine statistisch signifikante negative Korrelation mit dem Grad der Diversifizierung vor. Mit Bezug zur Anzahl neuer Medikamente zeigt sich ebenfalls eine negative Korrelation, welche aber nicht signifikant ist. Die Autoren unterteilen ihren Datensatz weiter in fokussierte und diversifizierte Unternehmen und untersuchen die Wirkung der Diversifizierung auf die Weiterentwicklung von Medikamenten, sog. „drug enhancements“.395 Dabei zeigen sich sehr stark negative und signifikante Korrelationen für beide Unternehmenstypen. Auch Hitt et al. (1991) können zeigen, dass eine Diversifizierung negative Effekte hat. Die Ergebnisse besagen, dass Akquisitionen mit diversifizierender Wirkung einen signifikant

391

Ressourcen sollen hier allerdings mit eingeschlossen sein. Stuart/Podolny (1996), S. 22. Vgl. Ahuja (2000b), S. 445. 394 Vgl. Cardinal/Hatfield (2000), S. 257. 395 Sie verwenden die SIC-Klassifikation der SEC. 392 393

Erfolg einer Kooperation

111

negativen Effekt auf die Patentgenerierung der Unternehmen haben.396 Außerdem geht aus der Studie von Hitt/Hoskisson/Kim (1997) hervor, dass die Diversifizierung – berechnet über die Verteilung der Umsätze – eines Unternehmens eine negative, aber nicht signifikante Korrelation zum „return on asset“-Wert (ROA) aufweist.397

Die theoretischen Überlegungen könnten den Schluss nahe legen, dass eine Diversifizierung der Aktivitäten eines Unternehmens superior sein könnte, während hingegen die empirischen Befunde den Schluss nahe legen, dass eine Diversifizierung inferior zu einer Fokussierung ist. Da aus theoretischer Sicht auch gegen eine Diversifizierung und damit für eine Fokussierung argumentiert werden kann, scheint schließlich letztgenannte strategische Ausrichtung doch superior zu sein. Im Zusammenhang mit Kooperationen kann eine Diversifizierung auf Unternehmensebene schließlich aufgrund folgender Überlegungen nicht befürwortet werden. Einem Unternehmen, welches durch seine strategische Ausrichtung einem anderen durch die Bildung besserer Ressourcen und Kompetenzen auf einem Technologiefeld überlegen ist, dem gelingt auch die Einbindung einer Kooperation in das jeweilige Gesamtkonzept besser. Ein solches Unternehmen wird c.p. einer Kooperation eine höhere Bedeutung zuweisen als ein sehr diversifiziertes Unternehmen ohne strategische Ausrichtung. Hier wäre die Kooperation nur eine von vielen bei gleichrangiger Bedeutung. Aber diese höhere Bedeutung der Kooperation und deren Einbindung in ein Gesamtkonzept führt schließlich zu einer höheren Erfolgschance der Kooperation entsprechend der Befunde von Parkhe (1993a) und Lambe/Spekman/Hunt (2002), denn eine höhere Bedeutung einer Kooperation wird neben der Zuweisung besserer Ressourcen auch eine stärkere Integration des Managements bewirken und durch das höhere Commitment zu weniger Problemen in der operativen Durchführung der Kooperation führen. Ferner kann argumentiert werden, dass durch die Zusammenarbeit ein Unternehmen Zugang zu bislang nicht im Unternehmen existierenden Ressourcen erhält. Diese Ressourcen des Partners sind i.d.R. nicht identisch, weshalb eine Kooperation auch die Möglichkeit einer Diversifizierung mittels der Ressourcen eines Partners bietet. Wenn es schließlich zu einem Zugang zu Ressourcen des Partners oder sogar zu einem Wissenstransfer zwischen den beiden Partnern kommt, was von beiden Seiten durch die Kooperation angestrebt ist, dann sollten die

396 397

Vgl. Hitt/Ireland/Harrison (1991), S. 701. Vgl. Hitt/Hoskisson/Kim (1997), S. 767.

112

Ableitung der Hypothesen

beiden Unternehmen c.p. sehr konzentriert sein, um einen maximalen Nutzen aus einer Kooperation ziehen zu können.398 Ich erwarte daher: H7: Wenn ein Pharmaunternehmen über auf ein bestimmtes Technologiefeld konzentrierte Kompetenzen verfügt, dann ist ein positiver Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation auf demselben Technologiefeld zu erwarten.

3.2.1.5 Technologische Kernfeld-Eigenschaft In einem inhaltlichen Zusammenhang zur These der Diversifizierung bzw. Konzentration steht die Bedeutung von technologischen Kernfeldern der beteiligten Unternehmen hinsichtlich des Erfolgs. Für die Diversifizierung wurde argumentiert, dass eine grundsätzliche strategische Ausrichtung relevant für den Kooperationserfolg ist. Im Rahmen der Diskussion um die Wirkung von technologischen Kernfeldern muss berücksichtigt werden, dass weder ein fokussiertes Unternehmen nur Kooperationen auf den eigenen Kernfeldern abschließt, noch dass ein eher breit aufgestelltes Unternehmen kein technologisches Kernfeld aufweist. Darüber hinaus besteht ein Unterschied für jene Unternehmen, welche den Durchschnitt hinsichtlich der technologischen Diversifizierung repräsentieren, da Kernfelder wie Nicht-Kernfelder als Gebiete für eine Kooperation für solche Unternehmen in Frage kommen können. Eine Kooperationen könnte somit auch auf den wichtigsten Feldern eines Unternehmens zur Stärkung der eigenen Ressourcen eingegangen worden sein oder weil man dort die größte Erfolgswahrscheinlichkeit durch die Integration zusätzlicher Ressourcen und Kompetenzen erwartet hatte. Als Kernfeld sollen hier solche Technologiefelder verstanden werden, die entsprechende Forschungsschwerpunkte der Unternehmen repräsentieren. Auf einem solchen Kernfeld liegen

dann

nicht

nur

Ressourcen

und

Kompetenzen

vor,

sondern

c.p.

auch

Kernkompetenzen. Durch die Kompetenz zur Generierung langfristiger Wettbewerbsvorteile auf Basis der vorhandenen Ressourcen ist eine höhere Erfolgswahrscheinlichkeit eines Unternehmens auf einem Kerntechnologiefeld zu erwarten. Es sind daher vier mögliche Kombinationen in Abbildung 6 grundsätzlich denkbar.

398

Aufgrund der Tatsache, dass es sich bei den Unternehmen der Biotechnologie um Start-ups handelt, ist nicht von einer Diversifizierung im vergleichbaren Sinne wie bei Pharmaunternehmen auszugehen. Es ist zu erwarten, dass es sich hierbei um Unternehmen mit sehr tiefen, aber wenig breiten Kenntnissen handelt.

Erfolg einer Kooperation

113

Abbildung 6: Kernfeld/Nicht-KernfeldKombinationsmöglichkeiten

Da es sich bei den Unternehmen der Biotechnologie um Start-ups handelt, welche nur aufgrund ihrer Kompetenzen als Kooperationspartner in Betracht kommen, können die Fälle I und II aus der weiteren Betrachtung ausgeschlossen werden. Ein Pharmaunternehmen kann aber weiterhin selbst bestimmen, ob eine Kooperation auf einem Kernfeld eingegangen werden soll oder nicht. Auswirkungen auf die Erfolgswahrscheinlichkeit einer Kooperation sind prinzipiell daher möglich. Ein Unternehmen, welches vor allem technologische Probleme lösen oder die eigenen Bereiche über Kooperationen stärken möchte, wird geneigt sein, sich einen kompetenten Partner mit entsprechenden Ressourcen und Fähigkeiten auf dem Technologiefeld zu suchen. Grundsätzlich sollte die Lücke mit dem kompetentesten (der verfügbaren) Unternehmen gefüllt werden, damit es sich bei dem Partnerunternehmen um ein „lehrendes“ Unternehmen im Sinne von Lane/Lubatkin (1998) handelt. Im Fall IV wäre von einer höheren Qualität der Ressourcen der Pharmaunternehmen im Vergleich zu Fall III auszugehen. Zusätzlich wird im Fall IV auch ein höheres Commitment seitens des Managements des Pharmaunternehmens zu erwarten sein, was sich wiederum in einem höheren F&E-Budget für das Forschungsprojekt äußern könnte.399 Dem gegenüber stehen eine geringere Kompromissbereitschaft aufgrund der höheren Bedeutung bei gleichzeitig stärkeren Verharrungstendenzen oder „lock-in“-Effekten. Das große gegenseitige Verständnis

399

durch

teilweise

Vgl. Bruck (1996), S. 116f.

überlappende

Aktivitäten

könnte

aber

ermöglichen,

114

Ableitung der Hypothesen

Missverständnisse zu vermeiden und helfen, die bei Deeds/Rothaermel (2003) besprochene sog. „honeymoon period“ zu verkürzen.400 Ferner ist anzumerken, dass die Suche nach einem potenziellen Kooperationspartner, die Analyse desselben sowie das Management der Kooperation Kapazitäten des Unternehmens binden. Es wäre daher denkbar, dass Unternehmen abhängig von der Bedeutung des Feldes unterschiedlich intensiv die Analyse des Partners gestalten, so dass alleine aus der systematischeren Vorgehensweise für diesen Feldtyp eine höhere Erfolgschance zu erwarten wäre.401

Darüber hinaus könnte für die Wirkung des Feldtyps von Bedeutung sein, wie gut es einem Unternehmen gelingt, Ressourcen und Kompetenzen auf Randaktivitäten zu verschieben oder zu übertragen und dort anzuwenden. Stuart/Podolny (1996) schreiben hierzu402: „Mobility barriers are asymmetric: it would be easier for the core firms to move into the periphery region than vice versa.”

Übertragen auf die Konstellation einer Kooperation könnte dies bedeuten, dass die technologische Peripherie eines Unternehmens zu interpretieren wäre als das Wissen und die Ressourcen des Kooperationspartners. Das etablierte Unternehmen müsste dann selbst aber ein Kernunternehmen sein, weil es sich zu einem Kernunternehmen in der eigenen Peripherie bewegt und dies nicht so gut gelingen dürfte, wenn das eigene Technologiefeld nur ein technologisches Randgebiet darstellt.403 Eine solche Fähigkeit der Andersverwendung eigenen Wissens könnte hier ausschlaggebend für den Erfolg einer Kooperation sein.

Gegen die positiven Einflüsse eines Kernfeldes sprechen mehrere Aspekte. Zum einen spricht die höhere Schutzbedürftigkeit des Wissens innerhalb dieses Feldes zur Erhaltung der Ressourcen und Kompetenzen der Firmen gegen die Vorteilhaftigkeit.404 Es wird argumentiert, dass ein Preisgeben zentraler Informationen im Rahmen von horizontalen Kooperationen längerfristig das Überleben eines Unternehmens gefährdet, da ein Unternehmen Wettbewerbsvorteile gegenüber anderen Unternehmen letztlich nur alleine erlangen

400

Vgl. Deeds/Rothaermel (2003), S. 471. Vgl. Bruck (1996), S. 190. Vgl. Stuart/Podolny (1996), S. 36. 403 Vgl. Stuart/Podolny (1996), S. 36f. 404 Vgl. Kale/Singh/Perlmutter (2000), S. 219. 401 402

Erfolg einer Kooperation

115

und erhalten kann.405 Ähnliches dürfte auch auf vertikale Kooperationen zutreffen, da in dem spezielleren Kontext der Biopharmazie indirekt sogar eine Förderung eines potenziellen Wettbewerbers erfolgt. Belegt werden kann dies u.a. damit, dass ehemalige Start-ups mittlerweile als vollständig integrierte Unternehmen bezeichnet werden können.406 Dass sich evtl. aus dem Schutz vorhandener Ressourcen und Kompetenzen beim Kooperationspartner ergebende Misstrauen und das resultierende Konfliktpotenzial für die Kooperation würden Auswirkungen auf die Ausgestaltung des Kooperationsvertrags und die Kontrollmechanismen etc. haben. In Abhängigkeit von der Bedeutung des externen Wissens für ein etabliertes Unternehmen empfehlen Hagedoorn/Duysters (2002) daher grundsätzlich eine Eigenkapitalbeteiligung, denn sie führt zu einer größeren Kontrolle über diese Ressourcen und Kompetenzen.407

Unter Abwägung der Vor- und Nachteile ist eine positive Wirkung der Kernfeld-Eigenschaft auf die Forschungskooperation zu vermuten. Ich erwarte daher: H8: Wenn die Allianz auf einem der Kernfelder eines Pharmaunternehmens durchgeführt wird, dann ist ein positiver Einfluss auf die Erfolgswahrscheinlichkeit bei einer Forschungskooperation zu erwarten.

Da es sich bei den Unternehmen der Biotechnologie bereits um spezialisierte Unternehmen handelt und F&E-Kooperationen i.d.R. nur auf ihrem Kernfeld abgeschlossen werden, bestehen Einflussmöglichkeiten lediglich auf der Seite der Pharmaunternehmen.408 Eine entsprechende Hypothese wird daher nicht formuliert. Biotechnologieunternehmen bringen aber wesentliche Ressourcen und Kompetenzen hinsichtlich der Technologie in eine Kooperation ein, so dass die Technologieposition auf ihrem Kernfeld weitere Hinweise über die Qualität und Quantität der zur Verfügung stehenden Ressourcen und Kompetenzen geben könnte.

405

Vgl. Porter (1990), S. 89; Bruck (1996), S. 117. Vgl. Prevezer/Toker (1996), S. 120. Vgl. Hagedoorn/Duysters (2002), S. 183. 408 Von den möglichen vier Kombinationen können hier daher lediglich zwei empirisch getestet werden. 406 407

116

Ableitung der Hypothesen

3.2.1.6 Technologieposition In einem engen Zusammenhang zur Analyse qualitativer Merkmale wie die technologische Qualität der Forschungsleistung steht die Wirkung der Quantität der Ressourcen eines Unternehmens. Ein Unternehmen kann eben nicht nur qualitativ sehr hochwertige und dann evtl. weniger Ressourcen in eine Kooperation einbringen, sondern auch qualitativ durchschnittliche, aber dafür evtl. sehr viel mehr Ressourcen im Rahmen einer Kooperation zur Verfügung stellen. Dies ist vor allem für Start-ups bedeutsam, da technologische Ressourcen das Einzige darstellen, was Start-ups der Biotechnologie in eine Kooperation mit einem Pharmaunternehmen einbringen können. Im Folgenden wird daher diskutiert, warum neben der Qualität auch die Größe eines Ressourcenportfolios des Biotechnologieunternehmens von Bedeutung für den Erfolg einer Kooperation sein kann, denn Ahuja/Katila (2001) schreiben409: „Firm level theories of technical change suggest that a firm's innovativeness is an outcome of increases in its knowledge base …”

Da Wissen mit Kompetenzen gleichgesetzt werden kann führt auch die Summe der Kompetenzen zu einer Steigerung der „innovativeness“ eines Unternehmens. Ein Nebeneffekt könnte sein, dass ein stärker diversifiziertes Unternehmen entsteht. Dies würde bedeuten, dass der Zusammenhang zwischen Technologieposition und Erfolg einer umgekehrt U-förmigen Funktion folgt. Hier werden aber nur die Unternehmen der Biotechnologie betrachtet, die aufgrund ihrer geringen absoluten Größe nur minimal diversifiziert waren zum Zeitpunkt der Vereinbarung der Kooperation, so dass dieser Aspekt vernachlässigt werden kann.

Zur Wirkung der Größe des Ressourcenportfolios kann wie in der Studie zu Akquisitionen von Ahuja/Katila (2001) argumentiert werden.410 Die Autoren führen an, dass Kooperationen einem Unternehmen Zugang zu den Kompetenzen des Partners bieten und damit die eigene Basis erweitern kann. Dieses neue Wissen bietet dann die Grundlage und die Ausgangsbasis für die Generierung neuer Fähigkeiten und Ressourcen.411 Aus der Größe des Ressourcenportfolios eines Start-ups sind grundsätzlich mehrere positive Effekte zu erwarten. Zum einen sind durch die Kombination zweier ursprünglich getrennter

409

Vgl. Ahuja/Katila (2001), S. 197. Vgl. Ahuja/Katila (2001), S. 201. 411 Vgl. Inkpen (1998), S. 69. 410

Erfolg einer Kooperation

117

Ressourcenportfolios sog. „economies of scale“ und „economies of scope“ zu erlangen.412 Dass die Rekombination existierender Elemente des Wissens zu einer neuen Synthese führt, hat in der Literatur eine lange Tradition.413 Dieser positive Effekt ist zudem größenabhängig, da bei einem Unternehmen mit 5 unternehmensintern vorliegenden Wissenseinheiten lediglich 10 Kombinationsmöglichkeiten bestehen. Bei Erweiterung dieser Wissensbasis um ein Unternehmen mit drei Einheiten ergeben sich in Summe dann 28 Kombinationsmöglichkeiten und damit eine größere Wahrscheinlichkeit der Einzigartigkeit von Ressourcen und Kompetenzen.414 Allerdings sind hierbei auch Doppelungen in der Schnittmenge der beiden Ressourcenportfolios denkbar, welche wiederum keinen zusätzlichen Nutzen stiften können. Neben dem Argument der vielfältigen Kombinationsmöglichkeiten kann die Vorteilhaftigkeit eines größeren Ressourcenportfolios auch anders abgeleitet werden. Ein großes Portfolio bei einem Start-up bedingt, dass es externe Partner seitens des Biotechnologieunternehmens in der Vergangenheit gegeben haben muss, welche die Ausweitung der internen Ressourcen durch eine Finanzierung ermöglicht hatten, da für diese Start-ups i.d.R. eine Eigenfinanzierung nicht möglich ist.415 Diese Wertschätzung durch Dritte könnte dann auch ein Hinweis darauf sein, dass es sich nicht nur um eine erste Idee seitens der Unternehmensgründer gehandelt hat, sondern um eine vielversprechende Technologie, welche zu Wettbewerbsvorteilen gereichen könnte. Die Größe des zur Verfügung stehenden Portfolios würde dann auch die Bedeutung und das Verständnis des Unternehmens für diese spezielle Technologie widerspiegeln.

Zum anderen beinhaltet der Zugang zu den anderen Ressourcen und Kompetenzen den Nebenaspekt, die eigene „absorptive capacity“ zu verbessern.416 Durch den Zugang zu bislang nicht verfügbaren Kompetenzen wird gleichzeitig ein Zugang zu der „absorptive capacity“ des Partners erlangt. Eine Kooperation führt somit schließlich zu einem Zugang zu Kompetenzelementen des Kooperationspartners.

412

Vgl. Cardinal/Hatfield (2000), S. 295; Hagedoorn/Schakenraad (1994), S. 297; Dussauge/Garrette (1995), S. 526. Vgl. Pisano (1989), S. 111; Ahuja/Katila (2001), S. 200. 414 Vgl. Ahuja/Katila (2001), S. 200. 415 Vgl. Pisano (1991), S. 239; Pisano (1990), S. 153-158. 416 Vgl. Ahuja/Katila (2001), S. 200. 413

118

Ableitung der Hypothesen

Ferner ist zwischen implizitem und explizitem Wissen zu differenzieren.417 Mit der Menge an Kompetenzen wird sich auch die Menge des impliziten Wissens vergrößern. Dabei handelt es sich um bewusste oder unbewusste Kenntnisse, die an die Erfahrung von Personen oder Organisationen geknüpft und damit nur schwer artikulierbar sind. Über eine enge Zusammenarbeit lässt sich solches Wissen vermitteln, so dass eine strategische Allianz als Vehikel in Frage kommt.418 Empirische Unterstützung erhalten diese theoretischen Überlegungen durch die Studie von Stuart (2000). Er beschäftigte sich mit der Vorteilhaftigkeit großer Kooperationspartner und ihrer

Auswirkungen

auf

die

Innovationsrate

in

horizontalen

Kooperationen

der

Halbleiterindustrie.419 Der bei ihm nachgewiesene positive Zusammenhang könnte daher auch für eine positive Beziehung im Rahmen vertikaler Kooperationen in der Biopharmazie sprechen.

Ein Start-up, welches nun ein größeres Ressourcenportfolio und mehr Kompetenzen im Vergleich zu seinen Wettbewerbern aufweist, hat daher nicht nur eine erfolgreichere Vergangenheit und ist als technologisch kompetenter einzustufen.420 Es eröffnet durch das größere Ressourcenportfolio für das Pharmaunternehmen auch ein größeres Spektrum an Lösungsmöglichkeiten. Mit dem größeren Portfolio wird auch eine größere Erfahrung im Management von Forschungsprojekten einhergehen. Ich erwarte daher: H9: Wenn ein Biotechnologieunternehmen über ein großes Ressourcenportfolio im Vergleich zu den Wettbewerbern verfügt, dann ist ein positiver Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation zu erwarten.

Die bisherigen Hypothesen bezogen sich u.a. auf die technologische Qualität der in die Kooperation eingebrachten Ressourcen und Kompetenzen. Die Fragen nach einem Grad der Ähnlichkeit der beiden Unternehmen und der damit verbundenen unterstützenden Wirkung durch eine Komplementarität der Ressourcen sowie die Bedeutung für den Erfolg wurden bislang ausgeklammert und sollen im folgenden Abschnitt zu den beziehungsspezifischen Aspekten beleuchtet werden. 417

Vgl. Rüdiger/Vanini (1998), S. 467f. Vgl. Tidelski (2002), S. 662. Vgl. Stuart (2000), S. 791. 420 Vgl. Stuart/Hoang/Hybels (1999), S. 317. 418 419

Erfolg einer Kooperation 3.2.2

119

Beziehungsspezifische Effekte

Jemison/Sitkin (1986) haben das Konzept zu „organizational fit“ zweier Unternehmen im Rahmen von Akquisitionen eingeführt. Sie unterscheiden zwischen einem „strategic fit“ bzw. Ähnlichkeiten zwischen Organisationen im Hinblick auf Technologien, Produkte und Märkte und einem „organizational fit“ bzw. Ähnlichkeiten hinsichtlich organisationaler Prozesse, der Unternehmenskultur, Richtlinien für das Personal sowie administrativer Systeme.421 Saxton (1997) hat im Rahmen seiner Befragung auch bereits zeigen können, dass dieser „strategic fit“ vor Beginn der Kooperation mit der ursprünglichen Zufriedenheit signifikant positiv korreliert war.422 Dieser Ansatz wird hier im Rahmen des Erfolg von Allianzen tangiert, wobei ein „organizational fit“ im Vergleich zum „strategic fit“ im Lauf einer Kooperation leichter beeinflusst werden kann und damit zu den operativen Fragestellungen gezählt wird. Die Ausgangssituation hinsichtlich des allgemeinen „fits“ von Technologien erscheint hingegen gegeben, da dieser hinsichtlich der intendierten Strategie zu beurteilen ist.423 Da es sich ferner um Forschungskooperationen handelt, kommt vor allem den Technologien eine hohe Bedeutung zu, so dass hier schließlich ein Teilaspekt des „strategic fit“ näher untersucht wird.

In der Literatur werden wiederum unterschiedliche Begriffe für solche „fit“-Aspekte verwendet. Hier soll kein Unterschied zwischen „similarities“424, „relatedness“425, „overlap“426 oder ähnlichem gemacht werden. Im Prinzip gilt es, einen hohen Grad an Doppellungen zu vermeiden, wobei ein gewisser Grad an Überschneidung aber ein leichteres Verständnis zwischen den Kooperationspartner ermöglichen soll.427 Ob Ressourcen dann schließlich auch komplementär zueinander sind, lässt sich aus einer solchen Betrachtung heraus nicht klären, denn der Begriff „complementary“ wird meistens (fälschlicherweise) anstelle von „supplementary“ verwendet.428 Aus dem Latein stammend bedeutet komplementär zwar „sich ergänzend“, allerdings im übertragenen Sinne von „zu eins ergänzend“ (vollständig) und nicht nur unvollständig und damit lediglich unterstützend. Zwei

421

Vgl. Jemison/Sitkin (1986), S. 146f. Vgl. Saxton (1997), S. 455f. Zentes/Swoboda (1999), S. 48. 424 Vgl. Sarkar et al. (2001), S. 359; Saxton (1997), S. 447; Teece/Pisano (1994), S. 544. 425 Vgl. King et al. (2004), S. 198; Markides/Williamson (1996), S. 340; Tijssen (2002), S. 517. 426 Vgl. z.B. Arora/Gambardella (1990), S. 366; Colombo (2003), S. 1217f; Stuart (1998), S. 684; Terwiesch/Loch (1999), S. 455. 427 Vgl. Colombo (2003), S. 1224. Dieser aus dem Konzept der „absorptive capacity“ abgeleitete Gedanke wurde wie oben beschrieben bereits separat erfasst. 428 Vgl. Das/Teng (2003), S. 297. 422 423

120

Ableitung der Hypothesen

Farben können zusammen die Farbe weiß ergeben und damit komplementär sein; zwei Winkel können zusammen 90° ergeben und damit komplementär sein. Wenn aber zwei Ressourcenportfolios komplementär sein sollen, müsste erstens das zweite die Lücke des ersten vollständig ausfüllen. Dies dürfte nur höchst selten der Fall sein. Zweitens ist zu hinterfragen, wie eine Vollständigkeit des Wissens bestimmt werden soll. Letzteres könnte unter Einschränkungen dann der Fall sein, wenn es zu einem wie auch immer gearteten Erfolg gekommen ist. Zwei Ressourcen könnten sich demnach nachträglich als komplementär herausstellen, wenn sie einen Erfolg ermöglicht hatten. Die häufig gestellte Forderung nach Komplementaritäten wie z.B. bei Sinha/Cusumano (1991) ist damit vor allem theoretischer Natur, da a priori nur vermutet werden kann, ob Ressourcen wirklich als komplementär bezeichnet werden können. Diese Frage kann n.h.A. erst im Nachhinein beantwortet werden, da zu viele Aspekte Auswirkungen auf den sich potenziell einstellenden Nutzen haben können. Die betrachteten Ressourcen werden daher eine Lücke nur zu einem mehr oder weniger großen Teil ausfüllen können und damit erst einmal unterstützend wirken.

Eine Wirkung der Kategorie „supplementary“ entsteht aber auch durch die Ähnlichkeit, und zwar durch das resultierende, gegenseitige Verständnis der Kooperationspartner. Für diese Arbeit wird zwischen zwei Ursprungsarten von Ähnlichkeit von Ressourcen und Kompetenzen unterschieden. Es ist zu fragen, ob die beiden Unternehmen einer Dyade auf dieselben Ressourcen eines dritten Unternehmens zurückgegriffen hatten (Ähnlichkeit in Biotech), oder ob es eine direkte Verbindung zwischen den beiden Ressourcenportfolios der beiden Partner gab (Wissen des Partners). Der erste Fall (dasselbe Wissen) ist gleichbedeutend mit einer Überschneidung der Ressourcenportfolios der beiden Unternehmen der Allianz. Der zweite Fall spiegelt die unterstützende bzw. verbessernde Wirkung von Ressourcen und Kompetenzen wider, da hier z.B. eine Verbesserung einer Erfindung des jeweiligen Partners stattgefunden hat. In diesem Zusammenhang sind auch gegenseitige Abhängigkeiten denkbar.429 Diese Argumentationslinie baut auf der Ressourcenabhängigkeitstheorie nach Pfeffer/Salancik (1978) auf. Zentrale Idee ist, dass Unternehmen von Ressourcen anderer Unternehmen für die Erreichung der eigenen Ziele abhängig sind.430 Dies würde für zwei Firmen bedeuten, welche dieselben Vorläufer zitieren, dass sie einander tendenziell weniger brauchen und somit eine

429 430

Vgl. Pfeffer/Nowak (1976), S. 398. Vgl. Das/Teng (2003), S. 292.

Erfolg einer Kooperation

121

geringere gegenseitige Abhängigkeit aufweisen. Baut das betrachtete Unternehmen aber auf dem Kooperationspartner auf, dann könnte eine größere (zukünftige) Abhängigkeit für das Unternehmen vorliegen, welches die verbesserten Ressourcen benötigt. Gulati (1995b) hat gezeigt, dass die gegenseitige Abhängigkeit ein Treiber der Formation einer Allianz ist. Für den Erfolg einer Allianz ist dann die gegenseitige Abstimmung der individuellen Stärken notwendig.431 Daraus ergeben sich die nachfolgend beschriebenen drei Hypothesen.

3.2.2.1 Ähnlichkeit in Biotech Bzgl. der Frage nach einer inhaltlichen Überschneidung zweier Wissensbasen sind generell zwei Argumentationsketten in der Literatur zu finden. Die eine beruht auf der Idee der „absorptive capacity“ von Cohen/Levinthal (1990), ihrer Erfolgswirkung und der daraus notwendigen Ähnlichkeit zwischen den beiden Unternehmen. Begründet wird dies stets mit der Internalisierung des externen Wissens oder über die Erleichterung der Zusammenarbeit bzw. des Wissenstransfers wie z.B. bei Mowery/Oxley/Silverman (1998)432: „…, firms jointly pursuing collaborative development of a technology or product within an alliance are likely to require some level of technological ‘overlap’ [im Original], to facilitate know-how exchange and development.”

Auf der anderen Seite wird auf Argumente aus der Theorie zu „organizational learning“ wie bei Kogut/Zander (1992) zurückgegriffen. Hier wird der Erfolg durch die Kombination bekannter Wissenselemente erklärt. Es besteht somit zwar auch hier ein Bezug zum bisherigen Wissen eines Unternehmens A, allerdings sollen neue, bislang nicht vorhandene Kombinationsmöglichkeiten durch das Wissen von Unternehmen B gefunden werden. Dieses Argument der Kombinationsmöglichkeiten wird z.B. von Ahuja/Katila (2001) vorgebracht. Die Betonung sollte aber nur auf den zusätzlichen Kombinationsmöglichkeiten liegen und die Anzahl der internen Kombinationsmöglichkeiten beider Unternehmen vollständig ignoriert werden, da sich dieser Ansatz sonst dem Aspekt des abnehmenden Grenznutzens entzieht.433 Alternativ könnte evtl. auch eine 1/x-Funktion vorgeschaltet werden, so dass sich ein abnehmender Grenznutzen ergeben würde. Im Endeffekt läuft dies dann auf die Frage hinaus, wie viele Ressourcen absolut einem Unternehmen auf einem Technologiefeld durch die 431

Vgl. Das/Teng (2003), S. 299. Mowery/Oxley/Silverman (1998), S. 510. 433 Dieser Fehler wurde in der Literatur bereits gemacht, vgl. Ahuja/Katila (2001), S. 200. 432

122

Ableitung der Hypothesen

Kooperation zur Verfügung gestellt wurden.434 Dann wird auch deutlich, warum eine Überschneidung eine negative Wirkung haben kann.

Beide Erklärungsansätze zur Wirkung der Ähnlichkeit stehen n.h.A. zuerst einmal im Widerspruch. Vor allem im Rahmen des Erfolgs von Kooperationen sollte dieser Widerspruch aufgelöst werden, da hier direkte Einflussmöglichkeiten seitens der Unternehmen bei der Partnerauswahl bestehen. Er kann evtl. über eine differenziertere Betrachtung der „absorptive capacity“ gelöst werden, da sie auch bei der Identifizierung der Kooperationspartner eine wesentliche Rolle spielen könnte; vor allem bei branchenübergreifenden Kooperationen wäre dies denkbar. Es stellt sich aber die Frage, ob eine partnerspezifische „absorptive capacity“ für eine Kooperation auf einem Technologiefeld innerhalb derselben Branche für den Erfolg notwendig ist oder ob nicht die allgemeine Fähigkeit zur Absorption externen Wissens als ausreichend zu erachten ist. Die Literatur kann hier mittels empirischer Studien erste Hinweise auf eine Lösung liefern. Ahuja/Katila (2001) untersuchen in ihrer Studie die Auswirkungen von Akquisitionen auf den Output von Innovationen der akquirierenden Unternehmen. Sie unterstellen dabei einen Bezug der beiden Wissensbasen zum Erfolg auf Patentebene mit dem Ergebnis, dass hinsichtlich der absoluten Größe der Wissensbasis ein positiver Effekt auf die Anzahl der generierten Patente eintritt. Ein solcher Effekt bestätigt sich nicht für Nicht-TechnologieKooperationen. Die Beziehung zwischen den beiden Wissensbasen folgt einer umgekehrt Uförmigen Funktion, so dass ein bestimmtes Maß an Überschneidung für den Erfolg als notwendig erachtet wird. Auch Lambe/Spekman/Hunt (2002) beschäftigen sich mit dem Verhältnis von Ressourcen zweier Unternehmen. Ihre Hypothese zur positiven Bedeutung der zur Verfügung stehenden einzigartigen Ressourcen für den Erfolg einer Allianz wird durch die Daten unterstützt. Je besser also die gemeinsame Ausstattung gewesen ist, desto höher war der Erfolg der horizontalen oder aber auch der vertikalen Kooperationen. Mowery/Oxley/Silverman (1998) beschäftigen sich in ihrer Studie ebenfalls mit dem Maß der Überschneidung zwischen zwei Unternehmen. Sie finden, dass die Überschneidung zwischen zwei in einem Joint Venture beteiligten Unternehmen mit der Zeit zunimmt. Dieser Effekt wirkt stärker bei internationalen als bei nationalen Kooperationen. Die Autoren erwarten ebenfalls einen umgekehrt U-förmigen Verlauf. Das würde allerdings bedeuten, dass die 434

Vgl. Stuart (2000), S. 809.

Erfolg einer Kooperation

123

Neuausrichtung alle paar Jahre erfolgen müsste, sofern ein solcher Transfer erklärtes Ziel des Managements wäre. Lange Partnerschaften würden sich im Extremfall als schädlich hinsichtlich des „organizational learnings“ herausstellen.

Im Rahmen einer Kooperation gilt es, dieses Optimierungsproblem ebenfalls zu lösen. Unter Berücksichtigung der Wirkung von Eigenkapitalbeteiligungen und Langfristigkeit bei Akquisitionen wie JV erscheint ein Wissenstransfer dort leichter möglich und evtl. auch seitens des Managements gewollt. Auf der anderen Seite könnten solche Formen der Verbindung zweier Wissensbasen bewirken, dass ein größeres Volumen an Wissen zu kombinieren ist und daher der Überschneidung eine größere Rolle zukommt, um die Integration zu erleichtern. Bei einer strategischen Allianz hingegen wird eine vollständige Integration aber nicht angestrebt. Die Kooperation auch wieder auflösen zu können, ist gerade ein attraktiver Aspekt dieser Form der zwischenbetrieblichen Zusammenarbeit. Darüber hinaus bezieht sich eine Kooperation auch immer nur auf technologische Teilbereiche eines Unternehmens, so dass dem geringeren Grad an Überschneidung eine untergeordnete Bedeutung zukommt. Daher sollte keine vollständige Integration im Vergleich zu einer Akquisition angestrebt werden. Colombo (2003) erwartet sogar, dass mit größerer Überschneidung die Gefahr eines unbeabsichtigten Übergangs von Wissen auf den Partner besteht.435 Dies zu verhindern könnte ein Misstrauen des Partners hervorrufen und wiederum erheblichen negativen Einfluss auf den Erfolg einer Kooperation ausüben. Die kürzere Laufzeit, die weniger komplexe Organisationsform im Vergleich zu Joint Venture und die Betrachtungsebene des Technologiefeldes innerhalb derselben Branche lassen eine geringere Bedeutung einer Überschneidung erwarten. Genau dann aber kommt den „verlorenen“ Ressourcen über die Doppelung für die Leistung beider Unternehmen große Bedeutung zu, denn schließlich liegen der Kooperation im Vergleich weniger Ressourcen zugrunde.436 Ich erwarte daher: H10: Wenn in einer Kooperation, wegen eines hohen Grads an Überschneidung zwischen den beiden Wissensbasen der Kooperationspartner, weniger Ressourcen zur Verfügung stehen, dann ist ein negativer Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation zu erwarten.

435 436

Vgl. Colombo (2003), S. 1210. Vgl. Stuart (2000), S. 809.

124

Ableitung der Hypothesen

3.2.2.2 Wissen des Partners In dem Zusammenspiel von Ähnlichkeiten oder Distanzen zweier Wissensbasen wurde oben der Aspekt der Doppelung aufgegriffen. Damit stellt sich die Frage, was für ein Verhältnis dann angestrebt werden soll, wenn eine Doppelung innerhalb einer Branche vermieden werden sollte. Kogut/Zander (1992) empfehlen in der Zusammenfassung ihrer Studie437: „Firms develop internally projects that build related capabilities leading to platforms into new markets or rely on joint ventures (or acquisitions) when the capabilities are distantly related.” Sie sprechen zwar nur von Joint Venture, aber die Nähe zur strategischen Allianz ist ersichtlich. Allerdings würde die geringere oder nicht vorhandene Eigenkapitalbeteiligung bei Allianzen erwarten lassen, dass ein Technologietransfer schwieriger möglich und der Schutz vor Imitation größer ist, weil eben die Wissensbasen etwas weniger weit von einander entfernt sind. Zu einem Technologietransfer vom Partner käme es, wenn sich die beiden Unternehmen nicht auf dieselbe Basis (z.B. den Stand der Technik) stützen würden, sondern ein Unternehmen mit einer neueren Technologie auf dem anderen Unternehmen aufbaut. Das erste Unternehmen wäre dann nicht vollkommen losgelöst von dem zweiten und gleichzeitig könnten Doppelungen vermieden werden. Ein Unternehmen, welches nun auf den entsprechenden Kooperationspartner aufbaut, ist überzeugt, dass diese Weiterentwicklung der Ressourcen zu einem Erfolg führen wird. Eine später erfolgende Erfindung mit einer Patentanmeldung liefert hier nun den Nachweis, dass die Rekombination auch erfolgreich gewesen ist. Diese neue Kombination zeigt einem Unternehmen schließlich, dass ein Weiterentwicklungspotenzial der eigenen Wissensbasis besteht. Ferner wird gleichzeitig die Richtung der Weiterentwicklung aufgezeigt. Ein Partner, der nun in der Lage ist, ein solches Potenzial zu identifizieren und zu realisieren, ist für ein etabliertes Unternehmen von enormer Bedeutung. Gleichzeitig wird nach Auffassung von Kogut/Zander (1992) damit die Erfolgschance der Aktivitäten erhöht.438 Diese Argumentation wird gestützt durch die Studie von Fleming (2001). Er untersucht die Frage, wie vertraut man mit einzelnen Komponenten im Rahmen einer Produktentwicklung sein muss und wie sich diese Vertrautheit auf die Qualität der Forschung – gemessen über Zitate der eigenen Patente durch andere Firmen – auswirkt. Anzunehmen ist, dass ein

437 438

Kogut/Zander (1992), S. 395. Kogut/Zander (1992), S. 395.

Erfolg einer Kooperation

125

gewisses Maß an Bekanntheit von Komponenten vorliegen muss, um erfolgreich zu sein. Dies bedeutet, dass die Erfahrung eines Unternehmens mit einzelnen Komponenten gerade auch eine Auswahl der besten Komponenten ermöglicht und zu einer höheren Zitierhäufigkeit der eigenen Patente nach neuer Kombination dieser Komponenten führt. Es wäre also mit anderen Worten eine höhere Forschungsleistung gegeben. Eine solche Vertrautheit mit den Ressourcen des Partners wäre gegeben, wenn ein Unternehmen Ressourcen eines potenziellen Partners bereits verbessern konnte. Diesen Annahmen folgend, dürfte neben der Ähnlichkeit von Wissensbasen mit Bezug zum Kooperationserfolg auch die Größe der Wissensbasis entscheidend sein. Es macht einen Unterschied, ob eine große Wissensbasis A auf einer kleinen B aufbaut und diese dann voraussichtlich integrieren würde oder ob eine kleine Wissensbasis B das Potenzial der großen Basis A verbessert. Aufgrund des unterschiedlichen Hebels sind unterschiedlich starke Effekte zu erwarten. Ich erwarte daher: H11a: Wenn in der Vergangenheit eine Weiterentwicklung der Ressourcen eines Biotechnologieunternehmens durch ein Pharmaunternehmen erfolgt ist und zu einer Verbesserung bestimmter Ressourcen geführt hat, dann ist ein positiver Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation zu erwarten. H11b: Wenn in der Vergangenheit eine Weiterentwicklung der Ressourcen eines Pharmaunternehmens durch ein Biotechnologieunternehmen erfolgt ist und zu einer Verbesserung bestimmter Ressourcen geführt hat, dann ist ein positiver Einfluss auf die Erfolgswahrscheinlichkeit einer Forschungskooperation zu erwarten.

3.2.3

Kontrolleffekte

Zu betrachten sind weitere firmenspezifische Effekte, die ebenfalls einen Einfluss auf die Erfolgswahrscheinlichkeit von Forschungskooperationen haben können.439 Sie bewirken gleichzeitig eine Verfestigung der Befunde, da sie die abgeleiteten Effekte separieren. Gemeint sind Umstände wie Herkunftsland der Unternehmen, ihre Größe und das Forschungsbudget des Pharmaunternehmens. Ferner ist auch der Einfluss der Produktentwicklungsphase zu kontrollieren, weil hier zu erwarten ist, dass sich ein größeres Risiko eines Fehlschlags für den Wirkstoffkandidaten abhängig von der bereits erreichten Phase zum Zeitpunkt der Vereinbarung der Kooperation ergeben könnte. 439

Vgl. Colombo (2003), S. 1221.

126

Ableitung der Hypothesen

3.2.3.1 Herkunftsland Bzgl. des Herkunftslandes eines Unternehmens ist eine Vielzahl an Einflüssen denkbar. Für eine größere Erfolgswahrscheinlichkeit der Unternehmen mit Firmensitz in Amerika spricht, dass die Branche der Biotechnologie in den USA entstanden ist und damit frühzeitiger hoch qualitatives Personal für die Unternehmen zur Verfügung stand, kulturelle Unterschiede innerhalb einer Kooperation weniger stark ausgeprägt sein könnten und damit in nationalen Kooperationen weniger Hindernisse zu überwinden sind440, Kooperationen zu amerikanischen Universitäten leichter möglich sind441, Risikokapital leichter zugänglich ist und die Kommunikation aufgrund der geringeren Entfernung leichter gehandhabt werden kann. Dies mag auch der Grund sein, wie Reger/Beise/Belitz (1999) mitteilen, dass in der Vergangenheit ein Großteil der in dieser Studie betrachteten europäischen Pharmaunternehmen die eigene Biotechnologieforschung in den USA angesiedelt hat.442

Zu einer Benachteiligung nicht-amerikanischer Pharma- wie Biotechnologieunternehmen könnte beigetragen haben, dass in dieser Arbeit eine Eingrenzung der Patentdaten auf USPatente vorgenommen wurde. Vor allem für die Start-ups ist zu vermuten, dass unzureichende Kenntnisse über das US-Patentwesen vorherrscht haben könnten. Für eine höhere Erfolgswahrscheinlichkeit nicht-amerikanischer Unternehmen dürfte sprechen, dass nur die wichtigsten Patente nicht-amerikanischer Unternehmen in den USA angemeldet wurden. Es ist weiterhin vorstellbar, dass nicht-amerikanische Unternehmen insofern im Vorteil sind, als durch einen späteren Einstieg (vor allem der nicht-amerikanischen Biotechnologieunternehmen) nur erfolgversprechende Ansätze genutzt wurden. Es könnte aber auch der Fall sein, dass schon die Nationalität eines Unternehmens in Verbindung mit der Neigung zur Formation von Kooperationen steht. Letztlich sind aber keine signifikanten länderspezifischen Unterschiede in der Wahrscheinlichkeit des Eingehens von Kooperationen laut Narula/Duysters (2004) zu erkennen.443

440

Analog zum Argument bei Akquisitionen bei Ahuja/Katila (2001), S. 208. Vgl. Arora/Gambardella (1990), S. 371. Vgl. Reger/Beise/Belitz (1999), S. 65f. Bayer, Schering, Höchst Marion Roussel und Rhône Poulenc Rorer haben ihre Abteilung für Biotechnologie in den USA; Solvay und Boehringer Ingelheim haben wie das japanische Unternehmen Fujisawa keine eigene Abteilung für Biotechnologie. 443 Vgl. Narula/Duysters (2004), S. 205. 441 442

Erfolg einer Kooperation

127

3.2.3.2 Unternehmensgröße Weiterhin könnte es sein, dass die Größe eines Pharmaunternehmens den Erfolg einer Kooperation in vielerlei Hinsicht zu beeinflussen vermag. Allgemein wäre an Auswirkungen der Bedeutung der Kooperation, der Quantität sowie der Qualität der dem Unternehmen zur Verfügung stehenden Ressourcen, Interaktionseffekten zwischen den Ressourcenportfolios sowie an das Verhältnis von F&E zur Leistung zu denken.444 Denn große Unternehmen werden folgende Vorteile einbringen: Für sie stehen zum einen andere Zugänge zum Kapitalmarkt und damit andere Finanzierungsmöglichkeiten offen als für kleinere Unternehmen.445 Zum anderen könnten interorganisationale Prozesse oder Strukturen eine höhere Qualität hinsichtlich z.B. Vollständigkeit aufweisen oder überhaupt erst vorhanden sein wie z.B. eine separate Abteilung für das Management von Kooperationen.446 Die Größe beeinflusst gleichzeitig die Anzahl an Interaktionseffekten zwischen den Ressourcen. Dass sich diese einstellen können, konnte durch die Studien von Henderson/Cockburn (1996) und Mahlich (2005) gezeigt werden. Sie finden, dass größere Unternehmen eine höhere F&E-Produktivität aufweisen. Die Autoren erklären ihr Ergebnis zum einen mit Skaleneffekten und zum anderen mit einem Wissenstransfer zwischen den einzelnen Forschungsprogrammen innerhalb eines Unternehmens. Darüber hinaus kann allein das Erreichen einer gewissen Größe bereits als Erfolg durch superiore Prozesse etc. verstanden werden.447 Selbst der größere Bekanntheitsgrad könnte eine höhere Attraktivität für neues Personal bedeuten. Unternehmen lernen schließlich über die sich ihnen bietenden Möglichkeiten aus vielen Quellen. Eine wichtige Quelle ist dabei das Netzwerk eines Unternehmens aus vorangegangenen Allianzen.448 Es ist zu erwarten, dass bei einem Großunternehmen das zur Verfügung stehende Netzwerk größer sein wird und somit wiederum andere, neue Ressourcen verfügbar gemacht werden können. Shan/Walker/Kogut (1994) analysieren den Zusammenhang zwischen der Netzwerkposition und Anzahl an Kooperationsbeziehungen und finden einen positiven Zusammenhang. Schließlich könnte auch der Fall auftreten, dass größere Unternehmen mehr Kooperationen abgeschlossen haben und damit über eine größere Erfahrung im Management von Kooperationen verfügen.449 Dass mit zunehmender Unternehmensgröße die Neigung zu Kooperationen steigt, bereinigt um den 444

Vgl. z.B. Hagedoorn/Schakenraad (1994), S. 297-299; Griliches (1990), S. 1673-1675. Vgl. Henderson/Cockburn (1994), S. 33. Vgl. Frishammar/Hörte (2005), S. 255. 447 Vgl. Baum/Oliver (1991), S. 192. 448 Vgl. Gulati (1995b), S. 622. 449 Vgl. Simonin (1997), S. 1166. 445 446

128

Ableitung der Hypothesen

reinen Größeneffekt, haben Hagedoorn/Schakenraad (1994) zeigen können. Sie sprechen daneben auch einen weiteren Unterschied an, und zwar die unterschiedliche Patentierneigung von Großunternehmen im Vergleich zu Start-ups. Entsprechend ihrer Analyse würde sich wahrscheinlich ein umgekehrt U-förmiger Verlauf bzgl. Patentierneigung und Größe einstellen.450 Hinzuzufügen ist, dass große Unternehmen die Möglichkeit haben, das Risiko über ein Portfolio an Projekten zu streuen.451

Allerdings ist auch denkbar, dass die Größe eines Unternehmens einen negativen Einfluss auf den Erfolg einer Kooperation ausübt. Auch hier können mehrere Punkte aufgeführt werden, wie z.B. erstens die Wichtigkeit einer Kooperation mit einem Biotechnologieunternehmen seitens eines Pharmaunternehmens. Mit der Größe steigt gleichzeitig die Menge der zur Verfügung stehenden Ressourcen, so dass der Grenznutzen einer zusätzlichen, neuen Ressource abnehmen wird. Eine Kooperation bei einem etablierten Unternehmen kann gleichbedeutend sein mit einem einfachen Forschungsprojekt innerhalb des Unternehmens. Zweitens könnten kulturelle Unterschiede einen Einfluss auf den Kooperationserfolg ausüben. Die Größenunterschiede wurden in der Studie von Kelly/Schaan/Joncas (2002) seitens der Geschäftsführer als ein Grund für Probleme in der Kooperation angeführt.452 Drittens könnten kleinere Unternehmen eine höhere Effizienz als Großunternehmen aufweisen wie in der Studie von Lin/Chen (2005) bestätigt wird.453 Auch Acs/Audretsch (1988) zeigen, dass kleine Unternehmen einen höheren Anteil an Patenten bezogen auf ihren Umsatzanteil aufweisen. Bound et al. (1984) analysieren den Zusammenhang zwischen F&E-Aufwendungen und der Anzahl der erteilten Patente für 2582 amerikanische Unternehmen mit dem Ergebnis, dass kleinere Unternehmen effizienter zu sein scheinen als große Unternehmen, da sie einen höheren Anteil von Patenten pro in F&E eingesetztem Dollar aufweisen. Ab einer bestimmten Mindestgröße bleibt dieser Anteil nahezu konstant, während er für sehr große Unternehmen leicht rückläufig ist. Ernst (1996) spricht in diesem Zusammenhang von abnehmenden Grenzproduktivitäten bei größeren Unternehmen. Die empirischen Befunde deuten demnach darauf hin, dass kleinere Unternehmen tendenziell ein besseres Verhältnis von Patenten zu F&E-Aufwendungen aufweisen.454

450

Vgl. Hagedoorn/Schakenraad (1994), S. 298. Vgl. Veugelers (1997), S. 306. Vgl. Kelly/Schaan/Joncas (2002), S. 16. 453 Vgl. dazu auch Shan/Walker/Kogut (1994), S. 387; Jorde/Teece (1990), S. 84. 454 Vgl. Ernst (1996), S. 168f. 451 452

Erfolg einer Kooperation

129

3.2.3.3 Forschungsbudget Weiterhin ist das generelle Volumen der Aufwendungen für Forschung und Entwicklung von Bedeutung. Es wird hier angenommen, dass ein Unternehmen, welches über mehr Ressourcen in der Forschung verfügt, auch erfolgreicher hinsichtlich Inventionen oder Innovationen sein wird.455 So konnten u.a. Franko (1989), Griliches (1990), Hitt/Hoskisson/Kim (1997) und Acs/Audretsch (1988) zeigen, dass Investitionen in F&E einen positiven Einfluss auf den Erfolg von Unternehmen haben. Henderson/Cockburn (1994) und Cockburn/Henderson (1998) haben darüber hinaus festgestellt, dass der Logarithmus der Forschungsausgaben mit dem Logarithmus an international angemeldeten Patenten signifikant positiv korreliert ist. Zusätzlich ist anzunehmen, dass das Forschungsbudget gleichzeitig von der Größe der Unternehmen abhängig ist.456 Diese Annahme wird durch die Studie von Veugelers (1997) unterstützt. Sie untersuchte 180 Unternehmen aus Belgien zu den Auswirkungen auf das interne F&E-Budget. Sie zeigt einen positiven Größeneffekt auf das interne Forschungsbudget, d.h. Großunternehmen investieren mehr Geld in F&E-Aktivitäten. Somit stehen mehr Ressourcen in der Forschung zur Verfügung.

Offen ist vielleicht, ob ein hohes Forschungsbudget eines Pharmaunternehmens für interne Projekte auch einen Einfluss auf den Erfolg einer Kooperation ausüben kann. Hier kommt es auf die Menge und Qualität der in der Kooperation zur Verfügung stehenden Ressourcen an. Ein Unternehmen, welches größere finanzielle Mittel generell für die Forschung bereitstellt, so wird erwartet, wird auch größere Mittel für die gemeinschaftliche Forschungsanstrengung aufbringen, zumal Biotechnologieunternehmen kaum eigene finanzielle Mittel in der Vergangenheit vorzuweisen hatten. Sie waren vielmehr auf eine externe Finanzierung durch die Pharmaunternehmen angewiesen. Diese Finanzierung wiederum wird bei den Pharmaunternehmen aus dem F&E-Budget zur Verfügung gestellt. Eine prozentual ähnliche Aufteilung zwischen den Pharmaunternehmen für interne wie externe Projekte ist anzunehmen. Experten der Pharmaunternehmen sprachen von einer 70:30-Aufteilung. Es ist daher davon auszugehen, dass die Ressourcenausstattung seitens des Pharmaunternehmens in der F&E einen Einfluss auf die Ressourcenausstattung der Kooperation und somit auch auf die Erfolgswahrscheinlichkeit der Kooperation haben wird.

455

Vgl. Wuyts/Stremersch/Dutta (2004), S. 91 ; Hitt/Ireland/Harrison (1991), S. 694-702 ; Harhoff et al. (1999), S. 513. 456 Vgl. Glaister/Buckley (1997), S. 203.

130

Ableitung der Hypothesen

Interessant könnte hier nicht nur die Diskussion um die zur Verfügung stehenden Ressourcen sein, sondern darüber hinaus auch die Frage der weiteren Wirkungen eigener Forschungsanstrengungen. Wie bereits im Abschnitt zur „absorptive capacity“ beschrieben, besteht eine positive Wirkung in Bezug auf den Erfolg. In früheren Publikationen wurde argumentiert, dass Forschungsausgaben zwei Aufgaben erfüllen: Dies ist zum einen das Hervorbringen von Inventionen und zum anderen die Steigerung der „absorptive capacity“. Ein Aufbau einer „absorptive capacity“ geschieht somit als Nebenprodukt eigener Forschungsaufwendungen.457 Die Kontrolle über die in einer Kooperation zur Verfügung stehenden Ressourcen führt gleichzeitig zu einer Kontrolle über das in den Unternehmen vorhandene Potenzial der „absorptive capacity“. Denn nach den Erkenntnissen aus der Studie von Senker/Sharp (1997) war die Phase der Internalisierung der neuen Biotechnologie für die Pharmaunternehmen prinzipiell abgeschlossen. Die etablierten Unternehmen der pharmazeutischen Industrie hatten intern ausreichendes Wissen aufgebaut, um neue Erkenntnisse absorbieren zu können.

3.2.3.4 Grundlagenforschung March (1991) differenziert hinsichtlich der unterschiedlichen Aktivitäten in einer Kooperation. Seine Aufteilung wird als „exploration“ und „exploitation“ bezeichnet. Der Begriff „exploitation“ steht dabei für458: „… the pursuit of knowledge, of things that might come to be known …“ und “exploration” umfasst459: „… the use and development of things already known …“. Eine solch inhaltliche Differenzierung der Aktivitäten ist auch hier zu berücksichtigen, da die Schwierigkeit der Aufgabe in der Biopharmazie zum einen von der Frage abhängt, ob es sich lediglich um eine geänderte Dosierung oder Darreichungsform etc. handelt oder ob ein grundsätzlich neues Medikament entwickelt werden soll für vielleicht sogar bislang unbehandelte Krankheiten. Im ersten Fall handelt es sich vereinfacht um eine inkrementelle Innovation mit Entwicklungscharakter und im zweiten Fall um eine radikale Innovation mit der Notwendigkeit der Grundlagenforschung. Dass letztgenannte Innovationen eine geringere Erfolgswahrscheinlichkeit in der Produktentwicklung haben, ist unstrittig.460 Dieses grundsätzliche Problem gilt auch für gemeinschaftliche Forschungsprojekte.

457

Vgl. Cohen/Levinthal (1990), S. 129. Levinthal/March (1993), S. 105. Levinthal/March (1993), S. 105. 460 Vgl. Tabelle 1. 458 459

Erfolg einer Kooperation

131

Hinzukommt, dass Grundlagenforschung in Pharma generell sehr risikoreich und von hohen Misserfolgsquoten geprägt ist. Unternehmen, die entgegen dem damals vorherrschenden Trend, Kooperationen für die erste Phase der Produktentwicklung zu vereinbaren, waren u.a. an der Identifizierung neuer Targets oder dem Ursprung bestimmter Krankheitsbilder interessiert. Solche oder ähnliche Themengebiete der Forschung weisen überproportional geringere Erfolgswahrscheinlichkeit aus als später im Produktentwicklungsprozess folgende Phasen wie z.B. die klinische Prüfung. Diese Unterscheidung zwischen Kooperationen mit dem Ziel „exploration“ und „exploitation“ erscheint notwendig.461 Es wird daher für das asynchrone Risikoprofil im Produktentwicklungsprozess kontrolliert.

3.3

Erfolg durch Lerneffekte

Neben dem Hauptziel der Untersuchung des Kooperationserfolgs selbst sollen auch Aspekte zum Lernerfolg von Unternehmen durch Kooperationen aufgegriffen werden, wobei hier eine Eingrenzung erfolgt, denn obige Hypothesen zum Einfluss von Ressourcen und Kompetenzen auf den Kooperationserfolg müssen nicht zwangsläufig übertragbar sein. Allerdings ist es auch nicht Anspruch der Arbeit, Lerneffekte theoretisch abzuleiten und zu untersuchen, sondern nachzuweisen, dass ein Lernen in Kooperationen und somit eine Verbesserung der Kompetenzen nicht zwangsläufig der Fall sein muss. In diesem Kapitel werden daher lediglich jene Hypothesen abgeleitet, welche neu hinzukommen. Die Hypothesen aus Kap. 1.1 sollen hier weiterhin Gültigkeit haben, wobei bei einer separaten Ableitung evtl. andere Schwerpunkte gesetzt werden würden. Diese Untersuchungen werden daher nicht mit gleicher Intensität verfolgt werden können, da das Phänomen des Lernens in Kooperationen laut Mowery/Oxley/Silverman (1996) auch als sehr komplex eingeschätzt wird462: „The ’learning’ [im Original] that takes place within alliances thus appears to be more complex than most of the literature on this topic suggests…“

Etwas anderes könnte sich für die Wirkung der „absorptive capacity“ ergeben. Wie bereits in diskutiert, bezieht sich das Potenzial auf die bisherigen Erfahrungen und die Fähigkeit, flexibel zu reagieren und beinhaltet den Aspekt der Identifikation sowie der Akquisition von

461 462

Vgl. Levinthal/March (1993), S. 105-109. Mowery/Oxley/Silverman (1996), S. 89.

132

Ableitung der Hypothesen

externem Wissen. Hinsichtlich der beiden zu untersuchenden Phänomene sollten keine Unterschiede bestehen, da z.B. für die Entwicklung eines neuen Produktes wie auch eines neuen Patentes externes Wissen identifiziert werden muss. Der Realisierungsaspekt beschäftigt sich hingegen vor allem mit dem Aspekt der Kombination von externem mit internem Wissen, wobei die Kombination zu neuem Wissen oder Produkten führen soll. Der Erfolg einer Kooperation bedingt, dass zwei Ressourcenportfolios von zwei Unternehmen gemeinsam kombiniert werden sollten und die Kooperation so zu einem neuen Produkt führt. Bei Lerneffekten hingegen muss ein Unternehmen hingegen in der Lage sein, aus den zwei Ressourcenportfolios neues, eigenes Wissen zu generieren. Gleiches gilt auch für das zweite Unternehmen, weshalb es hinsichtlich Lerneffekten noch während oder im Anschluss der Kooperation zu einem sog. „learning race“ kommen kann. Für ein solches „learning race“ wäre dann auch wichtig, dass kein NIH-Syndrom vorliegt, welches Lerneffekte zumindest behindert.463 Dieser Argumentation folgend müsste dem Realisierungsaspekt der „absorptive capacity“ für Lerneffekte eine insgesamt umfangreichere Wirkung zukommen.

Zu Beginn sind jedoch einige Abgrenzungen und Differenzierungen vorzunehmen. Zuerst einmal ist zwischen Informationen und Wissen zu differenzieren. Informationen referenzieren auf Fakten oder quantitativen Daten, welche mittels einfacher Kommunikation übertragen werden können. Wissen hingegen beinhaltet hingegen die angesammelten Kompetenzen und Expertisen in bestimmten Aktivitäten.464 Wenn man davon ausgeht, dass de facto auch Wissen in einer Kooperation übertragen wird, dann ist zwischen implizitem und explizitem Wissen zu unterscheiden.465 Ein Transfer von tazitem Wissen ist jedoch generell nicht leicht möglich und daher auch ein direkter Nachweis schwierig, da es sich eben um nicht-kodifizierbares Wissen handelt. Andere Autoren arbeiten daher mit der Annahme, dass es zu einer parallelen Übertragung von implizitem und explizitem Wissen kommt.466 Eine Kooperation bildet nun die Möglichkeit, neben Informationen auch Wissen zu übertragen.467 Durch den nun möglichen Zugang zu den Ressourcen und Kompetenzen des Partners sollte ein Unternehmen

463

Vgl. Ragatz/Handfield/Scannell (1997), S. 190. Vgl. Ahuja (2000b), S. 428. Vgl. Rüdiger/Vanini (1998), S. 467-471. 466 Vgl. Mowery/Oxley/Silverman (1996), S. 82. 467 Vgl. Ahuja (2000b), S. 428. 464 465

Erfolg durch Lerneffekte

133

sich dieses Wissen aneignen, d.h. lernen können. Nach Kale/Singh/Perlmutter (2000) sind jedoch drei verschiedene Bereiche des Lernens zu unterscheiden, nämlich468: 1. der Zugang zu und Internalisierung von Ressourcen469 2. die operative Durchführung von Kooperation470 3. der Aufbau interner Kompetenzen für das Kooperationsmanagement471

Die zentrale Idee des Lernens in Kooperationen zielt vor allem darauf ab, sich nicht nur der Ressourcen des Partners für einen kurzfristig orientierten Erfolg zu bedienen, sondern darüber hinaus auch zu verstehen, (a) wie einzelne Lösungen erlangt wurden, (b) welche (neuen) Verbesserungsmöglichkeiten für die eigenen Ressourcen bestehen und evtl. (c) ob auch eine Neubewertung der eigenen Ressourcen vorzunehmen ist. Unternehmen, denen es gelingt, in Kooperationen zu lernen, haben die Möglichkeit, die interne Wissensbasis zu verbessern und sich darüber von den restlichen Unternehmen abzusetzen.472

Daneben kann ein Wissenstransfer durch Allianzen auf Basis der Untersuchung von Mowery/Oxley/Silverman (1996) angenommen werden. Auch die Kooperationen in der Biotechnologie können einen solchen Transfer ermöglichen. Wie Industrieexperten äußerten, würden die Forscher der Pharmaunternehmen jedoch allenfalls als sog. Sparringspartner dienen, aber die Forschungsanstrengungen nicht selber durchführen. Wegen dieses Unterschieds in den Kompetenzen wäre somit ein Wissenstransfer vom Biotechnologieunternehmen zum Pharmaunternehmen möglich.

Im Kap. 2.1.4 zum Stand der Literatur wurden Lerneffekte bereits angesprochen. Ein Lernen vom Kooperationspartner ist unter anderem von zwei Punkten abhängig. Dies ist zum einen das Potenzial des Kooperationspartners und zum anderen die eigene „absorptive capacity“ nach Cohen/Levinthal (1990). Für den hier gewählten Lernerfolg ist auch der Aspekt der Realisierung der „absorptive capacity“ nach Zahra/George (2002) notwendig. Ein Lernerfolg wird definiert als eine messbare Verbesserung der Ressourcenausstattung, bei der erlerntes Wissen Eingang in Forschungsergebnisse der Folgeperiode gefunden hat.

468

Vgl. Kale/Singh/Perlmutter (2000), S. 219f. mit beispielhaften Vertretern. Vgl. Khanna/Gulati/Nohria (1998), S. 193-211. Vgl. Doz (1996), S. 55-83. 471 Vgl. Anand/Khanna (2000), S. 295-316; Simonin (1997), S. 1150-1174. 472 Vgl. Ahuja/Katila (2001), S. 197; Bleeke/Ernst (1991), S. 134; Bruck (1996), S. 225. 469 470

134 3.3.1

Ableitung der Hypothesen Potenzial des Kooperationspartners

Ein Wissenstransfer hat nun freilich mehrere Voraussetzungen. Erst einmal muss ein Wissenstransfer seitens eines Unternehmens gewünscht sein, denn dieser verursacht nicht nur Kosten, sondern bindet auch Ressourcen.473 Hamel (1991) spricht in diesem Zusammenhang von der Absicht, eine Allianz als Lernarena anzusehen.474 Alsdann muss ein Transfer generell auch möglich sein, denn der Partner könnte erhebliche Schutzmechanismen installiert haben.475 Schließlich fordert Hamel (1991), dass eine gewisse Transparenz des Wissens vorliegen muss.476 Sollte es sich bei den Kooperationspartnern um z.B. direkte Wettbewerber handeln, ist von stärkeren Schutzmechanismen auszugehen.477 Ein gegenseitiges Vertrauen könnte helfen, solche Barrieren abzubauen.478 Mittels des bei Kale/Singh/Perlmutter (2000) untersuchten Beziehungskapitals sollen Unternehmen in der Lage sein, simultan zu lernen und gleichzeitig den Schutz der eigenen Ressourcen zu realisieren. Allerdings gilt es für die einzelnen Unternehmen, einen Wissenstransfer zu vermeiden, da solche Aktivitäten zu einer Erosion der eigenen Ressourcen und Kompetenzen führen können. Ferner sollte auch Wissen vorliegen, welches zu erlangen sich für ein Unternehmen lohnt.479 Inkpen (1998) vermutet, dass mit dem Grad an „tacitness“ auch der Wert des Wissens steigt. Dieser Typ der Wissensgenerierung wird in der Literatur als ein wesentliches Motiv für eine Zusammenarbeit gesehen.480 Der Wert des potenziell zu erlernenden Wissens ist n.h.A. a priori aber nur schwer bestimmbar.

Wenn man einen Transfer von Wissen in Kooperationen trotz potenzieller Barrieren etc. unterstellt, dann bestimmt der Kooperationspartner das Potenzial des maximal zu erlernenden Wissens. Dieses Potenzial kann hinsichtlich Menge und Qualität differenziert werden. Wenn eine große Menge vorliegt, kann evtl. viel gelernt werden. Auf der anderen Seite könnte auch eine hohe Qualität vorzufinden sein und ein Lernen vom Partner interessant erscheinen lassen. Beides zusammen deutet auf ein sehr innovatives Unternehmen hin. Dies bedeutet, dass es sich um Wissen handeln könnte, welches zu akquirieren für ein Unternehmen attraktiv wäre.

473

Vgl. Inkpen (1998), S. 72. Vgl. Hamel (1991), S. 88. Vgl. Inkpen (1998), S. 73. 476 Vgl. Hamel (1991), S. 85. 477 Vgl. Bruck (1996), S. 213f. 478 Vgl. Gulati (1995b), S. 625; Inkpen (1998), S. 74. 479 Vgl. Inkpen (1998), S. 71. 480 Vgl. Gulati (1995a), S. 85-87; Gulati (1995a), S, Gulati (1995b), S. 619-622. 474 475

Erfolg durch Lerneffekte

135

Das Lernpotenzial wäre damit in Summe sehr groß, wenn es sich um sehr innovative Unternehmen als Partner handeln würde. Stuart (2000) fasst die Thematik des Lernens von Unternehmen wie folgt zusammen481: „…if learning is one of the primary motives for alliances as emphasized in the literature on cooperative technology strategies, or even if learning is the unintended by-product of relationships established to serve quite different purposes, then the benefits of a portfolio of collaborative relations will depend upon the technological competencies of the alliance partners that make up the portfolio. Other factors held constant, alliances with the most skilled innovators are the most viable opportunities to learn new routines and acquire advanced technical know-how.”

Für ein Lernen vom Kooperationspartner sind daher dessen Ressourcen und Fähigkeiten relevant, sofern eine Akquisition von Wissen Ziel der Kooperation ist. Ich erwarte daher: H12: Wenn ein Biotechnologieunternehmen über ein hohes Wissenspotenzial verfügt, dann ist ein positiver Einfluss auf den Lernerfolg bei dem Pharmaunternehmen zu erwarten.

3.3.2

Die Rolle der eigenen Kompetenzen

Über das Potenzial des Partners hinaus muss das Pharmaunternehmen auch über eine entsprechende „absorptive capacity“ verfügen, um in der Kooperation lernen zu können. Hier ist wieder zwischen den beiden bei Zahra/George (2002) erarbeiteten Dimensionen des Potenzials und der Realisierung zu unterscheiden. Das Potenzial bedingt, dass relevantes externes Wissen identifiziert und anschließend internalisiert wird und betont die Bedeutung der strategischen Flexibilität der Unternehmen. Die Wissensidentifikation kann grundsätzlich formal oder nicht-formal angegangen werden.482 Die Qualität dieses Prozesses der Wissensintegration wiederum ist abhängig von den bisher gemachten Erfahrungen mit vorherigen Kooperationen und den daraufhin intern aufgebauten Strukturen wie z.B. eine separate Abteilung für das Management von Kooperationen.

481 482

Stuart (2000), S. 794. Zahra/Ireland/Hitt (2000), S. 930.

136

Ableitung der Hypothesen

Die Realisierung fokussiert auf die Transformation, die Verbesserung des externen Wissens und die unternehmensinterne Umsetzung in neue Produkte. Es muss also neben der Bedingung der Identifikation auch die Bedingung der Aufnahme und der Integration durch das eigene Unternehmen erfüllt sein.483 Bei dieser Sicht ist wesentlich, dass ein Unternehmen versteht, weshalb der Partner einen Wettbewerbsvorteil erzielen kann. Das Unternehmen muss dann Wege finden, diese Ressourcen und Kompetenzen zu replizieren und zu verbessern.484 Durch das erfolgreiche Replizieren besteht sodann ein Nachweis eines Lernvorgangs. Wenn es schließlich auch zu einer Verbesserung z.B. zu einer Erfindung und zu einer Umsetzung in neue Produkte kommt, ist auch die zweite Dimension der „absorptive capacity“ erfüllt. Nach Auffassung von Powell/Koput/Smith-Doerr (1996) stellen interne Fähigkeiten und externe Kooperation schließlich auch keine Substitute mehr dar, sondern sich ergänzende Möglichkeiten der Wissensbeschaffung. Es ist zu erwarten, dass Unternehmen über divergierende Lernkompetenzen verfügen.485 Ausgehend von Cohen/Levinthal (1990) wird in der Literatur zum Thema Lernen in Kooperationen argumentiert, dass ein Lernen einfacher ist, wenn beide Partner in einer technologischen Allianz über Wissen auf demselben Technologiefeld verfügen.486 Als Begründung wird angeführt, dass ein Lernen durch den bislang erreichten Wissenstand und durch eine gemeinsame Sprache beeinflusst wird.487 Neues Wissen in einem bekannten Bereich kann dann leichter akquiriert werden als Wissen aus einem bislang unbekannten Gebiet.488 Wissen, welches wiederum in keinem Zusammenhang steht, kann hingegen nur schwer akquiriert werden. Es kann darüber hinaus der Fall sein, dass zusammenhangsloses Wissen

einen

niedrigeren

Wert

aufweist,

weil

ein

Verständnis

oder

eine

489

Anwendungsmöglichkeit für das neue Wissen nicht vorliegt.

Bei den hier betrachteten Kooperationen ist davon auszugehen, dass Pharmaunternehmen die speziellen Kenntnisse der Biotechnologieunternehmen erlernen wollten. Wenn die Fähigkeit, vom Kooperationspartner zu lernen, vom vorherrschenden Wissensstand der Unternehmen abhängig ist, dann ist zu erwarten, dass Firmen mit einem besseren Wissensstand größere

483

Vgl. Zahra/George (2002), S. 185; Inkpen (1998), S. 71; Bruck (1996), S. 213f. Vgl. Inkpen (1998), S. 73. Vgl. Park/Chen/Gallagher (2002), S. 530. 486 Vgl. Colombo (2003), S. 1224. 487 Vgl. Powell/Koput/Smith-Doerr (1996), S. 120; Cohen/Levinthal (1990), S. 131f. 488 Vgl. Cohen/Levinthal (1990), S. 131. 489 Vgl. Inkpen (1998), S. 76. 484 485

Erfolg durch Lerneffekte

137

Lernerfolge erzielen als Unternehmen mit einem schlechteren Vorwissen. Da dem Vorwissen entsprechend der Argumentation bei Cohen/Levinthal (1990) für Lerneffekte eine solch große Rolle zukommt, erwarte ich: H13: Wenn ein Pharmaunternehmen über hohes Maß des Potenzialaspekts der „absorptive capacity“ verfügt, dann ist ein positiver Einfluss auf den Lernerfolg eines Pharmaunternehmens zu erwarten.

Neben dem Potenzial der „absorptive capacity“ wird nach Auffassung von Zahra/George (2002) auch die Realisierung eben dieser eine Rolle spielen. Die Realisierung kann nicht nur den Aspekt des ob, sondern auch des wie enthalten. Neben Effektivitäts- sind hier auch Effizienzmaße denkbar, denn auch die Geschwindigkeit der Integration externen Wissens, also damit des Lernens, kann einen Einfluss ausüben490 und zwar dann, wenn es einem Unternehmen gelingt, externes Wissen schneller in neue eigene Ressourcen umzusetzen als den Wettbewerbern. Dieses Unternehmen wird c.p. dann auch langfristig überlegen sein. Da die Integration externen Wissens nach Auffassung von Powell/Koput/Smith-Doerr (1996) zu einer Verbesserung der eigenen Ressourcen führt, wird ein Unternehmen langfristig bessere Ressourcen aufweisen, vorausgesetzt es verliert sein Potenzial der „absorptive capacity“ nicht. Ich erwarte daher: H14: Wenn ein Pharmaunternehmen über hohes Maß des Realisierungsaspekts der „absorptive capacity“ verfügt, dann ist ein positiver Einfluss auf den Lernerfolg eines Pharmaunternehmens zu erwarten.

Neben gewissen Kompetenzen wie die „absorptive capacity“ kann auch die Strategie eines Unternehmens für Lerneffekte relevant sein. Je nachdem, wie breit ein Unternehmen aufgestellt ist, ändert sich der Bedarf an neuem Wissen (breit vs. speziell). Unternehmen, welche stärker fokussiert sind auf bestimmte Gebiete, werden diesen Gebiete eine größere Bedeutung beimessen und somit auch ein größeres Commitment aufweisen. Auch ist ihre Abhängigkeit von diesem Feld größer, so dass ein Unternehmen verstärkt darauf angewiesen ist, externes Wissen zu internalisieren und somit von anderen Unternehmen zu lernen. Auf der anderen Seite wird zwar ein hoher Grad an Diversifizierung ermöglichen, neues Wissen auf viele Ressourcen anzuwenden und gewissermaßen einen größeren Hebel zu entfalten. 490

Vgl. Zahra/George (2002), S. 189.

138

Ableitung der Hypothesen

Allerdings würde dies gleichzeitig bedeuten, dass nicht alles Wissen, zu dem ein Zugang möglich ist, von hoher Relevanz für das Unternehmen ist. Ich erwarte daher: H15: Wenn ein hohes Maß an technologischer Diversifizierung seitens eines Pharmaunternehmens vorliegt, dann ist ein positiver Einfluss auf den Lernerfolg eines Pharmaunternehmens zu erwarten.

Es könnte auch der Fall eintreten, dass ein Unternehmen mit Vorwissen erkennt, wie geringwertig das eigene Wissen im direkten Vergleich zum spezialisierten Unternehmen ist oder dass es die Aussichtslosigkeit der eigenen Anstrengungen erkennt und auf einen weiteren Wissensaufbau explizit verzichtet. Ein Unternehmen würde sich dann zwischen einer Auslagerung der eigenen Aktivitäten oder einem Kauf eines Unternehmens zur Unterstützung entscheiden müssen. Eine solche Entscheidung ist abhängig von der Bedeutung der Technologie. Bei einem Kernfeld könnte ein Unternehmen eher dazu neigen, ein anderes Unternehmen zu kaufen, wohingegen bei einem Nicht-Kernfeld eine Auslagerung der eigenen Aktivitäten eher zu erwarten ist. Es ist davon auszugehen, dass in Abhängigkeit von der Bedeutung des Feldes unterschiedliche Strategien seitens eines Unternehmens verfolgt werden. Ich erwarte daher: H16: Wenn die Kooperation auf einem technologischen Kernfeld eines Pharmaunternehmens geschlossen wurde, dann ist ein positiver Einfluss auf den Lernerfolg eines Pharmaunternehmens zu erwarten.

3.3.3

Kontrolleffekte

Ähnlich wie bereits im Abschnitt zum Erfolg der Kooperation darf angenommen werden, dass weitere, firmenspezifische Effekte einen Einfluss auf die abhängige Variable ausüben werden. Zusätzlich zu den bereits im Modell I integrierten Variablen werden im Modell II zwei weitere Kontrollvariablen für weitere Einflüsse aufgenommen. Beide Variablen beziehen sich auf den Kauf von Wissen: entweder über den Kauf eines kleinen Unternehmens oder über eine Fusion mit einem etablierten Pharmaunternehmen seitens des Pharmaunternehmens. Ein Kauf oder eine Fusion würde dazu führen, dass ein Unternehmen über mehr Wissen – hier gemessen mittels Patenten – verfügen würde, ohne dass dies im Zusammenhang mit der

Erfolg durch Lerneffekte

139

Kooperation stehen würde. Es würde sich dann um einen einmaligen Sprungprozess handeln, der wesentlichen Einfluss auf die abhängige Variable ausüben könnte. Dass durch diese beiden Aktivitäten ein zusätzlicher Einfluss auf die Unternehmen zu erwarten ist, lässt sich auch aus der Arbeit von Ernst/Vitt (2000) zu den Schlüsselerfindern ableiten. Hitt et al. (1991) rechnen darüber hinaus mit geringeren „R&D inputs and outputs“491 und Hitt/Johnson/Moesel (1996) weisen darauf hin, dass das relative Forschungsbudget durch Akquisitionen sinken wird.492

491 492

Vgl. Hitt et al. (1991), S. 22. Vgl. Hitt/Johnson/Moesel (1996), S. 1084.

Datenerhebung

141

4 Grundlagen der empirischen Untersuchung In diesem Kapitel soll zu Beginn ein Überblick über den Weg der Datenerhebung und die Maßnahmen zur qualitativen Verbesserung der Daten gegeben werden. Es folgen eine Darstellung der unterschiedlichen Datenquellen für die Sekundärdaten und eine Konkretisierung der Messmodelle. Im Anschluss werden die verwendeten statistischen Methoden genauer erläutert.

4.1 Datenerhebung Im folgenden Abschnitt werden die Datenquellen für die beiden genannten Modelle beschrieben. Hierbei ist allerdings keine durchgehende Unterscheidung notwendig, da in jedem Fall auf denselben Datensatz aufbaut werden wird. Bei den Informationen zu den Kooperationen handelt es sich um Sekundärdaten vom Unternehmen Recombinant Capital. Zur erheblichen Verbesserung der Datenqualität dieser Sekundärdaten wurden in monatelanger Arbeit eingehende Überprüfungen durchgeführt. Ferner wurden die Kooperationen speziell entwickelten Technologiefeldern zugewiesen, um die Kausalität der Messung zu verbessern. Schließlich erfolgte auch eine Aufbereitung der Patentdaten des Anbieters MicroPatent. Auch hier waren umfangreiche Maßnahmen zur Verbesserung der Datenqualität zu treffen und eine Zuordnung von Patenten zu Technologiefeldern vorzunehmen.

4.1.1 Kooperationsvereinbarungen Der Datenbankanbieter Recombinant Capital zu Kooperationen in der Biotechnologie wurde u.a. in Studien von Pisano (1990), Stuart/Hoang/Hybels (1999), Higgins/Gulati (2003), Wuyts/Stremersch/Dutta (2004) und Hoang/Rothaermel (2005) als Datenquelle benutzt, welche im übrigen auch in weltweit sehr angesehenen Zeitschriften wie ASQ, SMJ, AMJ, Org. Science und Journal of Marketing veröffentlicht worden sind. Es handelt sich um einen zwischenzeitlich kommerziellen Datenbankanbieter aus Kalifornien, USA. Das Unternehmen wurde 1988 gegründet und stellt insgesamt 9 Datenbanken mit Informationen zur Branche der Biotechnologie zur Verfügung. Konkret für Allianzen sammelt Recombinant Capital in einer ersten Datenbank Informationen zu Kooperationsvereinbarungen in der Biotechnologie und weist diese auch Technologiefeldern zu. In einer zweiten Datenbank werden Informationen zum Status des potenziellen Wirkstoffs im Neuproduktentwicklungsprozess angeboten. Diese

142

Grundlagen der empirischen Untersuchung

zweite Datenbank bezieht sich aber nicht nur auf Kooperationen, sondern auf alle Wirkstoffkandidaten der Unternehmen. Um den Erfolg einer Kooperation beurteilen zu können, mussten diese beiden Datenbanken zusammengeführt werden. Es wurde ersichtlich, dass beide Datenbanken seitens ReCap keine vollständige Konsistenz aufwiesen und auch nicht richtig miteinander verlinkt waren. Eine inhaltliche Überprüfung der Informationen ließ erkennen, dass eine direkte Verwendung nicht zulässig war, denn die Datenqualität dieser Datenbanken zeigte n.h.A. aus Sicht der Betriebswirtschaftlehre große Schwächen in mehrfacher Hinsicht. Die Schwächen betrafen zum einen die an der Kooperation beteiligten Unternehmen und zum anderen den Inhalt der Kooperationsvereinbarung. Bei den fraglichen Unternehmen bestand keine einheitliche Systematik hinsichtlich der Nennung von Mutter- oder Tochtergesellschaft. Teilweise war die gegenwärtige Mutter bzw. Tochter benannt worden, oder es handelte sich um veraltete Daten infolge Unternehmenskäufen bzw. -verkäufen. Ähnliches war auch für den Inhalt der Allianzen festzustellen. So waren reine Marketing-, Dienstleistungs- oder Lizenzvereinbarungen als Kooperationen deklariert oder Kapitalbeteiligungen ausgewiesen, die lediglich beabsichtigt waren etc. Manchmal wurden auch nur beabsichtigte aber nicht realisierte Kooperationen aufgeführt.

Zur Sicherstellung einer hohen Datenqualität mussten Informationen zu gemeinschaftlichen Forschungsprojekten über mehrere Monate gesammelt werden. Ausgehend von dem Gesamtdatenbestand von ReCap im Jahr 2000 mit ca. 5000 Datensätzen aus den beiden Datenbanken war es zunächst unvermeidbar, solche Informationen zu eliminieren, die nicht im Zusammenhang mit Kooperationen standen, da rein unternehmensinterne Projekte nicht zum Untersuchungsobjekt zählen. Diese werden aber in einer der beiden Datenbanken ebenfalls geführt. Danach waren solche Datensätze zu entfernen, die nicht in beiden Datenbanken vorhanden waren oder bei denen widersprüchliche Angaben zwischen den beiden Datenbanken erkennbar waren, da z.B. kein Erfolgsmaß vorhanden war. Im Fall von unvollständigen Daten ergab sich die Aufgabe, diese Lücke über andere Quellen zu schließen. Konnten die Angaben von ReCap nicht mittels weiterer Datenbanken wie z.B. Thompson Financial oder Pressemitteilungen der beteiligten Unternehmen vervollständigt werden, wurden auch diese Datensätze aus der weiteren Analyse ausgeschlossen. Eliminiert wurden ferner solche Kooperationen, welche erkennbar nicht das Ziel hatten, einen neuen Wirkstoffkandidaten gemeinsam zu entwickeln, es sich dann also nicht um eine F&E-Kooperation handelt oder für die kein entsprechendes Krankheitsgebiet zu identifizieren war. Das

Datenerhebung

143

Krankheitsgebiet diente der Kontrolle, um identische Kooperationen mit lediglich unterschiedlicher Bezeichnung identifizieren zu können. Der verbleibende Anteil von ca. 1400 Datensätzen enthielt zudem noch Doppelungen, da einzelne potenzielle Wirkstoffe mehrfach auf demselben, dann allerdings aggregierten Krankheitsgebiet getestet worden waren.493 Weiterhin bestand keine Struktur in den seitens ReCap angegebenen Technologiefeldern und in der bereits angesprochenen Unternehmenshierarchie, so dass hier – nach Erarbeitung entsprechender Strukturen (vgl. Kap. 4.1.2 und Kap. 4.1.3) – weitere Kooperationsvereinbarungen doppelt gezählt wurden. Mehrfachnennungen innerhalb von Kooperationsvereinbarungen, die sich erkennbar nicht auf unterschiedliche Unternehmen, Technologiefelder oder Krankheitsgebiete bezogen, wurden nicht mehrfach in die Analyse einbezogen; in einem solchen Fall wurde jeweils das erste gemeinsame Projekt der Muttergesellschaft berücksichtigt. Somit konnte ein nun einheitliches Aggregationsniveau für einen Vergleich der Vereinbarungen hergestellt werden. Ferner erschien es richtig, nur solche Kooperationsvereinbarungen zu berücksichtigen, für die das Datum des Beginns und der Inhalt der Kooperationsvereinbarung als verlässlich eingestuft werden konnten. Dies war nur dann der Fall, wenn eine Bestätigung der Angaben von ReCap mittels weiterer Quellen wie Geschäftsberichte, Pressemitteilungen oder Homepages der Unternehmen, The Nature Biotechnology Directory, BIOSCAN, Bloomberg etc. zu erlangen war. Weiterhin war die Anzahl der Datensätze durch die Beschränkung auf F&E-Vereinbarungen von Pharmaunternehmen mit Biotechnologieunternehmen zu reduzieren. Als Kriterium hat gedient, dass sich der Inhalt der Kooperation laut Pressemitteilung eines der beiden Unternehmen auf die frühen Phasen der Produktentwicklung bezog oder ein Wirkstoffkandidat sich noch in einer der ersten zwei der drei klinischen Phasen befand und noch geprüft wurde und mindestens ein sog. „co-development“ als Inhalt der Kooperation zwischen den beiden Unternehmen vereinbart worden war.494 Ebenfalls wurden Vereinbarungen weggelassen, die lediglich Lizenzen, Produktion, Marketing, Distribution oder Dienstleistungen betrafen. Solche, in der Praxis auch als Kooperationen bezeichnete Vereinbarungen, sind für einen Großteil der Allianzen verantwortlich. Der zu analysierende Datensatz bestand schließlich aus 342

493

494

Unterschiedliche Krebsarten wurden zur Oberkategorie Krebs aggregiert. Dies erscheint nicht nur sinnvoll, sondern auch geboten, denn das mehr zufällige Testen von Wirkstoffkandidaten auf unterschiedlichen Krankheitsgebieten spiegelt die jahrelang typische Vorgehensweise der Pharmaunternehmen wider. Dies zeigt auch die Entwicklung des Throughput-Screenings zum High-Throughput zum Ultra-High-ThroughputScreening, bei dem es lediglich um die massive Steigerung der Anzahl an Tests geht. Im Gegensatz zu Gulati/Higgins (2003), S. 136 wurden die Kooperationen nicht der höchsten, sondern der niedrigsten Stufe im Innovationsprozess zugeordnet.

144

Grundlagen der empirischen Untersuchung

Datensätzen. Hierbei ist wiederum einzuschränken, dass ca. 121 Datensätze noch kein entsprechendes Erfolgsmaß aufwiesen und damit im Rahmen einer Erklärung des Erfolgs nicht berücksichtigt werden konnten. Diese Kooperationen hatten zu Beginn dieser Arbeit noch keinen Erfolg erzielt und waren auch noch nicht abgebrochen worden, so dass kein zuverlässiges Erfolgsmaß vorlag. Dies war deshalb der Fall da viele Kooperationen erst in den vergangenen Jahren begonnen worden sind und die Kooperationen daher die entsprechenden klinischen Phasen entweder noch nicht erreicht oder noch nicht abgeschlossen haben. Entsprechend den hohen Misserfolgsquoten in der Biopharmazie enthält der Datensatz zur Analyse des Erfolgs von Kooperationen schließlich 221 Kooperationsvereinbarungen für den Zeitraum 1978-2003, wovon 115 nicht erfolgreich gewesen sind. Als „terminated projects“ wurden solche Vereinbarungen eingestuft, für die entweder eine Pressemeldung seitens der Unternehmen herausgegeben worden waren mit dem Inhalt der Beendigung der Kooperation oder wo der Projektverlauf weit hinter dem entsprechenden Soll-Prozess zurück blieb und keine Informationen über den Fortbestand der Allianz zu finden waren.495 In vielen Fällen war weder eine Meldung in der Presse über einen Erfolg noch über einen Misserfolg zu finden; dementsprechend wurde ein Misserfolg angenommen, wenn eine Kooperation mindestens zwei Jahre hinter dem Maximum der durchschnittlichen Prozessesdauer zurück lag und keine weiteren Veröffentlichungen der Unternehmen zu Zwischenergebnissen oder zum weiteren Verlauf der Kooperation zu identifizieren waren. Es wurde somit angenommen, dass es sich um eine beendete Kooperation ohne öffentliche Kenntnisnahme gehandelt hat. Der Datensatz reduziert sich allerdings noch einmal, da die Messung einer unabhängigen Variablen zeitabhängig ist, welche für beide Unternehmen zu messen war.496 Konkret handelt es sich hierbei um die Bestimmung der Anzahl der erhaltenen Zitate im Rahmen der Kennzahl der technologischen Kompetenz. Um diesen Effekt auf ein Minimum einzuschränken, wurde der Datensatz auf den Zeitraum von 1978-1999 begrenzt. Da es sich bei dieser unabhängigen Variablen um ein zentrales Element dieser Arbeit handelt, war hier der verlässlicheren Messung Vorrang vor einem größeren Datensatz einzuräumen. Abbildung 7 fasst nun die Ableitung zusammen.

495 496

Für die Dauer des Soll-Prozesses vgl. Tabelle 1. Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 45.

Datenerhebung

145

Abbildung 7: Ableitung des Datensatzes der analysierten Kooperationen

Damit ergibt sich nach Eliminierung statistischer Ausreißer, stark beeinflussender und unvollständiger Datensätze wegen unvollständigen Informationen entsprechend Tabelle 7 folgende Aufteilung für den zu analysierenden Datensatz.

Forschung

Entwicklung

Erfolg

30

57

Summe 87

Misserfolg

63

43

106

Summe

93

100

193

Tabelle 7: Aufteilung des Datensatzes nach Erfolg und Phase

Diese 193 Kooperationen wurden zwischen 112 Biotechnologieunternehmen und 36 Pharmaunternehmen geschlossen, wobei bis heute einige der Pharma- sowie der Biotechnologieunternehmen ihre Selbständigkeit verloren haben. Diese Dynamik wurde ebenfalls berücksichtigt.

4.1.2 Unternehmensstruktur Wie bereits angesprochen, war die Unternehmensstruktur zu berücksichtigen. Dazu wurden Daten zu Unternehmenskäufen und -fusionen gesammelt. Wegen der Vielzahl von Beteiligungen

und

Unternehmenskäufen

innerhalb

der

Biotechnologie,

innerhalb

der

146

Grundlagen der empirischen Untersuchung

pharmazeutischen Industrie sowie zwischen diesen beiden Industriezweigen war es erforderlich, die entsprechenden Unternehmensstrukturen vollständig zu identifizieren. Dazu wurde – wie auch für die Beschaffung der Daten für die Kontrollvariablen – auf folgende Quellen und Datenbanken zurückgegriffen: x

LexisNexis Corporate Affiliations

x

The Nature Biotechnology Directory

x

EDGAR (SEC)

x

ZEPHYR

x

AMADEUS

x

Geschäftsberichte der Unternehmen

x

Bloomberg

x

Berichte der EU zu M&A-Aktivitäten

x

Homepage der Unternehmen

Da es sich hier im Prinzip zwar um eine Querschnittsanalyse handelt, Firmen im Zeitablauf aber mehrfach als Analyseobjekt einfließen können, wurde die Firmenstruktur entsprechend zeitabhängig aufgebaut. Dazu wurde das Datum jeder Transaktion erfasst, so dass für jedes Unternehmen der Biopharmazie das Portfolio der Tochtergesellschaften zu jedem Zeitpunkt abgeleitet werden konnte. Erst nach diesem Schritt war eine rückwirkende Betrachtung der Ressourcen der Unternehmen zu Beginn der Kooperationen möglich. Für jedes Unternehmen liegt somit die historische Entwicklung hinsichtlich Unternehmenskäufen und -fusionen vor. Abbildung 8 zeigt beispielhaft die Fusionen, welche sich für das Unternehmen GlaxoSmithKline in der Vergangenheit ergeben hatten. Zusätzlich zu den in Abbildung 8 aufgeführten Fusionen wurden die jeweilig gekauften Unternehmen und Tochtergesellschaften identifiziert und die Anmeldernamen in den Patenten den Unternehmen zugewiesen, so dass die Messung schließlich einheitlich auf der Ebene der Muttergesellschaft erfolgen konnte. Grundsätzlich wurden die Kooperationen der aktuell höchsten Muttergesellschaft einer Firma zugewiesen. Entsprechend Abbildung 8 wurden alle Kooperationen vor 1995 Glaxo zugewiesen, ab dem Jahr 1995 dem Unternehmen Glaxo Wellcome und ab 2000 dem Unternehmen GlaxoSmithKline. Anders gestaltete sich die Zuweisung, wenn ein Unternehmen nach Beginn der Kooperationen übernommen wurde. Hatte ein Unternehmen im Jahr 1990 eine Kooperation vereinbart und wäre bspw. 1993 von Glaxo gekauft worden, so wurde die Kooperation weiterhin dem ursprünglichen Unternehmen zugerechnet werden. Wäre der

Datenerhebung

147

Kauf durch Glaxo vor oder während des Jahres 1992 erfolgt, würde die Kooperation wiederum Glaxo zugewiesen, da davon auszugehen wäre, dass Glaxo als Rechtsnachfolger für die Bereitstellung der Ressourcen verantwortlich wäre und noch Einflussmöglichkeiten hätte ausüben können.

Abbildung 8: Historische Entwicklung des Unternehmens GlaxoSmithKline

4.1.3 Technologiefelder Seitens des Datenbankanbieters Recombinant Capital waren die Kooperationsvereinbarungen 42 Technologiefeldern zugeordnet worden. Diese Klassifizierung konnte aber so nicht übernommen werden. Diese 42 Technologiefelder waren nicht überschneidungsfrei, wiesen teilweise ein unterschiedliches Aggregationsniveau auf oder enthielten nur eine minimale Anzahl von Kooperationsvereinbarungen. Zwar bestätigten Branchenexperten aus der Biotechnologie sowie Mitarbeiter aus der Patentabteilung der Bayer AG die inhaltlich richtige Zuordnung der Kooperationen zu einzelnen Technologiefeldern durch ReCap, aber eine hierarchische Struktur der Technologiefelder war auch für sie nicht gegeben. Man wird es daher als Schwäche der Studie von Wuyts/Stremersch/Dutta (2004) bezeichnen dürfen, dass die Autoren alle 42 Felder unverändert verwenden. Eine genauere Überprüfung der Ausgangsdaten hätte zeigen müssen, dass hier ein systematischer Fehler vorliegt. Um dieses Problem zu lösen, mussten die Technologiefelder von ReCap zu neuen Technologiefeldern zusammengeführt werden.

148

Grundlagen der empirischen Untersuchung

Im Rahmen dieser Zusammenführung ergab sich die Notwendigkeit weiterer Arbeiten, denn eine Struktur konnte aus Publikationen etc. nicht direkt übernommen werden. Dies ist nicht verwunderlich, liegt doch eine klare Definition der Biotechnologie nicht vor. Pisano (1990) differenzierte damals in seiner Untersuchung 6 verschiedene Technologiekategorien497: (1) immune modifiers, (2) anticancer agents, (3) blood proteins and enzymes, (4) hormones, (5) anti-infectives und (6) vaccines. Eine solche Unterteilung ist aufgrund der Entwicklung der Biotechnologie aber nicht mehr ausreichend und wird auch seitens ReCap nicht mehr verfolgt. Eine aktuellere Unterteilung wird von der bekannten Branchenorganisation Biotechnology Industry Organization (2003) vorgenommenen. Deren Einteilung der Technologien stellte die Ausgangsbasis dieser Untersuchung dar. Die Branchenorganisation unterscheidet:

Technologiefeld Bioprocessing technology Monoclonal antibodies Cell culture

Cloning

Technologiesubfeld x x x x x x

Plant cell culture Insect cell culture Mammalian cell culture Molecular cloning Cellular cloning Animal cloning

Recombinant DNA technology Protein engineering Biosensors Bio-nanotechnology Microarrays

x DNA x Protein x Tissue x Whole-cell x Small-molecule Tabelle 8: Technologiefelder der Branchenorganisation BIO498

Auf dieser Basis und gemäß der von ReCap vorgenommenen Zuordnung von Allianzen zu Technologiefeldern ließ sich eine Abgrenzung der Bereiche der Biotechnologie erarbeiten. Eine Überführung der Technologiefelder von ReCap in die Felder von BIO war deshalb notwendig, weil nicht für alle Kooperationen entsprechende Informationen über die anvisierten Felder vorlagen, die eine erneute Zuordnung zu den Gruppen von BIO ermöglicht hätten. Aber auch die Einteilung von BIO war für diese Arbeit teilweise ungeeignet, da die

497 498

Vgl. Pisano (1990), S. 168. Biotechnology Industry Organization (2003), S. 1-3.

Datenerhebung

149

Rekombination von DNA nur bis Mitte der 90er Jahre als Motiv zum Eingehen einer Kooperation gegolten haben dürfte. Daher wurden die Technologiefelder von ReCap mit Hilfe von 10 Experten aus den Patentund Rechercheabteilungen von den Unternehmen Roche AG, Bayer AG, Merck Darmstadt KGaA und dem BMC zu insgesamt 10 Technologiefeldern aggregiert. Diese Aggregation der Technologiefelder wurde in mehreren Runden mit Blick auf das eigentliche Ziel der Kooperation durchgeführt. Dadurch ergaben sich die in Tabelle 9 aufgeführten Technologiefelder. Es wird ersichtlich, dass weiterhin ein Bezug zur Abgrenzung von BIO vorhanden ist.

Antibodies Cell therapy Diagnostics Drug discovery Drug delivery Tabelle 9: Bezeichnung der verwendeten Technologiefelder

Gene therapy Molecular biology Protein engineering Transgenics Vaccine

Die nun notwendigen Patentdaten wurden durch den kommerziellen Anbieter MicroPatent aus den USA zur Verfügung gestellt. MicroPatent gehört zz. zum an der amerikanischen Börse gelisteten Unternehmen Thomson Corporation und bezieht seine Patentinformation u.a. direkt von dem amerikanischen Patentamt. Dass 1989 gegründete Unternehmen dürfte heute zu den weltweit größten Anbietern von Patentdaten gehören. Diesen so definierten Technologiefeldern konnten dann auch Patente zugewiesen werden. Dazu wurden entsprechend der Vorgehensweise von Brockhoff/Ernst/Hundhausen (1999) mit denselben Experten entsprechende Schlüsselbegriffe identifiziert und unter Berücksichtigung von speziellen IPC-Klassen komplexe Suchabfragen erstellt. Eine IPC-Klasse deckt dabei einen Aspekt einer Technologie ab. Beispielhaft sei in Tabelle 10 eine solche Suchabfrage für das Technologiefeld „antibodies“ aufgeführt. Zu Beginn war in der Abfrage der Patente eine Begrenzung auf die IPC-Klassen C07 (Peptide), C12 (Gentechnik) und A61k (Medizin), letztgenannte nur in Verbindung mit einer der ersten beiden, enthalten. Es zeigte sich aber, dass die verwendete generelle Begrenzung auf Patente aus bestimmten Klassen zu wenige Patente identifizierte. Selbst bei ca. 80.000 Patenten in der Datenbank wies ein nicht zu vernachlässigender Anteil von in Kooperationen aktiven Unternehmen zu wenige oder gar keine Patente auf. Eine detaillierte Überprüfung ergab, dass zum Untersuchungszeitpunkt bereits Patente der Firmen in den USA angemeldet waren. Aus diesem Grund musste die Begrenzung der Suchabfrage auf bestimmte IPC-

150

Grundlagen der empirischen Untersuchung

Klassen aufgegeben werden. Dies resultierte in der ca. 6-fachen Anzahl – jetzt also ca. 450.000 – Patente und führte gleichzeitig dazu, dass Patente über die Schlüsselbegriffe in ein Technologiefeld gelangten, welche nicht in Bezug zur Biopharmazie stehen. Dieser Effekt stellt aber in dieser Studie keinen Nachteil dar, denn zum einen wurden kritische Suchbegriffe und kritische Klassen entfernt und zum anderen könnte lediglich im Rahmen der Bestimmung des besten Wettbewerbers499 ein direkter Einfluss entstehen, welcher aber vernachlässigbar ist, da wiederum nur mit relativen Zahlen gerechnet wird.

Technologiefeld Suchabfrage Antibodies (Nr. 8)

(ANTIBOD* or ANTISER* or PLABS or minibod* or immunglobulin* or immunoglobulin* or polyclonal* or IGG or IGM or IGE or IG or epibod* or antiidiotyp* or superantibod* or diabody or diabodies or autoantibod* or Anti adj TAQ or Anticoenzym* or ((fc or fd) near2 (fragment or region* or epitop*)) or constant adj region* or ascites or ascitic*1 or hybridom*3 or MCAs or (recombinant near2 (antibod* or IGG or IGM or IG or IGE)) or Mab or Mabs or MAK or MAKS or MOAB? or Monoclon* or ABZYM*2 or katak* or catab? or (Immunoproximit* and cataly*) or (immun and (proximit* near2 cataly*)) or (antiser*2 or antibod*) near3 (cataly*) or ((ANA or ANAS) and (antinuclear or nuclear)) or ((nuclear* or antinuclear?) and (antibod* or factor?)) or (ENA not enalapril*) or (ENA and (anti or antibod*)) or (Anti and (LKM or GPIIIa)) or AA or AAb or AAs or Aabs or Anti*idio* or humanised or (CDR near2 grafted) or human* adj abs or chimeric* or conjugate? or adjuvant? Or PCR or polymerase adj chain adj reaction) AND (a61k039* or G01N033* or C12N005* or C12N015* or C12P021* or C12P015* or C07K016* or C07K015*)

Tabelle 10: Beispielhafte Suchabfrage für das Technologiefeld „antibodies“

Nach der Einteilung der Patente der Biopharmazie in Technologiefelder waren diese Patente dann auch den Unternehmen zuzuordnen. Auch hier war eine geringe Datenqualität seitens MicroPatent gegeben. Zwei Ursachen sind hier zu nennen: Zum einen waren Firmennamen durch Tippfehler o.ä. falsch geschrieben worden und zum anderen bestand keine Systematik hinsichtlich des Firmennamens, so dass mehr als 60.000 Anmeldernamen gezählt werden konnten. Daher wurden Tippfehler und uneinheitliche Schreibweisen weitgehend automatisiert beseitigt und so die Firmennamen vereinheitlicht. Ohne Automatisierungshilfe

499

Konkret handelt es sich um den Nenner im Rahmen der Bestimmung der Technologieposition. Die Operationalisierungen werden an späterer Stelle detailliert dargestellt.

Datenerhebung

151

waren dann noch ca. 6.000 Anmeldernamen zu überprüfen. Diese wurden schließlich per Hand entsprechend der Unternehmensstruktur den Unternehmen zugeordnet.

Für diese Studie war es ferner notwendig, nicht alle weltweit verfügbaren Patente zu verwenden. Auch hier wurden entsprechende Maßnahmen zur Qualitätsverbesserung getroffen.

4.1.4

Patentsystem

Es ist davon auszugehen, dass unterschiedliche Patentsysteme weltweit einen Einfluss auf die Ergebnisse einer Analyse hätten. Hier sind einige nachteilige Punkte zu nennen500: 1. Patentfähigkeit 2. Patentanmeldung 3. Veröffentlichung 4. Zitierpraxis 5. etc.

Am Beispiel der Unterschiede zwischen Europa und den USA soll dies kurz verdeutlicht werden. Hinsichtlich der Patentfähigkeit benennt das europäische Patentrecht ausdrücklich eine Reihe von Erfindungen, auf die grundsätzlich keine Patente erteilt werden. Dazu gehören u.a. Verfahren der Diagnostik, Therapie und Chirurgie, die am menschlichen oder tierischen Körper angewandt werden. Im Gegensatz zu den europäischen Gesetzen sieht das amerikanische Patentgesetz keine solchen Ausnahmen vor; weder Pflanzensorten und Tierarten noch Diagnostika und Therapeutika werden von der Patentierung ausgeschlossen.501 Die beiden Märkte unterscheiden sich auch hinsichtlich des Verfahrens der Patentanmeldung. So darf eine Erfindung in Europa vor ihrer Anmeldung nicht publiziert worden sein („first to file“), während hingegen in den USA das Prinzip des „first to invent“ Gültigkeit hat.502 Veröffentlichungen dürfen jedoch nicht länger als ein Jahr zurückliegen.503 Ein wesentlicher Unterschied besteht auch hinsichtlich der Veröffentlichung der Patentanmeldungen, da diese in den USA lange Zeit nicht veröffentlicht wurden. Es wird bei Jaffe/Trajtenberg (1999) 500

Vgl. Cohen/Levin (1989), S. 1066; Jaffe/Trajtenberg (1999), S. 120; Harhoff et al. (1999), S. 514; Meyer (1999b), S. 413f. o.V. (2003), S. 2. 502 Vgl. Thumm (2001), S. 266. 503 Vgl. Hall et al. (2004), S. 118. 501

152

Grundlagen der empirischen Untersuchung

schließlich berichtet, dass Patentzitate in den USA häufiger auftreten, ausländische Patente US-Patente seltener zitieren, als dies US-Patente tun, die Zitiergeschwindigkeit eine höhere Varianz aufweist und dass Forscher und Patentprüfer eher national zitieren als international. Weiterhin hat ein Großteil der betrachteten Unternehmen seinen Firmensitz in den USA. Schließlich ist die Biotechnologie in den 70er Jahren in den USA entstanden. Europa lag zwischenzeitlich ca. 10 Jahre zurück. 504

Um einen Einfluss unterschiedlicher Patentsysteme auszuschließen, wurde die Analyse daher auf die in den USA erteilten Patente (ohne Berücksichtigung bloßer Anmeldungen) begrenzt.505 Das US-Patentsystem wird als das bessere bzgl. der Biotechnologie betrachtet.506 Allerdings könnten Unternehmen anderer Länder benachteiligt sein, da sie eher in ihrem jeweiligen Stammland Patente anmelden würden.507 Dieser negative Effekt wird aber durch die enorme Bedeutung der USA in Bezug auf die Entwicklung der Biotechnologie, des weniger forschungsfeindlichen Patentsystems sowie der Eigenschaft des wichtigsten und größten Marktes weltweit aufgefangen.

In der Summe sind mehr als 450.000 Patente in die Analyse eingeflossen. Die Anzahl der USPatente für die Biopharmazie liegt bei ca. 120.000. Die Differenz repräsentiert jene Patente, die für die Berechnung von Patentzitaten benötigt wurden. Es ist zu schlussfolgern, dass die Patente auch von außerhalb des Bereichs der Biopharmazie zitiert wurden. Hier kommen die Medizin, die Chemie wie auch technische Geräte in Betracht. Für die Patente aus dem Bereich der Biopharmazie handelt es sich n.h.A. um eine Vollerhebung.

504

Vgl. Prevezer/Toker (1996), S. 119. Eine solche Begrenzung wurde auch bei Hoang/Rothaermel (2005), S. vorgenommen, vgl. S. 336. Vgl. Thumm (2001), S. 261. 507 Vgl. Jaffe/Trajtenberg (1999), S. 123. 505 506

Darstellung der Modellvariablen

153

4.2 Darstellung der Modellvariablen Im Anschluss an die Datenerhebung fragt sich nun, wie die abhängigen und auch die unabhängigen Variablen gemessen werden, um großzahlig untersucht werden zu können.

4.2.1 Abhängige Variablen Der Erfolg einer Kooperation ist nach Brockhoff/Teichert (1995) interpretierbar im technischen, wirtschaftlichen und persönlichem Sinne. In dieser Arbeit steht die technische Dimension im Vordergrund, wobei sich daraus wirtschaftliche Auswirkungen ergeben können. Das Erfolgsmaß für einen Kooperationserfolg spiegelt somit die technische Dimension wider. Um zu vermeiden, dass das Erfolgsmaß abhängig von Informanteneinflüssen ist508, sollte eine Befragung des Managements nicht vorgenommen werden.509 Es kommen daher Erfolgsmaße für die beiden Modelle zum Zuge, welche mittels Sekundärdaten ermittelt werden konnten.

4.2.1.1

Kooperationserfolg

Bei Parkhe (1993a), Zollo/Reuer/Singh (2002) wird darauf hingewiesen, dass der Erfolg einer Kooperation individuell pro Unternehmen zu messen sei. Da im Modell I der Erfolg einer Kooperation selbst und nicht der Erfolg für ein Unternehmen durch eine Kooperation analysiert

werden

soll,

muss

für

die

gemeinschaftlichen

Aktivitäten

auch

ein

gemeinschaftliches Erfolgsmaß zum Zuge kommen. Übliche Erfolgsmaße wie Überrenditen, Marktwert, ROI, ROE oder ähnliche können daher nicht verwendet werden.510 Dies würde auch die Forderung von Ray/Barney/Muhanna (2004) erfüllen. Nach ihrer Auffassung ist ein Erfolgsmaß wie „overall firm performance“ nicht immer geeignet für einen Test mittels des RBV. Sie schreiben511: „For example, because firms can have competitive advantages in some business activities and competitive disadvantages in others, examining the relationship between resources associated with different processes within a firm and a firm's overall performance can lead to misleading conclusions.” 508

Vgl. Hoang/Rothaermel (2005), S. 342. Vgl. Dussauge/Garrette (1995), S. 521. Vgl. McCutchen/Swamidass (1996), S. 288. 511 Vgl. Ray/Barney/Muhanna (2004), S. 24. 509 510

154

Grundlagen der empirischen Untersuchung

Wenn nun ein Erfolgsmaß auf Unternehmensebene als nicht geeignet eingestuft werden muss, bleibt die Frage nach Alternativen. In der Literatur wird die Dauer einer Kooperation als potentielles Erfolgsmaß beschrieben.512 Eine lange Dauer wäre als Erfolg und ein nur kurzer Zeitraum der Zusammenarbeit als Misserfolg zu interpretieren. Dieses bringt u.a. die Schwierigkeiten mit sich, dass Kooperationen zum einen qua definitione nicht auf Dauerhaftigkeit ausgelegt sind und die Dauer zum anderen im Bereich der Biopharmazie aufgrund des langen Produktentwicklungsprozesses auch wenig sinnvoll erscheint. Ein in der Literatur ebenfalls häufiger verwendetes Erfolgsmaß stellt die Existenz eines am Markt zugelassenen Medikaments dar. Pisano (1990), Cardinal/Hatfield (2000) sowie Hoang/Rothaermel (2005) verwenden ein solches Maß beispielsweise. Problem hierbei ist, dass die zeitliche Differenz zwischen dem Beginn der Kooperation und der Zulassung des Wirkstoffs durch die FDA für den Markteintritt sehr groß werden kann und somit weitere, im Modell nicht berücksichtigte Effekte aufgetreten sein könnten. Es wäre z.B. denkbar, dass die etablierten Pharmaunternehmen mit einem bestimmten Biotechnologieunternehmen zur Grundlagenforschung kooperieren, im Anschluss daran aber andere Kooperationspartner für die weitere Entwicklung des Wirkstoffkandidaten wählen. Eine solche Erfolgsmessung über die Marktzulassung eines Medikaments müsste dann auch für Netzwerkeffekte kontrollieren, was in großzahligen Studien ein sehr komplexes Vorhaben widerspiegelt.513 Ferner gibt es zwei technisch unterschiedliche Möglichkeiten für die Medikamentenentwicklung mittels Biotechnologie, welche es ebenfalls zu berücksichtigen gälte. Dies wären zum einen ein biotechnologisch hergestelltes Protein und zum anderen eine chemische Verbindung, bei deren Entwicklung biotechnologische Verfahren angewendet wurden. Beide Wege zählen zum Bereich der Biopharmazie; aber Pharmaunternehmen haben gleichzeitig weiterhin die rein chemischen Verfahren angewendet. Eine notwendige Aufspaltung wird n.h.A. aber nur Experten zugetraut, so dass diese Daten i.d.R. nicht frei zugänglich vorliegen.

Aufgrund der oben genannten Nachteile der bislang verwendeten Erfolgsmaße wird hier ein anderes als bislang üblich in die Prüfung einbezogen. Einen Erfolg erzielten die Partner in einer Kooperation dann, wenn es Ihnen gelang, in die nächste Stufe des Produktentwicklungsprozesses vorzudringen. Der Produktentwicklungsprozess umfasst dabei alle

512 513

Vgl. Dussauge/Garrette (1995), S. 521. Ein Experte aus einem großen Pharmaunternehmen berichtete von bis zu 60.000 Beziehungen seiner Kollegen nach außen, wobei ein Großteil nur intern bekannt sei.

Darstellung der Modellvariablen

155

Stufen der Wertschöpfungskette, also von der Idee bis zur Markteinführung. Der Produktentwicklungsprozess in der Biopharmazie entspricht fast einem idealtypischen bei Kleinschmidt/Geschka/Cooper (1996) genannten „stage-gate“-Prozess, weil wesentliche Teile des gesamten Produktentwicklungsprozesses durch „gates“ voneinander getrennt sind und die Prüfung innerhalb der Gates durch eine externe Behörde, nämlich der amerikanischen Food and Drug Administration (FDA), durchgeführt wird. Das Erfolgsmaß entspricht somit der Überwindung eines „gates“. Dies ist deshalb als Erfolg zu werten, da entsprechend Abbildung 4 mit jedem „gate“ das Risiko eines Fehlschlags in der Produktentwicklung sinkt bzw. eine wesentliche Erhöhung der Erfolgschance erzielt wird. Die dritte und letzte Stufe des Produktentwicklungsprozesses, auch als Stufe drei der klinischen Prüfung entsprechend Tabelle 1 bezeichnet, wird hier aber nicht berücksichtigt, da es sich hierbei nur noch um eine großzahlige Überprüfung handelt und der F&E-Aufwand begrenzt ist. Im Zusammenspiel mit der Kontrollvariablen aus Kap. 4.2.3.4 wird so das Risikoprofil der Produktentwicklung mit den jeweiligen „gates“ erfasst. Der Nachteil eines solch dichotomen Erfolgsmaßes ist es, dass unternehmensübergreifende, über zwei Projekte konstante Einflussfaktoren der Unternehmen nicht identifiziert werden können.514 Ohne Verwendung einer unabhängigen Variablen kann somit nicht analysiert werden, ob z.B. eine Organisationsstruktur (z.B. Vorhandensein einer separaten Abteilung für das Management von Kooperationen) eines Unternehmens besser für den Erfolg ist oder nicht.

Die Datenbank ReCap liefert Informationen darüber, in welcher Stufe der Wertschöpfungskette sich ein Wirkstoffkandidat aktuell befindet. Über entsprechende Pressemitteilungen können dann Informationen über den Stand des Wirkstoffkandidatens zum Zeitpunkt der Vereinbarung der Kooperation erlangt werden. Es wurde kontrolliert, ob die Partner mit ihrem Wirkstoffkandidaten in die erste oder nächste Phase gekommen waren oder ob sich der Wirkstoff als wirkungslos o.ä. herausgestellt hat. Es handelt sich bei diesem Erfolgsmaß daher stärker um die technische Dimension der Produktentwicklung. Diesem Merkmal muss aufgrund der enormen Schwierigkeiten, überhaupt ein Produkt zu entwickeln, Vorrang eingeräumt werden, denn ein Markterfolg kann i.d.R. als gesichert gelten, sofern die technische Problemlösung gelingt, da in der Pharmazie die Anzahl erkrankter Personen und damit Märkte allseits bekannt sind.

514

Vgl. Ernst (2001a), S. 4-5.

156

Grundlagen der empirischen Untersuchung

Als abhängige Variable für die Erfolgsanalyse der Kooperationen wird hier ein Maß auf Projekt- bzw. Technologiefeldebene gewählt: Die Fortführung der Untersuchung eines potenziellen Wirkstoffs in einer nachgelagerten Phase der Wertschöpfungskette wird als Erfolg gewertet. Als Nicht-Erfolg gilt eine Entscheidung über die Unterlassung weiterer oder einen Abbruch der klinischen Tests wegen zu starker Nebenwirkungen des Wirkstoffs oder wegen mangelnder Wirkung etc. Die Erfolgsvariable ist damit dichotom [0/1-Entscheidung]. Einer Kooperation wird im Erfolgsfall der Wert „1“ zugewiesen und im Fall des Abbruchs der Produktentwicklung der Wert „0“.

4.2.1.2

Lernerfolg

Zur Erklärung des Lernerfolgs in Kooperationen wird ebenfalls auf Technologieebene gemessen und angenommen, dass Lerneffekte zu einer Verbesserung der Technologieposition führen. Somit unterscheiden sich die hier betrachteten Lerneffekte von dem in der Literatur durch Mowery/Oxley/Silverman (1996) eingeführten Wissenstransfer. Die Autoren messen den Wissenstransfer über sog. Kreuzzitate innerhalb von Patenten. Dass dieser Wissenstransfer auch lediglich einen Informationstransfer darstellen kann, wird nicht entsprechend berücksichtigt. Im Rahmen dieser Studie wird ein Informations- sowie ein Wissenstransfer nicht explizit gemessen, sondern unterstellt, sofern es zu Lerneffekten gekommen ist.

Lerneffekte werden hier über die Anzahl von Patenten bestimmt. Hat ein Pharmaunternehmen im Zeitfenster nach der Kooperation mehr Patente auf demselben Technologiefeld neu angemeldet, ist im Vergleich zum gleich langen Zeitfenster vor der Kooperation von einem Lerneffekt durch die Kooperation auszugehen. Zentrale Annahme dabei ist, dass entsprechend der Studie von Lerner/Merges (1998) Biotechnologieunternehmen Eigentum an der Kerntechnologie erhalten und keine innerhalb der Kooperation generierten Patente seitens des Pharmaunternehmens angemeldet werden.515 Damit ist der Erfolg eines Pharmaunternehmens nur noch davon abhängig, dass über die in der Kooperation entwickelten Patente hinaus weitere Patente generiert werden. Diese auf Basis einer Fortschreibung des bisherigen Patentverhaltens dann als zusätzliche zu identifizierenden Patente würden dann zu einer

515

Vgl. Kap. 1.1.

Darstellung der Modellvariablen

157

Verbesserung der technologischen Position führen, ohne gleichzeitig Aspekte des Kooperationserfolgs zu enthalten wie dies z.B. bei Stuart (2000) der Fall sein könnte.

Die Erfolgsvariable für den Lernerfolg wird wie folgt operationalisiert: Es wird die Differenz zwischen der Anzahl der neu erteilten Patente im Technologiefeld im Zeitfenster vor der Kooperation und der Anzahl der neu erteilten Patente im Technologiefeld im Zeitfenster nach der Kooperation seitens des Pharmaunternehmens ermittelt. Die zeitliche Zuordnung der Patente erfolgt über das Prioritätsdatum der Patentanmeldung.

4.2.2

Unabhängige Variablen

Weiterhin ist die Operationalisierung der unabhängigen Variablen in Betracht zu ziehen. Hier stellt sich die Frage nach der Notwendigkeit von Zeitfenstern. Nämlich aus der Überlegung heraus, dass F&E-Kooperationen seitens der Pharmaunternehmen vor allem dann interessant sind, wenn Biotechnologieunternehmen eine hohe Kompetenz auf einem Technologiefeld aufweisen. Da die Branche als forschungsintensiv angesehen werden kann, wird vor allem die Forschungskompetenz bei diesen vertikalen Kooperationen ausschlaggebend für die Gestaltung von Kooperationen sein. Gleichzeitig ist zu berücksichtigen, dass Wissen auch veraltet und entsprechende Abschreibungsraten zu berücksichtigen wären.516 Um diese Frage zu vermeiden, wurde hier wie auch in anderen Studien ein Zeitfenster verwendet. Hitt/Ireland/Harrison (1991) halten ein 3-Jahres-Fenster im Rahmen ihrer Analyse zu Akquisitionen für angebracht.517 Stuart (2000) und Dutta/Weiss (1997) hingegen verwenden ein 5-Jahres-Fenster und Gulati (1995a) sieht überraschenderweise keine Notwendigkeit eines Zeitfensters trotz eines Zeitraums von 20 Jahren bei gleichzeitiger Vernachlässigung von Abschreibungsraten.518 Für diese Studie erscheint ein Zeitfenster notwendig mit einer Dauer von 3 Jahren für beide Modelle sinnvoll. Es könnte eingewendet werden, dass Patentanmeldungen in den USA im Zeitraum dieser Studie nicht veröffentlicht wurden.519 Dem ist entgegenzuhalten,

dass

vor

Vereinbarung

einer

Kooperation

laut

Aussage

eines

Industrieexperten das Biotechnologieunternehmen von einem teilweise bis zu 30 Mann starkem Team des Pharmaunternehmens über mehrere Wochen analysiert wird, so dass die

516

Vgl. Cohen/Levin (1989), S. 1065. Vgl. Hitt/Ireland/Harrison (1991), S. 696. Vgl. Stuart (2000), S. 799; Dutta/Weiss (1997), S. 349; Gulati (1995b), S. 634. 519 Vgl. Schmoch (1990), S. 15-27. 517 518

158

Grundlagen der empirischen Untersuchung

technologische Kompetenz dem Pharmaunternehmen zum Zeitpunkt der Vereinbarung der Kooperation bekannt sein sollte. Diese intensive Prüfung des Unternehmens erscheint unter Berücksichtigung der durchschnittlichen Zahlung von über $25 Mio. notwendig.520 Für eine Offenlegung der bislang unveröffentlichten Patentanmeldungen seitens der Biotechnologieunternehmen spricht ferner, dass es im Interesse des Start-ups sein sollte, dass eine Kooperation vereinbart wird, da diese dem Wachstum des Biotechnologieunternehmens förderlich sein wird, wie Stuart (2000) bereits nachgewiesen hat. Das Zeitfenster für Untersuchungen zum Erfolg von Kooperationen wird auf die Jahre t0, t-1 und t-2 begrenzt, wobei t0 für das Jahr der Vereinbarung der Kooperation steht. Das Jahr der Kooperation wird deshalb mit in die Analyse eingeschlossen, da davon auszugehen ist, dass Anmeldungen und damit auch Erteilungen von Patenten zeitlich verzögert zur eigentlichen Erfindung auftreten. Es wird angenommen, dass eine Zeitdifferenz von einem Jahr zwischen der eigentlichen Erfindung (t-1) und der Anmeldung zum Patent besteht und dass die Patentanmeldungen seitens des Start-ups dem Pharmaunternehmen bekannt sind. Für die Analysen zum Lernerfolg von Unternehmen kommt ein Zeitfenster für die Jahre t+1, t+2 und t+3 zur Anwendung, damit erstens ein direkter Vergleich zum Zeitfenster vor der Kooperation möglich ist und zweitens auch noch ein kausaler Bezug zur Kooperation hergestellt werden kann. Da die Patente über das Prioritätsjahr den Unternehmen zugeordnet sind und eine Zeitdifferenz von mindestens 6 Jahren zwischen Beginn der Kooperation und dem Zeitpunkt der Messung liegt, ist hier für den Normalfall kein Messfehler zu konstatieren. Zu berücksichtigen ist auch, dass die Forschungsaktivitäten seitens des Biotechnologieunternehmens durch die Pharmaunternehmen finanziert werden. Ein größeres Zeitfenster für dieses Modell würde deshalb nachteilig sein, weil die Möglichkeit besteht, dass sich eine klinische Studie innerhalb von 2 Jahren als Misserfolg herausstellt. Weil dies gleichzeitig das Ende der Kooperation bedeuten kann, würden ab dem dritten Jahr Forschungsgelder wieder dem Pharmaunternehmen zur Verfügung stehen und dort zu Patentanmeldungen führen können. Bei einem größeren Zeitfenster würde also die kausale Beziehung zwischen Kooperation und abhängiger Variable abgeschwächt, so dass es zu einem systematischen Messfehler bei erfolglosen Kooperationen kommen könnte.

520

Vgl. Abbildung 3.

Darstellung der Modellvariablen 4.2.2.1

159

Technologiespezifische Variablen

In diesem Abschnitt werden zuerst die technologiespezifischen Variablen erläutert. Die Operationalisierung der technologischen Qualität der Forschungsleistung ist dabei für die Pharma- und die Biotechnologieunternehmen identisch. Zusätzliche Kennzahlen bzgl. technologischer Aspekte unterscheiden sich dann allerdings. In vielen Fällen wird auf bereits in der Literatur eingeführte Berechnungsmethoden zurückgegriffen, welche sehr gut bei Ernst (1996) beschrieben sind.521 Auf eine reine Wiederholung wird hier daher verzichtet.

4.2.2.1.1

Technologische Qualität

Wie oben gezeigt, stellen Patente in der Biopharmazie ein sehr wichtiges Schutzinstrument für Erfindungen dar. Folgt man Hagedoorn/Cloodt (2003), ermöglicht die Analyse von Patenten eine approximative Messung der Forschungsleistung. In den Studien von Gambardella (1992), Sorensen/Stuart (2000), Stuart (2000) zu dieser Forschungsrichtung wurde die Forschungsleistung eines Unternehmens über die reine Anzahl an Patenten erfasst. Patente beinhalten aber auch Informationen über deren Qualität, und zwar werden folgende wesentliche Indikatoren mit Qualitätsbezug genannt522: x

Erteilungsquote

x

Technologische Breite

x

Internationale Breite

x

Wissenschaftsbindung

x

Grundlagenerfindung

x

Forschungsbezug

x

Anzahl der Ansprüche

x

Anzahl der Einsprüche

Bei der Erklärung des Erfolgs von Allianzen wurde bislang regelmäßig nur mittels eines Indikators gemessen wie bei Ahuja (2000a), Stuart (1998) und Stuart/Hoang/Hybels (1999). Allerdings plädieren Ernst (2003), Lanjouw/Schankerman (2004), Hagedoorn/Cloodt (2003) und Lanjouw/Schankerman (2004) für eine mehrdimensionale Erfassung, da jede Kennzahl

521 522

Vgl. Ernst (1996), S. 37-89. Vgl. u.a. Ernst (2003), S. 234; Narin (1993), S. 19-23; Pavitt (1985), S. 77-99; Lerner (1994), S. 319; Hall/Jaffe/Trajtenberg (2001), S. 6; Harhoff/Scherer/Vopel (2003), S. 1351.

160

Grundlagen der empirischen Untersuchung

qualitätsbezogene und nicht-qualitätsbezogene Varianz aufweist. Die nicht-qualitätsbezogene Varianz wäre entsprechend als Messfehler zu interpretieren und soll in der Studie von Lanjouw/Schankerman (2004) für 30% der Varianz der Kennzahl bei Medikamenten verantwortlich sein.523 Die Autoren schlagen folgende Gewichtungsfaktoren für Patente zu Medikamenten vor524: 48% „number of forward citations“, 28% „number of claims“, 20% „number of backward citations“, 5% „family size“. Bei Ernst (2003) hingegen wird die Messung einer Patentstärke über das Produkt aus „patent activity“ und „patent quality“ gefordert. Die Patentqualität setzt sich dabei wie folgt zusammen525: x

Erteilungsquote

x

Technologische Breite

x

Internationale Breite

x

Anzahl erhaltene Zitate

Allerdings spricht gegen eine wie auch immer geartete Aggregation (evtl. auch mit Gewichtungsfaktoren) der Kennzahlen zu einer Gesamtkennzahl, dass sich in der Literatur noch kein klares Konstrukt zur Messung einer Patentqualität durchgesetzt hat. Sollte das Problem bzgl. der Anzahl der n.h.A. unterschiedlichen Messdimensionen geklärt werden, bliebe die Frage einer entsprechenden Messung der einzelnen Dimensionen. Im Anschluss müsste der Aspekt der Aggregation der Teilergebnisse zu einer Gesamtkennzahl aufgegriffen werden und zwar nicht unter dem Aspekt der Ermittlung des Wertes eines Patents, sondern zur Messung technologischer Kompetenzen; Unterschiede sind hier denkbar. Dies ist deshalb problematisch, da bislang eine Gesamtkennzahl mit Gewichtungsfaktoren den Wert bzw. die Qualität eines Patents widerspiegeln soll und nicht die Kompetenz eines Unternehmens. Schließlich wäre noch die Übertragbarkeit der Gewichtungsfaktoren auf unterschiedliche Branchen aufzuzeigen. Erst dann wäre ein vollständiger Nachweis erbracht, der eine bedenkenlose Verwendung erlauben würde. Die entsprechenden Berechnungen für die Pharma- sowie die Biotechnologieunternehmen sind in Kap. 5.3.3 dargestellt.

523

Vgl. Lanjouw/Schankerman (2004), S. 452. Vgl. Lanjouw/Schankerman (2004), S. 451. 525 Vgl. Ernst (2003), S. 235. 524

Darstellung der Modellvariablen

161

Die Ergebnisse von Lanjouw/Schankerman (2004) wären im Rahmen der hiesigen Arbeit interessant, weil die Autoren zeigen, dass sich Unterschiede in der durchschnittlichen Patentqualität zwischen den Unternehmen, vor allem im Bereich der Pharmazie, auf den Wert der Unternehmen auswirken.526 Damit lägen zumindest branchenspezifische Daten vor. Es wäre dann aber zu begründen, warum der durchschnittliche Wert eines Patents den Kooperationserfolg beeinflussen soll. Allerdings liegt die Anzahl der „claims“ hier leider nicht vor, sodass eine Übertragung der Ergebnisse von Lanjouw/Schankerman (2004) ausscheidet. Gleiches gilt für die bei Ernst (2003) angesprochene Messung der Patentqualität. Die Analyse von Hagedoorn/Cloodt (2003) befasst sich mit der Messung eines Konstrukts für „innovative performance“. Sie verwenden das Forschungsbudget, die Anzahl an generierten Patenten, die Anzahl an erhaltenen Zitaten und die Anzahl an neuen Produkten. Aus diesen vier Teilen bestimmen sie ein Konstrukt zur Messung der Leistung. Eine Übertragung der Ergebnisse ist jedoch nicht ohne weiteres möglich, da Produktankündigungen seitens der Unternehmen der Biotechnologie nicht vorgelegen haben. Da hier keine Lösung des Problems der Bestimmung der Gesamtqualität erarbeitet werden kann, werden im Folgenden die Teilaspekte der Forschungsqualität separat und nicht aggregiert betrachtet.

Für die Operationalisierung der technologischen Kompetenz eines Unternehmens wird auf sog. „forward citations“ zurückgegriffen. Diese Patentzitate verweisen auf den Stand der Technik und somit auf vorausgegangene Erfindungen. Dem entsprechend werden häufig zitierte Patente als besonders wertvoll angesehen, weil sie in einem größerem Maße Ausgangspunkt für weitere Erfindungen gewesen sind.527 Wissenschaftliche Arbeiten u.a. von Albert

et

al.

(1991),

Carpenter/Narin/Woolf

(1981),

Carpenter/Narin

(1983),

Narin/Noma/Perry (1987), Almeida/Song/Grant (2002) und Trajtenberg (1990) haben zeigen können, dass diese Art der Patentzitate Informationen über den Wert eines Patents und die Verknüpfungen untereinander enthalten. Exemplarisch sei hier die Studie von Albert et al. (1991) hervorgehoben, denn die Autoren weisen auf Basis von Patenten des Unternehmens Eastman Kodak nach, dass die Patente von Experten in den speziellen Technologiegebieten als sehr wichtig eingestuften Erfindungen für das spezielle Gebiet signifikant häufiger zitiert wurden.

526 527

Vgl. Lanjouw/Schankerman (2004), S. 444. Vgl. Trajtenberg (1990), S. 1350.

162

Grundlagen der empirischen Untersuchung

Allerdings kann der Verweis auf den Stand der Technik auch Verweise auf eigene Erfindungen enthalten.528 Diese Verweise könnten nach Auffassung von Mogee/Kolar (1998) ein Hinweis für eine Nische des Marktes sein. Sie könnten aber auch einfach nur auf eine sehr starke Spezialisierung des Unternehmens hindeuten. So zeigte Fleming (2001), dass die Erfahrungen eines Unternehmens mit einzelnen Komponenten zu einer höheren Zitierhäufigkeit der Patente nach neuer Kombination dieser Komponenten führt. Eine Eigenzitierung wäre dann unter der Annahme, dass das entwickelnde Unternehmen weiter auf diesem Gebiet forscht, zwangsläufig der Fall und hätte Auswirkungen auf die Berechnung der technologischen Kompetenz. Weiterhin gilt anzumerken, dass ein Interesse besteht, die eigenen Erfindungen zu zitieren. Für Unternehmen würde dies vor allem für die Vermeidung von Patentstreitigkeiten interessant sein.529 Zitate spiegeln aber dann nicht unbedingt die Qualität einer Erfindung wider. Da die Neigung zur Selbstzitierung in den USA besonders ausgeprägt ist530 und potenziell den Messfehler vergrößert, werden diese Zitate hier nicht berücksichtigt. Dieses Vorgehen ist analog zur Studie von Jaffe/Trajtenberg/Henderson (1993). Nebeneffekt ist gleichzeitig, dass eine Nichtberücksichtigung dieser Zitate über die gesamte Firmenstruktur geschieht, so dass erhaltene Zitate einer Firma B von Firma A nach Kauf von Firma A durch Firma B bei Firma B entfallen. Firmen also, die wie z.B. Pfizer in der Vergangenheit vor allem durch Unternehmenskäufe gewachsen sind, könnten nach einem Unternehmenskauf weniger Zitate aufweisen. Da ein solches Unternehmen Erfindungen lediglich gekauft und nicht selbst entwickelt hat, erscheint dies gerechtfertigt. Zusätzlich besteht bei Unternehmenskäufen die Gefahr, dass Schlüsselerfinder das neue Unternehmen verlassen haben könnten, wie Ernst/Vitt (2000) belegt haben. Die eigene Forschungsleistung von solchen Unternehmen wird so besser approximiert als über die einfache Zählung von „forward citations“ mit Eigenzitaten.

Die Methode der Qualitätsmessung über eine Zählung von Patentzitaten könnte zu weiteren kritischen Punkten führen. Zum ersten vergeht Zeit zwischen der Anmeldung des ersten und des zweiten, dann zitierenden Patents. Dies führt dazu, dass die Messung der Qualität erst zeitversetzt möglich ist. Ältere Patente würden fälschlicherweise als besser angesehen

528

Vgl. Ernst (1996), S. 70f. Vgl. Almeida/Song/Grant (2002), S. 153. 530 Vgl. Jaffe/Trajtenberg (1999), S. 113. 529

Darstellung der Modellvariablen

163

werden. Um diesen Effekt erheblich zu reduzieren endet die Analyse von Kooperationsankündigungen bereits im Jahre 1999, denn von einem Mitarbeiter aus der Forschungsabteilung der Bayer AG wurde ein Horizont von ca. 6-7 Jahren genannt, bis Patente häufiger zitiert werden. Diese Zahl deckt sich mit dem durchschnittlichen Wert zur Zeitdifferenz der Zitierungen der Patente in der Datenbank. Zum zweiten steigt die Anzahl an erhaltenen Zitaten mit der Anzahl an Patentanmeldungen. Hall (1999) hat gezeigt, dass ein Patent aus dem Zeitraum 1985-1993 eine 1.63fach höhere Wahrscheinlichkeit einer Zitierung hatte als ein Patent aus den Jahren 1977-1985. Dieser Einfluss ist weiterhin in den Daten enthalten; dieser sollte aber durch die Querschnittsanalyse von erfolgreichen und nicht-erfolgreichen Kooperationen teilweise aufgefangen werden und somit den zweiten Fehler einzugrenzen helfen. Im Rahmen der statistischen Analyse wird auch für das Patentwachstum separat kontrolliert. Zum dritten könnte das Verhalten der Patentprüfer beim Patentamt dieses Maß nachteilig beeinflussen531, denn deren Zitierweisen unterscheiden sich in einigen Fällen von denen der Unternehmen. Ein inhaltlicher Fehler wäre denkbar.532 Auf der anderen Seite führen die Zitierungen durch unabhängige Patentprüfer zu einer Verringerung der strategischen Einflussmöglichkeiten der Unternehmen und somit zu einer Objektivierung. Allerdings zeigte Schmoch (1993), dass nur ein Drittel aller Patentzitate eine enge Beziehung zu dem zitierenden Patent aufweisen. Er macht ferner darauf aufmerksam, dass häufig zitierte Patente nicht in jedem Fall technisch oder wirtschaftlich wichtig sind, da sie häufig nur deshalb zitiert werden, weil sie eine gute Beschreibung des Stands der Technik o.ä. beinhalten.533

Alles in allem wird in der Literatur die Anzahl der „forward citations“ mit Eigenzitaten als ein anerkanntes Verfahren der Qualitätsapproximierung angesehen. Sie haben bislang auch eine entsprechende Verbreitung in sehr anerkannten Journals erfahren.534 Eine Bereinigung um und Begrenzung von systematischen Störeinflüssen wurde hier vorgenommen, da bei einer neuen Technologie vor allem Fremdzitate als Qualitätsindikator geeignet erscheinen. Es verbleibt somit ein gewisser Messfehler, welcher jedoch der Methode geschuldet ist.

531

Vgl. Meyer (1999b), S. 414. Vgl. Collins/Wyatt (1988), S. 66; Meyer (1999a), S. 414. Vgl. Schmoch (1993), S. 195. 534 Vgl. stellvertretend Ahuja/Lampert (2001), S. 532; Breitzman/Thomas/Cheney (2002), S. 3; Dutta/Weiss (1997), S. 349; Stuart (1998), S. 683. 532 533

164

Grundlagen der empirischen Untersuchung

Es wird die durchschnittliche Anzahl erhaltener Zitate ohne Eigenzitate eines Unternehmens pro Patent je Unternehmen im Technologiefeld im Zeitfenster auf Basis des Prioritätsdatums ermittelt.535

Technologische Kompetenz

¦ Erhaltene Zitate pro Patent im TF ¦ Patente pro TF

Patentschriften enthalten auch Informationen über das potentielle Anwendungsgebiet über die Angabe von IPC-Klassen. Diese Klassen sind hierarchisch gegliedert. Patente, welche in vielen IPC-Klassen angemeldet wurden, deuten auf viele verschiedene Anwendungsfelder einer Erfindung hin.536 Aufgrund der vermuteten breiteren Anwendbarkeit der Erfindung wird solchen Patenten eine höhere Qualität als sehr engen Patenten beigemessen.537 Lerner (1994) stützt sich in seiner Studie auf die ersten vier Ziffern der IPC-Klassifikation. Er sieht klare Vorteile des IPC-Systems gegenüber der amerikanischen Patentklassifikation, da bei erstgenannter die übergeordnete Struktur der Klassen im Gegensatz zur inhaltlichen Abgrenzung einzelner Klassen im Vordergrund steht. Aus diesem Grund wird hier auch auf die IPC-Klassen abgestellt. Lerner (1994) betrachtet schließlich die ersten vier Ziffern der IPC-Klassifikation. Hier kann nicht auf der Ebene der ersten vier Zeichen gearbeitet werden, da das Aggregationsniveau der ersten 4 Stufen des IPC-Systems zu grob im Vergleich zu den hier betrachteten Technologiefeldern ist. Eine Beschränkung besteht daher nicht. Nachteil könnte sein, dass nicht jede IPC-Klasse gleich viele Subklassen aufweist. Es könnte somit der Fall eintreten, dass einzelne Technologiefelder mehr Subklassen als andere aufweisen. Sofern aber eine stärkere Differenzierung durch das Patentamt innerhalb eines Feldes notwendig erscheint, würde dies der Idee dieser Kennzahl nicht zuwiderlaufen, da hier die Breite der potentiellen Anwendungen approximiert werden soll.

535

Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. Es handelt sich dabei um eine Konkretisierung auf Basis von Ernst (1996), S. 57f. Vgl. Schmoch et al. (1988), S. 66. 537 Vgl. Ernst (2003), S. 235; Ernst (1996), S. 77; Schmoch et al. (1988), S. 66. 536

Darstellung der Modellvariablen

165

Es wird die durchschnittliche Anzahl unterschiedlicher IPC-Patentklassen pro Patent pro Unternehmen im Technologiefeld berechnet. Die Zuweisung der Patente zu Technologiefeldern erfolgt über das Prioritätsdatum der Patentanmeldung.538

Technologische Breite

¦ IPC  Klassen pro Patent im TF ¦ Patente pro TF

Die Kennzahl zur internationalen Breite einer Erfindung bezieht sich auf die Größe von Patentfamilien. Eine Patentfamilie bezeichnet eine Gruppe (Familie) von Patentdokumenten, die inhaltlich einer gemeinsamen Erstanmeldung (Priorität) zuzuordnen sind. Die Prioritätsanmeldung erfasst die nationale Erstanmeldung (hier die USA), während die Patentfamilie alle auf dieser Erfindung basierenden internationalen Parallelanmeldungen erfasst.539 Die Breite der Familie wird über die Anzahl der Länder gemessen, in denen die Patente einer Familie angemeldet worden sind. Die internationale Bedeutung einer Erfindung kann auf diese Weise wiedergegeben werden.540 Diese Kennzahl spiegelt damit den Wert einer Erfindung für ein Unternehmen wider, denn eine Anmeldung in vielen Ländern führt zu entsprechend höheren Kosten und ist damit aus wirtschaftlicher Sicht nur bei wesentlichen Erfindungen sinnvoll. Diese Kennzahl sollte daher die technologische Bedeutung sowie die Marktopportunitäten widerspiegeln.541 In manchen Studien wird die Bedeutung einer Erfindung für ein internationales Unternehmen über die Eigenschaft von Triade-Patenten gemessen. Es wurde dort überprüft, ob eine Familie in den drei wichtigsten Märkten weltweit angemeldet wurde. Entsprechend der Auffassung von Putnam (1996) und Harhoff/Scherer/Vopel (2003) ist die Größe einer Familie gegenüber der Triade-Eigenschaft aber zu bevorzugen. Die theoretischen Überlegungen zur Familiengröße werden auch durch empirische Befunde gestützt. Die Befunde von Ernst (1999) belegen, dass europäische Patentanmeldungen deutscher Unternehmen einen stärkeren Einfluss auf den zeitlich verzögerten Unternehmenserfolg haben als rein nationale Patentanmeldungen. In einer weiteren Arbeit von Ernst (1996) wird bestätigt, dass die sog. Auslandsquote positiv mit dem Unternehmenserfolg korreliert ist.

538

Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. Es handelt sich dabei um eine Konkretisierung auf Basis von Ernst (1996), S. 77. Vgl. Frietsch (2003), S. 2. 540 Vgl. Ernst (1996), S. 66. 541 Vgl. Lanjouw/Schankerman (2004), S. 448. 539

166

Grundlagen der empirischen Untersuchung

Es wird die durchschnittliche Anzahl Länder pro Patentfamilie pro Unternehmen im Technologiefeld festgestellt. Die inhaltliche Zuordnung der Patente zu der entsprechenden Patentfamilie erfolgt über die INPADOC-Logik. Für die zeitliche Zuordnung dient das Prioritätsdatum.542

Internationale Breite

¦ Länder pro Familie im TF ¦ Patente pro TF

Patentanmeldungen enthalten auch Verweise auf Publikationen, Konferenzbeiträge etc., welche auch als Beleg für den Stand der Technik herangezogen werden.543 Die Gesamtheit der Verweise wird als sog. „Wissenschaftsbindung“ bezeichnet. Aus der Anzahl der Zitierungen von nicht-patentbezogener Literatur lässt sich nach Carpenter/Narin (1983) ablesen, wie eng eine Erfindung mit aktuellen Ergebnissen der Forschung verknüpft ist. Diese Kennzahl stellt somit eine Verbindung zwischen patentfähiger F&E und der meist nicht patentfähigen Grundlagenforschung her.544 Dies wird durch die Befunde von Trajtenberg/Henderson/Jaffe (1997) bestätigt. Sie untersuchen Patente von Universitäten und privaten Unternehmen hinsichtlich der Nähe zur Grundlagenforschung. Sie messen die Nähe über die Anzahl Zitate von Publikationen und zeigen auf, dass Patente von Universitäten stärker auf Zitaten von Publikationen beruhen als entsprechende Patente von Unternehmen.545

Allerdings gibt es auch kritische Stellungnahmen zu dieser Kennzahl. Sie stellt laut Harhoff/Scherer/Vopel (2003) zum einen kein direktes Maß für den Bezug zur Wissenschaft dar, da eben nicht nur wissenschaftliche Publikationen angegeben werden. Zum anderen wird von Collins/Wyatt (1988) vorgebracht, dass Patentprüfer des Patentamtes nur mit Spezialitäten und weniger mit der weiteren Literatur vertraut wären und ein entsprechendes Zitierverhalten aufweisen. Wichtig ist auch, dass die Mehrheit der Motive für eine Zitierung von Publikationen in Patenten keinen Bezug zur wissenschaftlichen Forschung aufweist.546 Die Ergebnisse von Studien sind daher laut Schmoch (1993) mit Vorsicht zu interpretieren. Er bemerkt zu Recht, dass Patentprüfer bei neueren Erfindungen mangels anderer Patente auf die 542

Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. Es handelt sich dabei um eine Konkretisierung auf Basis von Ernst (1996), S. 66f. Vgl. Harhoff/Scherer/Vopel (2003), S. 1350. 544 Vgl. Ernst (1996), S. 75. 545 Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 42. 546 Vgl. Grupp/Schmoch (1992), S. 79f; Meyer (1999b), S. 415. 543

Darstellung der Modellvariablen

167

Literatur zur Beschreibung des Stands der Technik zurückgreifen müssen, ohne dass zwangsläufig ein Bezug zur Grundlagenforschung vorliegt. Allerdings kommt Meyer (1999b) nach einer kritischen Würdigung der Literatur sowie Interviews mit Experten zu der Auffassung547: „…there is a general connection between science and technology, but it points out that citation linkages hardly represent a direct link between cited paper and citing patent.”

Ein solch indirekter Bezug wird auch bei Gambardella (1992) und Tijssen (2002) bestätigt. Letztgenannter macht darauf aufmerksam, dass die Forschungsintensität der betrachteten Branche einen wesentlichen Einfluss auf eine solche Verbindung ausübt, aber in der Pharmazie sowie der Biotechnologie gegeben ist.548 Es wird die durchschnittliche Anzahl zitierter wissenschaftlicher Publikationen pro Patent pro Unternehmen im Technologiefeld mittels des Prioritätsdatums gebildet.549

Wissenschaftsbindung

4.2.2.1.2

¦ Zitate auf Publikationen pro Patent im TF ¦ Patente pro TF

Forschungserfahrung

In der Literatur wird angenommen, dass die Erfahrung (eines Managers oder Unternehmens) mit Aktivitäten wesentlich für den Erfolg ist. Eine Methode zur Messung des Erfahrungswissens besteht in der Berechnung der Häufigkeit der durchgeführten Aktivität; „volume per year“ ist dabei eine typische Berechnungsvorschrift.550 Teilweise wird auch die Anzahl

der

bisherigen

Aktivitäten

kumuliert

wie

bei

Anand/Khanna

(2000),

Hoang/Rothaermel (2005), Nerkar/Roberts (2004), oder es werden Vorteile aus einer Zeitdifferenz für gleiche Aktivitäten berechnet wie bei Pisano/Bohmer/Edmondson (2001). Nachteilig bei einer solchen Berechnungsvorschrift ist, dass alle vorbereitenden Aktivitäten bis zur Erlangung der ersten Einheit nicht berücksichtigt werden können.

547

Meyer (1999b), S. 425. Vgl. Tijssen (2002), S. 517. Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. Es handelt sich dabei um eine Konkretisierung auf Basis von Ernst (1996), S. 75. 550 Vgl. Pisano/Bohmer/Edmondson (2001), S. 754. 548 549

168

Grundlagen der empirischen Untersuchung

Perkins/Rao (1990) argumentieren, dass sich die Erfahrung erst mit der vergangenen Zeit ergibt. Dies wäre damit zu begründen, dass Zeit benötigt wird, bis sich Erfahrungen in anderen Strukturen des Unternehmens widerspiegeln. Es wäre sicherlich wünschenswert, die Erfahrung in einem Technologiefeld über geänderte Organisationsstrukturen oder über den Output der F&E-Abteilung zu messen. Allerdings kann der erste Punkt nur schwer in seiner Gänze über Sekundärdaten gemessen werden und der zweite Punkt berücksichtigt vorbreitende Aktivitäten, welche insbesondere bei F&E-Vorhaben eine Rolle spielen können, gerade nicht. Die Messoption der kumulierten Aktivitäten würde der Mehrheit der Empfehlungen der Literatur entsprechen und auch in dieser Studie umgesetzt werden können.551 Das Problem hierbei ist, dass weitere Kennzahlen über Patente berechnet werden. Es hat sich gezeigt, dass eine hohe Multikollinearität durch die Berechnung über die Anzahl an Patenten die Folge wäre. Weiterhin wird hier stärker auf den Aspekt der F&E-Erfahrung in einem Technologiefeld und nicht auf die reine Mengenproduktion abgestellt, so dass die Approximierung über den Zeitraum der Aktivitäten in einem Technologiefeld gemessen werden soll. Diese Berechnungsmethode kam auch bei Nerkar/Roberts (2004) zur Approximierung der marktseitigen Erfahrung eines Unternehmens zur Anwendung und bietet weiterhin den Vorteil, die Berechnung eines Effizienzfaktors der „absorptive capacity“ entsprechend Zahra/George (2002) zu ermöglichen.552 Problematisch

hierbei

könnte

sein,

dass

die

Erfahrung

in

den

entsprechenden

Technologiefeldern zu Beginn einer solch neuen Technologie wie auch bei Anand/Khanna (2000) durch eine linkssteile Verteilung zu beschreiben ist. Im weiteren Verlauf der Entwicklung oder Reifung eines Technologiefeldes haben sehr viele Unternehmen erste Erfahrungen bereits gemacht, so dass sich im Zeitverlauf schließlich eine rechtssteile Verteilung ergibt. Im Durchschnitt sollte sich dieser Effekt für diesen Datensatz durch die Querschnittsanalyse ausgleichen. Es wird für die Pharmaunternehmen die Zeitdifferenz in Jahren zwischen dem Datum der Anmeldung des ersten eigenen Patents eines Unternehmens im Technologiefeld und dem Beginn der Kooperation erfasst. Da hier das erste Patent betrachtet wird, kann für die zeitliche Zuordnung nur das Anmeldedatum von Bedeutung sein. Das Anmeldedatum wird hier im Vergleich zum Prioritätsdatum deshalb verwendet, weil im Vordergrund stehen soll, wann mit der Erforschung eines neuen Technologiefeldes begonnen wurde und nicht, ab wann man

551 552

Manchmal jedoch ohne eine Differenzierung von „economies of scale“ und „economies of scope“. Vgl. Vogt/Lichtenthaler (2006), S. 16.

Darstellung der Modellvariablen

169

erkannt hat, dass eine bereits angemeldete Erfindung auf einem weiteren Technologiefeld angewendet werden könnte. Da eine Priorität für eine Erfindung auch nachträglich werden kann, würde dies zu falschen Schlussfolgerungen führen.553

Forschungserfahrung [J]

Zeitdifferenz zwischen D 2 und D 1 365 Tage

mit: D1 = Datum der ersten Patentanmeldung im TF D2 = Datum des Beginns der Kooperation Diese Messvorschrift auf Basis der ersten Anmeldung eines Patents eines Unternehmens ermöglicht gleichzeitig, von dem messbaren Maß an Forschungserfahrung auf das absolute Maß an Forschungserfahrung zurückzurechnen, da es durchschnittlich ca. 7 Jahre dauert, bis ein neues Patent erfunden wird. Genau diese 7 Jahre würden im Rahmen einer Messung mittels Kumulation nicht berücksichtigt. Man könnte nun die Auffassung vertreten, dass eine Lineartransformation zur Generierung eines neuen, lediglich virtuellen Nullpunktes notwendig wäre. Dem ist entgegenzuhalten, dass dadurch wesentliche Informationen verloren gehen, denn das absolute Maß an Forschungserfahrung vor Beginn einer Kooperation wird durch ein virtuelles Maß ersetzt. Genau dieser Unterschied ist aber für den weiteren Verlauf dieser Arbeit relevant.

4.2.2.1.3

„Realized Absorptive Capacity”

In den bisherigen empirischen Forschungsarbeiten zur „absorptive capacity“ wurde regelmäßig nur mit der Messung des Potenzials gearbeitet. Es ist allerdings möglich, die effektive Nutzung der „absorptive capacity“ und damit die Realisierung direkt mittels Patentdaten zu messen und damit auch den Aspekt der realen Integration externen Wissens zu erfassen. In der Literatur wurde die Integration externen Wissens bereits ansatzweise mittels Patentdaten analysiert. Die Ergebnisse der Studie von Trajtenberg/Henderson/Jaffe (1997) deuten darauf hin, dass eine negative Korrelation zwischen der Anzahl an Eigenzitaten auf 553

Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen.

170

Grundlagen der empirischen Untersuchung

eigene Patente und dem durchschnittlichen Zeitraum bis zu einer Zitierung der eigenen Patente besteht. Daraus leiten die Autoren den Schluss ab, dass ein Wissenstransfer innerhalb eines Unternehmens schneller vollzogen wird als durch einen Wettbewerber. Die eigene Forschungsabteilung ist somit schneller in der Lage, das Weiterentwicklungspotenzial einer Erfindung zu erfassen, als dies Dritten möglich wäre.554 Kritisch hierbei ist anzumerken, dass es allein schon aus der schutzrechtlichen Perspektive im Interesse von Unternehmen liegt, auf ihren eigenen Erfindungen aufzubauen.555

Wie schon bei der Messung der Bedeutung einer Erfindung als Grundlage weiterer Entwicklungen anzunehmen war, spielen auch hier die Zitate wieder eine entscheidende Rolle. Allerdings werden hier nicht „forward citations“, sondern „backward citations“ betrachtet. Es wird z.B. von Lanjouw/Schankerman (2004) angemerkt, dass Zitate durch Dritte kurz nach einer Patentanmeldung die Bedeutung einer Erfindung und deren kurzfristige Wahrnehmung durch einen Wettbewerber zeigen. Zugleich wird ersichtlich, ob Konkurrenten auf demselben Gebiet tätig sind. Daraus wäre gemäß den Autoren auf die Werthaltigkeit des gesamten Feldes zu schließen.556 Nach Auffassung von Sorensen/Stuart (2000) lassen sich aus dem Alter der zitierten Patente nicht nur Rückschlüsse auf Aktivitäten des Wettbewerbs, sondern auch auf das Alter der Technologie ziehen. Unternehmen, die entsprechend sehr neue Patente zitieren, arbeiten an derzeit erfolgversprechenden Technologien und Firmen, die häufiger ältere Patente zitieren, forschen dementsprechend in älteren Technologiegebieten.557 Diesen auch bei Ernst (1996) geäußerten theoretischen Überlegungen wird gefolgt.

Im Rahmen dieser Studie wird die Realisierung der „absorptive capacity“ daher gemessen über die durchschnittliche Zeitdifferenz zwischen dem Anmeldedatum eines Patents und dem Datum des zitierten Stands der Technik. Die hier gewählte Berechnungsmethode unterscheidet sich lediglich in einem Punkt von der zur Bestimmung der technologischen Zyklusdauer.558 Die Störeinflüsse durch Verweise innerhalb einer Muttergesellschaft wurden

554

Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 38. Zitate begrenzen die Schutzrechtsansprüche aus dem Patent des Anmelders. Das zitierte Patent stellt ein Teil des existierenden Wissens dar, für den der neue Anmelder keinen Schutz durch eine eigene Anmeldung erlangen kann; vgl. Trajtenberg/Henderson/Jaffe (1997), S. 21. 556 Vgl. Lanjouw/Schankerman (2004), S. 448. 557 Vgl. Sorensen/Stuart (2000), S. 93. 558 Vgl. Ernst (1996), S. 73-76. 555

Darstellung der Modellvariablen

171

entsprechend eliminiert, um die Integration externen Wissens zu betonen. Das bedeutet gleichzeitig, dass die Anzahl der zu berücksichtigenden Zitate auf den Stand der Technik abnimmt und der Median nur noch aus einer kleinen Grundgesamtheit ermittelt würde. 559 Es wird daher der Mittelwert anstelle des Medians zugrunde gelegt. Diese Berechnungsmethode für diese Kennzahl bedingt, dass ein Unternehmen überhaupt auf Patenten Dritter aufgebaut hat. Es ist anzumerken, dass Patentprüfer auch Patente im Rahmen der Prüfung des Standes der Technik hinzufügen können. Es ist theoretisch denkbar aber praktisch auszuschließen, dass ein Pharmaunternehmen nur Publikationen zur Beschreibung des Stands der Technik verwendet hat.

Es wird die durchschnittliche Zeitdifferenz zwischen dem Datum der Anmeldung eigener Patente im Zeitfenster und dem Datum des in diesen Patenten zitierten Stands der Technik („backward citations“) pro Unternehmen im Technologiefeld berechnet. Auch hier wurde das Anmeldedatum für die zeitliche Zuordnung verwendet, da ein US-Patent frühestens mit dem Anmeldedatum dem absorbierenden Unternehmen bekannt sein kann.560

Realisierte absorptive capacity [Tage]

I

D3 Pi  D4 Pj

i 1

¦P

¦(

J

)

j

j 1

mit: D3 = Datum der Patentanmeldung eines Patents im TF D4 = Datum eines Patents zur Beschreibung des Stands der Technik Pi = Patent im TF Pj = Patent enthalten in Pi zur Beschreibung des Stands der Technik i,I = Anzahl Patente im TF j,J = Anzahl Patente zur Beschreibung des Stands der Technik je Pi Abbildung 9 soll die Berechnungsmethode verdeutlichen:

559 560

Vgl. Narin (1993), S. 20-22; Ernst (1996), S. 73. Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen.

172

Grundlagen der empirischen Untersuchung

Abbildung 9: Berechnungsmethode für die „realized absorptive capacity“

4.2.2.1.4

Technologische Diversifizierung

Im Hinblick auf die Berechnung einer Diversifizierung eines Unternehmens gibt es unterschiedliche Vorgehensweisen. Sarkar et al. (2001) quantifizieren ein Maß (sog. Entropie) auf Basis der Umsätze in einem Geschäftsfeld. Es wird ein spezifischer Gewichtungsfaktor für jedes Feld ermittelt und anschließend der Logarithmus des Kehrwertes gebildet. Ein alternatives Vorgehen ist bei Powell/Koput/Smith-Doerr (1996) und Wuyts/Stremersch/Dutta (2004) beschrieben. Die Operationalisierung wird dort über die Berechnung des HerfindahlIndexes vorgenommen. Dieser wird üblicherweise zur Bestimmung einer Marktkonzentration verwendet561 und hier auf ein Unternehmen übertragen. Die Berechnung dieses Indexes erfolgt in mehreren Schritten. Zuerst wird die Anzahl der Patente des Unternehmens in dem jeweiligen Technologiefeld auf Basis des Prioritätsdatums bestimmt und anschließend zur Summe aller Patente des Unternehmens ins Verhältnis gesetzt. Dieses Verhältnis repräsentiert nun die Bedeutung eines Technologiefelds bezogen auf die Gesamtaktivitäten des Unternehmens. Diese Verhältniszahl wird dann für jedes Technologiefeld quadriert und anschließend wird die Summe gebildet. Ein sehr fokussiertes Unternehmen würde nun den Wert 1 erzielen. Dieser Wert entspräche dem Herfindahl-Index. Allerdings entspräche dies noch nicht der in der Literatur etablierten Berechnungsmethode für eine „technological diversity“, so dass die Summe der Quadrate noch von 1 subtrahiert

561

Vgl. Wuyts/Stremersch/Dutta (2004), S. 93.

Darstellung der Modellvariablen

173

wird.562 Ein sehr fokussiertes Unternehmen weist dann einen sehr kleinen Wert auf, der minimal 0 annehmen könnte. Der Wert für sehr diversifizierte könnte maximal 1 annehmen. Eine hypothesenkonforme positive Wirkung sehr fokussierter Unternehmen auf den Erfolg würde dann ein negatives Vorzeichen aufweisen.563

Technologi sche Diversifi zierung

1- ¦(

¦ Patente in TF

n

¦ Patente in allen TF

)2

N

mit: n = einzelnes Technologiefeld N = Gesamtheit aller Technologiefelder

4.2.2.1.5

Kernfeldeigenschaft

Hagedoorn/Duysters (2002) verwendeten in ihrer Analyse für die Bestimmung einer Kernfeldeigenschaft Unterschiede im 3-stelligen SEC-Code.564 Gleiche Codes stellen eine Kooperation auf einem Kernfeld dar, während unterschiedliche Codes auf eine NichtKernfeld-Kooperation hindeuten. Mit dem SEC-Code kann jedoch nur aufzeigt werden, ob beide Unternehmen dasselbe Kernfeld aufweisen und nicht, ob das betrachtete Technologiefeld für ein einzelnes Unternehmen ein Kernfeld darstellt, denn die SEC-Codes sind nicht entsprechend untergliedert. Diese Klassifikation ist vielmehr so grob, dass sie n.h.A. nur für Branchenvergleiche tauglich ist. Sie gilt außerdem nur für börsennotierte Unternehmen. Diese Voraussetzung wird hier aber nicht erfüllt, so dass ein anderes Maß für die Frage der Kernfeldeigenschaft gewählt wurde. Eine andere Möglichkeit der Operationalisierung besteht in der Berechnung eines Indexes aus der Verteilung der Patentanmeldungen über Technologiefelder wie z.B. bei Colombo (2003). Er stellt auf die Bedeutung einzelner Felder im direkten Vergleich ab; allerdings bezieht er diese Kennzahl auf die Anzahl aller in einem Technologiefeld angemeldeter Patente aller Unternehmen.

562

Vgl. Wuyts/Stremersch/Dutta (2004), S. 93. Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. 564 Vgl. Hagedoorn/Duysters (2002), S. 176. 563

174

Grundlagen der empirischen Untersuchung

Die hier gewählte Operationalisierung soll für die Unternehmen getrennt prüfen, ob es sich um ein jeweiliges Kernfeld handelt. Wesentlicher Vorteil ist, dass für jedes Unternehmen einzeln geprüft werden kann, ob es sich um ein Kernfeld handelt, denn es ist durchaus der Fall, dass Pharmaunternehmen Kooperationen auf ihrem Kernfeld wie auch auf einem ihrer Randgebiete eingehen. Im Gegensatz dazu wird man die Kernfeldeigenschaft bei Biotechnologieunternehmen generell bejahen müssen, da nicht anzunehmen ist, dass Start-ups auf mehreren Feldern aktiv und gleichzeitig als Kooperationspartner attraktiv sind.

Zur Bestimmung der Kernfeldeigenschaft der Pharmaunternehmen kommt daher ein zweistufiges Verfahren zur Anwendung. Es beruht auf der Annahme, dass Technologiefelder mit hoher Bedeutung für ein Unternehmen durch jene Felder mit vielen Patenten repräsentiert werden. Im ersten Schritt wird die Anzahl der Patente in den jeweiligen Technologiefeldern auf Basis des Prioritätsdatums bestimmt und zu der Gesamtanzahl aller Patente ins Verhältnis gesetzt. Daraus wurde dann eine Rangfolge gebildet, da angenommen wird, dass ein Unternehmen nur eine begrenzte Anzahl an Kernfeldern verfügt. Zentrale Annahme für diese Arbeit ist, dass ein Unternehmen i.d.R. nicht mehr als drei Kernfelder hat. Hier werden i.d.R. nur die drei Felder als Kernfelder eines Unternehmens akzeptiert, welche die größte Anzahl an Patenten pro Gesamtanzahl aufweisen. Diese Relativierung ist deshalb notwendig, weil sie ermöglicht, Firmen mit weniger als Kernfeldern zu identifizieren, wie später noch gezeigt werden wird. Es ist nun denkbar, dass die Aufteilung der Patente über die Technologiefelder eines Unternehmens mehr einer Gleichverteilung denn einer Normalverteilung entspricht. Um hier nicht fälschlicherweise auf ein Kernfeld eines Unternehmens zu schließen, wurde eine weitere Stufe zur Absicherung eingebaut. Es wird überprüft, ob der Anteil der Patente eines Technologiefeldes an allen Patenten des Unternehmens über gewissen Grenzen liegt. Nur wenn dies der Fall ist, wird von weniger als den drei Technologiefeldern ausgegangen (vgl. Tabelle 11). Im letzten Schritt wurde überprüft, ob sich das Technologiefeld der Kooperation mit einem der Top3-Kernfelder des Unternehmens deckt. Die Analyse hat ferner gezeigt, dass eine Veränderung der Grenzen die Zuweisung der Kernfeldeigenschaft beeinflussen kann. Sie führt aber nicht zu einem signifikanten Einfluss hinsichtlich des Erfolgs einer Allianz. Die Kernfeld-Eigenschaft wurde bestimmt über eine 0/1-Entscheidung für die drei Felder mit den höchsten Herfindahl-Index-Werten. Die Anzahl der Kernfelder bestimmt sich entsprechend Tabelle 11.

Darstellung der Modellvariablen Anzahl Felder

175

Bedingung

1 2 3

Anteil der Patente in diesem TF > 30% der Anzahl aller Patente Anteil der Patente in diesem TF > 40% der Anzahl aller Patente Anteil der Patente in diesem TF > 50% der Anzahl aller Patente Anteil der Patente in diesem TF > 50% der Anzahl aller Patente 4 und Feld 3 und Feld 4 weisen dieselbe Häufigkeit auf565 Tabelle 11: Bedingungen zur Bestimmung der Kernfeldeigenschaft

4.2.2.1.6

Technologieposition

Die Technologieposition eines Unternehmens kann über die Anzahl der Patente in einem Technologiefeld approximiert werden. Annahme ist, dass viele Patente die Wissensbasis vergrößern und damit gleichzeitig auch die Technologieposition verbessern. Diesem Ansatz wird zwar grundsätzlich gefolgt, allerdings ist ein weiterer Schritt notwendig, um eine Rangfolge der Unternehmen abzuleiten. Aus diesem Grund wird die Patentposition eines Unternehmens, genauer die Anzahl Patente in einem Technologiefeld, auf die Anzahl Patente des besten Wettbewerbers bezogen.566 Die Relativierung der absoluten Kennzahl soll Aufschluss darüber geben, wie gut ein Unternehmen im Vergleich zum Wettbewerb in einem Technologiefeld zum Zeitpunkt der Kooperationsvereinbarung gewesen ist und somit ein „Wissens-Benchmarking“ ermöglichen.567 Die Kennzahl wird jeweils über das Zeitfenster von drei Jahren ermittelt, so dass sich durch Unternehmenskäufe wie Fusionen entsprechend schnell Änderungen ergeben können. Die Relativierung der Anzahl Patente begrenzt zugleich den Wertebereich der Variablen auf das Intervall [0;1]. Je höher der Wert liegt, desto eher handelt es sich um den zum jeweiligen Zeitpunkt existierenden Technologieführer bei den Biotechnologieunternehmen. Kritisch hierbei könnte sein, dass die Pharmaunternehmen zwischenzeitlich mehr Patente auf einem Gebiet aufweisen als die Unternehmen der Biotechnologie. Dies hat zwar Auswirkungen auf die Interpretation absoluter Kennzahlen, aber die relative Position der Biotechnologieunternehmen ist davon nicht betroffen.

565

Es ist ferner denkbar, dass auch Feld 5 die gleiche Häufigkeit wie Feld 3 und/oder 4 aufweist. Sollte dies der Fall sein, wird nur für die ersten zwei Felder angenommen, ein Kernfeld zu sein. Vgl. Ernst (1996), S. 46. 567 Vgl. Ernst (1996), S. 46. 566

176

Grundlagen der empirischen Untersuchung

Es wird die Anzahl der Patente pro Unternehmen im Technologiefeld bezogen auf die Anzahl der Patente des Unternehmens mit den meisten Patenten (stärkster Wettbewerber) im Technologiefeld ermittelt. Einbezogen wurden die Patente über das Prioritätsdatum.568

Technologieposition

4.2.2.2

¦ Patente in TF

¦ Patente des stärksten Wettbewerbers in TF

Beziehungsspezifische Variablen

Den oben beschriebenen technologischen Kriterien sind beziehungsspezifizierte Kriterien zur Seite zu stellen. Es werden hierfür unterschiedliche theoretische Konstrukte oder Berechnungsmethoden für Modelle wie „similarity“, „complementarity“, „overlap“, „spillovers“ „technological distance“, oder „proximity“ verwendet. Sie bezeichnen an sich sehr ähnliche, gleichwohl unterschiedliche Aspekte in der konkreten Umsetzung. Allen gemeinsam ist, dass sie versuchen, Ähnlichkeiten zu bestimmen und dafür die Wissensbasis approximieren. Hier bietet sich auch ein Rückgriff auf Patente wie in den Studien von Stuart/Podolny (1996), Mowery/Oxley/Silverman

(1996),

Mowery/Oxley/Silverman

(1998),

Stuart

(1998),

Cantwell/Colombo (2000) und Colombo (2003) an. Ein Rückgriff auf Patente zur Messung der Ähnlichkeit zweier Unternehmen bedingt, wie auch bei der Outputbestimmung der Forschungsleistung, dass sie die aktiv genutzten Technologiefelder der Unternehmen widerspiegeln569, dass eine Vernachlässigung von kodifiziertem und tazitem Wissen erfolgen kann und dass relevantes technologisches Wissen in solche einfließt. Dies ist für die gegebene Branche allerdings der Fall, so dass eine Verwendung von Patenten als Grundlage zur Bestimmung von Ähnlichkeiten zulässig erscheint.570

Im Folgenden sollen zwei Ebenen für die Messung der Ähnlichkeit unterschieden werden. Dies ist zum einen ein gemeinsamer Vorläufer (hier als „similarity“ bezeichnet) und zum anderen eine Überschneidung (hier als Wissen des Partners bezeichnet) mit dem Kooperationspartner. Wie im Abschnitt zur Beschreibung der Werte der Variablen noch

568

Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. Es handelt sich dabei um eine Konkretisierung auf Basis von Ernst (1996), S. 41. Vgl. Stuart (1998), S. 684. 570 Jaffe/Trajtenberg/Henderson (1993), S. 595; Jaffe/Trajtenberg (1999), S. 130. 569

Darstellung der Modellvariablen

177

aufgezeigt werden wird, zitieren sich Kooperationspartner vor Beginn einer Kooperation absolut gesehen recht wenig. Diese Zahlen wurden deshalb ohne eine Einschränkung durch ein Zeitfenster erhoben. Dies ist deshalb sinnvoll, da die durchschnittliche Zitierdauer größer als die Breite der Zeitfenster ist. Eine Zuordnung über das Prioritäts- oder das Anmeldedatum kann daher entfallen.571

Technologieposition

4.2.2.2.1

¦ Patente in TF ¦ Patente des stärksten Wettbewerbers in TF

Ähnlichkeit in Biotechnologie

Dass ein Unternehmen auf dem Wissen eines anderen Unternehmens aufbaut, wird dann angenommen, wenn es zu einer Überschneidung der Aktivitäten der beiden Unternehmen kommt.572 Ein solch inhaltlicher Zusammenhang kann sich auch in den Patentinformationen widerspiegeln. Brockhoff/Ernst/Hundhausen (1999) führen ein solches Beispiel an: Siemens hatte nach Darstellung der Autoren Patente von Medtronic in eigenen Patentanmeldungen als Stand der Technik zitiert und musste aber schließlich Schadensersatz wegen einer Patentverletzung an Medtronic zahlen.573 Zwei Firmen sind sich damit bezogen auf ihre Wissensbasis ähnlich, wenn sie Gemeinsamkeiten bzw. Überschneidungen oder eine niedrige Euklidische Distanz aufweisen. Hier sind wiederum unterschiedliche Messungen möglich. So wird die „similarity“ bei Cantwell/Colombo (2000) oder Colombo (2003) über einen aus der Verteilung der Patente über Technologiefelder abgeleiteten Index approximiert. Im Zähler steht dabei das Verhältnis aus der Anzahl der Patente eines Unternehmens i auf einem Technologiefeld j zur Summe aller Patente desselben Unternehmens auf allen Technologiefeldern. Der Nenner wird analog über alle Unternehmen bestimmt. Unternehmen wären sich nach einer solchen Berechnungsmethode dann ähnlich, wenn sich der Schwerpunkt der Forschung über dieselben Technologiefelder erstreckt. Ähnlich argumentiert auch Ahuja (2000b). Er bezieht sich allerdings auf die in Patenten abgedeckten Patentklassen, um schließlich mittels des Patentportfolios die Euklidische Distanz zu allen Partnern eines Unternehmens zu

571

Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. Vgl. Stuart/Podolny (1996), S. 24. 573 Vgl. Brockhoff/Ernst/Hundhausen (1999), S. 613. 572

178

Grundlagen der empirischen Untersuchung

berechnen.574 Beide Berechnungsmethoden scheiden hier wegen Überschneidungen zu anderen Kennzahlen aus. Eine dritte Methode der Messung von Ähnlichkeiten zwischen zwei Unternehmen besteht in der Prüfung gemeinsam angemeldeter Patente. Eine erste Analyse im Rahmen der Kontrolle der Patentanmeldernamen hat jedoch gezeigt, dass die gemeinschaftliche Anmeldung in der Biopharmazie nur selten der Fall ist. Wenn überhaupt, kann ein solches Vorgehen nur bei der Analyse von Anmeldungen von Unternehmen mit Universitäten in Betracht gezogen werden. Im Rahmen von Kooperationen hat sich ein solches Vorgehen als nicht tauglich erwiesen und wird daher verworfen. Eine vierte Methode für die Messung von Gemeinsamkeiten ergibt sich aus der Betrachtung von Patentzitaten der betreffenden Kooperationspartner.575 Eine Ähnlichkeit besteht auch dann, wenn zwei Unternehmen auf denselben Ideen eines dritten Unternehmens aufgebaut haben. Eine Ähnlichkeit wird deshalb anzunehmen sein, weil im Rahmen von Patentzitierungen von zumindest einem Informationstransfer von dem zitierten zum zitierenden Unternehmen auszugehen ist, denn durch das Anmelden von Patenten wird die Erfindung offen gelegt. Die Beschreibung einer Erfindung innerhalb eines Patents soll darüber hinaus einem Fachmann ermöglichen, die Erfindung nachzuvollziehen. Ein Wissensabfluss zum und damit ein Lernen vom Wettbewerber könnte so ermöglicht werden. Wenn nun zwei Firmen auf Basis derselben Erfindung weiterarbeiten und identisches gelernt haben, werden sie einen gewissen Grad an Ähnlichkeit aufweisen. Bei den Patentverweisen zum Stand der Technik kann zwischen Verweisen auf dieselbe Literatur wie bei Cockburn/Henderson (1998) und auf identische Patente wie bei Mowery/Oxley/Silverman (1998) und Stuart (1998) differenziert werden. Patenten ist gegenüber der Literatur der Vorzug zu geben, weil die Systematik in der Bezeichnung von Patenten zu weniger Fehlern führen sollte als der Verweis auf z.B. einzelne Konferenzbeiträge. Problematisch bei einer Berechnung der Ähnlichkeit mittels Zitaten ist, dass es in der Biopharmazie durchschnittlich 6-7 Jahre dauert, bis ein neues Patent durch ein anderes Patent zitiert wird. Eine Überschneidung in einem Technologiefeld kann daher bereits vorherrschen, obwohl sich dies noch nicht in den Patentzitaten niedergeschlagen hat. Unabhängig von dem zeitlichen Einfluss wären sich zwei Unternehmen im Zitationsnetzwerk strukturell ähnlich, wenn es eine hohe Anzahl an Verweisen seitens beider Unternehmen auf

574 575

Vgl. Ahuja (2000b), S. 441. Vgl. Stuart (1998), S. 684.

Darstellung der Modellvariablen

179

identische Patente gibt.576 Es hat sich gezeigt, dass die absolute Anzahl an Verweisen auf dieselben Patente durch die Kooperationspartner recht niedrig ist. Auch bei Arbeit von Mowery/Oxley/Silverman (1998) liegt ein niedriger Mittelwert auf Unternehmensebene vor. Die Autoren berichten, dass der Mittelwert bei 5,5 relativierten Zitaten für JV-Partner und bei 1,5 Zitaten für die Vergleichsgruppe bei einer linkssteilen Verteilung liegt.577 Relativiert bedeutet, dass bei der Berechnung der sog. „common-citation-rate“ eine Dividierung durch die Anzahl aller Zitate erfolgt. Da hier niedrige Werte zu erwarten waren, wurde auf eine Relativierung wie bei der Bestimmung der sog. „common-citation-rate“ verzichtet. Sie hätte bewirkt, dass Unternehmenspaare, welche nicht auf dieselben Patente zurückgegriffen haben, sehr ähnliche Werte erhalten hätten wie solche Kooperationspartner, die durchaus eine, wenn auch nur geringe Überschneidung, vorzuweisen hatten.

Es wird die Anzahl gemeinsam zitierter Patente beider Unternehmen ohne Eigenzitate ohne Zeitfenster und Eingrenzung auf Technologiefelder berechnet. Die Eliminierung der Eigenzitate bedeutet hierbei, dass die Zitierung desselben Patents dann nicht erfasst wird, wenn dieses Patent entweder dem Unternehmen U1 oder dem Unternehmen U2 gehört.578

Ähnlichkeit in Biotech

¦ Zitate von U

1

 U 2 auf identische Biopharmaziepatente von U n

mit: U1 = Pharmaunternehmen U2 = Biotechnologieunternehmen Un = UN-U1-U2 = weitere im Bereich der Biopharmazie tätige Unternehmen ohne U1 und U2

4.2.2.2.2

Wissen des Partners

Zwei Unternehmen können nicht nur auf Erfindungen desselben dritten Unternehmens, sondern sie können auch auf den Erfindungen des jeweiligen Kooperationspartners aufbauen. Diese direkten Verweise auf z.B. den Kooperationspartner können auch einen Hinweis auf die

576

Vgl. Stuart (1998), S. 684. Vgl. Mowery/Oxley/Silverman (1998), S. 516. 578 Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen. 577

180

Grundlagen der empirischen Untersuchung

Ähnlichkeit zweier Unternehmen geben, denn diese Kennzahl misst die relative Bedeutung eines Patentportfolios einer speziellen Firma für ein zu analysierendes Unternehmen. Die Verwendung von solchen Überkreuzzitaten für Lern- oder Angleichungseffekte hat sich in der Literatur bereits in mehreren Veröffentlichungen zu Kooperationen oder Joint Venture durchgesetzt.

Dies

zeigt

die

Verwendung

bei

Mowery/Oxley/Silverman

(1996),

Stuart/Podolny (1996), Stuart (1998) und Mowery/Oxley/Silverman (1998).

Für die Berechnung heißt dies, dass neben der „common-citation-rate“ generell auch die Möglichkeit besteht, Verbindungen zwischen zwei Unternehmen über die sog. „crosscitation-rate“ zu bestimmen. Diese beiden Berechnungsmethoden unterscheiden sich hinsichtlich des Patentanmelders der zitierten Patente. Im Gegensatz zur „common-citation-rate“ wird bei der „cross-citation-rate“ auf Verweise des Partners abgestellt. Im Rahmen der Berechnung der „cross-citation-rate“ folgt auch eine Relativierung auf die absolute Anzahl an Zitaten auf Patente. Die „cross-citation-rate“ bestimmt sich dann aus der Addition der für die beiden Unternehmen separat bestimmten partnerspezifischen „citation-rate“. In der empirischen Untersuchung von Mowery/Oxley/Silverman (1998) wird von niedrigen Mittelwerten i.H.v. 1,4 Zitaten für die JV-Partner und 1,2 für die Vergleichsgruppe vor Vereinbarung des jeweiligen JVs bei einer linkssteilen Verteilung berichtet.579 Absolut gesehen niedrigere Werte im Vergleich zur „common-citation-rate“ waren zu erwarten. Die absolut niedrigen Werte könnten jedoch auch ein Hinweis darauf sein, dass JV auch von solchen Unternehmen vereinbart wurden, die nicht in irgendeiner Art von Wettbewerb standen. Da in dieser Studie niedrige Werte auch für die Kreuzzitate zu beobachten waren, wurde auf eine Relativierung wie auch bei der „common-citation-rate“ verzichtet. Durch eine potenziell mögliche Relativierung wäre wiederum der Abstand zwischen den Unternehmen, die einen Kooperationspartner gar nicht zitieren und denen, die ihren Partner nur sehr wenig zitieren, kleiner geworden.

Es wird die Anzahl Zitate auf Patente des Kooperationspartners pro Unternehmen ohne Zeitfenster und Eingrenzung auf Technologiefelder bestimmt. Für die Berechnung dieser

579

Vgl. Mowery/Oxley/Silverman (1998), S. 516.

Darstellung der Modellvariablen

181

Variablen ergeben sich keine Unterschiede aufgrund der Tatsache, dass ein Pharma- ein Biotechnologieunternehmen zitiert kann oder der umgekehrte Fall betrachtet wird.580

Wissen des Partners

¦ Zitate auf Patente des Kooperationspartners

4.2.3 Kontrollvariablen

Alle Kontrollvariablen beruhen ebenfalls auf Sekundärdaten und wurden größtenteils Geschäftsberichten oder Pressemitteilungen entnommen. Dies gilt vor allem für die Pharmaunternehmen. Kontrollvariablen für die Unternehmen der Biotechnologie wären für diese Studie ebenfalls wünschenswert gewesen. Allerdings war ein sehr großer Teil der Biotechnologieunternehmen zum Zeitpunkt der Kooperationsvereinbarung noch nicht an einer Börse gelistet und somit noch nicht zur Veröffentlichung entsprechender Daten gezwungen. Dies führte dazu, dass im Prinzip keine Daten für diese Unternehmen verfügbar sind, so dass sich die Kontrollvariablen für die Biotechnologieunternehmen auf den Sitz des Unternehmens reduzieren, denn selbst die von Powell/Koput/Smith-Doerr (1996) angeratenen Mitarbeiterzahlen zur Approximation der Unternehmensgröße sind für einen Großteil der Unternehmen nicht mit vertretbarem Aufwand zu beschaffen.

4.2.3.1 Herkunftsland

Der Sitz eines Unternehmens gilt hier als Proxy für das Herkunftsland für die Pharma- wie für die Biotechnologieunternehmen wie bei Pisano (1990), Shan/Walker/Kogut (1994) und Stuart (2000). Es wird zwischen amerikanischen und nicht-amerikanischen Unternehmen in dieser Studie differenziert. Die Variable nimmt den Wert eins an, wenn es sich um eine amerikanische Firma und 0, wenn es sich um ein nicht-amerikanisches Unternehmen handelt. Der größte Teil des Datensatzes besteht aus Unternehmen mit Firmensitz in den USA. Dies gilt vor allem für die Biotechnologieunternehmen. Nicht-amerikanische Unternehmen kommen aus Australien, Großbritannien, Deutschland und Frankreich und werden aufgrund geringer Fallzahlen seitens Australiens zu einer Gruppe „Nicht-USA“ zusammengefasst. Dies erscheint unter der Berücksichtigung der Verwendung von US-Patenten sinnvoll.

580

Für die exakte Darstellung der Formel inkl. der Indizes wird auf den Anhang verwiesen.

182

Grundlagen der empirischen Untersuchung

Bei den Unternehmen der pharmazeutischen Industrie sind auch Firmen aus Japan in der Analyse enthalten. Allerdings ist ihre Fallzahl so gering, dass auch diese Unternehmen zur Gruppe der nicht-amerikanischen Unternehmen hinzugezählt werden.

Es wird eine 1/0-Entscheidung auf Basis des Firmensitzes über die Gruppenzugehörigkeit zu amerikanischen Unternehmen getroffen.

4.2.3.2 Größe

Die Größe eines Pharmaunternehmens kann über verschiedene Wege bestimmt werden. Es bieten sich der Börsenwert, der Umsatz und die Anzahl Mitarbeiter an. Gulati (1995b), Stuart (2000) und Mellewigt (2003) legen den Umsatz des Unternehmens zugrunde. Ahuja/Lampert (2001), Cardinal (2001) und Hitt/Ireland/Harrison (1991) bestimmen die Unternehmensgröße über die Anzahl an Mitarbeitern. Bei der Approximierung der Unternehmensgröße über die Anzahl an Mitarbeitern ist auch der Hinweis in der Literatur zu finden, dass ein abnehmender Grenznutzen bzgl. der Größe erwartet werden kann.581 Zu begründen ist dies durch die erheblichen Unterschiede zwischen kleinen Start-ups und etablierten Großunternehmen. Es ist anzunehmen, dass sich die etablierten Pharmaunternehmen weniger stark hinsichtlich der Organisationsstruktur, dem Zugang zum Kapitalmarkt und den verfügbaren Humanressourcen etc. unterscheiden als dies durch eine lineare Verwendung der Mitarbeiterzahl approximiert würde. In jenen Studien, wo ein Größeneinfluss erwartet wurde, wird entsprechend der Logarithmus der Mitarbeiterzahl weltweit berechnet und in z.B. Regressionen verwendet.582 Dies erscheint sinnvoll und soll auch hier zur Anwendung kommen.

Für die Operationalisierung dieser Kennzahl wird der Logarithmus10 der Mitarbeiterzahl des gesamten Unternehmens berechnet.

4.2.3.3 Forschungsbudget

Das Forschungsbudget eines Pharmaunternehmens wird im Regelfall über Geschäftsberichte veröffentlicht. Diese Zahlen unterliegen allerdings den Gestaltungsmöglichkeiten der

581 582

Vgl. Hagedoorn/Schakenraad (1994), S. 294. Vgl. Hagedoorn/Schakenraad (1994), S. 294.

Darstellung der Modellvariablen

183

Unternehmen, weil Definitionen Freiräume für die Klassifikation von Aktivitäten eröffnen.583 Es ist aber davon auszugehen, dass durch die Eingrenzung auf eine Branche hier nur unwesentliche Verzerrungen entstehen, da alle Unternehmen von den Gestaltungsspielräumen Gebrauch gemacht haben können. Allerdings reicht der Datensatz weiter in die Vergangenheit zurück, weshalb die Ermittlung des Forschungsbudgets für den Geschäftsbereich der Pharmazie nicht für einen Großteil der Datensätze zu ermitteln waren. Aus diesem Grund wurde das Forschungsbudget des Gesamtunternehmens wie bei Sorensen/Stuart (2000), Ahuja (2000b) und Colombo (2003) zur Approximation der zur Verfügung stehenden Ressourcen verwendet. Aber selbst dieses globale Budget war für 10 Unternehmen nicht zu ermitteln, weshalb diese Datensätze aus der Untersuchung entfernt werden mussten.584 Eine Berechnung fehlender Werte bot sich nicht an, da zu wenige Vergleichsdaten älterer Unternehmen vorlagen. Hier ist gleichzeitig darauf aufmerksam zu machen, dass bei Cohen/Levinthal (1990) und Cassiman/Veugelers (2002) die „absorptive capacity“ ebenfalls über das Forschungsbudget approximiert wird. Die hier verwendete Kontrollvariable erfasst damit nicht nur die zur Verfügung stehenden Ressourcen, sondern darüber hinaus auch das Potential zur „absorptive capacity“ der Unternehmen.

Weil die nicht-amerikanischen Unternehmen ihr Budget teilweise nicht in US-Dollar berichten, war eine Umrechnung der Angaben in den entsprechenden Landeswährungen notwendig. Dies erfolgte über den durchschnittlichen Wechselkurs zum US-Dollar des entsprechenden Jahres oder über den im Geschäftsbericht teilweise angegebenen Wechselkurs für die Verrechnung mit ausländischen Tochtergesellschaften.

Das Forschungsbudget des gesamten Unternehmens in wurde in Millionen US-Dollar erfasst.

4.2.3.4 Grundlagenforschung

Studien zum Innovationsgrad oder zur Komplexität der Aufgabe beruhen in vielen Fällen auf Fragebögen und ermöglichen damit die Abfrage von Konstrukten. Hier kommen hingegen auch wieder Sekundärdaten zur Anwendung, so dass hier die Messung über die Komplexität 583 584

Vgl. Cohen/Levin (1989), S. 1065. Da viele der Biotechnologieunternehmen zum Zeitpunkt der Kooperationsvereinbarung noch nicht an einer Börse gelistet waren, war eine Ermittlung analoger Daten erst recht nicht möglich.

184 der

Grundlagen der empirischen Untersuchung vereinbarten

Aktivitäten

erfolgt.

Pressemitteilungen

zu

den

entsprechenden

Kooperationsvereinbarungen ist in vielen Fällen zu entnehmen, ob der Grundlagenforschung zurechenbare Aktivitäten oder gemeinsame Forschungsaktivitäten vereinbart wurden. In einigen Fällen war aus dem Inhalt der Pressemeldung zu schließen, auf welche Phase des Produktentwicklungsprozesses sich die Kooperation beziehen soll. War lediglich die gemeinsame Durchführung einer klinischen Prüfung angestrebt, so wurde die Eigenschaft der Forschung im Gegensatz zur Entwicklung verneint. Bei Kooperationen, welche sich auf die Identifizierung von Targets, die Erklärung von Krankheitsbildern, der Ableitung von Tiermodellen etc. bezogen, wurde entsprechend der Aufteilung der Aktivitäten im Produktentwicklungsprozess die Zugehörigkeit zur Grundlagenforschung bejaht. Eine solche Aufteilung des Produktentwicklungsprozesses hat auch schon Eingang in die Literatur gefunden.585

Die entsprechende Variable wird daher wie folgt operationalisiert: 1/0-Entscheidung über die Vereinbarung von Forschungs- im Vergleich zu Entwicklungsaktivitäten. Zur Gruppe der Grundlagenforschung zählen alle Aktivitäten aus den ersten beiden Phasen des in Tabelle 1 dargestellten Produktentwicklungsprozesses. Die klinische Prüfung sowie die Produktion großer Mengen eines Wirkstoffs werden den Entwicklungsaktivitäten zugeordnet.586

4.2.3.5 M&A-Aktivitäten

Für den Einfluss von M&A-Aktivitäten auf die Patentvariablen sind mehrere Fälle zu unterscheiden. Zum einen könnte man an einen direkten Einfluss auf Grund einer Fusion von zwei Unternehmen oder eines Kaufs einer Firma durch eine zweite und einem dann umfangreicheren Patentportfolio denken. Solche M&A-Aktivitäten bewirken, dass für das betrachtete Unternehmen im Anschluss nicht nur mehr Patente anmeldet werden als vorher, sondern in einer Analyse ex post mehr Patente einem Unternehmen zugerechnet werden, als damals tatsächlich vorhanden waren. Eine verbesserte Patentposition hinsichtlich der Anzahl sowie der Qualität der vorhandenen Patente des kaufenden Unternehmens wären die Folge, ohne dass dies auf die eigene Leistung oder Lerneffekte zurückzuführen wäre. Aus diesem Grund wurden Kooperationen nur bis einschließlich des ersten Jahres auf die neue

585 586

Vgl. Rothaermel (2001), S. 1238-1241. Rothaermel (2001), S. 1241.

Darstellung der Modellvariablen

185

Muttergesellschaft übertragen,587 wodurch der Einfluss auf das Modell I zur Analyse des Kooperationserfolgs minimiert ist. Bei der Analyse von Lerneffekten hingegen, kann hier ein erheblicher Einfluss bestehen, weshalb zwei „dummy“-Variablen in das Modell II aufgenommen wurden. Hat ein Unternehmen im Zeitfenster nach Beginn der Kooperation ein anderes Unternehmen gekauft oder mit einem großen Pharmaunternehmen fusioniert, weist diese Dummyvariable den Wert eins auf. Ist dies nicht der Fall gewesen, wurde der Wert auf null gesetzt. Zum anderen könnten indirekte Einflüsse bestehen, wenn z.B. Ressourcen aus einer bestehenden Kooperation abgezogen würden. Praxisbeispiele dieser Art sind dem Verfasser nicht bekannt. Darüber hinaus ist das zentrale Problem der etablierten Pharmaunternehmen, dass zu wenig Wirkstoffkandidaten in der eigenen Pipeline vorhanden sind. Ein Motiv zum Abbruch einer Kooperation, welche zu genau diesem Zweck ins Leben gerufen wurde, erscheint daher wenig überzeugend. Weiterhin ist anzumerken, dass beide Kooperationspartner auf bestimmte Zeit vertraglich gebunden sind und eine Kündigung des Kooperationsvertrags an bestimmte Bedingungen geknüpft ist. Schließlich ist der Untersuchungszeitraum für Modell I nicht so lang, dass ein indirekter Einfluss aus M&A-Aktivitäten auf den Kooperationserfolg n.h.A. ersichtlich wäre. Modell II zum Lernerfolg hingegen hat wieder die Problematik des längeren Untersuchungszeitraumes. Durch die Berücksichtigung von „dummy“-Variablen wird auch dieser Effekt mit aufgefangen.

4.2.3.6 Technologischer Wettbewerb

Es wird angenommen, dass dann ein hoher technologischer Wettbewerb zwischen Unternehmen besteht, wenn viele Patente in einem Technologiefeld angemeldet werden. Das Niveau des Wettbewerbs kann dabei unabhängig von der absoluten Anzahl an Patentanmeldern sein, da die Bedeutung eines Technologiefelds für eine Firma sowie die Größe eines Unternehmens eine Rolle für die Wettbewerbsintensität spielen werden. Eine große Anzahl an neuen Patenten deutet auf ein hohes Interesse anmeldender Unternehmen und somit auf ein attraktives Technologiefeld hin.588 Es könnte sich darüber hinaus auch um ein Frühstadium der Technologie in ihrem Lebenszyklus handeln. Eine abnehmende Anzahl an

587 588

Vgl. dazu die Erläuterung zur Bestimmung der jeweiligen Muttergesellschaft in Kap. 1.1. Vgl. Ernst (1996), S. 99, Brockhoff/Ernst/Hundhausen (1999), S. 613.

186

Grundlagen der empirischen Untersuchung

Patentanmeldungen würde analog auf ein verringertes Interesse der in diesem Gebiet tätigen Unternehmen hinweisen. Auch hier wird die absolute Größe des Technologiefeldes eine Rolle spielen, da anzunehmen ist, dass ein zusätzliches Patent eine größere Wirkung auf einem kleinen als auf einem großen Feld entfalten wird. Wichtig ist daher nicht die absolute Anzahl an Patenten, sondern die Wachstumsrate innerhalb des gesamten Feldes.

Es wird die relative Wachstumsrate der Anzahl Patente innerhalb eines 3-Jahres-Fensters im Technologiefeld bestimmt. Zur Patentidentifikation wird das Anmeldedatum verwendet.

4.3 Erläuterungen zu statistischen Methoden Nach der Beschreibung der Datensituation folgt in diesem Abschnitt eine Beschreibung der angewendeten statistischen Methoden. Wie in Kapitel 4.2.1.1 ausgeführt, besteht ein Erfolgsmaß aus einer dichotomen Variablen. Zur Analyse des Erfolgs von Kooperationen (Modell I) kann deshalb keine herkömmliche lineare Regression zur Anwendung kommen, denn sie ist ungeeignet, solch dichotome abhängige Variablen zu analysieren.589 Eine lineare Regression führt bei einer binär abhängigen Variablen zur Verletzung der Prämisse normalverteilter Residuen und macht folglich inferenzstatistische Aussagen unmöglich.590 Das Verfahren der multiplen linearen Regression kommt im Zusammenhang mit der Analyse des Lernerfolgs von Unternehmen zum Einsatz (Modell II). Auf eine detaillierte Darstellung des allseits bekannten Verfahrens wird an dieser Stelle verzichtet und auf die Literatur von Backhaus et al. (2003), Albers/Skiera (1999) und Aiken/West (1991) verwiesen. Der Erfolg von Kooperationen kann auch durch Interaktionseffekte seitens der beiden Partner beeinflusst werden. Zur Analyse von Interaktionseffekten sind generell auch zwei Verfahren denkbar. Diese beiden werden im Anschluss an die Methode der Regression vorgestellt und diskutiert.

589 590

Vgl. Backhaus et al. (2003), S. 422. Vgl. Krafft (1997), S. 626.

Erläuterungen zu statistischen Methoden

187

4.3.1 Logistische Regression

Bei binär abhängigen Variablen ist eine Diskriminanzanalyse wie auch eine logistische Regression angebracht.591 Die Diskriminanzanalyse kann allerdings nicht verwendet werden, wenn nicht-metrische Einflussfaktoren im Modell eingeschlossen sind.592 Ferner setzt die Diskriminanzanalyse multi-normalverteilte unabhängige Variablen sowie gleiche VarianzKovarianzmatrizen voraus.593 Das Verfahren der logistischen Regression stellt keine so hohen Anforderungen an die Daten. Alle drei für die Diskriminanzanalyse genannten Voraussetzungen müssen nicht erfüllt sein. Daher stellt die logistische Regression eine robuste und für diese Analyse sehr gut geeignete Methode dar.

4.3.1.1 Grundlagen der Berechnungsmethode

Im Hinblick auf die lineare Regressionsanalyse besteht Ähnlichkeit zwischen der herkömmlichen und der logistischen Regression darin, dass über einen Regressionsansatz Gewichte der Einflussfaktoren bestimmt werden können. Diese Gewichte repräsentieren dann die Höhe der Wahrscheinlichkeit, dass ein realer Beobachtungsfall zu einer der beiden beobachteten Gruppen gehört. Ein für empirische Analysen besonders wichtiger Vorteil der logistischen Regression im Gegensatz zur Diskriminanzanalyse besteht darin, dass für die mit ihrer Hilfe geschätzten Koeffizienten asymptotisch t-verteilte Statistiken angegeben werden können.594 Wie bei einer linearen Regression auch sind somit Aussagen über die Einflussfaktoren mittels des Signifikanzniveaus möglich. Die logistische Regression erweist sich damit als das für diese Arbeit beste Verfahren zur Erklärung des Kooperationserfolgs. Die Berechnungsmethode wird daher genauer erläutert.

Die Wahrscheinlichkeit, dass die Zugehörigkeit eines Falles zur Gruppe y=1 eintritt, wird mittels der logistischen Regressionsgleichung bestimmt595:

Pi (y 1)

591

1 1  ezi

Vgl. Krafft (1997), S. 639. Vgl. Hosmer/Lemeshow (1989), S. 20; Krafft (1997), S. 626. Vgl. Backhaus et al. (2003), S. 418. 594 Vgl. Krafft (1997), S. 626. 595 Vgl. Backhaus et al. (2003), S. 423. 592 593

188

Grundlagen der empirischen Untersuchung

mit: e = Eulersche Zahl z = logits i = Beobachtung

Um die Wahrscheinlichkeit des Eintretens von P mit y=1 bestimmen zu können, wird unterstellt, dass eine nicht empirisch beobachtete latente Variable z existiert, die die binäre Ausprägung der abhängigen Variablen y in Abhängigkeit der Ausprägungen der unabhängigen Variablen xi anzeigen kann. Durch die latente Variable z wird somit die Verbindung zwischen der abhängigen Variable und den beobachteten Variablen hergestellt. Diese Variable z bezeichnet man auch als sog. „logits“. Diese „logits“ werden mit folgender Gleichung berechnet596:

J

zi

E 0  ¦ E j * x ji  ui j 1

mit: ß0= Konstante ßj= Regressionskoeffizienten x = Erklärungsgrößen u = Störgröße i, j = Beobachtung

Es ist ersichtlich, dass für die Bestimmung der „logits“ eine Linearkombination der Einflussfaktoren unterstellt wird.597 Unter Berücksichtigung der ersten Gleichung entspricht der logistische Funktionsverlauf dann einem nicht-linearen, S-förmigen Verlauf der abhängigen Variablen.598 Dies bedeutet, dass ein nicht-linearer Zusammenhang zwischen der Eintrittswahrscheinlichkeit der binären, abhängigen Variablen und den unabhängigen Variablen als Modellprämisse unterstellt wird (vgl. Abbildung 10).

596

Vgl. Backhaus et al. (2003), S. 423. Vgl. Backhaus et al. (2003), S. 424. 598 Vgl. Krafft (1997), S. 628. 597

Erläuterungen zu statistischen Methoden

189

Abbildung 10: Funktionsverlauf der logistischen Regression599

Auf der vertikalen Achse ist die Wahrscheinlichkeit der Zugehörigkeit zur Gruppe y=1 (meistens des Erfolgs) aufgetragen. Ein Wert von 0,5 dient i.d.R. als Grenze zwischen den beiden Gruppen (hier erfolgreiche vs. abgebrochene Kooperation). Auf der horizontalen Achse ist der Wert für die Wahrscheinlichkeit des Einflussfaktors z angegeben. Abbildung 10 enthält ferner zwei Kurvenverläufe: Die ansteigende Linie stellt den Kurvenverlauf für die Wahrscheinlichkeit eines positiven Einflussfaktors dar, die gestrichelte Linie entsprechend den für negative Einflüsse. Die Parameter des logistischen Regressionsmodells sind so zu schätzen, dass die Wahrscheinlichkeit maximiert wird, die empirischen Beobachtungswerte für möglichst alle erhobenen Fälle zu erhalten.600 Mittels des „maximum-likelihood“-Schätzverfahrens wird folgende Funktion maximiert601:

Likelihood

 P *  (1  P ) i

yi 1

i

yi 0

mit: P = Logistische Regressionsgleichung y = Ausprägung der Erfolgsvariablen

599

Vgl. Krafft (1999), S. 244. Vgl. Krafft (1999), S. 242. 601 Vgl. Backhaus et al. (2003), S. 429. 600

190

Grundlagen der empirischen Untersuchung

i = Beobachtung

Für die Interpretation der Ergebnisse ist zu berücksichtigen, dass außer der Signifikanz und der Richtung des Einflusses einzelner Variablen keine direkte Interpretation der Regressionskoeffizienten ß aus logistischen Regressionsmodellen möglich ist.602 Eine indirekte Interpretation ist i.d.R. jedoch über die sog. „odds“ möglich. Als „odds“ wird der folgende Term bezeichnet:

Odds(y 1)

P(y 1) 1 - P(y 1)

Somit wird das Verhältnis von Eintrittswahrscheinlichkeit zur Gegenwahrscheinlichkeit gebildet.603 Diese „odds“ spiegeln dann den Faktor wider, mit dem sich die Chance P/(1-P) ändert, wenn sich der Wert der Variablen xi um eine Einheit erhöht.604 Als „logits“ werden die logarithmierten „odds“ bezeichnet und entsprechen gleichzeitig der aggregierten Einflussstärke. Sie stellen eine Linearkombination der unabhängigen Variablen dar und erlauben so eine Interpretation analog zur linearen Regressionsanalyse. Diese Darstellung macht deutlich, dass die „odds“ wie auch die „logits“ exakt den gleichen Sachverhalt beschreiben und nur verschiedene Möglichkeiten der Ergebnisinterpretation darstellen.605

Im Rahmen einer Interpretation logistischer Regressionsmodelle mittels einer solchen Sensitivitätsanalyse wird somit die Reaktion der Wahrscheinlichkeit auf unterschiedliche Ausprägungen der unabhängigen Variablen betrachtet. Der Vorteil dieser Sensitivitätsanalyse gegenüber der Elastizität liegt in der Veranschaulichung des absoluten Effekts von unterschiedlichen Ausprägungen der unabhängigen Variablen auf die Wahrscheinlichkeit.606 Dies macht jedoch nur dann Sinn, wenn mit den ursprünglichen Daten gearbeitet werden kann, denn eine Erhöhung um eine Einheit der Variablen bei zentralisierten Werten lässt keine sinnvolle Interpretation zu, da die Maßeinheit nicht mehr einer einzelnen Einheit entspricht. 602

Vgl. Krafft (1997), S. 633. Vgl. Backhaus et al. (2003), S. 434. Vgl. Aldrich/Nelson (1984), S, Krafft (1997), S. 633. 605 Vgl. Backhaus et al. (2003), S. 435. 606 Vgl. Krafft (1997), S. 637. 603 604

Erläuterungen zu statistischen Methoden

191

Dass die logistische Regression generell zu sinnvollen Ergebnissen führen kann und zu ähnlichen Resultaten wie eine lineare Regression gelangt, wurde oben dargelegt. Es sind daher die Modellannahmen sowie die Kriterien zur Gütebeurteilung aufzuzeigen, da hier größere Unterschiede zu anderen Regressionsmodellen bestehen.

4.3.1.2 Beschreibung der Annahmen

Die Voraussetzungen für den Einsatz der logistischen Regression lauten, dass die Regressoren voneinander unabhängig sein müssen und somit keine Autokorrelation und keine Multikollinearität vorhanden sein dürfen. Weiterhin muss eine entsprechend große Stichprobe vorliegen.607 Bei Existenz einer Autokorrelation wird der Standardfehler einer Schätzung der Koeffizienten unterschätzt. Autokorrelation kann durch den Test von Durbin/Watson festgestellt werden. Der Durbin/Watson-Test prüft auf Autokorrelation 1. Ordnung. Liegt eine solche Autokorrelation vor, kann diese ähnlich dem Vorgehen bei der Heteroskedastie durch Transformation beseitigt werden. Da es sich bei den hier vorliegenden Beobachtungen aber nicht um Zeitreihendaten handelt, sondern um Querschnittsdaten, deren Reihenfolge sich beliebig ändern lässt, erübrigt sich eine Prüfung auf Vorliegen von Autokorrelation.608 Von

Multikollinearität

spricht

man,

wenn

zwischen

den

einzelnen

Regressoren

Abhängigkeiten bestehen. Man unterscheidet zwischen linearer und nicht-linearer Abhängigkeit. Multikollinearität lässt sich aber nicht durch einen einzelnen Test im Rahmen einer logistischen Regression feststellen; man muss nach separaten Anzeichen suchen. Um dem Problem der potenziellen Multikollinearität zu begegnen, können die Daten standardisiert werden, d.h. vom ursprünglichen X-Wert wird der Mittelwert der Variablenwerte abgezogen und anschließend die verbleibende Differenz durch die Standardabweichung geteilt.609 Eine Überprüfung auf Multikollinearität kann damit aber nicht unterbleiben, allerdings sind nur noch niedrige Werte zu erwarten.610 Zunächst kann man die Interkorrelationen der einzelnen Regressoren untersuchen. Sind diese hoch korreliert, dann liegt wahrscheinlich Multikollinearität vor.611 Zur praktischen

607

Vgl. Krafft (1997), S. 626. Vgl. Backhaus et al. (2003), S. 101. Cohen/Cohen (1983), S. 238. 610 Cohen/Cohen (1983), S. 238f. 611 Vgl. Cohen/Cohen (1983), S. 115. 608 609

192 Aufdeckung

Grundlagen der empirischen Untersuchung von

Interkorrelation

besteht

die

xj

f ( xi )

Möglichkeit

der

Berechnung

einer

Hilfsregression der folgenden Form:

Ist der zugehörige Determinationskoeffizient R2 sehr hoch, dann kann Multikollinearität angenommen werden. Hohe sog. „variance inflation factor“-Werte (VIF) zeigen innerhalb dieser Hilfsregression ebenfalls Multikollinearität an.612 Der VIF-Wert wird dabei über den Kehrwert der Toleranz einer Variablen bestimmt. Die Toleranz berechnet sich aus der Differenz zwischen eins und dem entsprechenden Bestimmtheitsmaß.613 Albers/Skiera (1999) legen VIF-Werte nahe 1 als Ziel an.614 Allerdings ist bei Hair et al. (1998) auch der Hinweis zu finden, dass ein Wert von unter 10 akzeptabel wäre.615

Eine weitere Voraussetzung zur Anwendbarkeit des „maximum likelihood“-Prinzips und damit der logistischen Regression lautet, dass aufgrund der asymptotischen Eigenschaften eine möglichst große Stichprobe vorhanden sein muss. Als Faustregel wird bei Urban (1993) eine Beobachtungszahl von mindestens 50 genannt.616 Ein strengerer Maßstab nach Aldrich/Nelson (1984) setzt 100 Freiheitsgrade als Minimum voraus. Die Interpretation von Krafft (2000) legt ähnlich hohe Maßstäbe nahe, nämlich Freiheitsgrade n >> 50.617

4.3.1.3 Darstellung der Gütekriterien

Zur Beurteilung der Modellgüte eines logistischen Regressionsansatzes steht die Frage im Vordergrund, wie gut die unabhängigen Variablen in ihrer Gesamtheit zur Trennung der Ausprägungskategorien von der abhängigen Variablen beitragen. Als Basis dient ein NullModell, welches lediglich aus einem Schätzwert für die Konstante besteht.618 Zur Beurteilung der Güte kann auf verschiedene Gütekriterien zurückgegriffen werden. Diese lassen sich wie folgt strukturieren619: 1. Gütekriterien auf Basis der „log-likelihood“-Funktion

612

Vgl. Green (2000), S. 258. Vgl. Albers/Skiera (1999), S. 222. Vgl. Albers/Skiera (1999), S. 222. 615 Vgl. Hair et al. (1998), S. 193. 616 Vgl. Urban (1993), S. 13 617 Vgl. Krafft (2000), S. 253. 618 Vgl. Krafft (1997), S. 630. 619 Vgl. Backhaus et al. (2003), S. 437; Krafft (1997), S. 630. 613 614

Erläuterungen zu statistischen Methoden

193

2. Pseudo-R2-Statistiken 3. Beurteilung der Klassifikationsergebnisse 4. Zuordnung der Einzelfälle

Es ist üblich, als Gütemaß der Anpassung des geschätzten Modells mit der -2Log-Likelihood zu rechnen. Dieses Maß wird auch als Devianz bezeichnet. Die -2Log-Likelihood ist inhaltlich mit der Fehlerquadratsumme herkömmlicher Regressionsanalysen zu vergleichen. Der ebenfalls auf Basis der Likelihood zu bestimmende „likelihood-ratio“-Test eignet sich darüber hinaus auch zur Beurteilung der Modellgüte. Der „likelihood-ratio“-Test (auch als Omnibus-Test bezeichnet) kann mit einem F-Test einer multiplen Regression verglichen werden.620 Hohe Chi-Quadrat-Werte und ein niedriges Signifikanzniveau deuten darauf hin, dass die Koeffizienten des Modells signifikant von null verschieden sind. Gute Modelle weisen eine hohe Likelihood nahe eins auf und resultieren in einer Devianz nahe null.621 In der Studie von Krafft (1997) wird auf die Devianz und den Omnibus-Test zur Bestimmung der Güte der Modellanpassung abgestellt. Für N=149 mit 23 Variablen wird 61,9 als niedriger Wert für die Devianz angegeben und bei einem Signifikanzniveau der Devianz von 0,001 auf eine sehr gute Modellanpassung geschlossen.622 Zur Beurteilung der Modellgüte können auch die drei Pseudo-R2-Statistiken berechnet werden623: 1.) McFaddens-R2 Maß zur Quantifizierung der Trennkraft der unabhängigen Variablen (es erreicht nicht den Wert eins). Aufgrund der Eigenschaften der logistischen Regression fällt McFaddens-R2 generell niedriger aus als das R2 in linearen Regressionsmodellen, da die beobachteten Werte nur den Wert null oder eins annehmen können. Modelle werden daher bereits als gut eingestuft, wenn McFaddens-R2 im Intervall von 0,2 bis 0,4 liegt.624 2.) Cox&Snell-R2 Gegenüberstellung der „likelihood“-Werte mit einer Gewichtung des Stichprobenumfangs (kann nur Werte kleiner als eins erreichen).

620

Vgl. Krafft (1999), S. 246. Vgl. Krafft (1997), S. 639. Vgl. Krafft (1997), S. 630. 623 Vgl. Backhaus et al. (2003), S. 447. 624 Vgl. Urban (1993), S. 62f., Krafft (1997), S. 631. 621 622

194

Grundlagen der empirischen Untersuchung

3.) Nagelkerke-R2 Anteil der Varianzerklärung der abhängigen Variablen durch die unabhängigen Variablen (kann den Maximalwert von eins erreichen).

Darüber hinaus lassen auch die Klassifikationsergebnisse Rückschlüsse auf die Qualität der Untersuchung zu. Einschränkend ist hier anzumerken, dass die Trefferquote des Modells I überhöht ist, wenn die Parameterschätzung der logistischen Regression und die Berechnung der Trefferquote im angeführten Beispiel auf Basis derselben Stichprobe erfolgen.625 Bei Anwendung der geschätzten Koeffizienten auf andere Stichproben ist mit geringeren Trefferquoten zu rechnen. Bei relativ großen Stichproben ist dieser Stichprobeneffekt allerdings als gering einzustufen.626 Eine ungefähre Gleichverteilung der richtig geschätzten Werte deutet ebenfalls auf eine gute Anpassung des Modells hin. Eine Bewertung der Zuteilung nach dem „maximum change criterium“ (MCC) erweist sich als kaum geeignet, da eine richtige Klassifizierung beider Gruppen angestrebt wird. Nach diesem Kriterium wird nämlich eine Lösung schon dann als gut eingestuft, wenn bei einer Gruppe eine hohe Zuteilungsgenauigkeit vorliegt.627 Das „propotional change criterion“ kann für den Fall der Klassifikation beider Gruppen angewendet werden. Es entspricht einer zufälligen Trefferquote von Į2+(1-Į)2, wobei Į der Anteil einer Gruppe bezogen auf die Gesamtzahl der Beobachtungen ist.628

Darüber hinaus eignet sich die Kontingenztabelle zur Beurteilung der Güte des Modells. Hierbei ist darauf zu achten, dass die Anzahl der Beobachtungen pro Gruppe gleiche Werte liefert und die erwarteten von den beobachteten Werten nicht zu sehr abweichen.

Ein weiteres Maß für die Beurteilung der Güte ist der Hosmer-Lemeshow-Test, auch als „goodness-of-fit“-Statistik C bezeichnet. Dieser Test prüft die Differenz zwischen den vorhergesagten und den beobachteten Werten. Ein niedriger Chi-Quadrat-Wert und ein schlechtes Signifikanzniveau implizieren hierbei eine gute Anpassung des Modells.629 Bei

625

Vgl. Backhaus et al. (1994), S, Backhaus et al. (2003), S. 438f. Vgl. Krafft (1997), S. 631. Vgl. Krafft (1999), S. 247. 628 Vgl. Krafft (1999), S. 247. 629 Vgl. Krafft (1997), S. 630, Backhaus et al. (2003), S. 446-448, Hair et al. (1998), S. 280f. 626 627

Erläuterungen zu statistischen Methoden

195

Krafft (1997) ergibt sich ein Wert von 115,9 bei einem Signifikanzniveau von 0,73.630 Auch hieraus wird auf eine gute Anpassung des Modells geschlossen.

Für die Beurteilung der Güte der einzelnen Variablen ist schließlich noch ein Wald-Test durchzuführen. Er überprüft die Signifikanz der einzelnen Regressionskoeffizienten hinsichtlich deren Einflusses auf die abhängige Variable und entspricht damit einem t-Test bei den linearen Regressionsanalysen. Die entsprechenden Werte sollten das minimale Anspruchsniveau mit einer Irrtumswahrscheinlichkeit i.H.v. 0,1 unter Verwendung von gerichteten Hypothesen nicht unterschreiten. Tabelle 12 fasst die Gütekriterien zusammen.

Gütekriterien zur Beurteilung des Gesamtmodells Devianz („-2log-likelihood“-Wert) Die Devianz ist ein Maß für die Anpassungsgüte des Modells. Anzustreben sind Werte einer Devianz nahe 0 bei gleichzeitig hoher Wahrscheinlichkeit. Die Devianz ist inhaltlich mit der Fehlerquadratsumme herkömmlicher Regressionsanalysen zu vergleichen und kann deshalb nur minimiert werden. Likelihood Ratio Test (Omnibus-Test) Hohe Ȥ²-Werte und ein niedriges Signifikanzniveau deuten darauf hin, dass die Koeffizienten des Modells signifikant von 0 sind verschieden und somit einen signifikanten Einfluss ausüben. Der Omnibus-Test ist vergleichbar mit dem F-Test einer multiplen Regressionsanalyse. Pseudo-R²-Statistiken (Nagelkerke-R², Cox&Snell-R², McFadden’s-R²) Die Pseudo-R²-Statistiken dienen der Beurteilung der Güte des Gesamtmodells und sind vergleichbar mit dem Bestimmtheitsmaß R² der Regressionsanalyse. Hosmer-Lemeshow-Test (“goodness-of-fit”-Statistik C) Der Hosmer-Lemeshow-Test prüft die Differenz der vorhergesagten und der beobachteten Modellwerte. Niedrige Ȥ²-Werte und ein hohes Signifikanzniveau (nahe 100%) implizieren eine gute Anpassung des Modells. Klassifikationsmatrix Die Klassifikationsmatrix gibt den Anteil der mit Hilfe der logistischen Regression korrekt klassifizierten Elemente wieder. Diese Trefferquote sollte das „proportional change criterion (PCC)“ erfüllen. Dieses wird durch die Formel Į²+(1-Į)² errechnet wobei Į der Anteil einer Gruppe an der Gesamtzahl der Beobachtungen ist. zur Beurteilung der Regressionskoeffizienten Wald-Test Überprüft die Signifikanz der einzelnen Regressionskoeffizienten, deren Einflüsse auf die abhängige Variable als ȕ-Werte dargestellt werden. Tabelle 12: Übersicht der Gütekriterien der logistischen Regression

Anspruchsniveau Devianz = 61,9 mit 143 Beobachtungen 23 Variablen und p = 0,001

p ” 0,05

t 0,2

C = 115,9 mit p = 0,73

-

p ” 0,1

4.3.2 Lineare Regression

Die lineare Regressionsanalyse ist an einige Prämissen bzgl. der verwendeten Daten geknüpft. Wichtig im Rahmen der Regressionsanalyse ist, dass keine starke lineare Abhängigkeit der unabhängigen Variablen vorliegt, denn mit zunehmender Multikollinearität werden die 630

Vgl. Krafft (1997), S. 630.

196 Standardfehler

Grundlagen der empirischen Untersuchung der

Regressionskoeffizienten

größer

und

damit

deren

Schätzung

unzuverlässiger. Die bereits erwähnten VIF-Werte können hier Multikollinearität aufzeigen. Die zweite Prämisse beinhaltet den Aspekt der Autokorrelation. Dieses aus Studien mit Längsschnittcharakter bekannte Problem könnte hier deshalb auftreten, da im Rahmen des Querschnittsansatzes Unternehmen mehrfach zu unterschiedlichen Zeitpunkten berücksichtigt werden. Liegt eine Form der Autokorrelation vor, wird gegen die geforderte Unabhängigkeit der Störgrößen der Regression verstoßen. Eine Überprüfung erfolgt mit dem Test nach Durbin/Watson; niedrige Werte sprechen für eine positive, große Werte für eine negative Autokorrelation, wobei der Wert abhängig von der Stichprobengröße ist und um zwei liegen sollte.631 Eine Verletzung der gemeinhin geforderten Prämissen führt dann zu einer Verzerrung der Schätzwerte und einer Ineffizienz der Schätzung.

Eine weitere Voraussetzung der linearen Regression ist, dass die Residuen – auch als Fehlerterme bezeichnet – normalverteilt sind.632 Liegt keine Normalverteilung ist von einer Schiefe der Verteilung der Variablen auszugehen.633 Überprüft werden kann dies mit dem Test nach Kolmogorov-Smirnov. Im Falle eines signifikanten Ergebnisses kann evtl. eine Transformation der Variablen kann Abhilfe schaffen.634

Gütekriterien zur Beurteilung des Gesamtmodells Bestimmtheitsmaß R² Die R²-Statistiken dienen der Beurteilung der Güte des Gesamtmodells F-Statistik Überprüft, ob der Einfluss der unabhängigen Variablen auf die abhängige Variable und somit ob das Gesamtmodell signifikant ist. zur Beurteilung der Regressionskoeffizienten t-Statistik Überprüft die Signifikanz der einzelnen Regressionskoeffizienten, deren Einflüsse auf die abhängige Variable als ȕ-Werte dargestellt werden. Tabelle 13: Übersicht der Gütekriterien der linearen Regression

Anspruchsniveau t 0,2 p ” 0,01

p ” 0,1

Überprüft wird die Güte des Modells schließlich mit den in Tabelle 13 enthaltenen Kriterien. Mit einem Gedankenstrich gekennzeichnet sind Anspruchsniveaus, die keine festen Schwellenwerte besitzen und somit vor dem Hintergrund der jeweiligen Untersuchung gesondert interpretiert werden sollten. 631

Vgl. Bühl/Zöfel (2002), S. 345. Vgl. Albers/Skiera (1999), S. 208. Vgl. Hair et al. (1998), S. 173-176. 634 Vgl. Hair et al. (1998), S. 173-176. 632 633

Erläuterungen zu statistischen Methoden

197

4.3.3 Bestimmung von Interaktionseffekten

Bei Aiken/West (1991) wird ein Verfahren zur Berechnung der Interaktionseffekte vorgestellt.635 Es beruht auf der Annahme, dass keine Multikollinearität vorliegt. Nach ihrem Modell werden zum Nachweis der Interaktionseffekte zuerst die beiden moderierenden Variablen zusätzlich zu den unabhängigen Variablen in das Modell aufgenommen. Ein direkter Effekt der moderierenden Variablen sollte nicht auftreten.

Y

f(X 1  X 2 )

Im zweiten Schritt wird das das Produkt aus moderierender Variable und unabhängiger Variable gebildet und zum Gesamtmodell hinzugefügt636:

Y

f(X 1  X 2  X1 * X 2 )

Dieses Produkt stellt dann den Interaktionsterm dar. Das Vorzeichen dieses Terms wird anschließend über die Steigung einer Geraden zwischen den beiden Randpunkten abgeleitet werden. Sollte sich aber der Fall von Multikollinearität innerhalb der moderierenden Variablen ergeben, d.h. größere VIF-Werte auftreten, dürfte das Verfahren nach Aiken/West (1991) nicht angewendet werden. Höhere VIF-Werte werden sich aber zwangsläufig einstellen, da ein Term hinzugefügt wird, der aus bereits im Modell integrierten Werten besteht.

Sollte sich eine Multikollinearität einstellen, bestünde die zu diskutierende Möglichkeit, diese Interaktionseffekte über die Methode der sog. „residualization“ von Cohen/Cohen (1983) aufzuzeigen.637 Sie kann u.a. für die zur Bestimmung von unternehmensspezifischen Effekten wie bei Hoegl/Wagner (2005) und als Kontrollmöglichkeit für den sog. „halo“-Effekt wie bei Brown/Perry (1994) eingesetzt werden. Diese Methode hat die Eliminierung des unerwünschten Einflusses als Ziel. Mittels des Produkts (Interaktionsterm) der zu untersuchenden Einflüsse Xi werden in diesem Verfahren die Residuen der Regression bestimmt. Dazu wird zuerst eine Regression der folgenden Funktion durchgeführt:

635

Vgl. vor allem Kapitel 2 ab S. 9. Vgl. Aiken/West (1991), S. 11. 637 Vgl. Cohen/Cohen (1983), S. 402-427 und S. 487-518. 636

198 X2

Grundlagen der empirischen Untersuchung f ( X1)

Es sind die sich aus der Regression ergebenden Residuen zu speichern. Diese dienen in der anschließenden Regression als Variable des moderierenden Terms.

Y

f(X 2 )  Residuen

Es ist dann im Rahmen der Untersuchung der Interaktionseffekte nicht mehr notwendig, die beiden zu untersuchenden Einflüssen ebenfalls in das ursprüngliche Regressionsmodell mit aufzunehmen. Im Rahmen einer solchen Regression stellt sich allerdings das Problem, dass bestimmt werden muss, ob X2 auf X1 oder X1 auf X2 regressiert werden soll. Dies hat nicht nur Einfluss auf das sich ergebende Vorzeichen im Rahmen der folgenden Regression, sondern auch auf das Signifikanzniveau der ursprünglichen Variablen. Abbildung 11 soll helfen, diesen Sachverhalt näher zu erläutern: Der Kreis für Y repräsentiert die Varianz der abhängigen Variablen, die Kreise für X1 und X2 stehend stellvertretend für die Varianz der beiden unabhängigen Variablen. Daraus können sich entsprechende Schnittflächen ergeben. Wesentlich für die Existenz von Interaktionseffekten ist die Fläche c1. Sie ist aber Teil der Fläche von C, welche in dem Verfahren wiederum entweder aus X1 oder X2 eliminiert werden soll. Unter der Annahme gleichwertiger Variablen X1 und X2 erscheint es aber nicht möglich, eine Entscheidung über die Zuordnung der Fläche C zu treffen, ohne massiv in die ursprünglich beobachteten Daten einzugreifen. Die Zuordnung von C zur Variable X1 oder X2 ist dann nicht von großer Bedeutung, wenn c1 kleiner als x1 oder x2 ist. Sollte allerdings gelten, dass x1>c1>x2 bei unterschiedlichen Vorzeichen in Bezug auf die Wirkung auf Y von X1 und X2, dann kann über einen solchen Eingriff selbst ein Vorzeichenwechsel für X2 bewirkt werden. Aus diesem Grund ist eine Entscheidung über die Zuordnung von C nur bei nicht gleichwertigen Variablen möglich.

Erläuterungen zu statistischen Methoden

199

Abbildung 11: Venn-Diagramm638

Die entsprechenden Ergebnisse zu moderierenden Effekten sind daher nicht nur hier, sondern grundsätzlich mit Vorsicht zu betrachten, da beide Verfahren hohen Ansprüchen an die statistischen Methoden nur selten genügen werden. Es bleibt aber festzuhalten, dass die Methode nach Aiken/West (1991) auch bei höheren VIF-Werten zur Anwendung kommen sollte, wenn es sich um gleichrangige und voneinander unabhängige Variablen handelt. Lediglich bei der Eliminierung von firmenspezifischen Effekten erscheint das Verfahren nach Cohen/Cohen (1983) überlegen, wobei hier besonders auf mögliche Vorzeichenwechsel zu achten ist.

638

Vgl. Cohen/Cohen (1983), S. 140.

Model I: Erfolg einer Kooperation

201

5 Ergebnisse der empirischen Untersuchung Nach den umfangreichen Vorarbeiten werden nun die Ergebnisse der eigenen empirischen Untersuchung dargestellt und erläutert. Der vorliegende Abschnitt gliedert sich in drei Bereiche. Im ersten soll der Erfolg einer Kooperation (Modell I) erklärt werden und im zweiten die Wirkung von Lerneffekten auf den Erfolg von Unternehmen (Modell II), wobei erstgenanntem eine wesentlich höhere Bedeutung zukommt. Im dritten Abschnitt werden weitergehende, separate Ergebnisse dargestellt.

5.1 Modell I: Erfolg einer Kooperation Die Auswertungen sind wie folgt strukturiert. Zuerst wird das Modell hinsichtlich der Anwendbarkeit und der statistischen Gütekriterien untersucht. Anschließend werden die Ausprägungen der einzelnen Variablen beschrieben. Es folgen Ausführungen zu Korrelationen zwischen den Schätzern sowie zu den bivariaten Korrelationen zwischen den Variablen. Im Anschluss daran werden die Ergebnisse der einzelnen Modelle dargestellt und diskutiert.

5.1.1 Deskriptive Auswertungen

Die in diesem Abschnitt dargestellten Zahlen entsprechen den real beobachteten Werten der einzelnen Variablen. Da im weiteren Verlauf zur Verringerung von Multikollinearität mit standardisierten Werten gerechnet wurde, stellt Tabelle 14 lediglich eine Beschreibung des ursprünglichen und nicht des analysierten Datensatzes dar. Die jeweiligen Kennzahlen werden entsprechend der beiden Firmentypen getrennt betrachtet, da in dieser Arbeit die Charakteristika der beteiligten Unternehmen im Vordergrund stehen.

Auf den ersten Blick erscheint die Anzahl an Patenten der Biotechnologieunternehmen im Vergleich zu den Pharmaunternehmen recht niedrig. Niosi (2003) berichtet in seiner Studie, dass 21 von 60 kanadischen Biotechnologieunternehmen keine Patente angemeldet hatten und dass der Median in seiner Untersuchung bei zwei Patenten gelegen hat.639 Die hier analysierten Biotechnologieunternehmen weisen somit mehr Patente im Vergleich auf. Bei 639

Vgl. Niosi (2003), S. 742.

202

Ergebnisse der empirischen Untersuchung

der absolut gesehen niedrigen Anzahl muss hier die entsprechende Größe der Biotechnologieunternehmen zu Beginn der 90er Jahre berücksichtigt werden. Viele der im Datensatz enthaltenen (heute teilweise bereits börsennotierten) Biotechnologieunternehmen hatten Mitte der 90er Jahre ca. 50 Mitarbeiter oder weniger, während die durchschnittliche Mitarbeiterzahl der Pharmaunternehmen zum gleichen Zeitraum weit über dem 6-fachen lag. Hier wird ferner deutlich, dass selbst zwischen den Pharmaunternehmen erhebliche Größenunterschiede bestehen. Da bzgl. der Größe mit einem abnehmenden Grenznutzen zu rechnen ist, wird hier im weiteren Verlauf der Arbeit wie in der Literatur üblich mit dem Logarithmus der Mitarbeiterzahl gerechnet.640

Tabelle 14 ist hinsichtlich weiterer Kontrollvariablen zu entnehmen, dass ein sehr großer Teil des Datensatzes aus US-Biotechnologieunternehmen besteht. Für die Pharmaunternehmen ergibt sich demgegenüber quasi eine Gleichverteilung hinsichtlich des Herkunftslandes; kulturelle Einflüsse könnten daher eine Rolle spielen. Für diese kann an dieser Stelle nur grob über das Herkunftsland kontrolliert werden. Auch das Niveau der Forschungsausgaben der Pharmaunternehmen variiert erheblich. Diese Varianz ist durch die in den letzten Jahren durch Unternehmenskäufe und Fusionen entstandenen und wesentlich im Umsatz gewachsenen Pharmaunternehmen zu erklären. Der Mittelwert der Variable „Grundlagenforschung“ zeigt, dass fast die Hälfte der betrachteten Kooperationen in der Phase der Grundlagenforschung oder der Phase der Prä-Klinik vereinbart wurden. Die zweite Hälfte besteht aus Allianzen, welche zu Beginn oder während der mehrstufigen klinischen Prüfung eingegangen wurden.641

640 641

Vgl. Kap. 3.2.3.2. Vgl. Kap. 1.1.

Model I: Erfolg einer Kooperation

Variable N Minimum Jahr 193 1978 Anzahl Patente Pharma 193 0 Anzahl Patente Biotech 193 0 Kontrollvariablen US Biotech 193 0 US Pharma 193 0 Größe Pharma 193 1600 Forschungsbudget_Pharma 193 68 Grundlagenforschung 193 0 Technologische Qualität Pharma Technologische Kompetenz 193 0 Technologische Breite 193 0 Internationale Breite 193 0 Wissenschaftsbindung 193 0 Pharma Zusatz Forschungserfahrung 193 -10 „Realized Absorptive Capacity” 193 0 Technologische Diversifizierung 193 0,64 Kernfeld 193 0 Technologische Qualität Biotech Technologische Kompetenz 193 0 Technologische Breite 193 0 Internationale Breite 193 0 Wissenschaftsbindung 193 0 Biotech Zusatz Technologieposition 193 0 Beziehungsspezifische Variablen Ähnlichkeit in Biotech 193 0 Wissen des Partners Pharma 193 0 Wissen des Partners Biotech 193 0 Tabelle 14: Deskriptive Statistik für Kooperationserfolg

203

Maximum 1999 674 154

Mittelwert 1994 54,62 9,77

Standardabweichung 3,40 84,70 20,51

1 1 180000 6378 1

0,95 0,49 50567 1275 0,48

0,22 0,50 35036 1077 0,50

31 7 27 68

5,90 2,61 10,97 15,92

4,56 0,76 5,08 12,32

34 4676 0,88 1

19,25 2332 0,84 0,28

8,94 727 0,04 0,45

106 5 38 155

9,94 2,18 7,37 22,10

17,10 1,18 6,13 25,71

0,48

0,03

0,06

47 4 11

1,58 0,16 0,46

4,52 0,56 1,41

Der direkte Vergleich der technologischen Qualität der bisherigen Forschungsleistungen zwischen den Pharma- und den Biotechnologieunternehmen ergibt, dass letztere im Durchschnitt mehr Zitate pro Patent erhalten haben, gleichzeitig eine höhere Bindung zur wissenschaftlichen Forschung aufweisen und die Erfindung in mehreren Ländern angemeldet wurden. Allerdings ist die technologische Breite im Durchschnitt kleiner und somit die Anwendbarkeit über mehrere Technologiefelder geringer. Dies könnte durch die zu erwartende höhere Spezialisierung der Start-ups in der Anwendbarkeit zu erklären sein.

Hinsichtlich der weiteren Variablen zu den Pharmaunternehmen fällt auf, dass es viele Firmen gegeben hat, die entweder durch Zukauf oder eigene Aktivitäten bereits recht lange in dem entsprechenden Technologiefeld aktiv waren und dementsprechend auf eine große Erfahrung

204

Ergebnisse der empirischen Untersuchung

zurückgreifen können. In dem Datensatz sind aber auch Unternehmen vorhanden, die einen negativen Wert für die Erfahrung aufweisen. Auf den ersten Blick erscheint dies widersprüchlich, da eine negative Erfahrung nicht vorstellbar ist. Hier ist es aber so, dass durchschnittlich 6-7 Jahre vergehen, bevor eine Verbesserung bestehender Erfindungen möglich ist. Ein Pharmaunternehmen, welches heute in ein neues Technologiefeld einsteigen würde, müsste demnach mit ca. 7 Jahren bei durchschnittlicher Entwicklungszeit rechnen. Bei einem Wert von größer minus sieben für diese Variable ist daher eine Erfahrung von null zu erwarten, da i.d.R. nicht davon auszugehen ist, dass ein mit der Technologie bislang nicht vertrautes Unternehmen schneller im Vergleich zu den bereits mit der Technologie vertrauten Unternehmen in der Forschung ist. Es drängt sich der Gedanke auf, dass Pharmaunternehmen für ihre erste Erfindung mehr als die durchschnittlichen 7 Jahre benötigt haben, so dass das absolute Nullniveau bei einem Wert von -10 liegt. Die Zahlen für die Berechnung der „absorptive capacity“ erscheinen im ersten Anblick sehr hoch. Dies ist der Tatsache geschuldet, dass hier die zeitliche Differenz in Tagen berechnet wurde. Das durchschnittliche Alter des zitierten Stands der Technik beläuft sich auf ca. 6,3 Jahre und liegt damit im Bereich des seitens eines langjährigen Mitarbeiters aus der Forschung eines deutschen Pharmaunternehmen prognostizierten 7-Jahres-Zyklus’ für aufeinander aufbauende Erfindungen. Außerdem war der Fall zu beobachten, dass ein Unternehmen einen negativen Wert erzielt hatte. Dies ist dann möglich, wenn ein Patentprüfer diesem Patent später folgende Patente zur Beschreibung des Stands der Technik verwendet hat. In einem solchen Fall wurde eine minimale Dauer von null Tagen angenommen, da zum Zeitpunkt der Anmeldung keine anderen Patente als Stand der Technik zu zitieren waren.

Die Daten zur Diversifizierung weisen auf eine geringe Varianz hin, was darauf schließen lässt, dass die Unternehmen sich relativ ähnlich entwickelt haben. Hinsichtlich der Kernfeldeigenschaft wird die recht enge Definition dieses Feldes deutlich, da weniger als 1/3 der Kooperationen auf einem Kernfeld der Pharmaunternehmen geschlossen wurden. Entsprechende Vergleichsdaten liegen hier leider nicht vor. Tabelle 14 ist weiter zu entnehmen, dass die Biotechnologieunternehmen im Verhältnis zum besten Wettbewerber durchschnittlich ziemlich klein waren. Die Standardabweichung ist allerdings recht hoch. Diese Verteilung dürfte auf Grund der geringen Firmengröße der Realität entsprechen.

Model I: Erfolg einer Kooperation

205

Bei den beziehungsspezifischen Variablen zeigen sich über alle drei Kennzahlen hinweg sehr niedrige Mittelwerte mit hoher Varianz. Im Durchschnitt werden dieselben Patente fast nicht zitiert, wobei die Pharmaunternehmen Patente der Partner aus der Biotechnologie bis zum Zeitpunkt der Kooperation fast überhaupt nicht zitieren. Dies ist kaum überraschend, da neuere technologische Entwicklungen durch die Biotechnologieunternehmen wie oben angesprochen erst ca. 6-7 Jahre später zitiert werden in einem normalen Zitierzyklus. Biotechnologieunternehmen zitieren in der Beschreibung des Stands der Technik ihren Kooperationspartner allerdings häufiger (Faktor 2,88). Der höhere Grad an Spezialisierung könnte eine Erklärung dafür sein, dass Firmen der Biotechnologie ihren jeweiligen Kooperationspartner häufiger zitieren als der Partner der pharmazeutischen Industrie. Evtl. könnte sich hier auch eine Art Marktorientierung seitens der Unternehmen der Biotechnologie hinsichtlich ihrer späteren Kooperationspartner abzeichnen.

5.1.2 Überprüfung der Anwendbarkeit des Modells

Zu Beginn der Untersuchung wurde überprüft, ob Multikollinearität vorliegt. Die hier erreichten VIF-Werte von unter drei mit Ausnahmen bei den Interaktionseffekten erscheinen daher als gut. Die niedrigen Werte hinsichtlich der Prüfung auf Multikollinearität sind durch die erfolgte Standardisierung der Variablen zu erklären. Aufgrund der Berechnungsvorschrift zu Interaktionseffekten ist durch das mehrfache Einbringen derselben Varianz in das Gesamtmodell zu erwarten, dass diese Terme wesentlich größere VIF-Werte aufweisen. Ein Wert von unter sechs stellt damit immer noch einen niedrigen Wert dar. Es bleibt festzuhalten, dass keine wesentlichen Einflüsse durch Multikollinearität vorhanden sind. Auch die Anwendbarkeit des „maximum likelihood“-Prinzips ist in dieser Studie gegeben, da 193 Beobachtungen zur Schätzung mit weniger als 30 Parametern verwendet werden, so dass der strengere Maßstab mit mindestens 163 Freiheitsgraden mehr als erfüllt ist.642

Es wurde ferner untersucht, ob mittels der Statistik Ausreißer identifiziert werden können und als beeinflussende Beobachtungen aus dem Datensatz entfernt werden müssen. Dieses Vorgehen ist konform mit den Hinweisen in der Literatur.643 Ausgehend von 207 Datensätzen wurden zu Beginn der Auswertungen 5 Datensätze aufgrund unvollständiger Daten

642 643

Vgl. Kap. 4.3.1.2. Vgl. Weisberg (1985), S. 118.

206

Ergebnisse der empirischen Untersuchung

herausgenommen. Es war nicht möglich, für alle älteren Datensätze die Forschungsbudgets und die Mitarbeiterzahlen der Pharmaunternehmen zu beschaffen. Ein wesentlicher Grund dafür sind die in der Vergangenheit erfolgten Fusionen und Unternehmenskäufe, da hier zum Teil Archive der Unternehmen nicht mehr gepflegt werden oder nicht mehr öffentlich zugänglich sind. Eine Berechnung dieser fehlenden Werte kam nicht in Betracht, da teilweise keine Vergleichsdaten vorlagen. Im Rahmen der Analyse wurden 6 Ausreißer über die standardisierten Residuen (ZRE < 2.5 und ZRE > -2.5) aus der Analyse ausgeschlossen. Es wurden 3 weitere Datensätze mittels der Cook’s Distance eliminiert.644 In Summe wiesen 5 Kooperationen einen Cook-Wert von größer als eins aus. Die inhaltliche Überprüfung der über die Residuen identifizierten Ausreißer ergab, dass diese Unternehmen im Analysezeitraum meistens nur sehr wenig Patente auf dem Technologiefeld vorzuweisen hatten. Die Analyse der Datensätze ergab ferner, dass die Datensätze mit hohen Cook-Werten häufig bei nur einer Kennzahl extrem hohe oder niedrige Werte aufwiesen und daher den Kurvenverlauf nachvollziehbar stark beeinflussten. Der Grund für die Identifikation der Kooperation als Ausreißer lag meistens auf der Seite der Biotechnologieunternehmen. Hier waren sehr großen Abweichungen vom Mittelwert zu beobachten. Übrig blieben 193 Datensätze, welche in die Analyse eingeflossen sind. Nach der Eliminierung der Ausreißer können nun das Gesamtmodell berechnet und die Modellgüte analysiert werden.

5.1.3 Beurteilung der Modellgüte

Der maximierte -2Log-Likelihood-Wert (-2LL0) des Nullmodells für den gegebenen Datensatz wird im Iterationsprotokoll von SPSS 12.0 mit 265,681 angegeben. Der -2LogLikelihood-Wert des Gesamtmodells (-2LL1) hat einen Wert von 176,548 mit N = 193 bei Integration von 21 Variablen. Hier ergibt sich ein Wert für die Devianz von 98,133 bei einem Signifikanzniveau von 0,0001. Die Modellanpassung für die hiesige Studie kann im Vergleich zu Krafft (1997) als gut bezeichnet werden.

644

Vgl. Weisberg (1985), S. 15 – 18.

Model I: Erfolg einer Kooperation

207

Zur Beurteilung der Modellgüte wurden die drei Pseudo-R2-Statistiken berechnet645: 1.) McFaddens-R2 = 0,335 Das Ergebnis ist daher als gut zu beurteilen. 2.) Cox&Snell-R2 = 0,370 Dieses Ergebnis ist als gut zu beurteilen. 4.) Nagelkerke-R2 = 0,495 Dieses Ergebnis ist als sehr gut zu beurteilen.

Darüber hinaus lassen auch die Klassifikationsergebnisse Rückschlüsse auf die Qualität der Untersuchung zu. Einschränkend ist hier anzumerken, dass die Trefferquote des Modells I überhöht ist, da die Parameterschätzung der logistischen Regression und die Berechnung der Trefferquote im angeführten Beispiel auf Basis derselben Stichprobe erfolgen.646

Beobachtet

Schritt 1 Erfolg

Vorhergesagt Erfolg

0 1

0 85 22

Gesamtprozentsatz Tabelle 15: Klassifizierungstabelle mit Trennwert 0,5

1 21 65

Prozentsatz der Richtigen

80,2 74,7 77,7

Hier ergibt sich ein Wert für PCC von 0,505 (45 Prozent erfolgreiche) und 0,605 (55 Prozent terminierte), also eine Erhöhung um 0,055. Dieser Wert erscheint sehr gering aber in Summe wenig aussagekräftig.

Darüber hinaus eignet sich die Kontingenztabelle zur Beurteilung der Güte des Modells. Hierbei ist darauf zu achten, dass die Anzahl der Beobachtungen pro Gruppe gleiche Werte liefert und die erwarteten von den beobachteten Werten nicht zu sehr abweichen. Dies ist hier wie aus Tabelle 16 ersichtlich nicht der Fall.

645 646

Vgl. Backhaus et al. (2003), S. 447. Vgl. Backhaus et al. (2003), S. 445.

208

Ergebnisse der empirischen Untersuchung Erfolg = 0 Erfolg = 1 Gruppe Beobachtet Erwartet Beobachtet Erwartet 1 19 18,690 0 0,309 2 17 17,791 2 1,208 3 17 16,115 2 2,884 4 12 13,757 7 5,242 5 14 12,703 6 7,296 6 11 9,685 8 9,314 7 6 7,394 13 11,605 8 5 5,132 14 13,867 9 4 3,554 15 15,445 10 1 1,173 20 19,826 Tabelle 16: Kontingenztabelle für Hosmer-Lemeshow-Test

Gesamt 19 19 19 19 20 19 19 19 19 21

Ein weiteres Maß für die Beurteilung der Güte ist der Hosmer-Lemeshow-Test. Nach diesem Test ist hier ebenfalls auf eine befriedigende Anpassung zu schließen, da ein sehr niedriger Chi-Quadrat-Wert (= 9,322) mit nur einem niedrigen Signifikanzniveau (= 0,316) vorliegt. In Abbildung 12 sind alle Kooperationen und deren spezifische Erfolgswahrscheinlichkeit einzeln aufgezeigt auf Basis des Modells 6 ohne Berücksichtigung von Interaktionseffekten oder nicht-linearen Einflüssen. Hier wird auch das Prinzip der logistischen Regression deutlich. Es wird die Wahrscheinlichkeit des Erfolgs/Misserfolgs auf Basis des Trennwertes zwischen den beiden Gruppen 0 und 1 berechnet. Als Trennwert gilt hier eine Wahrscheinlichkeit von 0,5.

Ein Beispiel zur Verdeutlichung: Eine Kooperation, die aufgrund der Werte für die technologische Kompetenz etc. eine Erfolgswahrscheinlichkeit von 0,45 aufweist, wird bei dem hier gewählten Trennwert von 0,5 zur Gruppe der Misserfolge (Gruppe 0) zugeschlagen. Bei einem Wert für die Erfolgswahrscheinlichkeit von größer 0,5 würde diese Kooperation der Gruppe der erfolgreichen Kooperationen zugeordnet.

Model I: Erfolg einer Kooperation

209

Abbildung 12: Beobachtete Fälle und vorhergesagte Erfolgswahrscheinlichkeit

Zu erkennen ist in der Abbildung 12, dass ein paar Kooperationen, die eigentlich zur Gruppe 0 zählen, eine Erfolgswahrscheinlichkeit größer 0,75 aufweisen. Der gegensätzliche Fall ist ebenfalls zu beobachten. Diese Werte könnten rein statistisch als Ausreißer interpretiert werden. Allerdings spielt in der pharmazeutischen Forschung auch der Zufall eine gewisse Rolle, weshalb dieses Modell 6 diese Fälle nicht erfasst und einzelne Kooperationen weiterhin als Ausreißer über statistische Methoden identifiziert werden können. Eine inhaltliche Überprüfung der Kooperationsvereinbarungen ergab aber keine Anzeichen für Unregelmäßigkeiten im Sinne des Modells, so dass es sich hierbei um mit dem Modell nicht erklärbare Phänomene handelt, welche vielleicht im Rahmen von Fallstudien Aufschluss über weitere Erfolgsfaktoren geben könnten.

Die folgende Tabelle 17 fasst die Ergebnisse der statistischen Untersuchungen zusammen. Diese Übersicht enthält auch Werte des Anspruchsniveaus der Gütekriterien. Es wird ersichtlich, dass alle gemessenen Werte auf eine sehr gute Anpassung des Modells hindeuten.

210 Gütekriterien zur Beurteilung des Gesamtmodells

Ergebnisse der empirischen Untersuchung

Anspruchsniveau

Devianz (-2Log-Likelihood-Wert) Devianz = 61,9 mit Die Devianz ist ein Maß für die Anpassungsgüte des Modells. Anzustreben sind Werte einer Devianz nahe 0 bei gleichzeitig 143 Beobachtungen 23 Variablen und hoher Wahrscheinlichkeit. Die Devianz ist inhaltlich mit der p = 0,001 Fehlerquadratsumme herkömmlicher Regressionsanalysen zu vergleichen und kann deshalb nur minimiert werden. Likelihood Ratio Test (Omnibus-Test) Hohe Ȥ²-Werte und ein niedriges Signifikanzniveau deuten darauf hin, dass die Koeffizienten des Modells signifikant von 0 p ” 0,05 sind verschieden und somit einen signifikanten Einfluss ausüben. Der Omnibus-Test ist vergleichbar mit dem F-Test einer multiplen Regressionsanalyse. Pseudo-R²-Statistiken (Nagelkerke-R², Cox&Snell-R², McFadden’s-R²) t 0,2 Die Pseudo-R²-Statistiken dienen der Beurteilung der Güte des Gesamtmodells und sind vergleichbar mit dem Bestimmtheitsmaß R² der Regressionsanalyse. Hosmer-Lemeshow-Test (Goodness-of-Fit-Statistik C) Der Hosmer-Lemeshow-Test prüft die Differenz der C = 115,9 mit vorhergesagten und der beobachteten Modellwerte. Niedrige Ȥ²p = 0,73 Werte und ein hohes Signifikanzniveau (nahe 100%) implizieren eine gute Anpassung des Modells. Klassifikationsmatrix Die Klassifikationsmatrix gibt den Anteil der mit Hilfe der logistischen Regression korrekt klassifizierten Elemente wieder. Diese Trefferquote sollte das „proportional change criterion (PCC)“ erfüllen. Dieses wird durch die Formel Į²+(1-Į)² errechnet wobei Į der Anteil einer Gruppe an der Gesamtzahl der Beobachtungen ist. zur Beurteilung der Regressionskoeffizienten Wald-Test Überprüft die Signifikanz der einzelnen p ” 0,1 Regressionskoeffizienten, deren Einflüsse auf die abhängige Variable als ȕ-Werte dargestellt werden. Tabelle 17: Erzielte Werte der Gütekriterien der logistischen Regression

Gemessen Devianz = 98,1 mit 193 Beobachtungen 21 Variablen und p = 0,0001

p ” 0,001

McFadden = 0,335 Cox&Snell = 0,370 Nagelkerke = 0,495

C = 9,322 mit P = 0,316

PCC = 0,055

p ” 0,1

5.1.4 Analyse der bivariaten Korrelationen

Zur Untersuchung von Korrelationen bieten sich mehrere Verfahren bei einer logistischen Regression an. Dies sind zum einen die Korrelation der Parameterschätzer und zum anderen die bivariaten Korrelationen zwischen den Variablen. An dieser Stelle sollen die wesentlichen Punkte dieser beiden Auswertungen angesprochen werden.647 Zu Beginn stehen Ausführungen zu den Korrelationen der Parameterschätzer gefolgt von den bivariaten Korrelationen.

647

Die entsprechenden Tabellen wurden aus Gründen der Übersichtlichkeit in den Anhang verlegt.

Model I: Erfolg einer Kooperation

211

Die nur asymptotisch korrekte Korrelationsmatrix der Parameterschätzungen kann eine Überparametrisierung des Modells bzw. ein Konditionierungsproblem aufdecken, erkennbar an sehr hohen Korrelationen zwischen verschiedenen Parameterschätzungen. Ursache können überflüssige Modellparameter sein, aber auch ungünstige Datenverhältnisse, die keine Identifikation aller Parameter ermöglichen.648 Zwischen den folgenden Parameterschätzern liegt hier eine Korrelation größer ±0,4 vor: 1. Konstante / Ähnlichkeit in Biotech 2. Größe Pharma / Forschungsbudget Pharma 3. Technologieposition Biotech / Ähnlichkeit in Biotech 4. Ähnlichkeit in Biotech / Wissen des Partners Biotech

Zu 1.: Die positive Korrelation zwischen der Konstante und der Ähnlichkeit in der Biotechnologie könnte ein erster Hinweis darauf sein, dass sich die Unternehmen stärker ähneln als bislang angenommen wurde, so dass dem Thema von Komplementaritäten im Rahmen von Allianzen eine höhere Bedeutung zukommen sollte.

Zu 2.: Es ist nicht verwunderlich, dass das Forschungsbudget eines Pharmaunternehmens mit der Größe desselben korreliert ist. Hier liegt interessanterweise aber eine negative Korrelation vor. Größere Pharmaunternehmen könnten daher bezogen auf die Anzahl der Mitarbeiter als weniger forschungsintensiv einzustufen sein. Dies könnte bedeuten, dass im Rahmen der vielen M&A-Aktivitäten Forschungsbudgets stärker gekürzt als die Mitarbeiterzahlen reduziert wurden. Möglich wäre allerdings auch, dass hier die Logarithmierung eine an sich positive Korrelation unterdrückt; Tabelle 19 deutet dies an.

Zu 3.: Hier liegt eine negative Korrelation zwischen diesen Schätzern vor. Das bedeutet, dass je technologisch stärker ein Biotechnologieunternehmen ist, desto weniger gleiche Patente werden mit dem Pharmaunternehmen zitiert. Durch die höhere Anzahl an Patenten könnte man zwar von einer höheren Wahrscheinlichkeit ausgehen, allerdings widerspricht dies dem

648

Vgl. Draper/Smith (1981), S. 466-468.

212

Ergebnisse der empirischen Untersuchung

Gedanken des Technologieführers, da zu erwarten wäre, dass andere Unternehmen auf ihn aufbauen würden.

Zu 4.: Die starke und negative Korrelation zwischen der Anzahl zitierter gleicher Patente und der Anzahl zitierter Patente des Pharma-Partners aus Sicht eines Biotechnologieunternehmens dürfte einen Einfluss auf die Ergebnisse ausüben. Es ist festzuhalten, dass Unternehmen, welche dieselben Patente zitieren, den Partner entsprechend weniger zitieren. Diese Tendenz kann auch Ausfluss der Partnerwahl seitens der Pharmaunternehmen sein. Der Sinn eines Biotech-Partners, der dieselben Patente wie das Pharmaunternehmen selbst zitiert und darüber hinaus auch auf Ergebnissen des Pharmaunternehmens aufbaut, stellt n.h.A. eher einen Konkurrent denn einen Partner mit neuen Ressourcen dar. Es bleibt festzuhalten, dass nur geringe Korrelationen zwischen einer Vielzahl an Parameterschätzern vorliegen. In dieser Studie treten daher keine Konditionierungsprobleme hinsichtlich der Schätzer für die Analyse des Kooperationserfolgs auf.

Model I: Erfolg einer Kooperation

Tabelle 18: Korrelationsmatrix der Schätzer

213

214

Ergebnisse der empirischen Untersuchung

Fortführung von Tabelle 18

Model I: Erfolg einer Kooperation

215

eiteren Aufschluss könnten die Ergebnisse zu den bivariaten Korrelationen geben. Hier wurde zuvor für die wesentlichen Variablen auf Normalverteilung mittels des Kolmogorov-SmirnovTests getestet. Eine Normalverteilung lag teilweise nicht vor. Auch die abhängige Variable folgt aufgrund ihres dichotomen Charakters nicht einer Normalverteilung. Die bivariaten Korrelationen sind dann über Rangkorrelationen nach Spearman oder Kendall zu berechnen, da bivariate Korrelationen nach Pearson nur für normalverteilte Variablen zugelassen sind.649 Bei dem etwas anspruchsvolleren Verfahren nach Kendall wird die Variable der Größe nach geordnet zu einer monoton aufsteigenden Rangreihe, dann werden die entsprechenden Rangplätze der anderen Variable zugeordnet. Aus dem Vergleich der beiden Rangreihen wird dann der Koeffizient berechnet.650 Dieses Verfahren eignet sich auch bei Auftreten von Ausreißern.651 Ausreißer sind hier zwar hinsichtlich der Erfolgserklärung ausgeschlossen worden, allerdings zeigt die Tabelle 14 zur deskriptiven Statistik weiterhin eine hohe Varianz in einzelnen Variablen. Graphische Darstellungen verdeutlichten zudem, dass in bivariaten Korrelationen durchaus andere, neue Ausreißer zu identifizieren wären. Es erscheint damit richtig, die bivariaten Korrelationen über Kendall’s Tau zu berechnen.

Die Auswertung der Tabelle 19 zu den bivariaten Korrelationen zeigt ebenfalls geringe Korrelationen zwischen den einzelnen Variablen.652 Lediglich einzelne Aspekte weisen einen Koeffizienten von größer ±0,4-0,51 auf.653 Dies sind:

649

x

Größe Pharma / Forschungsbudget Pharma

x

Technologische Kompetenz Biotech / Technologieposition Biotech

x

Ähnlichkeit in Biotech / Wissen des Partners Biotech

Vgl. Bühl/Zöfel (2002), S. 320f. Vgl. Bühl/Zöfel (2002), S. 321. 651 Vgl. Bühl/Zöfel (2002), S. 321. 652 Vgl. Bühl/Zöfel (2002), S. 318. 653 Anzumerken ist hier, dass eine hohe Korrelation zwischen Werten der Biotechnologie- und Pharmaunternehmen eher wünschenswert wäre, da hieraus evtl. weitere Aufschlüsse über die Eigenschaften der Partner gezogen werden könnten. 650

216

Ergebnisse der empirischen Untersuchung

Tabelle 19: Bivariate Korrelationen

Model I: Erfolg einer Kooperation

Fortführung von Tabelle 19

217

218

Ergebnisse der empirischen Untersuchung

Fortführung von Tabelle 19

Model I: Erfolg einer Kooperation

219

Wie bereits angesprochen, wurde die Größe der Pharmaunternehmen einer Logarithmierung unterzogen. Aus diesem Grund kann das Vorzeichen nur eingeschränkt interpretiert werden. Die Begrenzung des Größeneffekts durch die Logarithmierung scheint stärker zu sein als der Anstieg der Forschungsbudgets bei größeren Unternehmen bezogen auf die Mitarbeiterzahlen. Jedoch zeigt die positive Korrelation zwischen den beiden Variablen, dass größere Unternehmen über größere Forschungsbudgets verfügen. Die positive und signifikante Korrelation zwischen einem Aspekt der Kompetenz und der Technologieposition des Biotechnologieunternehmens musste nicht zwangsläufig eintreten, da Quantität nicht gleich Qualität ist. Hier könnte sich aber der Fall eingestellt haben, dass Kapitalgeber auf die Qualität geachtet haben und somit zusätzliche finanzielle Ressourcen zur Verfügung standen und die Quantität entsprechend ausgeweitet werden konnte. Die positive und stark signifikante Korrelation zwischen den durch das Start-up der Biotechnologie zitierten Pharma-Patenten und denselben zitierten Patenten Dritter könnte hier verstärkt auf Ähnlichkeiten in den Forschungsaktivitäten hinweisen. Eine höhere Korrelation war aber aufgrund der ähnlichen Hypothesen zu erwarten, da allein schon die Begriffe Überschneidung und Ähnlichkeit auf Gemeinsamkeiten hindeuten.

5.1.5 Darstellung der Ergebnisse

Zu Beginn wurde die Bedeutung einzelner Technologiefelder überprüft. Keines der 10 Technologiefelder wies eine signifikante Korrelation auf dem 0,05-Niveau zum Erfolg auf, so dass geschlussfolgert werden kann, dass durch die Klassifikation kein Einfluss auf die Ergebnisse vorliegt. Die entsprechenden Dummies wurden daher aus der weiteren Analyse entfernt. Vorab wurde weiterhin überprüft, ob ein Effekt aus dem Jahr des Beginns der Kooperation vorhanden ist. Hier konnten nicht alle Jahre überprüft werden, da in manchen Jahren keine oder nur eine einzelne Kooperation im Datensatz vorhanden war. Es wurde daher auf die Wirkung der Jahre mit mindestens zwei Kooperationen pro Jahr geprüft. Keines der Jahre 1986 und 1990-1999 zeigte eine signifikante Korrelation zum Erfolg auf dem 0,05-Niveau. Die entsprechenden Dummies wurden daher ebenfalls zur Verbesserung der Übersichtlichkeit aus der Analyse eliminiert. Eine Überprüfung auf ebenfalls denkbare firmenspezifische Effekte macht im Rahmen dieser logistischen Regression wenig Sinn, da in dem Datensatz nicht nur fast eine Gleichverteilung

220

Ergebnisse der empirischen Untersuchung

zwischen erfolgreichen und abgebrochenen Projekten besteht, sondern diese auch bei den Unternehmen gegeben ist. Für firmenspezifische Einflüsse ist daher nicht zu kontrollieren.

Im Folgenden werden die Ergebnisse der empirischen Untersuchung dargestellt, nachdem die Modellgüte als gut beurteilt werden kann und keine Effekte durch die Technologiefelder, den Jahreszeitraum und der Firmenzuordnung vorliegen. Die Tabelle 20 umfasst die Modelle 1-6 für die Kontrollvariablen, die technologiespezifischen Faktoren und die beziehungsspezifischen Variablen. Das Basismodell besteht dabei lediglich aus den Kontrollvariablen.

Modell 1: Kontrollvariablen

Im Basismodell (Modell 1) zeigt sich die Relevanz der Kontrollvariablen. Die Konstante ist signifikant auf dem 0,05-Niveau und negativ mit dem Erfolg korreliert. Die Eigenschaft, ein amerikanisches Biotechnologieunternehmen zu sein, ist auf 0,01-Niveau hoch signifikant und positiv mit dem Erfolg korreliert im Gegensatz zur Länderzugehörigkeit der Pharmaunternehmen. Ferner zeigt sich, dass die Größe eines Pharmaunternehmens auf 0,05-Niveau signifikant negativ mit dem Erfolg korreliert ist. Das Forschungsbudget hingegen weist einen auf 0,05-Niveau signifikant positiven Einfluss auf den Erfolg aus. Auf 0,001-Niveau hoch signifikant und negativ wirkt sich schließlich die Vereinbarung von Grundlagenforschung in einer Forschungskooperation aus. Das Basismodell weist ein R2 von knapp 18 Prozent auf und ist auf dem 0,001-Niveau signifikant.

Modell 2: Technologische Qualität Pharma

Unter Hinzunahme der Variablen zur Messung der technologischen Qualität des Pharmaunternehmens (Modell 2) ergibt sich im Vergleich zum Basismodell keine Änderung der Signifikanzniveaus für die Kontrollvariablen. Alle vier Qualitätskriterien enthalten nur geringe Beta-Koeffizienten. Kein Koeffizient ist statistisch signifikant auf dem 0,1-Niveau (kein Beleg für H1a, H2a, H3a, H4a). Das Modell 2 weist ein R2 von knapp 20 Prozent auf. Der Schritt von Modell 1 auf Modell 2 zeigt keine wesentliche Verbesserung. Das Gesamtmodell bleibt auf 0,001-Niveau signifikant.

Model I: Erfolg einer Kooperation Variable \ Modell

1

Kontrollvariablen Intercept

B

US Biotech

221 2 Sig.

-0,28 * 0,61 **

B

3 Sig.

-0,29 * 0,62 **

4

B -0,28

Sig. †

0,68 **

5

B

Sig.

-0,37 * 0,71 **

6

B

Sig.

-0,35 * 0,71 **

B

0,74 **

US Pharma

-0,08

-0,09

-0,07

-0,14

-0,20

-0,25

Größe Pharma

-0,32 *

-0,38 *

-0,16

-0,15

-0,18

-0,25

0,38 *

0,49 *

Forschungsbudget_Pharma Grundlagenforschung

-0,60 ***

-0,64 ***

0,52 * -0,69 ***

0,51 * -0,92 ***

0,52 * -0,97 ***

0,64 ** -1,21 ***

Technologische Qualität Pharma Technologische Kompetenz

0,08

0,02

0,09

0,11

Technologische Breite

0,00

0,08

0,10

0,12

0,13

Internationale Breite

-0,03

-0,03

-0,03

-0,10

-0,14

Wissenschaftsbindung

-0,29

-0,29

-0,36

-0,37

-0,36

Pharma Zusatz Forschungserfahrung

Sig.

-0,21 **

0,16

0,59 **

0,74 **

„Realized Absorptive Capacity”

-0,58 **

-0,55 **

-0,53 *

-0,59 **

Technologische Diversifizierung

-0,72 *

-0,78 *

-0,92 *

-1,03 *

Kernfeld

0,23

0,27

0,78 ***

0,30

Technologische Qualität Biotech Technologische Kompetenz

0,41 *

Technologische Breite

0,30

Internationale Breite

0,17

Wissenschaftsbindung

0,30

†

†

Biotech Zusatz Technologieposition Kooperationsspezifische Variablen Ähnlichkeit in Biotech

†

0,83 ***

0,27

†

0,39 *

0,37 *

0,26

0,33

0,18

0,24

0,28

†

0,34 *

0,31

†

†

0,69 **

-1,30 ***

Wissen des Partners Pharma

0,30

Wissen des Partners Biotech

1,35 **

-2Loglikelihood des Modells

238,0

234,7

210,7

196,6

194,1

176,6

Pseudo-R2 (Nagelkerke)

0,179

0,198

0,332

0,402

0,414

0,495

Pseudo-R (Cox&Snell)

0,134

0,148

0,248

0,301

0,310

0,370

Likelihood Ratio Test (F) Zunahme Likelihood Ratio ('F) ' Anzahl Variablen

27,66 ***

31,98 *** 4,32 (4)

54,97 *** 23,99 (4) ***

69,06 *** 14,09 (4) **

71,55 *** 2,49 (1)

89,13 *** 15,58 (3) **

2

(5)

Tabelle 20: Darstellung der empirischen Ergebnisse für Kooperationserfolg Modell 1-6 mit: ***p < 0.001; **p < 0.01; *p < 0.05; †p < 0.1 (einseitiger Test für die Koeffizienten und zweiseitiger Test für die Likelihood Chi-QuadratStatistik)

Modell 3: Pharma Zusatz

Unter Hinzunahme der Variablen zur Messung weiterer technologischer Aspekte des Pharmaunternehmens (Modell 3) ergeben sich im Vergleich zum Modell 2 Änderungen hinsichtlich der Signifikanzniveaus für die Variable zur Größe des Pharmaunternehmens und für die Konstante. Diese Größe eines Pharmaunternehmens ist ab diesem Modell nicht mehr relevant. Die Kontrollvariable verliert an Einfluss und ist nur noch schwach signifikant. Die Forschungserfahrung in Biotechnologie des Pharmaunternehmens ist auf 0,01-Niveau signifikant und positiv korreliert mit dem Erfolg (Bestätigung von H5), ebenso wie die effektive Nutzung der vorhandenen „absorptive capacity“ (Bestätigung von H6). Das negative Vorzeichen beruht hier auf der Berechnung der entsprechenden Kennzahl und zeigt, dass eine

222

Ergebnisse der empirischen Untersuchung

Verkürzung der Zeit der Internalisierung zu einer höheren Erfolgswahrscheinlichkeit führt. Der Aspekt zur technologischen Diversifizierung ist auf 0,05-Niveau signifikant und weist ein negatives Vorzeichen auf (Bestätigung von H7). Inhaltlich bedeutet dies ähnlich der Nutzung der „absorptive capacity“, dass auf wenige Technologiefelder fokussierte Unternehmen auch in Kooperationen eine höhere Erfolgswahrscheinlichkeit aufweisen als diversifizierte Firmen. Der Fall, eine Kooperation auf einem Kernfeld vereinbart zu haben, bedeutet keinen signifikanten Einfluss auf die Erfolgswahrscheinlichkeit (kein Beleg für H8). Das Modell 3 bleibt hoch signifikant mit einem R2 von ca. 33 Prozent. Der Schritt von Modell 2 auf Modell 3 zeigt eine signifikante Verbesserung auf dem 0,001-Niveau. Das Gesamtmodell bleibt auf dem 0,001-Niveau signifikant.

Modell 4: Technologische Qualität Biotech

Aufbauend auf Modell 3 wurden im nächsten Schritt die Variablen zur Messung der technologischen Qualität der Biotechnologieunternehmen hinzugefügt (Modell 4). Die Ergebnisse der vorherigen Modelle bleiben bis auf das Signifikanzniveau der Konstanten gleich. Die Konstante ist nun wieder auf 0,05-Niveau signifikant. Die technologische Kompetenz der Biotechnologieunternehmen ist auf dem 0,05-Niveau signifikant und positiv mit dem Erfolg korreliert (Bestätigung von H1b). Lediglich auf 0,1Niveau schwach signifikant positiv sind zwei der drei weiteren Qualitätsdimensionen, hier die technologische Breite (Bestätigung von H2b) und die Wissenschaftsbindung (Bestätigung von H4b). Die internationale Breite ist ohne besondere Bedeutung (kein Beleg für H3b). Das Modell 4 weist ein R2 von 40 Prozent auf. Dieser Teilschritt ist auf dem 0,01-Niveau signifikant. Das Gesamtmodell bleibt auf dem 0,001-Niveau signifikant.

Modell 5: Biotech Zusatz

Durch die Aufnahme dieser Variable ergeben sich leichte Änderungen bei den zusätzlichen Aspekten der Pharmaunternehmen wie auch bei der technologischen Qualität der Biotechnologieunternehmen. Das Signifikanzniveau der Forschungserfahrung der Firmen der pharmazeutischen Industrie steigt leicht an, wohingegen die Bedeutung der Geschwindigkeit der Internalisierung leicht abnimmt. Die bislang nicht signifikante Eigenschaft eines technologischen Kernfeldes wird auf 0,1-Niveau schwach signifikant. Bei der technologischen Qualität der Biotechnologieunternehmen wird die technologische Breite unter Hinzunahme der Variablen zur Technologieposition im Vergleich zu Modell 4 insignifikant. Die Technologieposition des Start-ups ist auf dem 0,05-Niveau signifikant und

Model I: Erfolg einer Kooperation

223

wirkt positiv auf den Erfolg. Allerdings erweist sich die Aufnahme dieser Variablen als nicht relevant (keine ausreichende Bestätigung von H9). Ein entsprechender R2-Wert für das Modell 5 liegt bei 41 Prozent. Das Gesamtmodell bleibt auf dem 0,001-Niveau signifikant.

Modell 6: Kooperationsspezifische Variablen

Die Erweiterung der bisherigen Modelle durch kooperationsspezifische Variablen bewirkt leichte Verschiebungen in den bisherigen Ergebnissen. Dies ist nicht verwunderlich, da doch gerade diese Variablen erste mögliche Interaktionseffekte aufgreifen. Die Konstante ist nun auf dem 0,01-Niveau signifikant und weiterhin negativ mit dem Erfolg korreliert. Darüber hinaus verbessert sich das Signifikanzniveau der Forschungsausgaben. Die Variable zur Umsetzung der „absorptive capacity“ weist ein leicht verbessertes Signifikanzniveau auf. Die Bedeutung der Technologieposition der Start-ups verbessert sich ebenfalls leicht. Zwei von drei in diesem Schritt (Modell 6) hinzugefügter Variablen sind stark signifikant. Der Aufbau auf denselben Ergebnissen eines dritten Unternehmens durch beide Kooperationspartner übt einen auf 0,001-Niveau signifikant negativen Einfluss aus (Bestätigung von H10). Die Variable für den Aufbau eines Pharmaunternehmens auf das Wissen des Partners der Biotechnologie ist nicht signifikant (kein Beleg für H11a). Im Gegensatz dazu übt ein Aufbau eines Biotechnologieunternehmens auf einem Pharmaunternehmen einen auf 0,01-Niveau signifikanten positiven Einfluss aus (Bestätigung von H11b). Gleichzeitig besteht wie bereits angesprochen eine hohe bivariate und signifikante Korrelation zwischen der Variable „Ähnlichkeit in Biotech“ und „Wissen des Partners Biotech“, so dass sich die Effekte bei einigen Unternehmen gegenseitig aufheben. Das Modell 6 hat nun einen R2-Wert von knapp 50 Prozent bei einem 0,01-Signifikanzniveau für dieses Teilmodell. Das Gesamtmodell ist schließlich auf dem 0,001-Niveau signifikant.

Zusammenfassend kann gesagt werden, dass eine niedrige Multikollinearität vorliegt, die Modellgüte als gut einzustufen ist, die Ergebnisse über die verschiedenen Modelle hinweg konstant sind und der Erfolg einer Kooperation mittels technologischer Aspekte erklärt werden kann. Im folgenden Abschnitt werden die Ergebnisse ausführlicher diskutiert.

224

Ergebnisse der empirischen Untersuchung

5.1.6 Wertung der Ergebnisse

Der sehr signifikante Einfluss der Phase des Wirkstoffkandidatens zum Zeitpunkt der Vereinbarung der Kooperation ist ein Beleg für die hohen Misserfolgsquoten in der Medikamentenentwicklung. Durch diesen Zusammenhang dürfte auch das negative Vorzeichen für die Konstante zu erklären sein, denn es zeigt, dass es weitere Faktoren gibt, die einen Abbruch eines Projekts bewirken. Es könnte sein, dass hier der Innovationsgrad eines

potenziellen

Medikaments

oder

die

Komplexität

eines

Krankheitsgebiets

widergespiegelt wird. Dass sich keine signifikanten Ergebnisse hinsichtlich des Ursprungslands ergeben, verwundert. Jedoch haben Hagedoorn/Schakenraad (1994) und Hagedoorn/Duysters (2002) nachgewiesen, dass europäische und amerikanische Unternehmen sich hinsichtlich des Grades der Verwendung von Allianzen nicht unterscheiden, wenn man für die Größe der Firmen kontrolliert.654 Dies war hier der Fall. So kann festgehalten werden, dass europäische Unternehmen trotz einer Entwicklung der Biotechnologie in den USA in Kooperationen nicht weniger erfolgreich gewesen sind. Eher theoretischer Natur sind in diesem Zusammenhang die Überlegungen zu kulturellen Hindernissen in internationalen Kooperationen, welche sich aber auf den Aspekt der operativen Durchführung einer Allianz beziehen. Dieser wurde hier jedoch vollständig ausgeblendet. Hinsichtlich der Aspekte der Pharmaunternehmen zeigt sich die Bedeutung der Ressourcenausstattung in der Forschung. Ein hohes Budget führt den Erwartungen entsprechend nicht nur in internen Projekten zu einer höheren Erfolgswahrscheinlichkeit, sondern hat auch Auswirkungen auf den Erfolg einer Kooperation. Dies war zu erwarten, da die Finanzierung der Biotechnologieunternehmen durch die Pharmaunternehmen zu erfolgen hatte. Ein Pharmaunternehmen, welches über viele Mittel in der Forschung verfügt, ist leichter in der Lage, eine Kooperation zu finanzieren und zu einem Erfolg zu bringen. Die Größe der etablierten Unternehmen ist interessanterweise in den Modellen signifikant negativ mit dem Erfolg korreliert. Hier könnten unterschiedliche Effekte aufgetreten sein. Zum einen wird vermutet, dass dies die Bedeutungslosigkeit einer einzelnen Kooperation für ein großes Pharmaunternehmen repräsentiert, denn bei der hohen Anzahl an Kooperationen sollte nicht jede Allianz eine gleich hohe Bedeutung aufweisen, nicht mit gleicher Intensität verfolgt werden und auch nicht verfolgt werden können. Ein Experte aus dem Bereich „Corporate

654

Vgl. Hagedoorn/Schakenraad (1994), S. 300; Hagedoorn/Duysters (2002), S. 177.

Model I: Erfolg einer Kooperation

225

Development“ eines Biotechnologieunternehmens machte darauf aufmerksam, dass es wichtig sei für ein Biotechnologieunternehmen, zumindest den Status einer Kostenstelle bei einem Großunternehmen zu erreichen. Dies zeigt die teilweise Bedeutungslosigkeit einzelner Partnerschaften im Geflecht eines Großunternehmens. Von einem anderen Experten aus der chemischen Industrie wurde auf einen weiteren Aspekt hingewiesen, und zwar, dass die etablierten Pharmaunternehmen sich nur noch um Krankheiten, d.h. Märkte kümmern, welche ein Mindestvolumen von mindestens €800 Mio. pro Jahr erwarten lassen. Da es sich hierbei um seit längerem bekannte Volkskrankheiten handelt, für welche in der Vergangenheit trotz großer Forschungsanstrengungen vieler großer Konzerne noch keine Wirkstoffe gefunden wurden, könnte der angestrebte Innovationsgrad in einer Kooperation größer gewesen sein als bei kleineren Unternehmen mit stärkerer Nischenausrichtung. Der höhere Innovationsgrad könnte dann die höhere Misserfolgswahrscheinlichkeit erklären.

Dass die Kooperationen für Pharmaunternehmen eine hohe Bedeutung haben sollten, zeigt sich vor allem darin, dass kein Aspekt zur technologischen Qualität auf dem entsprechenden Technologiefeld der Kooperation eine signifikant positive Wirkung ausübt. Dies könnte bedeuten, dass die eigene Forschung auf diesen Feldern für Erfolge in Allianzen nicht ausreichend gewesen ist. Cohen/Levinthal (1989) konstatieren den Nutzen von Investitionen in die eigene Forschung655: „…firms may conduct basic research less for particular results than to be able to identify and exploit potentially useful scientific and technological knowledge generated by universities or government laboratories, and thereby gaining a firstmover advantage in exploiting new technologies.“

Meine Befunde deuten ebenfalls auf diesen Aspekt hin, da kein signifikanter Einfluss der technologischen Qualität gefunden wurde und die Hypothese zur Forschungserfahrung bestätigt werden konnte. Etwas überraschend auf den ersten Blick ist, dass selbst die in anderen Studien – jedoch auch im Rahmen anderer Fragestellungen – häufig signifikante technologische Kompetenz keinen signifikanten Einfluss ausübt. Der bei Narin/Noma/Perry (1987) vorhandene positive Einfluss auf den Unternehmenserfolg kann für den Kooperationserfolg nicht bestätigt werden. Auch die bei Stuart (2000) erhaltenen Befunde

655

Cohen/Levinthal (1989), S. 593.

226

Ergebnisse der empirischen Untersuchung

können bislang keine Unterstützung erfahren, da es sich um eine andere Fragestellung handelt. Diese Studie wird im Rahmen der Diskussion um Lerneffekte aber noch einmal aufzugreifen sein. Der nicht signifikante Einfluss der technologischen Kompetenz könnte zum einen durch den niedrigeren Mittelwert (vgl. Tabelle 14) im Vergleich zu den Unternehmen der Biotechnologie (bei allerdings höherer Varianz) und der damit einhergehenden absolut gesehen geringeren Bedeutung dieser Ressourcen verursacht sein. Zum anderen ist es auch denkbar, dass Pharmaunternehmen bewusst schwache Felder für eine Kooperation ausgesucht haben, um verstärkt auf die Ressourcen des Kooperationspartners zu setzten. Gegen dieses Argument spricht der nur minimale Unterschied in der technologischen Qualität zwischen Kernfeld und Randgebiet. Ein Gruppenvergleich konnte lediglich zeigen, dass die vier Aspekte eine geringere Standardabweichung für die Randgebiete bei leicht höheren Mittelwerten für die Kernfelder aufweisen. Statistisch signifikant sind diese Unterschiede allerdings nicht, so dass nicht von einer unterschiedlichen Qualität ausgegangen werden kann. Der nicht signifikante Effekt der technologischen Kompetenz kann aber nicht damit begründen werden, dass hier eine andere Operationalisierung als in anderen Studien gewählt wurde. In dieser Arbeit wurden vielmehr Eigenzitate für die Berechnung der technologischen Kompetenz entfernt, wohingegen das bei anderen Studien nicht der Fall gewesen ist. Jene Studien enthalten den Aspekt der innerhalb eines Unternehmens zugewiesenen Bedeutung einer Erfindung, was zu der Verzerrung führt, dass diese Erfindungen als Basiserfindungen für andere Unternehmen eingestuft werden, obwohl andere Unternehmen gar nicht darauf aufgebaut haben. Da auch die anderen Qualitätsaspekte keinen signifikanten Einfluss ausüben, muss der Einfluss der technologischen Qualität des Pharmaunternehmens grundsätzlich in Frage gestellt werden, denn die Ergebnisse von Austin (1993) und Lerner (1994) hinsichtlich der technologischen Breite und die Befunde von Henderson/Cockburn (1994), Cockburn/Henderson (1998) und Gambardella (1992) für die Bedeutung der Wissenschaftsbindung können nicht bestätigt werden. Daraus lässt sich schließen, dass diesen Ressourcen und Kompetenzen bei Allianzen mit spezialisierten Unternehmen keine Bedeutung zukommt. Es ist letztlich aber nicht weiter verwunderlich, haben die Pharmaunternehmen doch diese neue Technologie nicht selbst erforscht, sondern lediglich integriert.

Die weiteren Variablen der Pharmaunternehmen zeigen die hohe Bedeutung einer vorhandenen Erfahrung, der guten generellen Absorption externen Wissens und der Einbindung der Kooperationen in die Gesamtstrategie des Unternehmens. Aufgrund des

Model I: Erfolg einer Kooperation

227

starken Einflusses der Erfahrung eines Pharmaunternehmens mit einer neuen Technologie könnte sich der unterstützende Aspekt der eigenen, aber inhaltlich unterschiedlichen Kompetenzen zeigen. Ein Gruppenvergleich zwischen dem Kernfeld und den Randaktivitäten zeigt für die Erfahrung einen höheren Mittelwert für das Kernfeld. Weiterhin interessant ist, dass das Minimum der Zeitdifferenz zwischen erster eigener Patentanmeldung und vereinbarter Kooperation auf einem Kernfeld gleich 8 Jahre vor Kooperation betrug, während es auf dem Gebiet der Randaktivitäten bei 10 Jahre danach liegt. Der signifikante Einfluss der Erfahrung aus der Analyse von Nerkar/Roberts (2004) kann hier somit bestätigt werden. Die Erfahrung ist dementsprechend nicht nur für interne Projekte, sondern auch für Kooperationsprojekte wesentlich. Als Ursache wird vermutet, dass diese Variable auch Aspekte des sog. „tacit knowledge“ erfasst, also nicht-patentfähiges Wissen. Ein Unternehmen, welches sich frühzeitig mit einer neuen Technologie beschäftigt, ist demnach eher in der Lage, relevante Entwicklungen zu erfassen und gute Kooperationspartner zu identifizieren. Die langjährige Erfahrung hat durch Entwicklung guter interner Prozesse zu erfolgsrelevanten Kompetenzen geführt. Hier wären weitere Untersuchungen notwendig, die auf Basis von Fallstudien darlegen, welche konkreten Kompetenzen ein Pharmaunternehmen mit der Zeit intern aufgebaut hat, welche dann in Kooperationen eingebracht werden konnten. Die Kooperationserfahrung als Gesamtmodell erscheint etwas zu grob für die Erklärung. In engem Zusammenhang sollten auch Überlegungen zur „absorptive capacity“ stehen, denn es ist durchaus nachvollziehbar, dass die größere Erfahrung auch zu einer besseren Entscheidung hinsichtlich der Auswahl des Kooperationspartners geführt hat. Die „absorptive capacity“ eines Unternehmens wird jedenfalls erheblichen Einfluss auf das Erkennen der Notwendigkeit einer z.B. Kooperation sowie auf die Auswahl des Kooperationspartners gehabt haben. Die Wichtigkeit einer sorgsamen Auswahl kann dadurch belegt werden, dass die eigenen Ressourcen seitens des Pharmaunternehmens kaum Einfluss ausüben und über die Charakteristika der Biotechnologieunternehmen mindestens 8 Prozent der Varianz erklärt werden können. Weitere 8 Prozent können über die später noch zu diskutierenden beziehungsspezifischen Variablen erklärt werden, welche sich ebenfalls über die Wahl des richtigen Partners beeinflussen lassen. Neben der Auswahl der Kooperationspartner spielt die „absorptive capacity“ auch bei der fortwährenden Integration externen Wissens eine wesentliche Rolle. Die Bedeutung des Potenzials wie auch der Realisierung einer Integration externen Wissens konnte hier gezeigt werden, wobei der Koeffizient für das Forschungsbudget wie für die Variable zur Realisierung ungefähr gleich groß ist. Die bei Zahra/George (2002) geforderte Trennung

228

Ergebnisse der empirischen Untersuchung

zwischen Potenzial und der Realisation erscheint notwendig; ein erster Beleg konnte hier erbracht werden.656 Die hohe Signifikanz der Ergebnisse spricht für den Aspekt der Notwendigkeit einer erfolgten Integration (hinreichende Bedingung) und nicht nur für ein Vorhandensein eines Potenzials (notwendige Bedingung). Die von Hamel (1991) gesehene Notwendigkeit zur schnellen Integration wird hier empirisch nachgewiesen. Evtl. könnten auf Basis der hiesigen Ergebnisse zur Umsetzung der „absorptive capacity“ auch Rückschlüsse auf die generelle Bereitschaft zur partnerschaftlichen Zusammenarbeit eines Unternehmens gezogen werden. Es ist anzunehmen, dass Unternehmen, welche die Bedeutung externen Wissens nicht nur erkannt, sondern dessen Integration auch verfolgt haben, ein anderes Verhalten im Rahmen von Kooperationen an den Tag legen als Unternehmen, die stärker auf eine interne Entwicklung setzen. Das „not invented here“Syndrom sowie das in der Arbeit von Zaheer/McEvily/Perrone (1998) angesprochene Verhältnis von „interorganizational trust“ zu „interpersonal trust“ deuten in diese Richtung. Es wäre in weiteren Arbeiten zu überprüfen, ob jene Unternehmen, welche sich offener gegenüber externem Wissen geben, auch besondere Vorteile aus einer Kooperation ziehen können. Dieser Aspekt sollte vor allem bei solchen Studien berücksichtigt werden, welche sich auf die operative Durchführung einer Kooperation konzentrieren.

Das Verhalten der Pharmaunternehmen in der Praxis belegt die nachteilige Wirkung einer Diversifizierung auf Unternehmensebene. Aktuelle Umstrukturierungen bei der Bayer AG belegen dies exemplarisch. Unterstützt wird diese Beobachtung negativer Effekte durch eine Diversifizierung durch die Ergebnisse der Arbeit von Cardinal/Hatfield (2000) zur Vorteilhaftigkeit einer Fokussierung in der pharmazeutischen Industrie. Die Autoren konnten eine geringere Innovationsrate diversifizierter Unternehmen nachweisen. Da auch Ahuja (2000b) zu einem ähnlichen Ergebnis kommt, kann allgemein festgehalten werden, dass eine Fokussierung einer Firma für den Erfolg wesentlich ist, da auch in Kooperationen ein Einfluss messbar ist. Begründet werden könnte dies zum einen mit einer höheren Qualität von Ressourcen und zum anderen mit einer besseren operativen Durchführung der Kooperation aufgrund einer seitens des Pharmaunternehmens zugewiesenen höheren Bedeutung der Kooperation, einem höheren Commitment des Managements, einer besseren strategischen

656

Ein konkreter Vorschlag zur Operationalisierung auf Basis von Sekundärdaten wurde in der Wissenschaft noch nicht erarbeitet, weshalb hier die altbekannte Operationalisierung zum Potenzial gewählt wurde.

Model I: Erfolg einer Kooperation

229

Ausrichtung des Unternehmens oder auch mit der höheren Bedeutung des hier nicht berücksichtigten „tacit knowledge“.

Der in den ersten Modellen nicht signifikante und dann doch signifikante Befund zur Kernfeldeigenschaft in dieser Arbeit ist zu erläutern. Es wurde überprüft, ob es sich um einen statistischen Interaktionseffekt handelt. Es wäre denkbar, dass eine große Menge der seitens eines Biotechnologieunternehmens eingebrachten Ressourcen den Nachteil eines NichtKernfeldes ausgleichen könnte. Dieser Interaktionsterm ist aber nicht signifikant. Es liegt auch keine hohe bivariate Korrelation zwischen der Variable zur Kernfeldeigenschaft und der Technologieposition vor. Es wird daher vermutet, dass es sich entweder um eine versteckte Multikollinearität oder um ein Problem der Operationalisierung der Kernfeldeigenschaft handelt. Dieser Effekt ist als statistisch nicht signifikant zu klassifizieren, denn im Rahmen der Kernfeldanalyse hätte man erwartet, dass Pharmaunternehmen hier höhere Werte hinsichtlich der Qualitätsaspekte erzielen als auf den Nicht-Kernfeldern. Wie bereits angesprochen ist dies aber nicht der Fall. Obwohl hier eine zwar engere Definition eines Kernfeldes operationalisiert wurde, unterscheiden sich die Werte kaum. Es wird daher vermutet, dass zum einen Sperrpatente auf den Kernfeldern eine größere Bedeutung seitens der Pharmaunternehmen spielen und den Durchschnittswert negativ beeinflussen und zum anderen die Technologiefeldabgrenzung für die Identifikation von Kernfeldern aus Sicht der Pharmaunternehmen zu weit gefasst sein könnte, so dass sich die Vielzahl der „durchschnittlichen“ Erfindungen durchsetzen und deshalb besondere Leistungen der Pharmaunternehmen nicht zum Vorschein kommen. In Summe würde dies einen nicht signifikanten Einfluss erklären und für zukünftige Studien bedeuten, dass Messungen auf Unternehmensebene erst recht keine besonderen Ergebnisse ermöglichen, da selbst auf Technologiefeldebene qualitative Unterschiede nicht erkennbar sind. Es wird daher vermutet, dass Sperrpatente einen nicht zu vernachlässigenden Einfluss ausüben. Diese müssten entsprechend eliminiert werden. Weiterhin ist es denkbar, dass sich die Kernfelder nicht durch Zitate Dritter, sondern lediglich durch die Anzahl der Eigenzitate differenzieren. Auch dies wäre in weiteren Studien vertiefend zu analysieren.

230

Ergebnisse der empirischen Untersuchung

Hagedoorn/Duysters (2002) kommen in ihrer Studie zu dem Schluss, dass Unternehmen für Kernfelder M&A-Aktivitäten vorziehen sollten und strategische Allianzen für die Randgebiete als strategische Option verwendet werden sollten. Sie schreiben657: „The literature, both from analytical and a prescriptive perspective, seem to suggest that companies should play it safe and use M&As for core businesses in order to avoid uncontrolled technology transfer. Strategic technology alliances should be applied for other activities that can, of course, eventually become core businesses.”

Diese Auffassung wird auch bei Bleeke/Ernst (1991) und Hahn/Kaufmann (1994) vertreten und durch hiesige Ergebnisse gestützt, denn auf dem Kernfeld konnte keine statistisch abgesicherte höhere Erfolgswahrscheinlichkeit nachgewiesen werden im Vergleich zu den Randgebieten. In der Biopharmazie kommt der Aspekt hinzu, dass die Start-ups sich bei gegebener Finanzierung langfristig auch zu Wettbewerbern der Pharmaunternehmen mittels einer sog. Vorwärtsintegration entwickeln können. Hier sollte eine Unterstützung dieser (noch) kleinen Firmen auf den eigenen Kernfeldern nur dann erfolgen, wenn sichergestellt ist, dass es langfristig nicht zu einer Erosion der eigenen Kompetenzen kommt. Auf diese Erosion wird im folgenden Abschnitt noch näher einzugehen sein. Die Bedeutung einer Kooperation für ein Pharmaunternehmen zeigt sich in der technologischen Qualität der Unternehmen der Biotechnologie und deren Einfluss auf den Erfolg. Wie oben bereits diskutiert, üben die Pharmaunternehmen keinen direkten Einfluss über ihre technologische Qualität aus, sondern eher eine indirekte Wirkung über die Erfahrung und ihre Kompetenz in der Integration externen Wissens und der evtl. dadurch beeinflussten

Auswahl

guter

Kooperationspartner.

Der

bedeutsame

Einfluss

der

technologischen Ressourcen der Biotechnologieunternehmen zeigt sich in drei von vier signifikanten Hypothesen und einem hohen Erklärungsbeitrag des Teilschritts. Unterstützt wird dies durch die signifikante Wirkung einer guten Technologieposition des Biotechnologieunternehmens im Vergleich zu den Wettbewerbern. Im Vergleich zu den etablierten Unternehmen zeigen die Start-ups eine höhere Zitierquote ohne den Einfluss der Eigenzitate, so dass behauptet werden kann, dass die Erfindungen der Start-ups im Vergleich

657

Vgl. Hagedoorn/Duysters (2002), S. 181.

Model I: Erfolg einer Kooperation

231

zu den Erfindungen der Pharmaunternehmen für mehr externe Erfindungen von Bedeutung waren. Die durchschnittliche Zitierquote der Biotechnologieunternehmen liegt um ca. 68 Prozent höher als bei den etablierten Unternehmen. Im Prinzip bestätigt werden die Ergebnisse von Shan/Song (1997). Sie führen an, dass seitens der

Pharmaunternehmen

vor

allem

technologisch

kompetente

Unternehmen

der

Biotechnologie gekauft wurden. Auf Basis hiesiger Ergebnisse kann darüber hinaus festgehalten werden, dass es auch die kompetenten Biotechnologieunternehmen sind, welche attraktive Kooperationspartner darstellen und entsprechend eingebunden werden sollten. Sie bringen die wertvollen Ressourcen für die Medikamentenentwicklung mit.

Interessant ist die Wechselwirkung zwischen der technologischen Breite und der Technologieposition des Biotechnologieunternehmens. Bei Erweiterung des Modells um den Aspekt der Technologieposition übt die Größe des Patentportfolios implizit einen Einfluss auf den Erfolg der Kooperation aus. Gleichzeitig verliert die technologische Breite an Einfluss. Verschiedene Interpretationen sind hier denkbar: Zum einen könnte es bei einem kleinen Unternehmen wichtig sein, dass außer einer Bestätigung durch eine Patenterteilung, auch eine Verbreiterung und Absicherung der Forschungsergebnisse stattgefunden hat. Das bereits gehobene

Potenzial

einer

ursprünglichen

Erfindung

könnte

dann

als

weiteres

Qualitätsmerkmal angesehen werden. Als andere Erklärung käme in Betracht, dass die Qualitätsdimension der technologischen Breite in den Hintergrund tritt und ein quantitativer Aspekt stattdessen in den Vordergrund gelangt, weil eine in die Kooperation eingebrachte breite Erfindung auch den Gesichtspunkt der unterschiedlichen Anwendungsmöglichkeiten einer Erfindung widerspiegelt. Dieser Aspekt verliert aber an Einfluss, wenn ein ganzer Pool an Ressourcen hinzukommt. Aus der dann größeren Anzahl an Ressourcen – und nicht nur Anwendungsmöglichkeiten einiger weniger Ressourcen – dürften sich mehr Kombinationsund Einflussmöglichkeiten ergeben. Auf einem Randgebiet eines Pharmaunternehmens könnte es ausreichend sein, dass sich neue Möglichkeiten hinsichtlich der Anwendung ergeben. Auf einem Kerngebiet hingegen wird damit allerdings wegen der bereits erfolgten vertiefenden Aktivitäten des etablierten Unternehmens nicht mehr zu rechnen sein. Dort wird man neue Möglichkeiten nur aus anderen Ressourcen und nicht mehr nur aus qualitativ hochwertigen Ressourcen mit einer breiten Anwendungsmöglichkeit finden. Eine solche Wechselwirkung müsste aber noch vertiefend untersucht werden. Dafür ergeben sich aber Wechselwirkungen aus den beziehungsspezifischen Variablen. Ein genereller strategischer Fit zwischen den beiden Ressourcen scheint allein schon deshalb

232

Ergebnisse der empirischen Untersuchung

bestätigt worden zu sein, indem gezeigt wurde, dass Kompetenzen des Pharmaunternehmens wie auch Ressourcen des Biotechnologieunternehmens messbaren Einfluss auf den Erfolg ausüben. Dies ist auch als eine Art Interaktionseffekt interpretierbar. Es wurde ferner geprüft, inwieweit eine Überschneidung der beiden Ressourcenportfolios vor Beginn der Kooperation bestand und von welcher Art diese Überschneidungen gewesen ist. Ein doppelt vorhandenes Wissen, so wird im Rahmen der Diskussion um die „absorptive capacity“ vorgebracht, soll ein gemeinsames Verständnis zwischen den beiden Unternehmen ermöglichen. In dieser Arbeit wurden das Potenzial implizit und die Realisierung der „absorptive capacity“ explizit berücksichtigt. Lane/Lubatkin (1998) behaupten, dass die partnerspezifische „absorptive capacity“ für Lerneffekte wichtiger sei als die allgemeine „absorptive capacity“ nach Cohen/Levinthal (1990). Lane/Lubatkin (1998) argumentieren weiter, dass eine Überschneidung im sog. „basic knowledge“ für Lernprozesse wichtiger sei als eine Überschneidung im sog. „specialized knowledge“ hinsichtlich ihres direkten Partners. Hiesige Ergebnisse zeigen aber, dass eine partnerspezifische Überschneidung im „basic knowledge“ für den Erfolg hinderlich und eine Überschneidung im „specialized knowledge“ hinsichtlich des direkten Partners (wenn auch nur bei den Biotechnologieunternehmen) dem Erfolg der Kooperation dienlich ist. Als Erklärung könnte dienen, dass Lerneffekte und Erfolg nicht gleichzeitig auftreten und miteinander korreliert sein müssen. Diese Korrelation wird noch einmal bei der Erklärung von Lerneffekten in Kap. 5.2.4 aufgegriffen. Für den Erfolg einer Kooperation kann geschlussfolgert werden, dass eine gemäß Lane/Lubatkin (1998) allgemeine „absorptive capacity“ notwendig und dem Erfolg dienlich ist, während hingegen eine partnerspezifische „absorptive capacity“ positive wie negative Auswirkungen haben kann. Negativ daher, weil es zu einer Doppelung von Kompetenzen und damit zu einer Verringerung der vorhandenen Ressourcen kommt, was sich wiederum in einer geringeren Erfolgswahrscheinlichkeit zeigt.

Entsprechend der Hypothesen wurde erwartet, dass auf Technologiefeldebene nicht substituierende, sondern sich ergänzende Aktivitäten den Erfolg fördern, um eine unterstützende Wirkung der Ressourcen und Kompetenzen sicherzustellen. Es wurde überprüft, ob die Pharma- und Biotechnologieunternehmen auf den entsprechenden Partner zurückgegriffen hatten und dessen Erfindungen wesentlich verbessern konnten. Die Ergebnisse zeigen, dass Pharmaunternehmen nur selten auf den Erfindungen der späteren Partner aufgebaut hatten, während dies bei den Unternehmen der Biotechnologie häufiger zu beobachten war. Wie erfolgreich eine solche Weiterentwicklung gewesen sein könnte, kann

Model I: Erfolg einer Kooperation

233

an dieser Stelle nicht beurteilt werden. Aber es war zu erkennen, dass solche Kooperationen erfolgreicher waren, bei denen die Biotechnologieunternehmen entweder die Erfindungen des Pharmaunternehmens direkt verbessern konnten oder zumindest eine neue und patentfähige Verbesserung in einem angrenzenden Bereich erzielen konnten. Hier zeigt sich ein bedeutender Bezug zu den Ergebnissen von Fleming (2001): Eine neue Kombination von bekannten Aspekten ist erfolgversprechend. Durch den Bezug zu den Patenten des Pharmaunternehmens ergibt sich eine Bekanntheit der Thematik auf der Seite der Biotechnologieunternehmen. Gleichzeitig zeigen die empirischen Befunde eine hohe Qualität der Ressourcen der Biotechnologie, so dass es bei den erfolgreichen Kooperationen zu einer Anwendung einer Technologie auf andere, bekannte oder zumindest ähnliche Ressourcen gekommen ist, was schließlich auch zu einem Erfolg der Kooperation geführt hat. Dies legt den Schluss nahe, dass sich Biotechnologieunternehmen auf „ihren“ Markt ausgerichtet haben, da sie auf den Erkenntnissen der Pharmaunternehmen aufbauen.

Leider muss eingeschränkt werden, dass zwischen den beiden Variablen zur Ähnlichkeit in Biotech und zum Wissen des Partners eine höhere bivariate Korrelation besteht und beide Variablen dementsprechend eine fast gleich starke Wirkung (ȕ) wie auch ein gleiches Signifikanzniveau bei allerdings unterschiedlichen Vorzeichen aufweisen. Die bivariate Korrelation zeigt einen Wert von 0,59 bei einem Signifikanzniveau von 0,001 auf. Das bedeutet, dass ein Zitieren desselben Vorläufers häufig mit einem Zitieren des Kooperationspartners des Biotechnologieunternehmens einhergegangen ist. Treten beide Effekte gleichzeitig auf, würde sich daher eine erfolgsneutrale Wirkung ergeben.

5.1.7 Zwischenfazit

Arbeitsziel war eine Analyse der Einflussfaktoren auf den Erfolg einer Kooperation. Es konnte gezeigt werden, dass technologische Aspekte des Pharmaunternehmens hinsichtlich der Identifikation und Integration externen Wissens von großer Bedeutung sind. Die eigenen technologischen Ressourcen und Kompetenzen der Pharmaunternehmen zur Lösung der Probleme in der F&E waren nicht ausreichend, und diese Lücke musste mit Ressourcen der Biotechnologieunternehmen geschlossen werden. In dieser Studie gelang der Nachweis, dass die Qualität der Ressourcen der Biotechnologieunternehmen wesentlich für den Erfolg der Kooperation war. In diesem Zusammenhang könnte man dann von komplementären Ressourcen seitens der Biotechnologieunternehmen bei erfolgreichen Kooperationen

234

Ergebnisse der empirischen Untersuchung

sprechen, so dass damit der Auswahl der Kooperationspartner eine wesentliche Bedeutung für einen Kooperationserfolg zukommt. Ferner konnte gezeigt werden, dass unter dem Begriff von komplementären Ressourcen nicht dieselben Ressourcen eines dritten Unternehmens zu verstehen sind, sondern dass eine Weiterentwicklung auf Basis vorhandener Ressourcen stattgefunden haben sollte. Wenn es einem Biotechnologieunternehmen vor Beginn der Kooperation gelang, die Ressourcen der Pharmaunternehmen mittels der eigenen Technologie zu verbessern, waren die später folgenden Allianzen erfolgreicher. Bei solchen Kooperationen, bei denen das Biotechnologieunternehmen als eine Art Wettbewerber des Pharmaunternehmens verstanden werden kann, weil auf dieselben Erfindungen Dritter zurückgegriffen wurde und gleichzeitig auch auf die Ressourcen des Pharmaunternehmens, heben sich die positiven Einflüsse auf. Solche Kooperationen führen dementsprechend auch nicht zu einer Erhöhung der Erfolgswahrscheinlichkeit der Allianz.

Im Verlauf dieser Arbeit konnten Erkenntnisse über den Erfolg von Kooperationen generiert werden. Es schließt sich aber die Frage an, ob Pharmaunternehmen in diesen Kooperationen ihr Wissen erweitern und ihre eigene Ressourcensituation verbessern können. Es geht also um einen Erfolg durch Lerneffekte in Kooperationen.

5.2 Modell II: Erfolg durch Lerneffekte Mittels deskriptiver Auswertungen wird zunächst untersucht, ob es während oder im Anschluss an die Kooperation zu einem Lernerfolg beim Pharmaunternehmen gekommen ist. Ein Lerneffekt wird dann unterstellt, wenn c.p. eine Verbesserung der Technologieposition in der Folgeperiode seit Beginn der Kooperation beobachtet werden kann. Aus den deskriptiven Auswertungen lassen sich auch erste Hinweise ableiten, welche Kompetenzen seitens der beiden Unternehmenstypen zu Lerneffekten geführt haben könnten. Im Anschluss wird mittels einer multiplen linearen Regression analysiert, welche Kompetenzen einen signifikanten Einfluss auf diese Lerneffekte ausüben. Deshalb werden im Anschluss die Modellannahmen untersucht, die Modellgüte beschrieben und die Ergebnisse der linearen Regression dargestellt und diskutiert.

Modell II: Erfolg durch Lerneffekte

235

5.2.1 Deskriptive Auswertungen

Es wird näher analysiert, ob es bei den Biotechnologie- und Pharmaunternehmen zu einer Zunahme an Patenten im Zeitfenster nach der Kooperation im Vergleich zum Zeitfenster vor der Kooperation gekommen ist. Tabelle 21 enthält die Differenz für die beiden Unternehmenstypen auf Basis des Datensatzes, welcher auch zur Erklärung des Erfolgs der Kooperation Verwendung fand. Der Mittelwert lässt den Schluss zu, dass die Biotechnologieunternehmen im Durchschnitt mehr Patente in den drei Jahren nach der Kooperation neu erhalten hatten als in den drei Jahren vor Beginn der Allianz. Bei den Pharmaunternehmen hingegen wird eine Abnahme in der durchschnittlichen Anzahl an neu erteilten Patenten ersichtlich. Die Werte für den Median zu den beiden Gruppen unterstützen diese Interpretation. Der häufigste Wert für Firmen der Biotechnologie liegt bei eins, wohingegen er für die Pharmaunternehmen minus zwei beträgt. Die Standardabweichung ist aber jeweils recht groß.

StandardVariable N Minimum Maximum Mittelwert Median abweichung Delta Anzahl Patente Biotech 193 -69 221 2,23 1 22,44 Delta Anzahl Patente Pharma 193 -428 157 -7,94 -2 62,35 Delta Anzahl Patente Biotech + Pharma 193 -462 305 -5,70 -1 72,24 Tabelle 21: Deskriptive Statistik zum Lernerfolg der Kooperationspartner nach Unternehmenstyp

Ausgehend von dem Mittelwert von knapp zehn Patenten der Biotechnologieunternehmen in dem Zeitfenster vor Beginn der Kooperation bedeutet eine Zunahme um gut zwei auf dann zwölf Patente für den Mittelwert eine Steigerung um ca. 20 Prozent. Bezogen auf den Median wäre das Verhältnis sogar noch größer mit ca. 33%, da der häufigste Wert von zwei auf drei ansteigt.658 Dieselben Berechnungen für die Pharmaunternehmen zeigen Rückgänge auf fast ähnlichem Niveau.659 So sinkt der Mittelwert von ca. 54 Patenten um ca. acht Patente und damit um ca. 15 Prozent. Bezogen auf den Median von 21 würde sich ein Rückgang um ca. 10 Prozent ergeben. Aus dem starken Rückgang bei den Pharmaunternehmen folgt dann auch eine Abnahme für beide Unternehmen zusammen.

658 659

Vgl. Tabelle 14. Vgl. Tabelle 14.

236

Ergebnisse der empirischen Untersuchung

Zur Unterstützung der Ergebnisse, dass Kooperationen zu einer Verbesserung der Technologieposition bei den Biotechnologieunternehmen und zu einer Verschlechterung bei den Pharmaunternehmen führen, wurde ein Wilcoxon-Test für die Pharmaunternehmen (vgl. Tabelle 22) und die Biotechnologieunternehmen (vgl. Tabelle 23) durchgeführt. Dieser Test ergibt bei den Pharmaunternehmen bei einem einseitigen Test einen auf dem 0,1-Niveau signifikanten Unterschied zwischen den beiden verbundenen Mittelwerten. Es ist daher anzunehmen, dass Unternehmen der pharmazeutischen Industrie Forschungsanstrengungen in anderen Organisationen zu Lasten der eigenen Ressourcenausstattung finanzieren.660

Anzahl Patente nach Kooperation/ Anzahl Patente vor Kooperation

N

Mittlerer Rang

Rangsumme

Negative Rängea

104

85,03

8843,5

Positive Rängeb

71

92,35

6556,5

Bindungenc 18 Gesamt 193 Tabelle 22: Ergebnisse des Wilcoxon-Tests für die Pharmaunternehmen mit: a Anzahl Patente nach Kooperation < Anzahl Patente vor Kooperation b Anzahl Patente nach Kooperation > Anzahl Patente vor Kooperation c Anzahl Patente nach Kooperation = Anzahl Patente vor Kooperation

Anzahl Patente nach Kooperation/ Anzahl Patente vor Kooperation N Mittlerer Rang Rangsumme Negative Rängea 67 83,04 5564,0 Positive Rängeb 104 87,90 9142,0 Bindungenc 22 Gesamt 193 Tabelle 23: Ergebnisse des Wilcoxon-Tests für die Biotechnologieunternehmen mit: a Anzahl Patente nach Kooperation < Anzahl Patente vor Kooperation b Anzahl Patente nach Kooperation > Anzahl Patente vor Kooperation c Anzahl Patente nach Kooperation = Anzahl Patente vor Kooperation

Für die Biotechnologieunternehmen zeigt sich ein umgekehrtes Bild, denn es liegen mehr positive als negative Ränge vor und das Signifikanzniveau verbessert sich auf das 0,01Niveau. Biotechnologieunternehmen haben somit nach einer Kooperation mehr neue Patente als vorher. Diese Ergebnisse für die Biotechnologieunternehmen entsprechen den Resultaten von Stuart (2000) bei einer anderen Messmethode. Allerdings handelt es sich hierbei n.h.A. nicht um einen Lernerfolg der Biotechnologieunternehmen, da die im Rahmen der Kooperation entwickelten und durch das Pharmaunternehmen finanzierten Erfindungen

660

Vgl. Shan/Walker/Kogut (1994), S. 387.

Modell II: Erfolg durch Lerneffekte

237

seitens des Biotechnologieunternehmens zum Patent angemeldet werden. Die Zunahme um zwei Patente (vgl. Tabelle 21) spiegelt somit lediglich den Output für in die Kooperation investierte Forschungsgelder wider. Wesentlich für diese Interpretation ist die Studie von Lerner/Merges (1998). Ein Ergebnis der bereits in Kap. 1.1 angesprochenen Studie ist, dass 94% der Biotechnologieunternehmen Eigentum an der Kerntechnologie erhalten und nur 72% der Pharmaunternehmen ein Teileigentum bekommen hatten. Da im Rahmen der Überprüfung der Patentanmeldernamen so gut wie keine Patente von Biotechnologie- und Pharmaunternehmen gemeinschaftlich angemeldet wurden, ist davon auszugehen, dass die in einer Allianz entwickelten Patente dem Biotechnologieunternehmen zugerechnet werden müssen. Ferner werden die Ergebnisse durch ein Gespräch mit Novartis unterstützt. Im Rahmen der Entscheidung bei Novartis über eine Kooperation mit Vertex wurde auch erörtert, ob ein entsprechender Bereich intern aufgebaut werden sollte oder nicht. Es kam schließlich nicht zu einem internen Aufbau einer solchen Abteilung, so dass anzunehmen ist, dass Novartis eigene Forschungsanstrengungen auf diesem Gebiet reduziert haben dürfte und die gemeinsam generierten Patente entsprechend der Argumentation von Lerner/Merges (1998) durch Vertex angemeldet wurden. Da die vorliegenden Daten eine Kontrolle hinsichtlich des Vertragsinhalts nicht ermöglichen und die strategischen Entscheidungen der Pharmaunternehmen ebenfalls unbekannt sind, wird angenommen, dass Patente aus Kooperationen i.d.R. dem Biotechnologieunternehmen zugerechnet werden, aber eine Nutzung durch das finanzierende Pharmaunternehmen vertraglich ermöglicht wird. Somit kann eine Verbesserung der Technologieposition, durch Lerneffekte nur auf Ebene der Pharmaunternehmen gemessen werden. Die gemeinsam während der Kooperation generierten Patente müssen als Ausfluss der Investition in die Kooperation gewertet werden, denn es ist anzunehmen, dass während desselben Zeitraums durch Investitionen in F&E ebenfalls Patente generiert worden wären seitens der Pharmaunternehmen. Es ist zwar auch denkbar, dass sich hier der Fall eingestellt haben könnte, dass die Patente der Pharmaunternehmen zum Zeitpunkt der Datenerhebung zwar angemeldet, aber noch nicht erteilt waren. Dem ist entgegenzuhalten, dass dies auch für die Unternehmen der Biotechnologie gelten müsste, diese aber signifikant mehr Patente angemeldet haben. Ferner könnte eine generell niedrigere Erteilungsquote durch die Patentämter im Zeitverlauf eingetreten sein. Dies würde dann aber auch beide Unternehmenstypen betreffen, so dass der Unterschied zwischen den beiden Unternehmenstypen weiterhin bestehen würde.

238

Ergebnisse der empirischen Untersuchung

Im Rahmen der Regression konnten zunächst zwei Ausreißer identifiziert werden. Dies waren Pharmaunternehmen, welche das Technologiefeld vollständig aufgegeben hatten. Ohne diese beiden Datensätze beträgt das Minimum -153 anstatt -428 Patente, so dass 191 Datensätze in die Analyse zur Erklärung des Lernerfolgs eingeflossen sind. Es kann somit festgehalten werden, dass die Biotechnologieunternehmen im Durchschnitt mehr Patente und die Pharmaunternehmen im Durchschnitt weniger Patente im Zeitfenster nach einer Kooperation anmelden im Vergleich zur Vorperiode. Allerdings können erhebliche Unterschiede zwischen den US- und den Nicht-USPharmaunternehmen beobachtet werden. In Kap. 5.2.2 wurde bereits ausführlich dargelegt, weshalb nationale und internationale Kooperationen getrennt voneinander zu betrachten sind. Inhaltlich besteht zunächst ein Unterschied hinsichtlich Lerneffekte. Wie Tabelle 24 und Tabelle 25 zeigen, entstanden nach der Kooperation bei der Nicht-US-Gruppe mehr Patente. Die kleinen Unternehmen haben im Durchschnitt ca. sechs Patente mehr angemeldet gegenüber einem Rückgang bei den Pharmaunternehmen um ca. fünf Patente. Hingegen ist in der Gruppe der der US-Unternehmen ein Rückgang für beide Partner um ein bzw. zwei Patente zu beobachten. Es fällt weiterhin auf, dass die Nicht-US-Unternehmen in allen Variablen zur technologischen Qualität höhere Mittelwerte aufweisen. Gleichzeitig haben sie ein höheres Forschungsbudget und niedrigere, d.h. bessere Werte für die Variable zur Realisierung der „absorptive capacity“. Es deutet sich somit an, dass die Nicht-US-Pharmaunternehmen bessere interne Ressourcen und Kompetenzen vorzuweisen bzw. eingebracht hatten. Gleichzeitig deuten die Daten darauf hin, dass sich diese Unternehmen ein höheres Maß an „absorptive capacity“ erarbeitet hatten im Vergleich zu den US-Unternehmen. Diese wiederum könnten die besseren Kooperationspartner gewählt haben. Die technologische Qualität der US-Partner liegt bei drei von vier Variablen über dem Wert der Vergleichsgruppe und der vierte Wert unterscheidet sich nur minimal. Auch die relative Technologieposition der US-Partner war zum Zeitpunkt der Vereinbarung der Kooperation besser.

Zur Überprüfung, ob es sich hierbei um signifikante Unterschiede zwischen den Gruppen handelt, wurde auf einen Mann-Whitney-U-Test zurückgegriffen, weil einzelne Variablen keine Normalverteilung aufgewiesen haben. Tabelle 26 enthält die Variablen, für die ein signifikanter Unterschied ermittelt werden konnte. Die Ergebnisse dieser Tests unterstützen obige Interpretation der Daten. Allerdings konnte kein signifikanter Unterschied für die Variable zu Lerneffekten festgestellt werden.

Modell II: Erfolg durch Lerneffekte Nicht-US-Unternehmen N Minimum Maximum Mittelwert Erfolgsmaß Delta Patente Biotech 96 -57 221 6,63 Delta Patente Pharma 96 -153 153 -5,18 Delta Patente Allianz 96 -159 305 1,45 Kontrollvariablen US_Biotech 96 0 1 0,97 Forschungsbudget_Pharma 96 68 6378 1373,54 Grundlagenforschung 96 0 1 0,46 Unternehmensfusion 96 0 1 0,31 Unternehmenskauf 96 0 1 0,47 Technologische Qualität Biotech Technologische Kompetenz 96 0 65,25 9,19 Technologische Breite 96 0 5 2,20 Internationale Breite 96 0 27 6,82 Wissenschaftsbindung 96 0 109,25 20,36 Biotech Zusatz Technologieposition 96 0 0,22 0,03 Technologische Qualität Pharma Technologische Kompetenz 96 0 31 6,55 Technologische Breite 96 0 5 2,69 Internationale Breite 96 0 26,50 12,43 Wissenschaftsbindung 96 0 68 16,43 Pharma Zusatz Forschungserfahrung 96 -2 34 19,66 „Realized Absorptive Capacity” 96 0 4676 2249,17 Technologische Diversifizierung 96 0,64 0,88 0,84 Kernfeld 96 0 1 0,22 Tabelle 24: Deskriptive Statistik für Lernerfolg von Nicht-US-Unternehmen US-Unternehmen N Minimum Maximum Mittelwert Erfolgsmaß Delta Patente Biotech 95 -69 84 -1,43 Delta Patente Pharma 95 -125 157 -2,32 Delta Patente Allianz 95 -142 189 -3,75 Kontrollvariablen US_Biotech 95 0 1 0,93 Forschungsbudget_Pharma 95 148 4000 1090,33 Grundlagenforschung 95 0 1 0,49 Unternehmensfusion 95 0 1 0,17 Unternehmenskauf 95 0 1 0,41 Technologische Qualität Biotech Technologische Kompetenz 95 0 106 10,55 Technologische Breite 95 0 4 2,15 Internationale Breite 95 0 37,50 7,99 Wissenschaftsbindung 95 0 105,39 21,06 Biotech Zusatz Technologieposition 95 0 0,48 0,04 Technologische Qualität Pharma Technologische Kompetenz 95 0 13,74 5,31 Technologische Breite 95 0 7 2,53 Internationale Breite 95 0 20,25 9,54 Wissenschaftsbindung 95 0 47 14,76 Pharma Zusatz Forschungserfahrung 95 -10 31 18,76 „Realized Absorptive Capacity” 95 0 4020 2410,77 Technologische Diversifizierung 95 0,7743 0,88 0,84 Kernfeld 95 0 1 0,36 Tabelle 25: Deskriptive Statistik für Lernerfolg von US-Unternehmen

239 Varianz 657,33 2027,56 3123,98 0,03 1582133,24 0,25 0,22 0,25 168,26 1,52 37,63 500,12 0,00 30,98 0,57 31,07 191,61 67,01 480853,51 0,00 0,17

Varianz 301,78 2446,67 3386,68 0,07 371518,86 0,25 0,14 0,24 425,03 1,30 37,88 462,24 0,01 10,35 0,60 16,84 93,91 92,57 579298,37 0,00 0,23

240

Variable Technologische Breite Pharma

Internationale Breite Pharma

Realisierte Absorptive Capacity Kernfeld

Kooperationserfahrung

Ergebnisse der empirischen Untersuchung USPharma 0

N 98

1

95

Gesamt

193

Mittlerer Rang Rangsumme 99,21 9723,00 94,72

8998,00

0

98

104,84

10274,00

1

95

88,92

8447,00

Gesamt

193

0

98

89,61

8781,50

1

95

104,63

9939,50

Gesamt

193

0

98

90,18

8837,50

1

95

104,04

9883,50

Gesamt

193

0

98

85,32

8361,50

1

95

109,05

10359,50

Gesamt

193

MannWhitney-U 3887,00

WilcoxonW Z 8447,00 -1,98

Sig. 0,048

3100,50

7660,50

-4,01

0,000

3930,50

8781,50

-1,87

0,062

3986,50

8837,50

-2,20

0,028

3510,50

8361,50

-2,98

0,003

Tabelle 26: Ergebnisse des Mann-Whitney-U-Test auf signifikante Unterschiede zwischen den Gruppen

Wie aus Tabelle 26 hervorgeht, bestehen signifikante Unterschiede hinsichtlich der technologischen und der internationalen Breite mit Vorteilen für die Nicht-US-Unternehmen. Gerade noch signifikant ist außerdem der Unterschied für den Realisierungsaspekt der „absorptive capacity“. Für diese Variable ist das bessere Niveau ebenfalls den Nicht-USUnternehmen zuzuordnen, weil niedrigere Werte für die Variable als besser zu interpretieren sind. Gleichzeitig wurde in internationalen Kooperationen seltener auf dem Kernfeld eine Kooperation vereinbart. Hier ist ein signifikanter Unterschied zu Gunsten der USUnternehmen zu beobachten. Die Kooperationserfahrung schließlich zeigt eine signifikant größere Häufigkeit für die US-Unternehmen im Vergleich zu den Nicht-US-Unternehmen. Die obige Interpretation von Tabelle 24 und Tabelle 25 wird somit durch signifikante Unterschiede in den Ausprägungen einzelner Variablen unterstützt.

5.2.2 Überprüfung der Anwendbarkeit des Modells

Für das Modell II kommt eine multiple lineare Regression zum Einsatz. Hier ist es notwendig, die Modellannahmen zu diskutieren, da ein erstes Modell diese nicht erfüllen konnte. Es ist daher vertiefend auf die Bedingungen und die Ursachen für abweichende Befunde einzugehen.

Modell II: Erfolg durch Lerneffekte

241

Auch bei der multiplen linearen Regression dürfen die unabhängigen Variablen keine Multikollinearität oder Autokorrelation aufweisen.661 Eine hohe Multikollinearität mit einem die Grenze überschreitenden VIF-Wert von größer 10 stellte sich aber durch die Aufnahme der Variablen zur Messung der Unternehmensgröße und des Herkunftslandes der Pharmaunternehmen ein.662 Beide Variablen sollten helfen, die firmenspezifischen Effekte zu eliminieren. Da firmenspezifische Aspekte auch durch spezielle „dummy“-Variablen auf Unternehmensebene aufgefangen werden können, wurden diese beiden Variablen aus dem Modell II ausgeschlossen und durch spezielle „dummies“ für jedes Unternehmen ersetzt. Auch die Variable zur Kontrolle der Wettbewerbsintensität musste aus dem Modell aufgrund zu hoher VIF-Werte ausgeschlossen werden.

Für das Modell ohne Berücksichtigung des Herkunftslandes der Pharmaunternehmen wird zur Bestimmung einer Autokorrelation ein Wert von d =1,620 mittels des Durbin-Watson-Tests errechnet. Die obere und untere Grenze kann mit der Software SHAZAM berechnet werden. Nach Auffassung von Harvey (1990) ist der Wert von d bei einer großen Anzahl Beobachtungen approximativ normalverteilt.663 Damit ergibt sich als untere Grenze für 193 Beobachtungen ein Wert von d=1,763 bei 5 Prozent als kritischem Wert für einen einseitigen Test auf positive Autokorrelation mit SHAZAM 10.0. In diesem Zwischenmodell wurde also gegen die Annahmen des Ausschlusses einer Autokorrelation verstoßen. Auffällig ist, dass durch die Nichtberücksichtigung der Variable zur Bestimmung der Wettbewerbsintensität das Niveau der Autokorrelation sinkt, obwohl diese Variable genau für einen solchen Effekt aufgrund des größeren Untersuchungszeitraumes kontrollieren sollte. Allerdings reichte die durch die Eliminierung erzielte Verbesserung nicht aus, um eine Einhaltung der Modellannahmen bejahen zu können. Für weitere Studien ist daher grundsätzlich von einer Aufnahme einer solchen Variablen abzuraten.

Eine weitere Voraussetzung der linearen Regression ist, dass die Residuen – auch als Fehlerterme bezeichnet – normalverteilt sind.664 Das Histogramm und weitere Diagramme

661

Vgl. Kap. 4.3.1.2. Vgl. Hair et al. (1998), S. 193. 663 Vgl. Harvey (1990), S. 201. 664 Vgl. Albers/Skiera (1999), S. 208. 662

242

Ergebnisse der empirischen Untersuchung

zeigen, dass hier keine Normalverteilung im Ursprungsmodell vorliegt. Abbildung 13 stellt den Verlauf der erwarteten und der beobachteten kumulierten Wahrscheinlichkeit dar.

P-P-Diagramm von Standardisiertes Residuum

Abhängige Variable: Learning Erwartete Kum. Wahrsch.

1,0

0,8

0,6

0,4

0,2

0,0 0,0

0,2

0,4

0,6

0,8

1,0

Beobachtete Kum. Wahrsch.

Abbildung 13: Verlauf der standardisierten Residuen665

Im Optimum soll es sich hierbei um eine Grade im 45° Winkel handeln. Offensichtlich ist dies nicht der Fall. Der Kolmogorov-Smirnov-Test ist folgerichtig auf dem 0,05-Niveau signifikant, so dass festgehalten werden muss, dass gegen diese Modellannahme verstoßen wird. Auch wenn argumentiert werden kann, dass dieser Einfluss bei großzahligen Untersuchungen

vernachlässigbar

sein

könnte666,

deutet

das

Diagramm

aus

den

standardisierten Residuen und der Erfolgsvariable an, dass zwei Gruppen von Kooperationen existieren könnten.667 Da diese zentrale Modellannahme wesentlich für alle weiteren Untersuchungen ist, wird sich nicht mittels statistischer Winkelzüge darüber hinweggesetzt, sondern die Ursache identifiziert. Als Begründung für nicht normalverteilte Residuen einer Regression kommt eine Schiefe in der Verteilung der abhängigen oder unabhängigen Variablen in Betracht. Eine Transformation der entsprechenden Variablen könnte i.d.R. Abhilfe schaffen.668 Eine Transformation des

665

Ergebnis aus SPSS 12.0 für den nicht aufgespalteten Datensatz. Vgl. Backhaus et al. (2003), S. 92. 667 Vgl. Rindfleisch (2000), S. 85. 668 Vgl. Hair et al. (1998), S. 173-176. 666

Modell II: Erfolg durch Lerneffekte

243

Erfolgsmaßes stellte sich hier aber als nicht ausreichend heraus. Der Kolmogorov-SmirnovTest war weiterhin signifikant. Eine einzelne unabhängige Variable konnte nicht identifiziert werden, weshalb von einer Transformation aller unabhängigen Variablen abgesehen wurde.

Als Ursache für die Schiefe in der hier vorliegenden Verteilung der abhängigen Variablen konnte nach intensiver Analyse schließlich das Herkunftsland der Pharmaunternehmen identifiziert werden. Mittels der im ursprünglichen Modell enthaltenen Dummy-Variablen kann auch zwischen rein nationalen und internationalen Kooperationen unterschieden werden. Ursächlich für die Idee war zum einen eine Anmerkung eines Mitarbeiters aus der Praxis, der darauf verwies, dass die europäischen Pharmaunternehmen in langfristiger Perspektive eher unzufrieden bei internationalen Kooperationen gewesen sind und zum anderen der Hinweis bei Rindfleisch (2000) auf systematische Unterschiede in nationalen wie internationalen Kooperationen.669 Wie auch bei der Erklärung des Kooperationserfolgs erwartet, zeigt sich hinsichtlich des Lernens vom Kooperationspartner ein sehr großer Unterschied in den Unternehmen aus den zwei Herkunftsbereichen. Wie Tabelle 24 und Tabelle 25 verdeutlichen, besteht ein sehr großer Unterschied zwischen nationalen und internationalen Kooperationen. Deshalb wurden wie bei Parkhe (1993b) entsprechende Gruppen gebildet. Seine Korrelationsanalyse lässt den Schluss zu, dass in allen drei Konstellationen von amerikanischen, japanischen und europäischen Unternehmen die mittels drei Dimensionen gemessene Leistung sich anders zusammensetzt. Für US-Unternehmen sind „spillovers“ und die Leistung insgesamt, für EUUnternehmen die strategische Bedeutung der Allianz und die Leistung insgesamt wichtig. Japanische Partner messen die Leistung wiederum über die strategische Bedeutung und die „spillovers“. Die bei ihm identifizierte unterschiedliche Entwicklung von kulturellen, nationalen und organisatorischen Normen und der sich daraus ergebende Bedarf der Differenzierung des Einflusses auf die Kooperationen, scheint hier ebenfalls eine wesentliche Rolle zu spielen.670 Die evtl. unterschiedlichen Ziele könnten daher in der Messung des Lernerfolgs deutlich werden, denn schließlich ist anzunehmen, dass ein Kooperationsvertrag die jeweiligen Interessen berücksichtigt und es daher zur Verfolgung anderer Ziele in einer Kooperation kommt. Dass kulturelle Barrieren darüber hinaus auch bei der Expansion von Unternehmen von Bedeutung sind und Auswirkung auf Lerneffekte haben, sind Ergebnisse 669 670

Vgl. Rindfleisch (2000), S. 85. Vgl. Parkhe (1993b), S. 316-319.

244

Ergebnisse der empirischen Untersuchung

der Arbeit von Barkema/Bell/Pennings (1996). Diese kulturellen Barrieren könnten ebenfalls Ursache für die großen Unterschiede in nationalen wie internationalen Kooperationen sein.

Für das hinsichtlich der Herkunftsländer der Pharmaunternehmen schließlich getrennte Modell wurde wieder auf Multikollinearität und Autokorrelation getestet. Beide Gruppen sind fast gleich groß und beinhalten 95 bzw. 96 Datensätze. Für beide Gruppen ist der Kolmogorov-Smirnov-Test nicht mehr signifikant, so dass eine Normalverteilung der Residuen vorliegt. Der Durbin-Watson-Test weist einen Wert von 2,068 für Nicht-USUnternehmen und 1,978 für US-Unternehmen auf. Die untere Grenze liegt für 95 Beobachtungen bei einem Wert von d=1,662 bei einer Wahrscheinlichkeit von 95 Prozent für einen einseitigen Test. Weder eine positive noch eine negative Autokorrelation liegt somit vor. Allerdings steigt das Niveau der VIF-Wert der Variablen leicht an. Alle Werte sind aber immer noch kleiner als 4,87, wobei die Dummies für die Unternehmen je nach Modell für die höheren Werte nahe 5 verantwortlich sind. Auch die Werte für die Toleranz liegen weit über der Grenze von 0,1.671 Auch Multikollinearität stellt somit ebenfalls kein Problem dar. Die Modellannahmen werden durch die Aufteilung vollständig erfüllt, weshalb es zu einer getrennten Analyse der beiden Gruppen im Rahmen von Modell II kommt.

5.2.3 Überprüfung der Modellgüte

Mit den notwendigen Anpassungen sind die Modelle für die Gruppe der US- wie für Gruppe der Nicht-US-Unternehmen als gut zu bezeichnen. Die korrigierten Bestimmtheitsmaße liegen oberhalb des Anspruchniveaus wie auch die Ergebnisse der F-Statistik. Hinsichtlich der Beurteilung der Regressionskoeffizienten wurde das Anspruchsniveau eingehalten.

671

Vgl. Hair et al. (1998), S. 193.

Modell II: Erfolg durch Lerneffekte Gütekriterien zur Beurteilung des Gesamtmodells

245

Anspruchsniveau

Bestimmtheitsmaß R² t 0,2 Die R²-Statistiken dienen der Beurteilung der Güte des Gesamtmodells F-Statistik Überprüft, ob der Einfluss der unabhängigen p ” 0,01 Variablen auf die abhängige Variable und somit ob das Gesamtmodell signifikant ist. zur Beurteilung der Regressionskoeffizienten t-Statistik Überprüft die Signifikanz der einzelnen Regressionskoeffizienten, deren Einflüsse auf p ” 0,1 die abhängige Variable als ȕ-Werte dargestellt werden. Tabelle 27: Erzielte Werte der Gütekriterien der linearen Regression

Gemessen Modell US Modell Nicht-US 0,333 (korrigiert)

0,305 (korrigiert)

p < 0,001

p < 0,01

p ” 0,1

p ” 0,1

5.2.4 Analyse der bivariaten Korrelationen

Wie bereits im Abschnitt zum Kooperationserfolg dargestellt, existieren nennenswerte bivariate Korrelationen, die im Rahmen der Interpretation der Ergebnisse evtl. zu berücksichtigen sind. Da im Gegensatz zum Modell des Kooperationserfolgs hier eine Aufteilung des Datensatzes vorgenommen wurde, könnten sich andere bivariate Korrelationen ergeben haben. Aus Tabelle 28 und Tabelle 29 ergibt sich, dass kein wesentlicher Unterschied zwischen den beiden Gruppen hinsichtlich der bivariaten Korrelationen existiert. Es fällt lediglich auf, dass bei der Gruppe der Nicht-US-Unternehmen eine höhere Korrelation zwischen dem Forschungsbudget und der Größe existiert als bei der US-Gruppe. Die Technologieposition der Biotechnologieunternehmen zeigt bei der Gruppe der Nicht-USUnternehmen ebenfalls eine Korrelation von größer 0,4. mit der technologischen Kompetenz. Da auch in der Gruppe der US-Unternehmen eine bivariate Korrelation i.H.v. 0,37 besteht, wird die seitens der Biotechnologieunternehmen erreichte Technologieposition mit der technologischen Kompetenz in Zusammenhang stehen. Die kompetentesten Biotechnologieunternehmen stellen somit auch die stärksten Unternehmen hinsichtlich der Patentportfolios dar.

Bei der US-Gruppe besteht eine höhere Korrelation bei den Pharmaunternehmen zwischen der technologischen Kompetenz und der Wissenschaftsbindung. Es wird vermutet, dass dies durch die Entwicklung der Biotechnologie in den USA verursacht ist. Amerikanische

246

Ergebnisse der empirischen Untersuchung

Unternehmen könnten sich durch die größere Nähe zu Universitäten und den nationalen Biotechnologieunternehmen frühzeitiger mit der neuen Technologie befasst haben, was sich in einer höheren Zitierquote von Publikationen niedergeschlagen haben könnte. Ebenfalls denkbar ist eine Unkenntnis dieser Quellen bei den Nicht-US-Firmen, was auch auf die Entfernung zur neuen Technologie zurückzuführen wäre. Es kann festgehalten werden, dass zwar bivariate Korrelationen vorliegen, diese aber inhaltlich nachvollziehbar sind und das absolute Niveau als gering eingestuft werden kann. Ihr Einfluss wird hier daher als nicht schwerwiegend eingestuft.

Modell II: Erfolg durch Lerneffekte

Tabelle 28: Bivariate Korrelationen für Nicht-US-Unternehmen

247

248

Ergebnisse der empirischen Untersuchung

Fortführung von Tabelle 28

Modell II: Erfolg durch Lerneffekte

Tabelle 29: Bivariate Korrelationen für US-Unternehmen

249

250

Ergebnisse der empirischen Untersuchung

Fortführung von Tabelle 29

Modell II: Erfolg durch Lerneffekte

251

Zusätzlich zu den bivariaten Korrelationen zwischen den Variablen wurde überprüft, ob eine Korrelation zwischen dem Erfolg einer Kooperation und dem Lernerfolg der Pharmaunternehmen in der Folgeperiode besteht. Dafür wurde der Datensatz mit 191 Datensätzen verwendet. Die Ergebnisse sind in Tabelle 30 dargestellt.

Erfolg Korrelation nach Spearman

Delta Patente Nicht-US-Firmen -0,970

Delta Patente US-Firmen Pharma 0,100

Signifikanz (2-seitig) 0,348 0,337 N 96 95 Tabelle 30: Bivariate Korrelationen zwischen Erfolg der Kooperation und dem Lernerfolg

Die Ergebnisse zeigen keinen signifikanten Zusammenhang zwischen dem Erfolg einer Kooperation und der Differenz bzgl. der Anzahl neu generierter Patente – weder für die eine noch für die andere Gruppe. Die hohe bivariate Korrelation zwischen diesen beiden Variablen bei Muthusamy/White (2005) kann somit nicht bestätigt werden.672 Ursächlich dafür könnte sein, dass bei Muthusamy/White (2005) lediglich nach dem Ausmaß der transferierten Kompetenzen gefragt wird und hier der Aspekt der diesem Schritt nachfolgenden Integration in dem Erfolgsmaß enthalten ist, wobei nicht alle transferierten Kompetenzen patentfähig sein müssen.

5.2.5 Darstellung der Ergebnisse

Die Ergebnisse in Tabelle 31 und Tabelle 32 enthalten, wie in der logistischen Regression auch, keine Dummies für die Technologiefelder. Hier wurde ebenfalls auf einen signifikanten Einfluss der Technologiefelder geprüft. Keines war auf dem 0,05-Niveau signifikant, so dass sich hier keine Änderungen bzgl. der Modellvariablen ergeben. Diese Dummies wurden daher auch hier aus der Analyse entfernt. Auch das Jahr der Vereinbarung übt keinen Einfluss aus, weshalb auch diese Dummies entfernt wurden. Unternehmensspezifische Effekte sind im Gegensatz zu Modell I möglich.

Die Analyse des Lernerfolgs erfolgt in vier Teilschritten. Im ersten Schritt wird der Einfluss der Kontrollvariablen berücksichtigt. Anschließend werden die Dummies für die

672

Vgl. Muthusamy/White (2005), S. 429.

252

Ergebnisse der empirischen Untersuchung

Unternehmen hinzugefügt. Im nächsten Schritt wird das Potenzial der Biotechnologieunternehmen zur Generierung von Lerneffekten bei den Pharmaunternehmen der Untersuchung hinzugefügt. Dieses besteht aus den Variablen zur technologischen Qualität wie auch aus der Technologieposition. Im letzten Teilschritt werden die Variablen zur technologischen Qualität der Pharmaunternehmen sowie weitere Variablen zu Aspekten der „absorptive capacity“ analysiert. Beide Gruppen werden jeweils nacheinander angesprochen.

Modell: Kontrollvariablen

In Modell 7 für die Nicht-US-Unternehmen ist lediglich das Forschungsbudget signifikant mit dem Lernerfolg korreliert, dies allerdings negativ. Keine der weiteren Variablen ist signifikant. Das Basismodell weist ein R2=0,15 auf und ist auf dem 0,001-Niveau signifikant. In Modell 11 für die Unternehmen aus den USA weist lediglich die Variable zum Kauf von kleineren Unternehmen einen signifikanten Einfluss auf. Mittels des US-Basismodells können lediglich knapp 8 Prozent der Varianz erklärt werden. Dieses Modell ist also nicht sehr aufschlussreich.

In den Modellen 8 und 12 sind die Dummies für unternehmensspezifische Einflüsse enthalten. Bei den US-Firmen ist die Konstante nun schwach signifikant positiv. Es wird deutlich, dass bestimmte Unternehmen deutlich besser oder merklich schlechter hinsichtlich der Verbesserung der eigenen Technologieposition abgeschnitten haben. In beiden Modellen steigt das R2 an, wobei der wesentlich größere Einfluss bei den US-Unternehmen zu beobachten ist. Hier ist auch ein signifikanter Teilschritt zu beobachten. Beide Gesamtmodelle sind mindestens auf dem 0,01-Niveau signifikant.

Modell: Potenzial des Kooperationspartners

Im Bereich der technologischen Qualität hat die Berücksichtigung von Variablen der Biotechnologieunternehmen einige Auswirkungen. So zeit sich in Modell 9 ein auf dem 0,05Niveau signifikant positiver Einfluss der technologischen Kompetenz für die Nicht-USUnternehmen. Ebenfalls signifikant auf dem 0,05-Niveau sind die Technologieposition und damit die Größe des Ressourcenportfolios des Biotechnologieunternehmens. Für Nicht-USUnternehmen kann somit eine Unterstützung für Hypothese 12 gefunden werden, denn auch der Teilschritt ist auf dem 0,05-Niveau signifikant und das R2 steigt auf einen Wert von 0,305 an. Die Signifikanz des Gesamtmodells liegt auf dem 0,01-Niveau.

Modell II: Erfolg durch Lerneffekte

253

Anders sieht dies für die US-Firmen aus. In Modell 13 kann für die Wissenschaftsbindung ein auf dem 0,1-Niveau signifikant negativer Einfluss beobachtet werden. Auch die Technologieposition hat keinen wirklichen Einfluss und zeigt darüber hinaus auch ein negatives Vorzeichen. Das R2 fällt sogar auf einen Wert von 0,215. Das Gesamtmodell bleibt aber weiterhin signifikant auf dem 0,01-Niveau. Hypothese 12 ist für Nicht-US-Firmen daher abzulehnen. Modell Nicht-US-Unternehmen Konstante US_Biotech Forschungsbudget_Pharma Grundlagenforschung Unternehmensfusion Unternehmenskauf Unternehmen 2 Unternehmen 3 Unternehmen 4 Unternehmen 5 Unternehmen 7 Unternehmen 9 Unternehmen 10 Unternehmen 11 Unternehmen 13 Unternehmen 15 Unternehmen 16 Unternehmen 17 Unternehmen 18 Unternehmen 19 Unternehmen 20 Unternehmen 23 Unternehmen 25 Unternehmen 26 Unternehmen 31 Unternehmen 32 Unternehmen 35 Technologische Qualität Biotech Technologische Kompetenz Technologische Breite Internationale Breite Wissenschaftsbindung Biotech Zusatz Technologieposition Technologische Qualität Pharma Technologische Kompetenz Technologische Breite Internationale Breite Wissenschaftsbindung Pharma Zusatz Forschungserfahrung „Realized Absorptive Capacity” Technologische Diversifizierung Kernfeld R2 korrigiertes R2 F 'F Beobachtungen (N)

7 B Sig. 0,08 -0,02 -0,23 *** 0,15 -0,03 -0,08

8 B 0,03 -0,02 -0,47 0,04 0,00 0,04 -0,16 -0,18 -0,73 0,83 0,17 -0,10 0,69 0,28 -0,67 -0,67 -0,04 0,39 0,09 0,86 0,15 -0,42 0,33 0,90 -0,59 -0,24 -0,26

Sig.

***

†

*

*

*

* *

9 B 0,11 -0,04 -0,46 0,07 0,01 0,02 -0,08 0,02 -0,46 0,75 -0,09 -0,53 0,28 0,03 -0,64 -0,60 -0,11 0,41 0,04 0,67 0,15 -0,42 0,30 0,99 -0,65 -0,32 -0,32

Sig.

***

*

*

** *

0,20 * 0,02 -0,13 -0,11 0,25 *

10 B 0,17 0,01 -0,27 0,11 0,02 -0,01 -0,13 -0,08 -0,41 0,42 -0,30 -0,94 -0,11 -0,60 -0,38 -0,64 -0,72 0,35 -0,01 0,32 0,40 -0,19 -0,23 1,19 -0,36 -0,10 0,16

Sig.

*

*

*

**

0,16 -0,05 -0,15 -0,08 0,29 * 0,16 * 0,06 0,06 -0,06

0,196 0,151 4,39 *** 96

0,442 0,232 2,10 ** 1,45 96

0,532 0,305 2,34 ** 2,44 * 96

-0,06 0,01 -0,34 * 0,02 0,590 0,305 2,07 ** 1,01 96

Tabelle 31: Darstellung der Ergebnisse für Lernerfolg der Nicht-US-Unternehmen Modell 7-10 mit: ***p < 0.001; **p < 0.01; *p < 0.05; †p < 0.1 (einseitiger Test für die Koeffizienten und zweiseitiger Test für die F-Statistik)

254 Modell US-Unternehmen Konstante US_Biotech Forschungsbudget_Pharma Grundlagenforschung Unternehmensfusion Unternehmenskauf Unternehmen 1 Unternehmen 6 Unternehmen 8 Unternehmen 12 Unternehmen 14 Unternehmen 21 Unternehmen 22 Unternehmen 24 Unternehmen 27 Unternehmen 28 Unternehmen 29 Unternehmen 30 Unternehmen 36 Technologische Qualität Biotech Technologische Kompetenz Technologische Breite Internationale Breite Wissenschaftsbindung Biotech Zusatz Technologieposition Technologische Qualität Pharma Technologische Kompetenz Technologische Breite Internationale Breite Wissenschaftsbindung Pharma Zusatz Forschungserfahrung „Realized Absorptive Capacity” Technologische Diversifizierung Kernfeld R2 korrigiertes R2 F ǻF Beobachtungen (N)

Ergebnisse der empirischen Untersuchung 11 B Sig. 0,09 -0,01 -0,01 0,05 -0,07 0,21 *

12 B 0,28 0,04 -0,19 -0,02 0,16 0,35 -1,34 -0,56 -0,36 0,46 -0,26 0,34 0,61 -1,45 0,83 -0,86 -0,31 0,31 -0,19

Sig. †

*** *** †

* * *

13 B 0,31 0,03 -0,16 -0,01 0,15 0,40 -1,46 -0,44 -0,33 0,31 -0,28 0,35 0,62 -1,77 0,80 -1,06 -0,36 0,22 -0,20 0,00 -0,05 0,01 -0,17

Sig. †

*** ***

* * *

†

-0,01

14 B 0,64 0,08 -0,15 -0,04 0,12 0,30 -1,38 -0,15 -0,06 0,45 -0,75 -0,29 0,29 -1,22 0,30 -0,92 -0,71 -0,40 -0,54

Sig. **

** ***

*

†

* *

-0,03 0,01 0,04 -0,11 0,05 0,51 ** 0,00 -0,09 -0,16

0,075 0,023 1,44 95

0,369 0,219 2,47 ** 2,72 ** 95

0,407 0,215 2,17 ** 0,91 95

0,00 -0,07 -0,17 -0,15 * 0,553 0,333 2,51 *** 2,58 * 95

Tabelle 32: Darstellung der Ergebnisse für Lernerfolg der US-Unternehmen Modell 11-14 mit: ***p < 0.001; **p < 0.01; *p < 0.05; †p < 0.1 (einseitiger Test für die Koeffizienten und zweiseitiger Test für die F-Statistik)

Modell: Eigene Kompetenzen der Pharmaunternehmen

Die Modell 10 und 14 umfassen schließlich auch die Ressourcen und Kompetenzen der Pharmaunternehmen. Durch Aufnahme der Variablen verliert in Modell 10 das Forschungsbudget der Nicht-US-Unternehmen an Einfluss. Es ist aber immer noch auf dem 0,05-Niveau signifikant negativ mit der abhängigen Variablen verbunden. Das Signifikanzniveau einiger Dummies für die Unternehmen verändert sich. Die eigene technologische Kompetenz zeigt einen signifikant positiven Einfluss. Hypothese 13 erhält somit eine leichte Unterstützung. Die Hypothese 14 zur Realisierung der „absorptive capacity“ kann nicht bestätigt werden, aber die Variable zeigt ein positives Vorzeichen. Dies bedeutet, dass

Modell II: Erfolg durch Lerneffekte

255

Firmen, welche langsamer in der Realisierung sind, mehr von einem Kooperationspartner lernen könnten. Die Variable zur technologischen Diversifizierung bewirkt zwar einen negativen Einfluss, aber auch hier gilt, dass kleine Werte der Variablen für eine Fokussierung stehen, so dass sich ein positiver Effekt aus einer Fokussierung ergibt. Dies bedeutet ebenfalls eine Unterstützung für H15. Hypothese 16 zur Kernfeld-Eigenschaft kann ebenfalls nicht bestätigt werden. Diese Variablen zu den Kompetenzen der Pharmaunternehmen führen aber zu keiner Verbesserung hinsichtlich des R2 für das Modell 10. Somit kann dieser Teilschritt auch kein entsprechendes Signifikanzniveau aufweisen. Das Gesamtmodell bleibt weiterhin signifikant auf dem 0,01-Niveau.

Für die US-Unternehmen ergibt sich hier ein teilweise anderes Bild. Die Konstante ist nun stark signifikant auf dem 0,01-Niveau mit einem positiven Vorzeichen. Weiterhin sind nur leichte

Verschiebungen

hinsichtlich

der

Unternehmensdummies

festzustellen.

Die

technologische Kompetenz ist auf dem 0,01-Niveau signifikant. Gleichzeitig verliert die Wissenschaftsbindung ihren negativen Einfluss. Für die US-Unternehmen ist somit eine Verbesserung der Technologieposition im Sinne von H13 aufgrund eigener Kompetenzen zu beobachten. Allerdings ist für die Kernfeld-Eigenschaft ein signifikant negativer Einfluss zu konstatieren, was eine Widerlegung von H16 bedeutet. Weitere Variable haben keinen auffallenden Einfluss, so dass H14 und H15 abzulehnen sind. Das R2 des Gesamtmodells steigt auf einen Wert von 0,333 an und liegt damit über dem von Nicht-US-Unternehmen. Dieser Teilschritt ist auf dem 0,05-Niveau signifikant und auch das Gesamtmodell erfährt eine Verbesserung hinsichtlich des Signifikanzniveaus auf das 0,001-Niveau. Für USUnternehmen sind somit firmenspezifische Einflüsse auf die Technologieposition nach einer Kooperation wirksam.

5.2.6 Wertung der Ergebnisse

Im Gegensatz zur Arbeit von Lane/Lubatkin (1998) mit einer positiven Wirkung der Forschungsintensität auf den Lern-Index zeigt sich hier ein negatives Vorzeichen für das Forschungsbudget für die Nicht-US-Firmen. Da der Datensatz bei Lane/Lubatkin (1998) aber sehr klein und diese Variable auch nicht durchgängig signifikant ist, liegen bislang keine gesicherten Erkenntnisse vor. Bemerkenswert ist, dass hier nicht nur kein positives Vorzeichen, sondern ein negativer Effekt ersichtlich wird, der zudem auch in allen Modellen

256

Ergebnisse der empirischen Untersuchung

für Nicht-US-Unternehmen erkennbar ist. Auch die Variable für die US-Unternehmen zeigt ein negatives Vorzeichen. Für einen Nichtbefund hätte als Erklärung dienen können, dass Lerneffekte bei Unternehmen mit einer Vielzahl an Ressourcen durch eine einzelne Allianz nicht auftreten, überlagert werden oder vielleicht auch so nicht messbar sind. Aber ein Nichtbefund ist hier nicht eingetreten. Erklärungen für hiesigen Befund können allerdings vielschichtig sein und sind teilweise spekulativ. Es wäre z.B. denkbar, dass Unternehmen mit einem hohen Potenzial das relevante externe Wissen bereits internalisiert hatten und daher nichts oder nur wenig zusätzlich lernen konnten, was sich in Patenten niederschlagen würde. Es wäre auch denkbar, dass Firmen mit einem hohen Potenzial an „absorptive capacity“ externes Wissen zwar identifiziert und die Bedeutung erkannt haben, dieses Wissen aber aufgrund von z.B. tazitem Charakter nicht internalisieren konnten. Ein Unternehmen würde dann die technologische Kompetenz des Partners erkannt und auf einen weiteren Aufbau von eigenen Kompetenzen zu Gunsten der Kooperation verzichtet haben. Unter der Annahme von Ressourcenrestriktionen würde dies ein sinnvolles Vorgehen darstellen. Dass solche Restriktionen bei den Pharmaunternehmen vorliegen, erscheint naheliegend, da Forschungsvorhaben grundsätzlich mit hohen Kosten verbunden sind. Unternehmen wären somit in der Situation, zwischen „make“ oder „buy“ zu entscheiden. Dass solche Entscheidungen zu Gunsten des Kooperationspartners in der Realität auch vorkommen, zeigt das bereits angesprochene Verhalten von Novartis im Rahmen der Kooperation mit Vertex. Novartis hatte auf einen Ausbau der eigenen Kompetenzen auf dem Technologiefeld nach der Vereinbarung der Kooperation mit Vertex verzichtet und sich somit aus dem Technologiefeld zurückgezogen. Wenn dies als ein typisches Verhalten zu klassifizieren wäre, würde es bedeuten, dass Pharmaunternehmen mit großen F&E-Budgets eigene Forschungsaktivitäten in stärkerem Maße in Kooperationen übertragen zu Lasten der eigenen Ressourcensituation. Dies Interpretation wird durch die Ergebnisse aus Tabelle 21 gestützt, die zeigt, dass die Biotechnologieunternehmen nach der Kooperation im Durchschnitt mehr Patente vorzuweisen hatten, was kongruent zu den Ergebnisse von Stuart (2000) ist. Es ist noch eine weitere Erklärung denkbar, da die Zahlungen an die Unternehmen der Biotechnologie aus dem Forschungsbudget bestritten werden. Wenn Unternehmen mit einem höheren Budget dazu neigen, mehr Forschung außerhalb des eigenen Unternehmens durchführen zu lassen, müssten diese eine entsprechend schlechtere Ressourcenausstattung aufweisen, da nicht anzunehmen ist, dass ein Lernen aus Kooperationen zu gleich vielen Patenten führt wie eine interne Forschung. Aufgrund der im Modell I bereits angesprochenen

Modell II: Erfolg durch Lerneffekte

257

hohen bivariaten Korrelation, haben die größeren Pharmaunternehmen die größeren Forschungsbudgets. Dies würde dann bedeuten, dass die großen Unternehmen stärker auf externe Forschung gesetzt haben. Dies ist durchaus denkbar, da deren Umsatz teilweise sehr stark durch Generika bedroht ist.673

Hinsichtlich der weiteren Kontrollvariablen ist auffällig, dass die Variable für den Kauf von Unternehmen durch US-Unternehmen signifikant ist, bei den Nicht-US-Unternehmen aber nicht. Dieser Befund kann über die unterschiedliche Entwicklung der Pharmabranche erklärt werden, wo Großfusionen (sog. Elefantenhochzeiten) vor allem von EU-Unternehmen vollzogen wurden. Zu denken ist hier an die Entwicklung der Unternehmen GlaxoSmithKline und Sanofi-Aventis mit vielen einzelnen Fusionen. Die amerikanischen Unternehmen sind eher durch Käufe kleinerer Einheiten in der Vergangenheit aufgefallen. Der Kauf kleinerer Einheiten führte zu einer Verbesserung auf Ebene eines Technologiefeldes, wohingegen große Fusionen die gesamte Basis verbreitert haben dürften. Ebenfalls auffällig ist, dass fast alle Variablen zum Partner der US-Unternehmen sehr kleine Regressionskoeffizienten erhalten und im Prinzip keine Variable signifikant ist. Dies deutet nicht nur darauf hin, dass kaum eine Varianz vorliegt, sondern auch, dass für Lerneffekte das Potenzial bei dieser Gruppe kaum eine Rolle gespielt hat. Wie bereits bei Tabelle 25 angesprochen,

verfügen

die

US-Unternehmen

über

eine

geringere

Qualität

der

technologischen Kompetenzen und über eine geringere „absorptive capacity“. Interessanterweise waren sie trotzdem in der Lage, die besseren Partner auszuwählen. Bei den Nicht-US-Unternehmen konnten aus Tabelle 24 Hinweise identifiziert werden, dass diese Pharmaunternehmen eine höhere technologische Qualität vorzuweisen hatten aufgrund einer im Vergleich besseren „absorptive capacity“. Mit den Ergebnissen aus Tabelle 31 liegt jedoch der Schluss nahe, dass auf Basis einer besseren „absorptive capacity“ keine größeren Lernerfolge erzielt werden konnten. Vielmehr gab es größere Unterschiede in der Qualität der ausgewählten Kooperationspartner. Es stellt sich daher die Frage, welche Kompetenz diese Beobachtungen erklären könnte. Zu nennen

ist

hier

die

sog.

„alliance

capability“,

welche

von

Simonin

(1997),

Lambe/Spekman/Hunt (2002) und Kale/Dyer/Singh (2002) näher untersucht wurde. Die Autoren erwarten, dass sich Unternehmen stark hinsichtlich ihrer Erfahrungen mit Allianzen

673

Vgl. Kap. 1.1.

258 unterscheiden.

Ergebnisse der empirischen Untersuchung Ergänzt

werden

diese

beiden

Studien

durch

die

Befunde

von

Hoang/Rothaermel (2005). Bei ihnen liegt eine hohe und signifikante bivariate Korrelation zwischen der Kooperationserfahrung und der Kompetenz der Biotechnologieunternehmen vor. Dies deutet ebenfalls darauf hin, dass die „absorptive capacity“ im Vergleich zur „alliance capability“ von untergeordneter Bedeutung bei der Auswahl guter Partner ist. Firmen, welche nun eine solche Fähigkeit vorzuweisen hatten, könnten in der Lage gewesen sein, nicht nur einen besseren Partner ausgewählt und ein besseres Management der Kooperationen erreicht zu haben, sondern gleichzeitig auch mehr aus Kooperationen zu lernen.674 So könnte auch das geringere Delta der US-Unternehmen für die Anzahl der Patente im Vergleich zu den Nicht-US-Unternehmen aus Tabelle 24 und Tabelle 25 erklärt werden. Der Einfluss der Variablen zur technologischen Diversifizierung wäre dann so zu interpretieren, dass fokussierte Nicht-US-Unternehmen bessere Kooperationspartner ausgewählt hatten und deshalb einen höheren Lernerfolg erzielen und somit eine Art Ausgleich schaffen konnten durch die bessere strategische Ausrichtung.

Übrig bliebe die Interpretation des signifikant negativen Einflusses des Kernfelds der USUnternehmen. Ohne weitere Belege vorweisen zu können, wird vermutet, dass mit zunehmender Qualität und Quantität der eigenen Ressourcen ein Lernen vom Kooperationspartner abnimmt, also ein abnehmender Grenznutzen vorliegen sollte, obwohl theoretische Überlegungen zur „absorptive capacity“ besagen, dass die Integration externen Wissens leichter gelingt, wenn bereits ein großes Vorwissen existiert. Interessanterweise zeigen aber beide Gruppen, dass ein Lernerfolg auch von der eigenen technologischen Kompetenz abhängig ist. Der Regressionskoeffizient für die US-Unternehmen weist auch einen wesentlich höheren Wert auf als für die Gruppe der Nicht-US-Unternehmen.

Dieser auf den ersten Blick auftretende Widerspruch kann aufgelöst werden, wenn der Effekt des leichter Lernens über die höhere „absorptive capacity“ nicht mit der Menge des durch den Kooperationspartner gebotenen Potenzials für Lerneffekte korreliert ist. Es scheint sogar so, dass den eigenen Kompetenzen eine größere Bedeutung zukommt als den Kompetenzen des Kooperationspartners, denn bei besseren Partnern steigt die Bedeutung der eigenen

674

Vgl. Das/Teng (2003), S. 283; Lambe/Spekman/Hunt (2002), S. 145.

Modell II: Erfolg durch Lerneffekte

259

technologischen Kompetenz. Der Regressionskoeffizient der US-Unternehmen ist ca. dreimal so groß.

5.2.7 Zwischenfazit

Die Auswertungen zum Modell II belegen die Komplexität des Themas. Allein schon die Tatsache, dass der Datensatz wegen nicht normalverteilter Residuen nach US und Nicht-USUnternehmen aufzuspalten war, deutet darauf hin, dass erhebliche Unterschiede zwischen nationalen und internationalen Kooperationen bestehen. Der relativ geringe Einfluss der Kontrollvariablen und die große Bedeutung der Dummies für die Unternehmen legen den Schluss nahe, dass ein Lernen vom Kooperationspartner auf Basis von Sekundärdaten nur schwer zu erklären ist, da Aspekte wie Vertrauen, Kooperationserfahrung und Konfliktmanagement nur schwer zu messen sind. Bei der Gruppe der Nicht-US-Unternehmen sind eine höhere Qualität der technologischen Ressourcen und Kompetenzen sowie ein höheres Maß an „absorptive capacity“ zu erkennen, bei einem gleichzeitig geringeren Potenzial des Kooperationspartners. Bei der Gruppe der US-Unternehmen liegen intern geringere Kompetenzen vor, allerdings konnten die besseren Partner gewonnen werden, wobei gleichzeitig auch solche Unternehmen gekauft wurden, welche ebenfalls zu einer Verbesserung der Ressourcenausstattung auf Technologiefeldebene geführt haben.

Es ist zu konstatieren, dass höhere Werte für die Variablen zur Messung der technologischen Qualität für jene Unternehmen zu beobachten sind, welche auch bessere Werte für die Variablen zur Messung der „absorptive capacity“ vorweisen. Ein Lernen vom Kooperationspartner bedingt aber, dass auch eine „alliance capability“ bei den Unternehmen vorliegt. Wenn es einem Unternehmen gelingt, versierte Partner auszuwählen, dann steigt auch die Bedeutung der eigenen Kompetenzen für ein Lernen vom Kooperationspartner. Allerdings konnte auch gezeigt werden, dass ein Lernerfolg nicht mit einem Kooperationserfolg korreliert ist. Es kann aber nicht festgestellt werden, welche Strategie Vorteile mit sich bringt. Für das Vorgehen der Nicht-US-Unternehmen ergeben sich Vorteile, obwohl diese Firmen teilweise den schlechteren Partner ausgewählt hatten, weil für diese Kooperationen mehr Patente gezählt werden konnten. Gleichzeitig gingen aber mehr Patente an den Kooperationspartner „verloren“. Vermutet wird, dass als eine Art Ausgleich dafür eine höhere Anzahl an Lizenzen verfügbar ist. Die negative Differenz spricht wiederum für die US-Unternehmen.

260

Ergebnisse der empirischen Untersuchung

Bei ihnen ist eine Erosion der Ressourcen zwar auch Folge der Allianzen, aber eben mit einer geringeren Intensität. Gleichzeitig waren die Kooperationspartner technologisch gesehen kompetenter, was eine höhere Erfolgswahrscheinlichkeit der Kooperation erwarten lässt.

5.3 Weitere explorative Analysen zum Erfolg einer Kooperation Im Rahmen von Kooperationsanalysen sind Interaktionseffekte nicht nur denkbar, sondern gerade durch die Vereinbarung beabsichtigt. Daher ist eine Vielzahl solcher Effekte vorstellbar. An dieser Stelle werden mehrere mögliche Aspekte aufgegriffen, die allerdings nur explorativ untersucht werden sollen.

5.3.1 Interaktionseffekte

Wie bei den Ergebnissen zum Kooperationserfolg bereits angesprochen, hat die technologische Qualität der Pharmaunternehmen keinen signifikanten Einfluss auf den Erfolg der Kooperation. In gewissem Maße überrascht dies schon. Es wurde geprüft, ob dies vielleicht dadurch verursacht wurde, dass sich Pharmaunternehmen mit einer hohen Qualität Biotechnologieunternehmen mit einer ebenfalls hohen Qualität explizit als Partner ausgesucht und so versucht haben und deshalb eine abnormale Wirkung nur durch die Ressourcen des Biotechnologieunternehmen generiert werden konnten. Wäre dies der Fall gewesen, dann würde sich ein signifikanter Interaktionsterm aus dem Produkt der jeweiligen technologischen Qualität der beiden Unternehmen ergeben. Stellvertretend für die technologische Qualität wurde die technologische Kompetenz der beiden Unternehmen verwendet.

Interaktionseffekte sind auch hinsichtlich der „absorptive capacity“ der Pharmaunternehmen denkbar, denn Unternehmen mit einem hohen Maß an „absorptive capacity“ könnten besser in der Auswahl der Kooperationspartner gewesen sein. Dies wäre der Fall, wenn es solchen Unternehmen gelungen wäre, kompetentere Biotechnologieunternehmen zu identifizieren. Noch vor der Weiterentwicklung des Modells der „absorptive capacity“ schrieb Stuart (2000)675:

675

Stuart (2000), S. 809.

Weitere explorative Analysen zum Erfolg einer Kooperation

261

„…, it would be informative to know whether the level of focal firm R&D spending interacts with the innovativeness of the firm’s strategic partners…“

Auch hier wurde stellvertretend für die Qualität der bisherigen Forschungsleistung die technologische

Kompetenz

der

Biotechnologieunternehmen

verwendet.

Für

die

Pharmaunternehmen wurde die Forschungserfahrung sowie der Realisierungsaspekt der „absorptive capacity“ im Interaktionsterm berücksichtigt. Um die Problematik hoher VIFWerte zu umgehen, wurden die Interaktionseffekte separat berechnet. In Tabelle 33 sind die entsprechenden Ergebnisse dargestellt.

5.3.2 Nicht-linearer Effekt

Die Arbeit von Cormier/Hagman (1987) lässt den Schluss zu, dass für individuelle Aufgaben ein U-förmiger Verlauf für den Zusammenhang zwischen Erfahrung und Leistung anzunehmen ist. Haleblian/Finkelstein (1999) belegen einen U-förmigen Verlauf für diese Beziehung im M&A-Kontext. Zollo/Winter (2002) überprüften, ob ein solcher Verlauf ursächlich für den bei ihnen nicht signifikanten linearen Effekt der technologiespezifischen Erfahrung gewesen ist. Das war nicht der Fall, so dass ein bestimmter Kurvenverlauf bei Kooperationen bislang nicht belegt werden konnte. Durch den hier positiven und signifikanten Einfluss des linearen Terms ist ein U-förmiger Verlauf aber auszuschließen. Wenn man die Erfahrung mit Lernkurven in Verbindung bringt, dann wäre ein U-förmiger Verlauf generell in Frage zu stellen. Dann wäre auch ein Zusammenhang zwischen der Forschungserfahrung und dem Erfolg denkbar, der den Aspekt von einem abnehmenden Grenznutzen beinhaltet. Daher wurde der Einfluss des quadrierten Terms näher untersucht (vgl. Tabelle 33). Der lineare wie auch der quadratische Term sind auf einem noch akzeptablen Niveau signifikant, der einzelne Schritt aber nicht. Unterschiedliche Vorzeichen können ebenfalls nicht beobachtet werden. Ein umgekehrt U-förmiger Verlauf scheidet damit aus. Interessant an Modell 14 ist, dass der quadratische Term ein wesentlich geringeres Beta aufweist als der lineare Term, beide aber ein positives Vorzeichen aufweisen. Durch die Aufnahme des quadratischen Terms wird der Einfluss des linearen Effekts verstärkt. Der Wert für den Regressionskoeffizienten nimmt von 0,87 auf 0,99 zu. Der ca. 3mal so starke Einfluss bewirkt, dass bei einer größeren Anzahl an Jahren die Erfolgswahrscheinlichkeit nur noch unterproportional zunimmt. Der Kurvenverlauf entspricht damit aber noch nicht dem eines

262

Ergebnisse der empirischen Untersuchung

abnehmenden Grenznutzens. Durch den hier gegebenen Einfluss aus der logistischen Regression können daher keine Rückschlüsse auf den Kurvenverlauf gezogen werden. Aber ein logarithmischer Verlauf erscheint nicht ausgeschlossen.

5.3.3 Patentqualität

Es wurde der Versuch unternommen, eine Patentqualität wie bei Ernst (2003) über eine Multiplikation des Indexes mit der Anzahl an Patenten zu bestimmen.676 Trotz methodischer Bedenken hinsichtlich des kausalen Zusammenhangs von Patentwert und Kooperationserfolg wurde über die durchschnittlichen Werte der technologischen Breite, der internationalen Breite sowie der technologischen Kompetenz über eine Addition ein Index berechnet. Unabhängig von der Frage, ob mit oder ohne Gewichtungsfaktoren gearbeitet wurde, ergaben sich keine sinnvollen Ergebnisse für die Pharmaunternehmen (Modell 20) und die Biotechnologieunternehmen (Modell 21). Allerdings ist bei Ernst (1996) auch eine andere Berechnungsmethode eines Indexes zu finden, bei der auf relative Indizes zur Bestimmung einer Patentqualität auf Unternehmensebene abgestellt wird.677 Aus dem Betrachtungswinkel der Naturwissenschaften ist diese Methode vorzuziehen, da ein relativer Indize die Messeinheiten eliminiert. Für eine solche Berechnung liegen hier aber keine Daten vor, so dass von dem Versuch einer Bestimmung Abstand genommen werden muss. Es bleibt festzuhalten, dass die durchschnittliche Patentqualität nicht in einem Zusammenhang zum Kooperationserfolg steht. Dies könnte zum einen darauf zurückzuführen sein, dass Patentanmeldungen in dieser Arbeit grundsätzlich nicht berücksichtigt wurden und die Patentqualität nicht wie vorgeschlagen operationalisiert werden konnte. Zum anderen wäre der inhaltliche Zusammenhang zwischen der für die Wertmessung optimierten Patentqualität und der technologischen Qualität der Forschungsleistung nachzuweisen.

676 677

Vgl. Tabelle 34. Vgl. Ernst (1996), S. 272f.

Weitere explorative Analysen zum Erfolg einer Kooperation Variable \ Modell

15

Kontrollvariablen Konstante

B

US Biotech

16 Sig.

-0,22

B

17 Sig.

-0,23

,075 **

263

B

18 Sig.

-0,28

0,74 **

B

19 Sig.

-0,27

0,74 **

B

0,75 **

0,74 **

US Pharma

-0,25

-0,25

-0,24

-0,23

-0,27

Größe Pharma

-0,26

-0,22

-0,21

-0,25

-0,26

Forschungsbudget_Pharma Grundlagenforschung

0,66 **

0,58 **

0,62 **

0,64 **

0,66 **

-1,22 ***

-1,23 ***

-1,25 ***

-1,22 ***

-1,19 ***

Technologische Qualität Pharma Technologische Kompetenz

0,18

0,18

0,21

0,21

0,24

Technologische Breite

0,15

0,15

0,19

0,18

0,18

Internationale Breite

-0,11

-0,13

-0,05

-0,08

-0,09

Wissenschaftsbindung

-0,35

-0,35

-0,36

-0,36

-0,36

Pharma Zusatz Forschungserfahrung

Sig.

-0,49 *

0,86 ***

0,83 ***

0,88 ***

0,87 ***

0,99 ***

„Realized Absorptive Capacity”

-0,58 **

-0,59 **

-0,57 *

-0,57 *

-0,54 *

Technologische Diversifizierung

-1,07 *

-1,07 *

-1,06 *

-1,10 *

-1,23 **

Kernfeld

0,27

Technologische Qualität Biotech Technologische Kompetenz

0,27

Technologische Breite

0,34

†

0,27

†

0,32

†

0,36

†

0,27

†

0,35

†

0,29

†

0,28

†

0,33

0,22

0,22

0,38 *

0,35

0,19

0,30

†

0,32

†

†

0,29

†

0,30

0,26

Internationale Breite

0,25

Wissenschaftsbindung

0,32

Biotech Zusatz Technologieposition

0,70 **

0,68 **

0,66 **

0,67 **

0,73 **

-1,31 ***

-1,28 ***

-1,27 ***

-1,28 ***

-1,35 ***

Kooperationsspezifische Variablen Ähnlichkeit in Biotech

0,23

†

0,26 †

Wissen des Partners Pharma

0,31

0,31

0,28

0,31

0,23

Wissen des Partners Biotech

1,35 **

1,35 **

1,32 **

1,34 **

1,36 **

Interaktionseffekte Technologische Kompetenz Pharma * Technologische Kompetenz Bio Forschungsbudget * Technologische Kompetenz Bio „Realized Absorptive Capacity” * Technologische Kompetenz Bio Forschungserfahrung * Technologische Kompetenz Bio

0,18 0,21 -0,22

†

-0,16

Nicht-linearer Effekt Forschungserfahrung2 -2Loglikelihood des Modells

0,30 175,95

176,12

173,73

175,26

†

174,10

Pseudo-R2 (Nagelkerke)

0,497

0,497

0,508

0,500

0,505

Pseudo-R2 (Cox&Snell)

0,372

0,371

0,379

0,374

0,378

Likelihood Ratio Test (df) Increase in Likelihood Ratio (df)

89,74 *** 0,6 (1)

89,56 *** 0,4 (1)

91,95 *** 2,82 (1) †

89,56 *** 1,29 (1)

91,58 *** 2,44 (1)

Tabelle 33: Ergebnisse zu Interaktionseffekten für Kooperationserfolg Modell 15-19 mit: ***p < 0.001; **p < 0.01; *p < 0.05; †p < 0.1 (einseitiger Test für die Koeffizienten und die Likelihood Chi-Quadrat-Statistik)

Ebenfalls denkbar wäre es, die Kompetenz eines Unternehmens mittels des Produkts der Technologieposition und der technologischen Kompetenz zu bestimmen (Modell 22). Bei dieser Berechnungsmethode stellt sich eine signifikante Wirkung des Produktterms ein. Gleichzeitig verlieren die ursprünglichen Variablen an Einfluss. Das R2 des Gesamtmodells steigt auf 0,513 an, so dass es sich bei dieser Berechnungsmethode um eine Verbesserung

264

Ergebnisse der empirischen Untersuchung

hinsichtlich der Kompetenzmessung handelt. Inhaltlich könnte dies so interpretiert werden, dass eine gute Technologieposition Start-ups im Vergleich zum Wettbewerb in dieser Branche auf Grund hoher technologischer Kompetenzen erreicht werden konnte.

5.3.4 Kooperationserfahrung

Der Vollständigkeit halber wird auch untersucht, ob die in den Studien von Hagedoorn/Schakenraad (1994), Hoang/Rothaermel (2005), Kale/Dyer/Singh (2002), Mitchell/Singh (1996), Muthusamy/White (2005), Powell (1996), Rindfleisch (2000), Rothaermel (2001), Stuart (2000) und Zollo/Reuer/Singh (2002) berücksichtigte und teilweise bestätigte Kooperationserfahrung einen direkten Effekt ausübt. Wie Tabelle 34 verdeutlicht, ist ein solcher Einfluss hier nicht zu beobachten. Zurückgeführt werden kann dies erstens auf die hier nicht vorliegende Längsschnittrepräsentativität der Daten, da über die ersten Kooperationen von vor ca. 20 Jahren kaum Informationen vorliegen. Zweitens beinhalten die Daten einen systematischen Einfluss hinsichtlich einer allgemeinen Kooperationserfahrung, da es sich hierbei lediglich um F&E-Kooperationen handelt. Drittens wird hier nicht berücksichtigt, dass Pharmaunternehmen auch schon vor der Etablierung der Biotechnologie F&E-Kooperationen eingegangen sein könnten. Als vierter Einfluss wäre zu nennen, dass in dieser Arbeit lediglich publizierte Kooperationen berücksichtigt werden. Es ist durchaus denkbar, dass sich Lernprozesse auch in kleineren, aber nicht publizierten Kooperationen ergeben.

Weitere explorative Analysen zum Erfolg einer Kooperation Variable \ Modell

20

Kontrollvariablen Konstante

B

US Biotech

21 Sig.

-0,22

B

22 Sig.

-0,18

,076 **

265

B

23 Sig.

-0,25

0,74 **

B

0,74 **

0,73 **

US Pharma

-0,23

-0,19

-0,27

-0,24

Größe Pharma

-0,30

-0,26

-0,25

-0,26

Forschungsbudget_Pharma Grundlagenforschung

0,74 **

0,70 **

0,64 **

0,64 **

-1,22 ***

-1,23 ***

-1,19 ***

-1,21 ***

Technologische Qualität Pharma Technologische Kompetenz

0,20

0,18

0,21

0,15

Technologische Breite

0,12

0,16

0,23

0,14

Internationale Breite

-0,17

-0,17

-0,14

-0,16

Wissenschaftsbindung

-0,32

-0,29

-0,31

-0,36

Pharma Zusatz Forschungserfahrung

Sig.

-0,17

0,89 ***

0,88 ***

0,91 ***

0,85 **

„Realized Absorptive Capacity”

-0,59 **

-0,56 *

-0,55 *

-0,59 **

Technologische Diversifizierung

-0,91 *

-1,18 *

-1,14 *

-1,02 *

Kernfeld

0,32

†

0,36 *

0,30

Technologische Qualität Biotech Technologische Kompetenz

0,41 *

0,38 *

Technologische Breite

0,30

0,30

†

0,34

Internationale Breite

0,25

0,30

†

0,24

Wissenschaftsbindung

0,43 *

0,48 *

0,37

Biotech Zusatz Technologieposition

0,69 **

1,41 **

0,33

-1,33 ***

-1,37 ***

Kooperationsspezifische Variablen Ähnlichkeit in Biotech

†

0,26

†

0,34

0,07

0,37 * †

0,25 †

-1,25 ***

0,31

†

0,69 ** -1,31 ***

Wissen des Partners Pharma

0,37

0,39

0,25

0,28

Wissen des Partners Biotech

1,37 **

1,44 **

1,32 **

1,37 **

Patentqualitätsindex Patenterteilungen * Patentqualitätsindex Pharma Patenterteilungen * Patentqualitätsindex Bio Technologieposition * Technologische Kompetenz Bio

-0,32 -0,83

†

0,68 *

Weitere Variablen Kooperationserfahrung Pharma -2Loglikelihood des Modells 2

-0,01 174,68

173,66

172,39

176,52

Pseudo-R (Nagelkerke)

0,503

0,507

0,513

0,495

Pseudo-R2 (Cox&Snell)

0,376

0,379

0,383

0,370

Likelihood Ratio Test (df) Increase in Likelihood Ratio (df)

90,99 *** 1,86 (1)

92,02 *** 2,89 (1)

93,30 *** 4,16 (1) *

89,16 *** 0,03 (1)

Tabelle 34: Befunde zur Patentqualität und Kooperationserfahrung für Kooperationserfolg Modell 20-23 mit: ***p < 0.001; **p < 0.01; *p < 0.05; †p < 0.1 (einseitiger Test für die Koeffizienten und die Likelihood Chi-Quadrat-Statistik)

Wesentliche Befunde

267

6 Zusammenfassung und Implikationen Es ist offensichtlich, dass empirische Untersuchungen – vor allem auf Basis von Sekundärdaten – lediglich Teilaspekte eines komplexen Phänomens erfassen können. Die hier untersuchten technologischen Gegebenheiten haben jedoch Einfluss auf den Erfolg einer Forschungskooperation in der Biopharmazie. Sie haben somit Relevanz für Wissenschaft und Praxis.

6.1 Wesentliche Befunde Ziel der Arbeit war es, den Einfluss technologischer Aspekte beider Unternehmen auf den Kooperationserfolg nachzuweisen, werden ihnen doch in den Artikeln von Parkhe (1993a), Mowery/Oxley/Silverman (1996), Dutta/Weiss (1997), Ahuja (2000a), Stuart (2000), Zollo/Reuer/Singh (2002), Wuyts/Stremersch/Dutta (2004) eine wesentliche Bedeutung beigemessen. Die Befunde zeigen, dass sich im Erfolgsfall zwei Unternehmen gefunden hatten, welche über unterschiedliche Ressourcen und Kompetenzen verfügten, die im Nachhinein als komplementär bezeichnet werden können. Es konnte belegt werden, dass die technologische Qualität bisheriger Forschungsbemühungen der Pharmaunternehmen nicht ausreichend waren, um einen Erfolg im Rahmen einer Kooperation in dieser Branche zu gewährleisten. Keine der Variablen zur technologischen Qualität der Forschungsleistung der etablierten Unternehmen wies einen signifikanten Einfluss auf den Kooperationserfolg aus. Die Pharmaunternehmen verfügten somit nicht über ausreichende interne Kompetenzen und Ressourcen hinsichtlich der unterschiedlichen Technologiegebiete der Biotechnologie und dem angrenzenden Teilbereich der Pharmazie.

Als weiteres Ergebnis bleibt festzuhalten, dass Unternehmen, welche bereits vor Beginn einer Kooperation über eine größere Erfahrung auf einem Technologiefeld verfügten, in der Lage waren, die Erfolgswahrscheinlichkeit der Kooperation positiv zu beeinflussen. Seitens der zum Zeitpunkt des Beginns der Kooperation vorhandenen Forschungserfahrung besteht ein hoch signifikanter positiver Einfluss auf den Kooperationserfolg. „Organizational learning“ führt somit zu besseren internen Prozessen, welche auch in Kooperationen Auswirkungen haben. Ferner wurden in dieser Arbeit Hinweise identifiziert, dass nicht die allgemeine und parallel zur Eigenentwicklung aufgebaute „absorptive capacity“ nach Cohen/Levinthal (1990) von

268

Zusammenfassung und Implikationen

Bedeutung ist, sondern das neue Modell von Zahra/George (2002) einen Beitrag zur Erklärung des Kooperationserfolgs leisten kann. Hier wurde der bei Zahra/George (2002) betonte Umsetzungsaspekt untersucht, da im Kontext von Allianzen dem Realisierungsaspekt der „absorptive capacity“ mit der Umsetzung von externem Wissen eine größere Bedeutung zukommt als dem Potenzialaspekt mit der Akquisition von externem Wissen. Davon ist deshalb auszugehen, weil eine Allianz explizit mit dem Ziel des Zugangs zu Ressourcen des Partners vereinbart wird. Unternehmen, welche sich generell als gut hinsichtlich der Integration externen Wissens herausgestellt haben, waren durch diese Kompetenz auch in der Lage, die Erfolgswahrscheinlichkeit der Kooperation positiv zu beeinflussen. Die allgemeine Fähigkeit, externes Wissen schnell intern zu verwerten, hat sich daher als ein wesentlicher Einflussfaktor für den Kooperationserfolg herausgestellt und deutet evtl. auf eine weitere Fähigkeit zu kooperieren hin, da externem Wissen eine höhere Bedeutung seitens eines Unternehmens beigemessen worden sein dürfte.

Hiesige Ergebnisse deuten weiterhin an, dass eine generelle strategische Fokussierung seitens der Unternehmen notwendig ist. Der signifikant negative Einfluss der technologischen Diversifizierung belegt, dass eine Fokussierung auf Unternehmensebene aufgrund der zunehmenden Arbeitsteilung als notwendig zu erachten ist. Kooperationen könnten für ein großes Unternehmen schließlich eine Diversifizierung bewirken, wenn die Partnerschaft als virtuell eigenständige Organisationseinheit betrachtet würde. Die in diesem Zusammenhang einhergehenden Ergebnisse zur Vereinbarung einer Allianz auf einem

technologischen

Kernfeld

eines

Pharmaunternehmens

lassen

jedoch

keine

Rückschlüsse auf das vor Beginn der Kooperation zu wählende Feld zu. Es konnten hier keine Hinweise gefunden werden, dass auf Kernfeldern der Pharmaunternehmen eine höhere Erfolgswahrscheinlichkeit vorliegt als auf Nicht-Kernfeldern. Allerdings konnte auch nicht gezeigt werden, dass Kernfelder eine höhere technologische Qualität aufweisen als entsprechende Randgebiete, so dass das Kernfeld nicht als ein superiores Feld hinsichtlich der Erfolgswahrscheinlichkeit einzustufen zu sein scheint und daher unter Berücksichtigung von Geheimhaltungs- und Wettbewerbsaspekten als Kooperationsfeld eher als nachteilig zu klassifizieren ist. Unter Berücksichtigung dieser Befunde käme dann neben potenziellen Messungenauigkeiten

ein

höheres

Commitment

seitens

des

Managements

der

Pharmaunternehmen zu einer Allianz als Erklärung der negativen Wirkung der technologischen Diversifizierung in Betracht.

Implikationen für die Wissenschaft

269

Wenn man aber davon ausgeht, dass die durch die Kooperation bewirkte zusätzliche Diversifizierung durch den Kooperationspartner verursacht ist, dann sollte auch die Ähnlichkeit der beiden Ressourcenportfolios eine wesentliche Rolle spielen. Hier wurde dargelegt, dass auf einem Technologiefeld keine Überschneidung hinsichtlich desselben Wissens dritter Unternehmen bestehen sollte, da sich dadurch die Erfolgsaussichten der Kooperation verschlechtern. Zu begründen ist dies mit einer Verkleinerung der maximal vorliegenden Menge an Ressourcen. Das Start-up sollte vielmehr eine Verbesserung bestehender Ressourcen des Pharmaunternehmens mittels der neuen Technologie vorgenommen haben und so eine Ausrichtung auf ihre späteren Märkte zeigen. Diese Ausrichtung auf und die Verbesserung von bestehenden Ressourcen des Pharmaunternehmens sind dann Ursache für die mittels der Allianz zu erlangenden Synergieeffekte.

Dass die Ressourcen des Start-ups in den vertikalen Kooperationen von großer Bedeutung sind, konnte ebenfalls hier gezeigt werden. Drei von vier Variablen zur technologischen Qualität der Forschungsleistung der Biotechnologieunternehmen sind signifikant positiv mit dem Kooperationserfolg korreliert. Darüber hinaus wurde die Technologieposition der Biotechnologieunternehmen im Vergleich zum Wettbewerb betrachtet. Es konnte nachgewiesen werden, dass die Größe des Ressourcenportfolios der Start-ups erfolgsrelevant ist. Damit bleibt festzuhalten, dass die kompetenten Kooperationspartner einen wesentlichen Treiber des Kooperationserfolgs aus Sicht eines Pharmaunternehmens darstellen.

Neben dem Kooperationserfolg wurde auch untersucht, ob sich durch den – durch die Allianz ermöglichten – Wissenstransfer eine Verbesserung im Ressourcenportfolio des Pharmaunternehmens in der Zeit nach Beginn der Kooperation einstellt. Dies wurde angenommen, weil nach Ahuja (2000b) direkte Verbindungen – als solche sind Kooperationen zu identifizieren – zu mehr Patenten führen sollen. Auch Mowery/Oxley/Silverman (1996) erwarten, dass sich in Allianzen ein Wissenstransfer ergibt und sich eine verbesserte Ausgangslage nach einer Allianz bei dem Pharmaunternehmen einstellt. Dies kann für die Pharmaunternehmen nicht bestätigt werden. Hier ist es vielmehr so, dass in einem gleich langen Zeitraum im Anschluss an eine Kooperation signifikant weniger Patente seitens der Pharmaunternehmen neu erlangt wurden als für dieselbe Dauer in dem Zeitraum vor Beginn der Kooperation. Es würde also eine virtuelle negative Differenz hinsichtlich der Anzahl neuer Patente bestehen, wenn das Anmeldeverhalten vor Beginn der Kooperation c.p. auf die Phase nach Beginn der Kooperation übertragen werden könnte. Diese negative Differenz wird

270

Zusammenfassung und Implikationen

darauf zurückgeführt, da das F&E-Budget von den Pharmaunternehmen zu den Start-ups transferiert wird, um F&E-Aktivitäten im Biotechnologieunternehmen zu finanzieren. Dieses Geld steht damit den Pharmaunternehmen intern nicht mehr zur Weiterentwicklung des Ressourcenportfolios zur Verfügung. Da es sich hierbei um mehrere Millionen US-Dollar pro Jahr handeln kann, ist eine Abnahme in den Patenterteilungen für den Zeitraum nach Beginn der Allianz durchaus möglich. Unter Berücksichtigung der Tatsache, dass es in dieser Branche zu einer stetigen Zunahme in den Patentanmeldungen gekommen ist, ist der virtuelle Rückgang konservativ berechnet. Gleichzeitig kann durch die Kooperation und die daher zur Verfügung stehenden neuen Ressourcen aber die Erfolgswahrscheinlichkeit für ein neues Produkt seitens der Pharmaunternehmen erhöht werden, da die Kompetenz der Start-ups positiv mit dem Erfolg verbunden ist. Es könnte daher sein, dass sich dadurch langfristig höhere Umsätze und dann auch wieder ein Mehr an Patenten bei den Pharmaunternehmen einstellt. Kurzfristig betrachtet, führt eine Kooperation zu einer Verkleinerung des Ressourcenportfolios des die Aktivitäten finanzierenden etablierten Unternehmens. Rothaermel (2001) schreibt hierzu678: „For incumbents, the gain of accessing the new technology via interfirm cooperation with new entrants may outweigh their loss due to an obsolescence of their existing technological value chain.“

Diese Vermutung erfährt hier eine gewisse Bestätigung, da etablierte Unternehmen an der Entwicklung von neuen Produkten partizipieren, die sie selbst intern evtl. gar nicht hätten entwickeln können. Ob ein Tausch dieser Art allerdings langfristig das Überleben eines Unternehmens sichern kann, kann hier leider nicht beantwortet werden. Eine Erosion der eigenen Kompetenzen als Folge einer Kooperation ist aber durchaus in Betracht zu ziehen, wobei auf das Zusammenspiel von Patenten und Lizenzen zu achten ist.

Mittels weiterer Untersuchungen konnte ferner gezeigt werden, dass es einzelnen Unternehmen in der Vergangenheit gelungen ist, einen größeren Nutzen aus Kooperationen zu ziehen als anderen Unternehmen. Für diese Analyse wurde wegen inhaltlichen Unterschieden eine Aufspaltung des Datensatzes in nationale und internationale Kooperationen vorgenommen. Bei der Gruppe der nationalen Kooperationen aus US-

678

Rothaermel (2001), S. 1239.

Implikationen für die Wissenschaft

271

Unternehmen der Biotechnologie sowie US-Unternehmen der Pharmazie liegen beim Pharmaunternehmen intern zwar geringere Kompetenzen vor, allerdings konnten diese Firmen bessere Partner gewinnen, wobei gleichzeitig auch solche Unternehmen gekauft wurden, welche ebenfalls zu einer Verbesserung der Ressourcenausstattung auf Technologiefeldebene geführt haben. Bei der Gruppe der Nicht-US-Pharmaunternehmen verhält es sich genau anders. Bei ihnen ist eine höhere Qualität der internen technologischen Ressourcen und Kompetenzen sowie ein höheres Maß der Fähigkeit der „absorptive capacity“ zu erkennen. Gleichzeitig weist der Kooperationspartner aber ein geringeres Potenzial für Lerneffekte auf, und M&A-Aktivitäten führten ebenfalls nicht zu einer Verbesserung der Ressourcenausstattung auf dem Technologiefeld der vereinbarten Kooperation. Es ist deshalb zu konstatieren, dass höhere Werte für die Variablen zur Messung der technologischen Qualität für die Unternehmen zu beobachten sind, welche auch bessere Werte für die Variablen zur Messung der „absorptive capacity“ vorweisen, so dass geschlussfolgert werden kann, das die Fähigkeit der Akquisition und Integration externen Wissens zu besseren internen Ressourcen führt und es sich dabei um eine „dynamic capability“ im Sinne von Teece/Pisano/Shuen (1997) handeln könnte. Hiesige Befunde deuten darauf hin, dass ein Lernen vom Kooperationspartner bedingt, dass auch eine Kooperationserfahrung oder „alliance capability“ bei den Unternehmen vorliegt, da bei der Gruppe der US-Unternehmen eine stärkere Erosion der Kompetenzen verhindert werden konnte. Darüber hinaus könnte sich auf Basis hiesiger Befunde abzeichnen, dass ein Mangel an „absorptive capacity“ durch eine Kooperationserfahrung ausgeglichen werden kann, weil bessere Partner identifiziert werden könnten.

6.2 Implikationen für die Wissenschaft Grundsätzlich kann gesagt werden, dass der RBV sowohl zur Erklärung von Erfolgen von Unternehmen, als auch für die Erklärung des Erfolgs von Kooperationen geeignet ist. Die Ressourcen und Kompetenzen der beiden Kooperationspartner begründen auch die Erfolgschancen bei gemeinschaftlichen Aktivitäten.

Interessant ist der Befund aus Kap. 5.1.6, dass auch kleinere Unternehmen für den Erfolg wesentliche Ressourcen in eine Kooperation einbringen können. Dies bedeutet damit eine Erweiterung der Erkenntnisse von Stuart (2000). Er untersucht den Einfluss der technischen Kompetenz eines Pharmaunternehmens auf das Umsatzwachstums des Kooperationspartners

272 im

Zusammenfassung und Implikationen Rahmen

horizontaler

Kooperationen

und

findet

eine

positive

Wirkung

der

Unternehmensreputation. Stuart (2000) schreibt als Fazit: „Thus, both from a resource access and reputation standpoint, large and innovative firms are likely to be most valuable associates.“

Diese

Einschätzung

kann

durch

die

Ergebnisse

aus

Tabelle

21

für

die

Biotechnologieunternehmen bestätigt werden, da für die kleinen Start-ups eine Zunahme hinsichtlich der Anzahl neuer Patente beobachtet werden konnte. Große Unternehmen stellen daher in den bei Stuart (2000) untersuchten horizontalen wie auch in den in hiesiger Arbeit analysierten vertikalen Kooperationen gute Kooperationspartner dar. Obige Auffassung von Stuart (2000) ist aber gleichzeitig zu differenzieren, weil inhaltliche Unterschiede zwischen vertikalen und horizontalen Kooperationen bestehen. Diese Einschränkung beruht nun darauf, dass auch eine Kooperation mit einem kleinen Unternehmen für Unternehmen von Vorteil sein kann679, da Start-ups im Fall disruptiver Technologien als Lieferant wertvoller Ressourcen dienen können. Dieser Effekt konnte in Tabelle 20 nachgewiesen werden, denn die Menge sowie die Qualität der durch das kleine Unternehmen zur Verfügung gestellten Ressourcen bewirken einen signifikanten positiven Beitrag. Tabelle 20 ist weiter zu entnehmen, dass keine Varianz in den technologischen Kompetenzen der Pharmaunternehmen vorliegt und deshalb kein differenzierender Einfluss auf den Kooperationserfolg von diesen Ressourcen vorhanden ist. Tabelle 21 zeigt auch, dass Pharmaunternehmen in der Zeit nach Beginn der Kooperation weniger Patente anmelden im Vergleich zur Periode vor der Kooperation. Die Pharmaunternehmen verfügen in dem Zeitfenster nach Beginn der Kooperation somit über weniger Patente als sie c.p. besitzen könnten. Diese virtuelle Differenz könnte dadurch zu erklären sein, dass wegen des Transfers des F&E-Budgets des Pharmaunternehmen zum kleinen Kooperationspartner weniger F&E-Budget beim Pharmaunternehmen intern vorhanden ist.680 Das würde wiederum bedeuten, dass das durch die Kooperation vergrößerte F&E-Budget des Biotechnologieunternehmens ursächlich für das bei Stuart (2000) gemessene Umsatzwachstum gewesen sein kann, denn ein höheres F&E-Budget sollte zu einer Verbesserung hinsichtlich der Ressourcenausstattung und letztlich auch zu einem größeren Unternehmenswachstum des kleineren Unternehmens führen. Es ist daher festzuhalten, dass 679 680

Vgl. Ahuja/Lampert (2001), S. 521. Vgl. Kap. 1.1.

Implikationen für die Wissenschaft

273

zwischen horizontalen und vertikalen Kooperationen zu differenzieren ist und dass auch kleine Start-ups wertvolle Partner darstellen können. Gleichzeitig ist bei der Bestimmung von Lerneffekten auf Ressourcentransfers innerhalb einer Kooperation zu achten.

Zur Arbeit von Muthusamy/White (2005) besteht ebenfalls eine engere inhaltliche Beziehung, da

die

Autoren

u.a.

die

Bedeutung

des

Vertrauens

in

die

Fähigkeiten

des

Kooperationspartners untersuchen. Da in der Studie von Muthusamy/White (2005) und in hier auf dasselbe Erfolgsmaß zurückgegriffen wurde, besteht eine Vergleichbarkeit der Ergebnisse.681 Mit den Befunden aus Kap. 5.1.6 kann gesagt werden, dass die Einschätzung von Mitarbeitern eines Pharmaunternehmens zur technologischen Kompetenz der Biotechnologieunternehmen in Einklang steht mit einer objektiven Messung der Kompetenz, wobei bei Muthusamy/White (2005) ein systematischer Messfehler enthalten ist.

Durch die in hiesiger Arbeit erfolgte objektive Messung kann auch auf die offene Frage bei Lambe/Spekman/Hunt (2002) eingegangen werden. Dort bleibt offen, welche Ressourcen welchen Unternehmens ausschlaggebend für den Erfolg einer Kooperation sind, denn Lambe/Spekman/Hunt (2002) differenzieren nicht hinsichtlich der Ressourcen der beiden Kooperationspartner. Sie berücksichtigen in ihrem Modell stattdessen die gemeinschaftliche Kompetenz beider Unternehmen. Mit den hiesigen Befunden konnte nachgewiesen werden, dass es für den Erfolg einer Kooperation in der Biopharmazie vor allem auf die technologische Kompetenz des Start-ups in Verbindung mit der „absorptive capacity“ des etablierten

Unternehmens

ankommt.

Eine

Addition

der

Kompetenzen

wie

bei

Lambe/Spekman/Hunt (2002) erscheint hier daher wenig sinnvoll und sollte in zukünftigen Arbeiten ebenfalls vermieden werden.

Ein anderer Anknüpfungspunkt hiesiger Arbeit an die Literatur ergibt sich für den Bereich der „evolutionary economics“.682 Im Rahmen dieser Theorie werden die Bedeutung von Erfahrungen und die Pfadabhängigkeit von Kompetenzen diskutiert.683 Eine solche Pfadabhängigkeit wurde hier über den Aspekt der Forschungserfahrung aufgegriffen. In dieser Arbeit wurde argumentiert, dass „organizational learning“ durch wiederholte Aktivitäten

681

Vgl. Kap. 4.2.1.1. Vgl. Stuart/Podolny (1996), S. 22. 683 Vgl. Stuart/Podolny (1996), S. 22. 682

274

Zusammenfassung und Implikationen

eintritt und sich in der Weiterentwicklung der internen Prozesse und Strukturen widerspiegelt.684 Eine solche Fähigkeit zur Verbesserung der vorliegenden Ressourcen wird seit

Barney

(1991)

eine

hohe

Bedeutung

beigemessen,

weil

sie

ebenfalls

zu

Leistungsverbesserungen führen. So wie z.B. Anand/Khanna (2000) gezeigt haben, dass die Erfahrung im Management von Kooperationen positiv für ein Unternehmen ist, so wurde in dieser Arbeit die Bedeutung der Forschungserfahrung in einem bestimmten Technologiefeld für eine höhere Erfolgswahrscheinlichkeit von Kooperationen belegt.

Die Bedeutung der „absorptive capacity“ wurde bereits bei Lane/Lubatkin (1998) untersucht. Die Autoren stellen vor allem auf die Fähigkeit der Absorption von partnerspezifischem im Gegensatz zum technologiespezifischen Wissen ab. Bei Stuart (2000) wird im Ausblick die „absorptive capacity“ in Zusammenhang mit der technologischen Qualität des identifizierten Kooperationspartners gebracht und eine weitere Untersuchung angeraten.685 Zahra/George (2002) argumentieren aber, dass die „absorptive capacity“ zu differenzieren und dass der Realisierungsaspekt der „absorptive capacity“ von höherer Bedeutung sei als der Potenzialaspekt. In dieser Arbeit konnte die Bedeutung der Umsetzung des externen Wissens in Kombination mit den eigenen Ressourcen in eigene, neue Produkte durch eine erstmalige Operationalisierung nachgewiesen werden. Unter Berücksichtigung, dass Zahra/George (2002) die Forschungserfahrung als stellvertretend für den Potenzialaspekt der „absorptive capacity“ halten, konnte in dieser Arbeit somit das Gesamtmodell der „absorptive capacity“ für Kooperationen bestätigt werden. Der Fähigkeit, externes Wissen zu identifizieren, es zu akquirieren und in neue Produkte umzusetzen, kommt in Kooperationen deshalb eine erhebliche Bedeutung bei, da die etablierten Unternehmen nicht über jene Ressourcen intern verfügten, welche wesentlich für den Erfolg in der Neuproduktentwicklung gewesen sind. Die „absorptive capacity“ zeigt sich hier darüber hinaus als eine substitutive Fähigkeit bzgl. einer „alliance capability“, da es den Unternehmen nur teilweise gelang, entsprechend kompetente Kooperationspartner zu identifizieren und Zugang zu ihren Ressourcen und Kompetenzen zu erhalten, um entsprechende Lerneffekte realisieren zu können.. Es ist allerdings fraglich, ob eine gleich hohe Bedeutung der „absorptive capacity“ für horizontale Kooperationen zu erwarten ist, denn die NIH-Problematik erlangt dort n.h.A.

684 685

Vgl. Kap. 3.2.1.2. Vgl. Stuart (2000), S. 809.

Implikationen für die Wissenschaft

275

stärkeren Einfluss als bei vertikalen Kooperationen.686 In vertikalen Verhältnissen ist es zwangsläufig der Fall, dass eine höhere gegenseitige Abhängigkeit der beiden Unternehmen zu beobachten ist.687 In weiteren Studien zur Wirkung der „absorptive capacity“ ist daher eine Integration des Modells von Zahra/George (2002) zu fordern, weil deren theoretische Weiterentwicklung den Erfolg von F&E-Kooperationen wie nachgewiesen erklären kann. Die hohe Bedeutung der Teilfähigkeiten der „absorptive capacity“ im Kontext von Kooperationen bedarf allerdings weiterer Untersuchungen, da eine Interaktion zwischen den zwei Fähigkeiten denkbar ist. Wie in der weiteren Analyse bei Vogt/Lichtenthaler (2006) dargelegt werden konnte, besteht auch eine solche Interaktion zwischen den beiden Teilfähigkeiten der Akquisition und der Integration externen Wissen, die somit einen begrenzt substitutiven Charakter aufweisen. Demnach ist in weiteren Studien zur „absorptive capacity“ die NIHProblematik zu integrieren und der Typ der Kooperation zu berücksichtigen.

Die Ergebnisse in der Literatur zur Diversifizierung sind gemischt, da in Studien positive wie auch negative Wirkungen der Diversifizierung auf Innovationen gefunden wurden.688 Wie auch bei Ahuja (2000b) ist hier ein negativer Zusammenhang zwischen dem Grad der Diversifizierung eines Unternehmens und dem Erfolgsmaß zu beobachten. Bei ihm weist die Diversifizierung eine negative Korrelation zur Anzahl Patente auf.689 Da Patente für die in hiesiger Arbeit zugrunde liegende Branche eine erhebliche Bedeutung haben, finden die Befunde aus Kap. 5.1.6 eine Bestätigung durch Ahuja (2000b), so dass von einer positiven Wirkung einer Fokussierung auf Unternehmensebene auf die Neuproduktentwicklung auszugehen ist. Als Begründung dient entweder die höhere Qualität der Ressourcen oder die größere Menge an Ressourcen auf demselben Technologiefeld im Theoriekonstrukt des ressourcenorientierten Ansatzes. Vor dem Hintergrund der Arbeit von Wuyts/Stremersch/Dutta (2004), dass ein diversifiziertes Netzwerk vorteilhaft ist, bedeuten die hiesigen Befunde zum positiven Einfluss fokussierter Unternehmen dann, dass Firmen nicht nur eine stärkere Konzentration auf bestimmte Felder anzuraten ist, sondern auch, dass Kooperationen als entsprechende Möglichkeiten einer Diversifizierung verwendet werden können.

686

Vgl. Veugelers (1997), S. 305. Vgl. Rindfleisch (2000), S. 82. 688 Vgl. Ahuja (2000b), S. 445; . 689 Vgl. Ahuja (2000b), S. 445. 687

276

Zusammenfassung und Implikationen

Die u.a. bei Burt (1992) und Ahuja (2000b) geführte Diskussion zu sog. „structural holes“ in einem Portfolio von Allianzen erhält hier so ebenfalls Unterstützung. Die Autoren empfehlen ein Portfolio aus nicht-redundanten Partnern, wegen der sich daraus ergebenden übergeordneten Bedeutung von neuen im Vergleich zu ähnlichen Ressourcen. Hier konnte nachgewiesen werden, dass neben der Qualität und Quantität der zur Verfügung stehenden Ressourcen auch das Verhältnis zwischen den Ressourcenportfolios der Partner wesentlich ist. Dieses Verhältnis der Ressourcen der Partner zueinander wurde unter dem Stichwort der Überschneidung diskutiert.690

Mit drei weiteren Variablen wurde der Frage nach dem notwendigen Grad an Überschneidung der beiden Unternehmen nachgegangen, denn es ist fraglich, ob der Befund bei Ahuja/Katila (2001) zum positiven Einfluss einer Überschneidung bei Akquisitionen auf Kooperationen übertragbar ist, denn durch einen „overlap“ sinkt die Anzahl der möglichen Kombinationsmöglichkeiten von zwei Ressourcenportfolios.691 In hiesiger Arbeit wurde daher zwei Dimensionen einer inhaltlichen Überschneidung von Aktivitäten von Unternehmen zueinander berücksichtigt. Zu unterscheiden ist hier eine direkte Überschneidung zum Kooperationspartner und eine indirekte Überschneidung zum Kooperationspartner über ein drittes Unternehmen.692 Die indirekte Überschneidung hinsichtlich desselben Wissens in der allgemeinen Biopharmazie führt bei Allianzen zu einer Verringerung der Erfolgswahrscheinlichkeit einer Kooperation. Dies kann damit begründet werden, dass eine Überschneidung zwar eine leichtere Integration und ein größeres gegenseitiges Verständnis der Kooperationspartner bewirkt, aber sich die erwarteten Synergieeffekte wegen eines engeren Ressourcenportfolios nicht in dem erhofften Maße einstellen. Weiterhin wurde in hiesiger Arbeit die direkte Überschneidung zum Kooperationspartner gemessen mit dem Ergebnis, dass eine vorausgegangene Verbesserung der Ressourcen des Pharmaunternehmens durch die Biotechnologieunternehmen zu einer Steigerung der Erfolgswahrscheinlichkeit führt. Es gab dementsprechend Kooperationen, bei denen eine komplementäre Wirkung der Ressourcen des Biotechnologieunternehmens zu beobachten war.

Somit

kann

auch

die

positive

Wirkung

der

Komplementarität

bei

Sarkar/Echambadi/Harrison (2001) auf Basis hiesiger Studie bestätigt werden, denn auch hier

690

Vgl. Kap. 5.1.6. Vgl. Stuart (2000), S. 809; Ahuja/Katila (2001), S. 200. 692 Vgl. Kap. 4.2.2.2. 691

Implikationen für die Wissenschaft

277

kann ein positiver Einfluss auf den Projekterfolg gefunden werden. Aussagen über die Auswirkungen auf den ebenfalls bei Sarkar/Echambadi/Harrison (2001) berücksichtigten strategischen Erfolg können hingegen nicht getroffen werden, so dass weiterhin Erklärungen für den nicht signifikanten Effekt dort zu suchen sind.

Gleichzeitig

stehen

hiesige

Befunde

im

Widerspruch

zu

den

Ergebnissen

bei

Lambe/Spekman/Hunt (2002). Dort wird die Auffassung vertreten, dass sich Synergieeffekte deshalb einstellen, weil komplementäre Ressourcen erst die Bildung von sog. „idiosyncratic resources“ ermöglichen. Der Erfolg einer Kooperation wird in deren Studie schließlich nur von „idiosyncratic resources“ direkt beeinflusst.693 Hier ist es so, dass ein direkter Einfluss von komplementären Ressourcen kausal sinnvoll ist und auch empirisch gemessen und bestätigt werden konnte. Zu erklären ist dies u.a. damit, dass diese komplementären Ressourcen einem Pharmaunternehmen ohne eine Kooperation nicht zur Verfügung gestanden hätten. Ob im Rahmen der Kooperation darüber hinaus neue „idiosyncratic resources“ generiert wurden, muss entsprechend Tabelle 24 und Tabelle 25 ebenfalls angezweifelt werden, da im Zeitfenster nach dem Beginn der Kooperation weniger neue Ressourcen von dem Pharmaunternehmen generiert wurden als dies bei einer Fortschreibung der Resultate früherer Perioden vermutlich der Fall gewesen wäre. Eine Erklärung für die unterschiedlichen Ergebnisse könnte aus dem Typ der berücksichtigten Kooperationen abgeleitet werden, da bei Lambe/Spekman/Hunt (2002) horizontale wie vertikale Kooperationen nicht getrennt voneinander betrachtet wurden. Es wird vermutet, dass bei horizontalen Kooperationen die Generierung bislang nicht vorliegender Ressourcen notwendig ist zur Erzielung einer erhöhten Erfolgswahrscheinlichkeit, wohingegen sich Synergieeffekte bei vertikalen Kooperationen bereits einstellen können, wenn auf bislang nicht zur Verfügung stehende Ressourcen zurückgegriffen werden kann. Eine andere Erklärung könnte sich auf den Tausch von Ressourcen beziehen, und zwar deshalb, weil das Pharmaunternehmen in der Zeit nach Beginn der Kooperation als Lizenznehmer auftritt und somit im Anschluss über mehr Lizenzen verfügen könnte als vor Beginn einer Kooperation. Das Verhältnis der Anzahl von eigenen Patenten zu genommenen Lizenzen müsste deshalb bei Untersuchungen zu Lernerfolgen Beachtung finden und gleichzeitig die unterschiedliche

693

Vgl. Lambe/Spekman/Hunt (2002), S. 151.

278

Zusammenfassung und Implikationen

Werthaltigkeit von Patenten und Lizenzen im Sinne des ressourcenorientierten Ansatzes Berücksichtigung finden.

Die hohe Korrelation zwischen dem bei Muthusamy/White (2005) gemessenen Lern- und Kooperationserfolg kann in hiesiger Arbeit nicht bestätigt werden. Hier besteht keine solche signifikante Korrelation zwischen dem Kooperationserfolg und dem Lernerfolg.694 Darüber hinaus kann auch ein Lernerfolg durch das geringere absolute Wachstum der Patenterteilungen in der Periode nach Beginn der Kooperation nicht bestätigt werden. Ursächlich

für

diese

größeren

inhaltlichen

Unterschiede

könnte

sein,

dass

bei

Muthusamy/White (2005): x

nur ein kleines Sample von 44 Projekten vorliegt,

x

ein Messfehler nicht ausreichend berücksichtigt wird, weil der Befragte zum Zeitpunkt der Erhebung des Lernerfolgs bereits über den Kooperationserfolg informiert gewesen sein müsste695,

x

der Lernerfolg nicht über objektive Daten erfasst wurde696 und

x

der Lernerfolg keine dynamische Komponente enthält.

In hiesiger Arbeit liegt hingegen ein Sample von 193 Projekten vor; ein Messeinfluss durch kognitive Wahrnehmung kann ausgeschlossen werden, und ein Lernerfolg wurde mittels objektiven Patentdaten dynamisch erfasst, weil zwei Zeitperioden berücksichtigt wurden. Eingewendet werden kann allerdings, dass sich nicht jedes Wissen in Patenten niederschlägt und hier Lizenznahmen seitens der Pharmaunternehmen nicht berücksichtigt wurden. Es ist daher grundsätzlich möglich, dass ein Lernerfolg bei den Pharmaunternehmen eingetreten ist, dieser sich aber grundsätzlich nicht in zusätzlichen Patenten niederschlägt. Dies wäre umso bedeutsamer, da bereits die Anzahl der Patenterteilungen in der Periode nach Beginn der Kooperation gesunken ist. Es wäre daher – evtl. im Rahmen von Fallstudien – zu erklären, was für Wissen seitens der Pharmaunternehmen durch eine Kooperation erlangt werden konnte und ob dieses Wissen evtl. als wertvoller zu bewerten ist aufgrund des vermuteten taziten Charakters.

694

Vgl. Tabelle 30. Vgl. Ernst (2001a), S. 89; Podsakoff et al. (2003), S. 879f. 696 Vgl. Ernst (2001a), S. 80-90. 695

Implikationen für die Wissenschaft

279

Das Kooperationen nicht nur positive Wirkung haben, zeigt auch die Auffassung von Dutta/Weiss (1997). Sie gehen davon aus, dass jede Art einer Vereinbarung zwischen Unternehmen zum Abfluss von technischem Wissen führt. Diese Annahme bedeutet, dass ein Unternehmen den Abfluss von Wissen mit der Akquisition von Wissen kompensieren muss. Gelingt einem Unternehmen eine solche Akquisition von Wissen, dann sollte unabhängig vom Abfluss von Wissen, eine Verbesserung der Ressourcensituation im Anschluss an eine Vereinbarung messbar sein. In der Branche der Biopharmazie liegt diesbezüglich eine Besonderheit vor. In dieser Branche ist es so, dass Kompetenzen bei den Unternehmen der Biotechnologie mit Forschungsgeldern der Pharmaunternehmen aufgebaut werden. Diese Gelder stehen dem Pharmaunternehmen deshalb intern nicht mehr zur Verfügung, so dass seitens des Pharmaunternehmens der interne Aufbau technologiespezifischer Kompetenzen nur über die Akquisition von Wissen möglich ist. Mögliche Lizenzen seitens des forschenden und über z.B. „tacit knowledge“ Kompetenzen

aufbauenden

Start-ups

führen

aber

nicht

zu

Lerneffekten

beim

Pharmaunternehmen, sondern erlauben lediglich die Nutzung von Ressourcen. Hier wurde gezeigt, dass eine aufgrund von Lerneffekte seitens der Pharmaunternehmen eintretende Ressourcenverbesserung nicht der Fall ist. Es kann zwar aufgrund hiesiger Befunde nicht behauptet werden, dass kein Wissen seitens der Biotechnologieunternehmen abgeflossen ist, aber der Zugang zu Ressourcen des Biotechnologieunternehmens hat nicht zu einer Verbesserung der virtuellen Ressourcenausstattung beim etablierten Unternehmen geführt. Als wesentlich bedeutsamer wird daher der Abfluss von Ressourcen des Pharmaunternehmens zum Kooperationspartner gesehen, mit der Wirkung, dass dieser Abfluss überkompensiert werden sollte. Kurzfristig war dies nicht der Fall. Langfristig ist diese Kompensation allerdings noch möglich, da der Zeitbedarf für eine Produktentwicklung sehr groß sein kann. Für die Pharmaunternehmen ist daher eine Überkompensation notwendig, welche nur über Innovationen erfolgen kann. Dies ist prinzipiell auch möglich, da in dieser Arbeit gezeigt werden konnte, dass die Erfolgswahrscheinlichkeit in der Produktentwicklung durch einen kompetenten Kooperationspartner gesteigert werden kann. Hier ergibt sich dann ein Anknüpfungspunkt zur Studie von Hagedoorn/Schakenraad (1994) zum Gewinn von Unternehmen durch Kooperationen. Das Problem der Überkompensation könnte evtl. den dort nicht signifikanten Befund dort erklären. In diesem Zusammenhang sind dann auch die Ergebnisse zu den Kernfeldern eines Unternehmens zu interpretieren, denn auf diesen Feldern konnte in dieser Arbeit keine höhere Erfolgswahrscheinlichkeit einer Kooperation beobachtet werden. Wenn es also zu einem

280

Zusammenfassung und Implikationen

Wissensabfluss kommt, wie von Dutta/Weiss (1997) erwartet, wäre entsprechend von Kooperationen auf dem Kernfeld abzuraten, um eine Erosion der internen Ressourcen seitens der Pharmaunternehmen zu vermeiden.

Hiesige Befunde haben ebenfalls Einfluss auf die Literatur zu den sog. „learning races“. Vor allem die hohe Bedeutung der bei Kale/Singh/Perlmutter (2000) angestellten Überlegungen zum Schutz der eigenen Ressourcen werden im Kontext der Allianzen in der Biopharmazie deutlich. Bei einer horizontalen Allianz besteht die Antwort auf die Frage des Gewinners eines solchen Rennens in der zweidimensionalen Betrachtung von Schutz und Akquisition von Wissen. In einer vertikalen Kooperation bei gleichzeitiger Finanzierung durch das im Wertschöpfungsprozess später folgende Unternehmen kommt der Aspekt des Abflusses von Forschungsbudget seitens des Pharmaunternehmens hinzu. Eine solche F&E-Kooperation muss demnach auch eine Kompensation von jenen Aktivitäten ermöglichen, die ohne Kooperationen nicht durchgeführt werden hätten müssen. Zu denken ist hier an ein Vorhalten einer speziellen Abteilung zum Management einer Kooperation oder anderweitiger Transaktionskosten. Bei der Diskussion von „learning races“ muss daher explizit Berücksichtigung finden, ob es sich um eine horizontale oder vertikale Verbindung handelt, so dass die Ergebnisse von Kale/Singh/Perlmutter (2000) zu differenzieren sind.

Die Befunde dieser Arbeit bestärken zudem die Forderung von Ernst (1996), Lanjouw/Schankerman (2004) und Ernst (2003), eine Patentqualität auf Basis mehrdimensionaler Indikatoren zu bestimmen. Denn in den Modellen dieser Arbeit sind an obige Arbeiten angelehnte Indikatoren zu unterschiedlichen Aspekten der technologischen Qualität der Forschungsleistung signifikant mit dem Kooperationserfolg korreliert. Die obigen Arbeiten verknüpfen die Indikatoren additiv zu einem Index der „Patentqualität“. Ein solcher Index erwies sich in dieser Arbeit aber als nicht signifikant. Ein multiplikativ berechneter Index aus Technologieposition und technologischer Kompetenz ist signifikant mit dem Erfolg korreliert.697 Das weist darauf hin, dass im Rahmen weiterer Arbeiten eine multiplikative Verknüpfung Beachtung finden sollte.

697

Vgl. Tabelle 34.

Implikationen für die unternehmerische Praxis

281

6.3 Implikationen für die unternehmerische Praxis Auch für die unternehmerische Praxis lassen sich aus den Befunden Hinweise ableiten. Aufgrund der Struktur der vorgestellten Ergebnisse zum Kooperationserfolg liegt der Schluss nahe, dass Kooperationspartner vor allem für solche Projekte gesucht wurden, bei denen das Unternehmen über keine ausreichenden internen Kenntnisse verfügte. Dies hebt die Bedeutung der sorgsamen Auswahl von Kooperationspartnern hervor, was bei der Erklärung des Lernerfolgs bestätigt werden konnte. Für die Bewertung potenzieller Kooperationspartner kann in der Biopharmazie auf Patentdaten zurückgegriffen werden. Mit ihnen können die technologische Qualität und die Technologieposition eines Unternehmens bestimmt werden. Dies ist insofern wichtig, da die Historie der kleinen Start-ups i.d.R. recht kurz ist und somit kaum verlässliche Informationen vorliegen. Eine solche Bewertung kann softwarebasiert und somit automatisiert erfolgen. Potenzielle Kooperationspartner sollten daher die entsprechenden Patente benennen, auf deren Basis eine Allianz erfolgen soll. Die Qualität eben dieser kann dann mit einer Vergleichsgruppe konfrontiert werden, so dass eine erste Abschätzung über die Qualität und somit über die Erfolgswahrscheinlichkeit abgeleitet werden kann. Organisatorisch aufzuhängen wären solche Aktivitäten in einer separaten Abteilung für das Management von Kooperationen.

Es gilt zum anderen, die „absorptive capacity“ der Unternehmen weiter zu verbessern. Somit ist die Frage der „absorptive capacity“ nicht nur aus wissenschaftlicher Sicht interessant, sondern sie weist auch eine hohe Relevanz für die Praxis in der Biopharmazie auf. Mit Blick auf die Praxis erscheint die Trennung zwischen Potenzial und Realisierung sinnvoll, da die etablierten Pharmaunternehmen eigene Abteilungen für die Unterstützung und Versorgung der Forscher mit wissenschaftlichen Publikationen und Patenten vorhalten. Diese Abteilung unterstützt die Forscher und verbessert auf diesem Wege das Potenzial der „absorptive capacity“ des Unternehmens mittels unterschiedlicher interner Dienstleistungen. Für diese unterstützenden Aktivitäten investiert ein großes Pharmaunternehmen laut Aussage von Experten ca. €20-30 Mio. pro Jahr. Es ist leicht erkennbar, dass die Frage der Optimierung der Dienstleistungen einer solchen Abteilung dann von Bedeutung ist. Im Rahmen der Diskussion um die entsprechenden Dienstleistungen und auf Basis dieser Arbeit wird auch deutlich, dass sich das Niveau der „absorptive capacity“ zwischen den Unternehmen unterscheidet. Dieses unterschiedliche Niveau wird in der Messung mittels des Forschungsbudgets evtl. nur unzureichend widergespiegelt, so dass zum jetzigen Zeitpunkt

282

Zusammenfassung und Implikationen

daraus kaum konkrete Handlungsempfehlungen abgeleitet werden können. Die Nutzung externen Wissens wird in Zukunft auch weiterhin eine wesentliche Rolle spielen, so dass auch deren schnelle Integration langfristig ein Wettbewerbsvorteil darstellen kann. Wichtig für die Praxis dürfte auch sein, dass eine Diversifizierung auf Unternehmensebene abzulehnen ist. Für die Unternehmen besteht somit weiterhin die Aufgabe, sich aufgrund der zunehmenden Arbeitsteilung auf die wesentlichen Kompetenzen zu beschränken und eine Verbesserung der Ressourcensituation anzustreben.

Hinsichtlich der Gestaltung von Kooperationen legen diese Befunde nahe, verstärkt auf die Qualität der Ressourcen des potenziellen Partners und auf eine erste Bestätigung der Forschungsergebnisse zu achten. Wichtig erscheint auch, dass kein zu enger Zusammenhang zwischen den eigenen Ressourcen und denen des potenziellen Partners vorliegen sollte. Es ist vielmehr

wichtig,

dass

die

Ressourcen

des

Partners

in

der

Lage

sind,

die

unternehmensinternen Ressourcen zu verbessern oder die neu entwickelte Technologie zumindest auf eigene Ressourcen anwendbar ist, um eine gewisse Hebelwirkung erzielen zu können. Sollten die Ressourcen des Kooperationspartners in Konkurrenz zu den eigenen stehen, scheint sich eine geringere Erfolgswahrscheinlichkeit einer Kooperation abzuzeichnen. Dies könnte durchaus auch auf Probleme hinsichtlich der Geheimhaltung der Forschungsergebnisse sowie beim Vertrauen zwischen den Partnern im Rahmen der operativen Durchführung hindeuten. Solche Partnerschaften sind entweder zu vermeiden, oder es ist durch Eigenkapitalbeteiligungen eine Verschiebung der Interessenslagen zu erreichen. Evtl. könnte auch die Verhandlungsmacht zu Beginn der Kooperation zu einer anderen Vertragssituation genutzt werden.

Einem richtigen Management der Kooperationen kommt auch deshalb eine hohe Bedeutung zu, da die etablierten Pharmaunternehmen in der Zeit nach der Kooperation signifikant weniger neue Patente auf demselben Technologiefeld erlangt haben. Es scheint so, dass sich die Ressourcenbasis der etablierten Unternehmen grundsätzlich in Folge einer Kooperation erst einmal verschlechtert. Einigen Unternehmen gelingt es aber, diesen Effekt zu minimieren. Dem gegenüber steht die höhere Erfolgswahrscheinlichkeit im Rahmen der Produktentwicklung mit der Aussicht auf höhere Umsätze in der Zukunft. Hier ein optimalen Ausgleich zu finden, wird Aufgabe des Managements ein. Eine Bündelung der Kompetenzen hinsichtlich des Managements von Kooperationen erscheint daher notwendig.

Implikationen für die unternehmerische Praxis

283

Für ein Lernen vom Kooperationspartner ist ebenfalls der Aufbau einer separaten Abteilung für das Management von Kooperationen zu fordern, da die „absorptive capacity“ alleine ein Lernen vom Kooperationspartner nicht erklären kann. Es sollte Aufgabe dieser Abteilung sein, Lerneffekte aus Kooperationen zu realisieren und einen Abfluss von Ressourcen weitgehend zu verhindern. Darüber hinaus könnten die Erkenntnisse der Vertragsgestaltung dort gebündelt werden.

6.4

Grenzen der Analysen

Die zentralen Befunde machen deutlich, dass der ressourcenorientierte Ansatz zur Erklärung des Erfolgs von F&E-Kooperationen gut geeignet ist. Dies erscheint auf Basis der Befunde von Mellewigt (2003) zum Management von strategischen Kooperationen vor dem Hintergrund des RBV richtig. Es soll aber nicht unerwähnt bleiben, dass diese Arbeit an Grenzen stößt. Dies gilt vor allem im Hinblick auf die Datenerhebung, die Verwendung von Patentdaten sowie die Operationalisierung der Variablen.

Will man zu Sekundärdaten greifen, bringt dies den generellen Nachteil mit sich, dass eine sehr genaue Umsetzung einzelner Aspekte in vielen Fällen mit vertretbarem Aufwand nicht möglich ist. Approximierungen sind daher zwangsläufig nötig, so dass ein gewisser Grad an Ungenauigkeit nicht vermeidbar ist. Allerdings besteht dieser Nachteil auch bei Verwendung von Primärdaten, wenn z.B. gebildete Konstrukte nicht ausreichend valide sind. Dem gegenüber besteht der Vorteil, dass es sich nicht wie bei Befragungen um Wahrnehmungsdaten handelt, welche wiederum zu anderen Messfehlern führen können.698 Sekundärdaten können auch nicht durch die Formulierung von Fragen o.ä. beeinflusst werden. Gleichzeitig ist die Qualität der von externen Unternehmen, Behörden etc. gelieferten Daten stets zu hinterfragen. Hier wurden daher alle Kooperationsvereinbarungen inhaltlich überprüft und falls notwendig über weitere Quellen verifiziert. War dies nicht möglich, wurden mit Zweifeln behaftete Datensätze vor Beginn der Analyse eliminiert. Dadurch besteht der Datensatz nur aus publizierten Kooperationen. Diese dürften sich von anderen Typen von Kooperationen hinsichtlich ihrer Bedeutung für ein Unternehmen unterscheiden. Dies führt zum nächsten potenziellen Einfluss, nämlich des in die Analyse eingeflossenen Typs von Allianzen. Dieses Sample besteht aus vertikalen F&E-Kooperationen zwischen 698

Vgl. Ernst (2001a), S. 81-155.

284

Zusammenfassung und Implikationen

großen und kleinen Unternehmen mit maximal einer Minderheitsbeteiligung. Die Ergebnisse können daher nicht einfach auf Joint Venture zwischen z.B. zwei großen Unternehmen übertragen werden, da ein Einfluss durch in der Höhe wesentliche und vor allem durch die Gegenseitigkeit der Eigenkapitalbeteiligungen zu erwarten ist. Reine Lizenzgeschäfte zwischen den beiden Unternehmenstypen wurden ebenfalls nicht betrachtet, so dass keine Aussagen über die Qualität der lizensierten Patente und Wirkstoffkandidaten getroffen werden können. Hinsichtlich der in der Studie berücksichtigten Unternehmen ist auch ein Einfluss denkbar. Es wurden nur Unternehmen berücksichtigt, welche patentfähige Erfindungen in der Biopharmazie hervorgebracht hatten. Kooperationen von Unternehmen, denen kein Patent innerhalb der 450.000 Patente zugewiesen werden konnte, wurden aus der Analyse zu Beginn eliminiert. Es wurde angenommen, dass es sich hierbei nicht um ein Unternehmen mit patentfähigen bzw. absichtlich nicht angemeldeten Erfindungen handelte. Eine Berücksichtigung hätte zu entsprechenden Messfehlern geführt.

Die angesprochene Patentorientierung führt zu weiteren Einschränkungen der Analyse aufgrund der Verwendung von Patentdaten. Die generelle Bedeutung von Patenten ist durch folgende Punkte eingeschränkt, denn699: 1. nicht alle Erfindungen sind patentierbar; 2. nicht alle Erfindungen werden patentiert; 3. Erfindungen variieren hinsichtlich ihrer ökonomischen Bedeutung stark, und 4. Unternehmen verfolgen unterschiedliche Patentstrategien.

Alle vier Punkte spielen in dieser Konstellation aber kaum eine Rolle. Da es hier nicht um eine branchenübergreifende Betrachtung handelt und die Studie auf den weniger restriktiven US-Markt bezogen ist, enthalten Punkt 1 und 4 keinen Einfluss beim Vergleich der Unternehmen. Es ist, weil es sich bei der Biopharmazie um eine Branche mit einer sehr hohen Schutzwirkung von Patenten handelt, auch Punkt 2 vernachlässigbar. Punkt 3 allerdings trifft hier voll zu, weshalb schließlich nicht ein einzelnes Patent betrachtet wird, sondern vielmehr das Patentportfolio eines Unternehmens auf einem Technologiefeld. Es wird somit auf die durchschnittliche Qualität des Portfolios abgestellt.

699

Vgl. Ernst (2001b), S. 145; Ernst/Leptien/Vitt (2000), S. 187; Basberg (1987), S. 133; Hagedoorn/Cloodt (2003), S. 1368.

Grenzen der Analysen

285

Es könnte ferner einzuwenden sein, dass nicht die Qualität der technologischen Kompetenzen gemessen wurde, sondern lediglich das Vorhandensein von Patenten. Dies kann nicht vollständig ausgeschlossen werden, da es durchaus Biotechnologieunternehmen in Kooperationen gegeben hat, die trotz einer Analyse von 120.000 Patenten zur Biopharmazie und separater Überprüfung der Anmeldernamen kein neues US-Patent im Zeitfenster vor Beginn der Kooperation besaßen. Diese Unternehmen haben aber im Anschluss an die Kooperation Patente angemeldet. Tabelle 35 enthält eine entsprechende Aufteilung der Projekte von Unternehmen ohne Patente auf entweder dem speziellen Technologiefeld oder aller der Biopharmazie zurechenbare Patente in dem entsprechenden Zeitfenster.

Pharma Biotech Pharma + Biotech kein Patent in Erfolg Abbruch Erfolg Abbruch Erfolg Abbruch Biopharmazie 0 0 4 6 0 0 Technologiefeld 1 4 8 24 0 0 Biopharmazie + Technologiefeld 0 0 2 5 0 0 Tabelle 35: Anzahl Unternehmen ohne Patente zum Zeitpunkt der Kooperation mit Doppelzählungen

Es zeigt sich, dass alle Pharmaunternehmen vor dem Zeitpunkt der Kooperation mindestens ein Patent auf dem Gebiet der Biotechnologie besessen haben. 1-mal war der Fall zu beobachten, dass ein Pharmaunternehmen auf dem speziellen Technologiefeld kein Patent vorzuweisen hatte und ein Erfolg in der Kooperation erzielt werden konnte. 4-mal scheiterte eine Kooperation unter einer solchen Konstellation. Bei den Biotechnologieunternehmen sieht die Verteilung etwas anders aus. In Bezug auf das Vorhandensein von Patenten im Bereich der Biopharmazie ist nur ein minimaler Unterschied für den Erfolg erkennbar. Wesentlich stärker ist der Effekt auf der Ebene des Technologiefeldes. In 8 Fällen ohne Patente seitens des Biotechnologieunternehmens konnte ein Erfolg in der Kooperation erzielt werden. Aber in 24 Fällen scheiterte eine solche Kooperation. Bei in Summe 106 gescheiterten Kooperationen entspricht dies unter Berücksichtigung der 8 ohne Patente erfolgreichen Kooperationen einem Anteil von 15 Prozent. In 5 der 24 Fälle besaß das Biotechnologieunternehmen zum Zeitpunkt der Kooperation weder auf dem Technologiefeld noch im Bereich der Biopharmazie ein US-Patent. Diese Fälle wurden explizit überprüft. Diese Firmen besitzen heute Patente und melden diese auch unter dem entsprechenden Firmennamen an. Einzelne zweifelhafte Fälle wurden zu Beginn der Analyse allerdings aus dem Datensatz entfernt.

286

Zusammenfassung und Implikationen

Eine Konstellation der Art, dass keines der beiden Unternehmen kein Patent besaß, war nicht festzustellen. Es bleibt die Frage zu klären, warum ein paar Unternehmen der Biotechnologie keine Patente vorzuweisen hatten. Es ist prinzipiell denkbar, dass bei diesen Firmen auf eine Überschreibung des Patents z.B. des Gründers des Unternehmens auf das Unternehmen verzichtet wurde. Da es sich bei Patenten bei den Biotechnologieunternehmen aber um wesentliche Assets handelt, sollte dies nur sehr selten vorgekommen sein. Es ist vielmehr anzunehmen, dass diese Unternehmen entweder gar keine patentfähige Erfindung erarbeitet hatten oder eine Patentanmeldung aufgrund extremer Neuheit noch nicht erfolgt war, aus Gründen der Geheimhaltung nicht erfolgen sollte oder eine Anmeldung auf dem weltweit wichtigsten Markt (US) nicht vorgenommen wurde. Die letzteren zwei Punkte erscheinen für diese Branche als eher theoretischer Erklärungsversuch, wohingegen die Patentfähigkeit und die Neuheit durchaus eine mögliche Antwort darstellen könnten.

Es könnte auch eingewendet werden, dass die Menge der vorhandenen Patente und nicht die Qualität wesentlich für den Erfolg war. Aus diesem Grund wurde eine logistische Regression auf Basis der Anzahl der Patente in dem Technologiefeld berechnet. Die Ergebnisse sind in Tabelle 36 dargestellt.

Mit Kontrollvariablen Koeffizient Signifikanz -0,157 0,193

Ohne Kontrollvariablen Koeffizient Signifikanz 0,025 0,435

Anzahl Patente Pharma Anzahl Patente Biotechnologie 0,169 0,171 0,057 0,363 Konstante -0,278 0,043 -0,195 0,089 Tabelle 36: Einfluss der Anzahl der Patente der Unternehmen auf den Erfolg der Kooperation

Tabelle 36 zeigt, dass unabhängig davon, ob mit oder ohne Kontrollvariablen gerechnet wurde, sich selbst in einseitigen Tests kein signifikanter Einfluss der Anzahl der Patente in dem Zeitfenster vor Beginn der Kooperation auf den Erfolg der Kooperation ergibt. Ein Einfluss aus der Anzahl der neuen Patente kann statistisch nicht gezeigt werden, so dass geschlussfolgert wird, dass doch die Qualität entscheidend ist.

Die Bestimmung der Qualität erfolgte zum Teil über die Zählung der Anzahl der erhaltenen Zitate. Da diese erst zeitversetzt auftreten, wurde die Analyse der Kooperationen bis zum Jahr 1999 inklusive begrenzt und die Berechnung der Patentzitate im Jahr 2005 aktualisiert. Es

Grenzen der Analysen

287

liegen somit 6 Jahre vor; ein ausreichender Zeitraum für eine qualitative Differenzierung der Patente.700 Im Gegensatz zu anderen Studien von Trajtenberg (1990), Albert et al. (1991), Podolny/Stuart (1995) oder Dutta/Weiss (1997) wurden hier Eigenzitate eliminiert, was der Qualitätsmessung über die Idee der Basiserfindung für andere dienlich ist und zu einer höheren Kausalität der Messung führt.

Für die Operationalisierung der partnerspezifischen Ressourcen wurde ebenfalls auf Patentzitate zurückgegriffen. Jaffe/Trajtenberg (1999) machen darauf aufmerksam, dass ein länderspezifisches Zitierverhalten zu beobachten ist. Patente mit Erfindern aus demselben Land weisen eine 30-80 Prozent höhere Wahrscheinlichkeit hinsichtlich der Zitierung anderer Patente aus demselben Land auf im Vergleich zu internationalen Verweisen. Nationale Verweise treten zeitlich gesehen auch früher auf.701 Beide Effekte sollten dadurch minimiert sein, dass selbst europäische Pharmaunternehmen in den USA hinsichtlich ihrer Biotechnologieforschung aktiv sind und ausreichend Zeit für Zitate auf den Kooperationspartner bei der Begrenzung der Datensätze berücksichtigt wurde. Gänzlich ausgeschlossen werden kann ein unterschiedliches Patentierverhalten im Rahmen dieser international angelegten Studie aber nicht.

Hinsichtlich der Patente ist noch ein weiterer Einflussfaktor zu nennen. Obwohl hier in einem mehrstufigen Prozess mit mehr als 8 Experten aus der Biotechnologie und Pharmazie eine Abgrenzung der Technologiefelder erarbeitet wurde, ist es möglich, dass eine Zuordnung nicht fehlerfrei ist. Ursache könnte hier eine sich verändernde Sprache sein, d.h. dass andere Fachbegriffe im Laufe der Zeit Verwendung gefunden haben. Begriffe, welche zu Beginn der Entwicklung der Biotechnologie in den 80er Jahren verwendet wurden, sind heute teilweise nicht mehr bekannt. Die Definition der Technologiefelder wurde daher weiter ausgelegt, um hier eine höchst mögliche Abdeckung zu erreichen.

Firmenspezifische Effekte können im Rahmen von Allianzen in mehrfacher Hinsicht auftreten. Dies betrifft das Messniveau, die Erfahrung im Management von Kooperationen, die M&A-Transaktionen in der Vergangenheit und die Wahl der Kooperationsform.

700 701

Vgl. Trajtenberg/Henderson/Jaffe (1997), S. 45. Vgl. Jaffe/Trajtenberg (1999), S. 105.

288

Zusammenfassung und Implikationen

Solch firmenspezifischen Effekten werden vor allem bei Messungen auf Firmenebene auftreten, und zwar genau dann, wenn nicht für die Struktur des Forschungsportfolios kontrolliert wird.702 Dies ist hier zum Großteil der Fall, da die Diversifizierung sowie die Kernfeldeigenschaft in das Modell integriert sind. Ferner wird nicht auf Unternehmensebene, sondern auf Technologiefeldebene gemessen. Firmenspezifische Effekte sind auch hinsichtlich des Managements von Kooperationen denkbar. So konnten Anand/Khanna (2000) bei JV zeigen, dass Unternehmen mit einer großen Erfahrung bzgl. des Managements von Kooperationen größere „abnormal stock returns“ im Rahmen der Ankündigung einer Kooperation erzielen konnten. Ebenfalls auf dem Aspekt der Erfahrung aufbauend konnten Kale/Dyer/Singh (2002) zeigen, dass Unternehmen mit einer Abteilung für das Management von Kooperationen erfolgreicher im Rahmen von Kooperationen sind. Für solche Effekte kann hier leider nicht kontrolliert werden, da keine entsprechenden Daten vorliegen.

Nach Auffassung von Stuart (1998) und Ahuja (2000a) hat der Ruf eines Unternehmens – welcher sich wiederum aus den vorausgegangenen Forschungserfolgen ableitet – auch Auswirkungen auf die Formation von Kooperationen und auf die inhaltliche und vertragliche Ausgestaltung der Vereinbarung. Sie erwarten, dass die potenzielle Anzahl der verfügbaren Kooperationspartner von dem technologischen Prestige eines Unternehmens abhängt.703 Ein hohes Prestige soll dann ermöglichen, zwischen besseren potenziellen Partnern auswählen zu können. Ein solcher Effekt könnte auch hier aufgetreten sein. Um diesen Effekt näher analysieren zu können, müssten Interaktionseffekte vertiefend analysiert werden. Ähnlich verhält es sich auch mit der Anzahl der vereinbarten Kooperationen. Gulati (1995b) zeigt, dass die Bildung von Kooperationen im Laufe der Zeit zugenommen hat. Ein Einfluss auf den gemeinsamen Kooperationserfolg könnte in der Form bestehen, dass Erfahrungen im Management von Kooperationen und der Aufbau einer eigenen Abteilung erfolgt sind. Eine solche Auswirkung könnte sich im Signifikanzniveau der Konstanten zeigen. Dies wäre hier möglich, da die Signifikante ist teilweise signifikant ist und das R2 bei 50% liegt.

Einen wesentlichen Einfluss auf alle Variablen werden die vollzogenen Fusionen und Unternehmenskäufe gehabt haben, da sich hierdurch das Patentportfolio wesentlich geändert

702 703

Vgl. Henderson/Cockburn (1994), S. 77. Vgl. Stuart (1998), S. 674; Ahuja (2000a), S. 320.

Grenzen der Analysen

289

haben kann. Effekte sind in vielerlei Hinsicht denkbar, wie z.B. hinsichtlich der Diversifizierung. Durch eine Fusion zweier großer Unternehmen wird meistens ein erstmal stärker diversifiziertes Unternehmen entstanden sein. Es könnte sein, dass Kooperationen, welche ungefähr zeitgleich geschlossen wurden, weniger erfolgreich waren. Dies wäre auch nachvollziehbar und durch den Abgang von Schlüsselerfindern im Rahmen von Fusionen in den Pharmaunternehmen und der übergeordneten Bedeutung der Fusion erklärbar. Bei Unternehmenskäufen kleinerer Einheiten seitens der Pharmaunternehmen sind ähnliche Effekte entsprechend der Studie von Ernst/Vitt (2000) möglich. Auch in einem solchen Fall besteht grundsätzlich die Gefahr, dass Schlüsselerfinder aus den gekauften Biotechnologieunternehmen diese verlassen, weil sie nicht in einem Großunternehmen arbeiten wollen. Da aber die technologische Qualität der Pharmaunternehmen keinen signifikanten Einfluss ausübt, sollte hier kein indirekter Effekt durch M&A-Aktivitäten der Pharmaunternehmen vorliegen.

Die Frage, ob ein direkter Einfluss von M&A-Aktivitäten auf strategische Allianzen besteht, wird angezweifelt, da ein direkter kausaler Zusammenhang wenig sinnvoll erscheint. Dass die getätigten M&A-Aktivitäten bei Hoang/Rothaermel (2005) nicht signifikant sind, verwundert nicht, denn schließlich haben fast alle Pharmaunternehmen sowie eine Großzahl von Biotechnologieunternehmen M&A-Aktivitäten in der Vergangenheit vorgenommen. Eine einfache Integration eines solchen Aspekts in ein Modell erscheint wenig sinnvoll. Dass eine einzelne Transaktion aber einen direkten Einfluss auf das Erfolgsmaß in Modell II hat, ist schon daran ersichtlich, dass sich die Zusammenstellung des Patentportfolios bei M&A-Aktivitäten teilweise erheblich ändert. Für den sich daraus ergebenden Sprungprozess wurde in diesem zweistufigen Modell ausreichend kontrolliert, da für Modell II separate Kontrollvariablen aufgenommen wurden.

Auch die Wahl einer entsprechenden Kooperationsform und ihre konkrete Ausgestaltung kann einen Einfluss auf den Erfolg der Allianz gehabt haben. Wie bereits eingangs beschrieben, wird z.B. eine Auswirkung aus einer Eigenkapitalbeteiligung erwartet. Darüber hinaus können die Unternehmen unterschiedliche Motive verfolgt haben. Diese beiden Effekte wurden durch die Wahl des Untersuchungsobjekts weitgehend ausgeschlossen. Jedoch

sind

Aussagen

über

den

Kooperationstyp

hinsichtlich

der

beiden

bei

290

Zusammenfassung und Implikationen

Hagedoorn/Schakenraad (1994) genannten Aspekte zu „generative“ oder „absorptive linkages“ nicht möglich.704 Es ist theoretisch möglich, dass reine „Lern-Kooperationen“ seitens der Pharmaunternehmen geschlossen wurden. Aus wirtschaftlichen Gründen erscheint dies aber eher unattraktiv, da es sich nicht um gegensätzliche Ziele handeln sollte. In Summe bleibt aber der konkrete Inhalt der Kooperationsverträge weitgehend unberücksichtigt, was aber vornehmlich die Durchführung der Kooperation betreffen sollte.

Wie bereits angesprochen, könnten kulturelle Unterschiede zwischen den Unternehmen und somit innerhalb der Dyaden bestehen. Die unterschiedliche Größe der beiden Partner ist hier an erster Stelle zu nennen, welche aber in allen Kooperationen ähnlich sein sollte. Es ist darüber hinaus zu erwarten, dass kulturelle Unterschiede, soweit sie bei internationalen Allianzen aufgetreten, einen Einfluss auf die Ergebnisse haben könnten. Für diesen Effekt kann hier leider nur mit einer Dummyvariablen kontrolliert werden. Der Firmensitz der Pharmaunternehmen übt aber keinen signifikanten Einfluss aus. Nationale wie internationale Kooperationen sollten daher die gleiche Erfolgswahrscheinlichkeit hinsichtlich der Allianz aufweisen. Bzgl. der Lerneffekte könnte sich ein anderes Bild ergeben, da hier größere Unterschiede zwischen den beiden Gruppen bestehen. Weiterhin sind noch Einflüsse aus der Durchführung der Kooperation zu nennen.705 Dieser Aspekt ist in dieser Arbeit vollkommen ausgeblendet worden. Unterschiedliche Ausgestaltungen des Kooperationsvertrags, Vertrauen innerhalb der Kooperation oder das Vorhandensein eines Beziehungspromoters etc. könnten den Erfolg in vielfacher Hinsicht beeinflusst haben. Da dieses Modell den Erfolg nicht vollständig erfassen kann, wird erwartet, dass die verbleibenden 50 Prozent der Varianz durch die eigentliche Durchführung der Kooperation zu erklären sind.

Die Übertragbarkeit der Ergebnisse auf andere Branchen könnte eingeschränkt sein. Nach Auffassung von Brockhoff (1997) ist z.B. bei Technologieführern eher von einer Neigung zu F&E-Kooperationen auszugehen als bei z.B. Kostenführern.706 Da im Bereich der Pharmazie die Märkte relativ bekannt sind im Vergleich zu anderen Branchen und vor allem die

704

Vgl. Hagedoorn/Schakenraad (1994), S. 299. Vgl. Niosi (2003), S. 749. 706 Vgl. Brockhoff (1997), S. 356f. 705

Grenzen der Analysen

291

Technologieführerschaft im Vordergrund steht, wird auch mit einer höheren Bereitschaft zu F&E-Kooperationen zu rechnen sein. Eine Übertragung der Ergebnisse auf andere Branchen dürfte auch durch die erhebliche Bedeutung von Patenten nur eingeschränkt möglich sein. Vielfach ist in der Literatur zu lesen, dass Allianzen dem Lernen dienen sollen. Dies bedingt zu erst einmal einen Transfer von Wissen. Dass eine Übertragung von tazitem Wissen lediglich über eine Approximierung mittels expliziten Wissens möglich ist, wurde bereits angesprochen. Darüber hinaus kann auch die Formation einer Kooperation Einfluss ausüben, da die unterschiedlichen Ressourcenausstattungen vor dem Eingehen einer Kooperation die Auswahlmöglichkeiten determinieren. Wie bei Stuart (1998) und Ahuja (2000a) gezeigt, beeinflusst die Ressourcenausstattung eines Unternehmens die Anzahl potenzieller Kooperationspartner und die Gestaltungsmöglichkeiten einer Allianz. Firmen, welche reich an Ressourcen sind, eröffnen sich dann vielleicht auch andere Wachstumsmöglichkeiten evtl. sogar auch durch weitere Kooperationen, denn diese Unternehmen ziehen Partner an, erhalten bei einem positiven Verlauf der Kooperation ihre starke Position und Ressourcenausstattung und stellen damit wiederum attraktive Kooperationspartner dar.707 Ihre Attraktivität verleiht ihnen wiederum eine bessere Ausgangssituation in folgenden Kooperationen, sofern im Rahmen der Kooperation vom Kooperationspartner gelernt werden konnte und dieses neue Wissen den eigenen Ressourcen zu gute gekommen ist. Im Vergleich dazu haben Unternehmen, arm an Ressourcen, einen größeren Bedarf an Kooperationen, nämlich Zwecks Zugang zu Ressourcen. Allerdings stellen diese Unternehmen weniger attraktive Partner als ressourcenreiche Unternehmen dar. Aus diesem Grund werden sie eine geringere Wahrscheinlichkeit des Eingehens von Kooperationen aufweisen708 und evtl. auch geringeres Lernpotenzial vorfinden. Dass es sich um den „richtigen“ Kooperationspartner gehandelt hat, erscheint vor allem bei den Nicht-US-Firmen nicht immer bestätigt werden zu können.

Die hier erzielten Resultate könnten auch durch die Austauschbedingungen innerhalb der Kooperation beeinflusst sein. Combs/Ketchen Jr (1999) untersuchen u.a., ob die Austauschbedingungen innerhalb einer Kooperation einen merklichen Einfluss auf den „return-onasset“-Wert und den „market-to-book“-Wert bei Restaurantketten haben. Ihre Ergebnisse zeigen erwartungsgemäß, dass Unternehmen eine niedrigere Leistung erzielen, sofern sie eine nicht optimale Organisationsform gewählt haben. Eine geringere Leistung (ROA und

707 708

Vgl. Park/Chen/Gallagher (2002), S. 530. Vgl. Park/Chen/Gallagher (2002), S. 530.

292

Zusammenfassung und Implikationen

„market-to-book“) wird vor allem von den Unternehmen erzielt, die eine Kooperation geschlossen hatten, obwohl die Austauschbedingungen auf eine hierarchische Lösung hingedeutet haben. Die „full ownership“ führte hingegen auch zu Leistungs-steigerungen, obwohl die Kooperation die optimale Organisationsform darstellte.709 Diesem Fall folgend ist es denkbar, dass Unternehmen, welche „patent returns“ erzielen konnten, andere Austauschbedingungen geschaffen hatten. Als ein wesentlicher Einflussfaktor ist die bei Pisano (1989), Mowery/Oxley/Silverman (1996) und Anand/Khanna (2000) genannte Eigenkapitalbeteiligung zu nennen. Es ist ebenso denkbar, dass der Grad an Vertrauen zwischen den Partnern unterstützend oder alternativ zur Eigenkapitalbeteiligung ein Lernen vom Kooperationspartner fördert. Für diese Effekte kann hier leider nicht kontrolliert werden. Die niedrigeren Werte hinsichtlich des R2 der Gesamtmodelle zu Lerneffekten sprechen aber für diese Einflüsse.

Auch die Dauer der Kooperation könnte als Ursache für unterschiedliche Lerneffekte ausgemacht werden. Es wäre zu erwarten, dass mit der Dauer der Kooperation mehr Wissen zwischen den Partnern transferiert wird. Eine strategische Allianz sollte zwar einen mittel- bis langfristigen Horizont aufweisen, jedoch ist es möglich, dass Kooperationen auch vorzeitig gekündigt werden und damit von kürzerer Dauer sind.710 Für die Biopharmazie würde die vorzeitige Auflösung gleichzeitig einen Misserfolg der Kooperation darstellen. Aufgrund der Tatsache, dass Unternehmen bei Misserfolgen kein Interesse an einer Veröffentlichung haben, liegen i.d.R. keine Informationen über das Datum der Beendigung der Kooperation vor. Daher kann die Dauer der Kooperation nicht ermittelt werden. Eine signifikante Korrelation zwischen dem Erfolg der Kooperation und dem Lernerfolg ist entsprechend Tabelle 30 jedenfalls nicht feststellbar, so dass ein wesentlicher Einfluss aus der Dauer nicht vorzuliegen scheint. Es kann auch nicht vollständig ausgeschlossen werden, dass die Dauer der Kooperationen nicht ausreichend lang gewesen ist für einen messbaren Transfer und anschließenden Lernerfolg. Größere Zeitfenster als das hier verwendete drei Jahre große Fenster nach Beginn der Kooperation für die Berechnung zu verwenden, birgt das Problem einer geringeren Kausalität in sich. Unter der Annahme, dass Lerneffekte aus Kooperationen schneller

709 710

Vgl. Combs/Ketchen Jr (1999), S. 880. Vgl. Justus (1999), S. 172.

Grenzen der Analysen

293

auftreten als durch die Integration externen Wissens, erscheint ein größeres Zeitfenster als unangemessen.

Die bei Mowery/Oxley/Silverman (1996) angeführte Differenzierung von konvergierenden und divergierenden Unternehmen einer Partnerschaft brauchte hier nicht berücksichtigt zu werden. Es ist vielmehr von einer konvergierenden Tendenz auszugehen.711 Dies zeigt sich nicht nur daran, dass Pharmaunternehmen Biotechnologieunternehmen gekauft haben, sondern auch dadurch, dass aus den ehemals zwei Feldern der Biotechnologie und der Pharmazie die Bezeichnung der Biopharmazie entstanden ist. Die Ergebnisse können daher nicht einfach auf Kooperationen mit divergierender Wirkung übertragen werden, bei der sich Firmen auf unterschiedliche Felder ausrichten.

6.5

Ausblick

Hinsichtlich der Ausrichtung weiterer Studien ist eine Vielzahl von Möglichkeiten denkbar. Es wird daher zwischen Ergänzungen hinsichtlich dieser Studie aufgrund jahrelanger Datensammlung vermutlich weltweit einzigartigen Datensatzes und generell neuen Untersuchungen unterschieden.

Als ergänzende Untersuchung käme hier eine vertiefende Analyse hinsichtlich der KernfeldEigenschaft in Frage. Hier konnte keine höhere technologische Qualität auf den Kernfeldern nachgewiesen werden. Es ist denkbar, dass die hier gewählte Methode zur Bestimmung der technologischen Qualität nicht geeignet ist, um diesen Aspekt ausreichend zu klären. Z.B. könnte der Fall eingetreten sein, dass auf einem Kernfeld wesentlich mehr Sperrpatente vorliegen, welche weniger häufig zitiert werden und damit ein Herausstechen der guten Erfindungen verhindern. Sollte dies der Fall sein, dürften im Rahmen der Operationalisierung nicht alle Patente eines Unternehmens auf einem Technologiefeld in die Untersuchung einbezogen werden. Man könnte sich z.B. auf die Anzahl Patente mit überdurchschnittlicher Patentqualität beziehen. Die dann vermutlich zu beobachtende höhere Qualität auf dem Kernfeld könnte wiederum Einfluss auf die Erfolgswahrscheinlichkeit ausüben und Interaktionseffekte

711

mit

der

Vgl. Pisano (1991), S. 238.

Kompetenz

des

Biotechnologieunternehmens

aufzeigen.

294

Zusammenfassung und Implikationen

Gleichzeitig könnten Gewichtungsfaktoren für die Bestimmung der technologischen Qualität integriert werden. Dafür würde man sich solcher Patente bedienen, welche nachweislich bereits am Markt zugelassene Medikamente schützen. Das sog. „Orange Book“ listet solche Medikamente mit zugehörigen Patentnummern auf. Wenn man als abhängige Variable den Umsatz der Medikamente verwendet, dann könnten die Gewichtungsfaktoren für die Qualitätsindikatoren mittels einer multiplen linearen Regression abgeleitet werden. Es wäre dabei auf eine sinnvolle mathematische Einheit des abgeleiteten Indexes zu achten, was evtl. Normierungen erforderlich macht. Im Rahmen der Untersuchung von Lerneffekten ließe sich dieses verbesserte Maß ebenfalls verwenden. Lerneffekte könnten dann auch auf eine andere Weise untersucht werden, nämlich ob sich die technologische Qualität der Forschungsleistung nach einer Kooperation auf einem Technologiefeld verbessert hat und. Dies ist ebenfalls aus Auswirkung von Lerneffekten aufgrund eines Wissenstransfers mit evtl. stärkerem taziten Charakter zu werten. Es soll hier darauf hingewiesen werden, dass Lerneffekte als wesentlich komplexer anzusehen sind, so dass ein eigenständiges theoretisches Modell als notwendig erachtet wird. Auf jeden Fall sollte in Untersuchungen zu Lerneffekten eine dynamische Komponente enthalten sein und für den Abfluss von Ressourcen kontrolliert werden. Es wäre schön, wenn ein gleichzeitiger Vergleich zu rein internen Projekten aufgegriffen werden könnte, da diese auch zu einer Verbesserung der Ressourcensituation und zu Lerneffekten führen. Hinsichtlich der Lerneffekte ist auch eine Weiterentwicklung der hier verwendeten abhängigen Variablen möglich. Wenn Lerneffekte als „abnormal patent returns“ analog zu „abnormal stock returns“ auf Basis von Zeitfenstern berechnet werden, müsste zuvor ein passendes Zeitfenster abgeleitet werden. Grundsätzlicher Vorteil einer solchen Methode gegenüber der Bestimmung der Patentqualität ist, dass ein Großteil der Patentanmeldung nach ca. drei Jahren erteilt worden sein sollte, wohingegen Patentzitate ein größeres Zeitfenster benötigen.

Wie im Abschnitt zum Stand der Forschung gezeigt, besteht weiterhin erheblicher Nachholbedarf für empirische Studien auf Projektebene. Dies ist auch nicht weiter verwunderlich, da entsprechende Daten nur sehr schwer zu beschaffen sind, erst recht, wenn man bei einer Befragung mittels Fragebogen einen sog. „informant bias“ vermeiden möchte, wie bei Ernst (2001a) empfohlen. Es wäre interessant, ein Modell zu analysieren, welches die Möglichkeiten innerhalb der Partnerwahl stärker berücksichtigt und auf den Arbeiten von Mohr/Spekman (1994) und Ahuja (2000a) aufbaut, denn speziell für eine Untersuchung von

Ausblick

295

Interaktionseffekten bieten sich Kooperationen an. Angestrebt werden könnte eine Untersuchung, welche sich mit Fragen der Formation, der „goverannce structure“ und gleichzeitig auch der operativen Durchführung einer Allianz beschäftigt. Es wird vermutet, dass die eingangs angesprochenen hohen Misserfolgsraten von Kooperationen auf einer falschen Partnerwahl beruhen und Probleme während der Durchführung a priori absehbar und somit vermeidbar gewesen sein könnten. Aus diesem Grund sollten die strategischen Optionen vor einer Vereinbarung einer Kooperation mit erfasst werden, wenn man sich mit dem Erfolgsfaktoren im Rahmen der Durchführung von Kooperationen befasst. Ein Strukturgleichungsmodell wie bei Lambe/Spekman/Hunt (2002) würde hier spezielle Interaktionseffekte aufdecken können. In einem solchen Fall müssten allerdings beide Kooperationspartner befragt werden. Wie Abbildung 14 verdeutlich, ist die Analyse von Interaktionseffekten im Rahmen von Allianzen notwendig, da moderierende sowie mittelnde Einflüsse durch die Kooperationsvereinbarung durch die beiden Unternehmen angestrebt werden. Sekundärdaten erscheinen für eine solche Studie aber nicht in Frage zu kommen, so dass die Informationen mittels eines Fragebogens ermittelt werden sollten. Eine gleichzeitige Befragung der beteiligten Unternehmen wäre notwendig, was einer großzahligen empirischen Untersuchung evtl. zuwider läuft.

Auch notwendig erscheint eine Weiterentwicklung des Modells der „absorptive capacity“ auf Basis der Arbeit von Cohen/Levinthal (1990) und Zahra/George (2002). Dieses bislang recht breite Modell beinhaltet eine Vielzahl von Aspekten und Dimensionen, welche weiter differenziert werden könnten.712 Es wird vermutet, dass sich das Forschungsbudget vor allem wegen der leichten Verfügbarkeit der Information in wissenschaftlichen Publikationen durchgesetzt hat, obwohl es ein sehr aggregiertes Maß darstellt. Die Verwendung des Forschungsbudgets erscheint nicht nur dann ungünstig, wenn gleichzeitig für die zur Verfügung stehenden Ressourcen kontrolliert werden soll, sondern auch, wenn für die Praxis die Frage zu beantworten ist, wie denn die „absorptive capacity“ eines Unternehmens zu verbessern sei. Gleichzeitig ist ein Interaktionseffekt zwischen dem Potenzial und dem Realisierungsaspekt denkbar. Ein erster Schritt in diese Richtung wurde mit der Studie von Vogt/Lichtenthaler (2006) bereits gemacht.

712

Vgl. Zahra/George (2002), S. 185.

296

Zusammenfassung und Implikationen

Abbildung 14: Gesamtmodell zur Erklärung des Kooperationserfolgs mit Berücksichtigung von Lerneffekten

In einem engen Zusammenhang steht dann auch die Frage nach dem Verhältnis zwischen „absorptive capacity“ und „alliance capability“. Die hohe Korrelation zwischen der Kooperationserfahrung

und

der

Kompetenz

der

Biotechnologieunternehmen

bei

Hoang/Rothaermel (2005) und des nur schwach signifikanten Interaktionsterms aus Kap. 5.3.1 lassen vermuten, dass die Identifikation guter Partner stärker durch die „alliance capability“ beeinflusst wird. Es wäre daher zum einen interessant zu überprüfen, ob die Kooperationserfahrung einen direkten Einfluss ausüben kann. In ein solches Modell sollte dann ebenfalls die „absorptive capacity“ integriert werden und auch das Verhältnis zum NIHSyndrom Berücksichtigung finden, da die Fähigkeit der Integration externen Wissens mit der Fähigkeit oder des Willens zur Aufnahme in Verbindung steht. Zum anderen ist auch ein indirekter Einfluss der Kooperationserfahrung denkbar und zwar dann, wenn die Kooperationserfahrung den Einfluss z.B. der technologischen Kompetenz moderiert.

Ein Bedarf an weiteren Studien wird auch hinsichtlich des direkten Vergleichs von Kooperationsprojekten mit internen Projekten gesehen. Rückschlüsse auf die Superiorität von Allianzen können bislang nur auf Basis theoretischer Überlegungen zu Synergieeffekten etc.

Ausblick

297

gezogen werden.713 Empirische Belege liegen nicht in ausreichendem Maße vor, erscheinen aber notwendig, um die argumentative Lücke zu schließen, zumal Bleeke/Ernst (1991) und Pisano (1997) erst einmal von geringeren Erfolgschancen ausgehen.714 Die Befunde von Baum/Oliver (1991) und Mitchell/Singh (1996) legen zwar nahe, dass die Wahrscheinlichkeit des Überlebens von Unternehmen gesteigert werden kann, jedoch ist auch denkbar, dass dies nur kurzfristiger Natur ist. Vielfach ist zu lesen, dass mit Kooperationen das Risiko zwischen Unternehmen aufgeteilt werden kann. Selbstverständlich werden dann auch Gewinne aufgeteilt, was allerdings nur sehr selten zu lesen ist. Selbst wenn von einer höheren Erfolgschance durch die Kombination von bislang nicht verfügbaren Ressourcen ausgegangen werden kann, stehen Kooperationen nicht unerhebliche Kosten gegenüber.715 Nicht umsonst sollen Unternehmen Erfahrung im Management von Kooperationen aufbauen und darüber hinaus sogar spezielle Abteilungen vorhalten. Auch mit Kosten verbundene Eigenkapitalbeteiligungen werden für den Schutz der eigenen Kompetenzen als notwendig erachtet.716 Eine detaillierte Kosten-Nutzen-Relation fehlt vollkommen, wobei die Unternehmen allerdings signalisierten, dass sie selbst noch über keine solchen Informationen verfügen. Es sollte daher Aufgabe der Wissenschaft sein, hier erste Erkenntnisse zu erarbeiten und diese Lücke für die Praxis zu füllen.

Eine Verbesserung des Gesamtmodells zur Erklärung des Lernerfolgs könnte unabhängig von den bislang genannten Punkten durch die Integration weiterer Aspekte ermöglicht werden. Gedacht ist zum einen an die Methoden zur Wissenserlangung und die Möglichkeiten des Lernens, denn in einer Kooperation könnten andere Formen der Wissenserlangung erfolgversprechend sein im Vergleich zu internen Projekten.717 Nach Nonaka (1994) kann man vier unterschiedliche Methoden zur Wissenserlangung unterscheiden. Dies sind718: „socialization“ (tacit to tacit), „externalization“ (tacit to explicit), „internalization“ (explicit to tacit) und „combination“ (explicit to explicit). Daneben können auch unterschiedliche Möglichkeiten in der operativen Umsetzung des Lernens verfolgt werden. 719 Zu unterscheiden

713

Vgl. Das/Teng (2003), S. 299. Vgl. Pisano (1997), S. 22-27. Vgl. Luo (1997), S. 649; Parkhe (1993b), S. 305f. 716 Vgl. Kale/Singh/Perlmutter (2000), S. 217. 717 Vgl. Schulze/Hoegl (2005), S. 23. 718 Vgl. Nonaka (1994), S. 19. 719 Vgl. Nonaka (1994), S. 19. 714 715

298

Zusammenfassung und Implikationen

sind720: „learning-by-doing”, „learning-by-using”, „learning-by-interacting” und „learning-bysearching”.

Ein weiterer wesentlicher Aspekt bei der Analyse von Lerneffekten ist, dass es bei einer F&EKooperation zu einer asymmetrischen Informationsverteilung kommen könnte.721 Das schwerpunktmäßig forschende Biotechnologieunternehmen wird die eigenen technologischen Kompetenzen mit der Zeit verbessern können und evtl. sogar in der Lage sein, die Kernkompetenzen auszubauen. Die Pharmaunternehmen werden sich gleichzeitig stärker auf die Durchführung der klinischen Prüfung sowie die Vermarktung konzentrieren (müssen), wenn es ihnen nicht gelingt, in der Kooperation vom Partner zu lernen.722 Letztendlich verändert ein solcher Wissenstransfer dann das Machtverhältnis zwischen den Partnern, was vor allem bei als „learning race“ ausgestalteten Kooperationen von Bedeutung sein dürfte. Eine Ausnutzung einer solchen Position hingegen kann zu Konflikten innerhalb der Kooperation und damit schließlich zum Abbruch der Kooperation führen. Larsson et al. (1998) haben fünf verschiedene Lernstrategien für Allianzen identifiziert. Es wäre interessant, welche Strategie Unternehmen entsprechend ihrer technologischen Kompetenzen wählen und welche zu einem größeren Lernerfolg führt. Solche Erkenntnisse hätten dann wiederum Auswirkungen auf die Partnerwahl und die Forschungsergebnisse zur Formation von Kooperationen. Die Erkenntnisse von Hamel (1991) und Parkhe (1993a) sowie der hier angestellte Vergleich von nationalen mit internationalen Kooperationen legen nahe, dass bei internationalen Kooperationen andere Herangehensweisen der Unternehmen und Lernintentionen zu beobachten sind. Es ist daher zu erwarten, dass dies zu einer unterschiedliche Intensität auf Basis der vier Möglichkeiten des Lernens führen wird. Ein Pharmaunternehmen kann allen vier Wegen folgen, um die eigenen Fähigkeiten zu verbessern. Vor allem aber Punkt drei wird im Rahmen von Kooperationen interessant sein. Es liegen hier jedoch keinerlei Informationen darüber vor, welche Möglichkeiten seitens der Pharmaunternehmen zusätzlich verfolgt wurden und ob es darüber hinaus z.B. parallel zur Kooperation eigene den Lernprozess unterstützende Aktivitäten seitens des Pharmaunternehmens gegeben hat. Es ist aber sehr wahrscheinlich, dass sich die Pharmaunternehmen hier stärker unterscheiden, da 720

Vgl. Senker (1996), S. 220. Vgl. Pisano (1990), S. 156-158. 722 Vgl. Pisano (1989), S. 114f. 721

Ausblick

299

Pisano/Bohmer/Edmondson (2001) 5 Faktoren identifizieren, welche für unterschiedliche Lernkurven der Unternehmen verantwortlich sind.723 Diese Einflüsse sollten dann mit berücksichtigt werden. Es wird darüber hinaus vermutet, dass bei Lerneffekten nicht nur stetige Funktionen in Betracht kommen, sondern auch Sprungprozesse. Hiesige Untersuchung hat ergeben, dass in der Realität auch Sprungprozesse beobachten werden können.

Es ist noch anzumerken, dass es sich hier um eine Studie mit begrenzter Übertragbarkeit auf andere Branchen, Typen und Konstellationen von Kooperationen handelt. Es ist zwar durchaus denkbar, dass diese Ergebnisse auch den Erfolg von Kooperationen in anderen Hightech-Branchen erklären können, allerdings müsste eine hohe Bedeutung von technologischen Kompetenzen und Patenten kennzeichnend für diese Branche sein, damit eine Messung mittels dieser Informationen valide ist. Da es sich weiterhin um eine Untersuchung zu vertikalen F&E-Kooperationen zwischen zwei Unternehmen gehandelt hat, werden die Ergebnisse kaum auf horizontale Allianzen, reine Lizenzgeschäfte, MarketingKooperationen oder Netzwerke übertragbar sein, denn innerhalb eines Netzwerkes existieren nicht nur mehrere solcher Dyaden, sondern es ergeben sich nach Ahuja (2000b) auch Effekte aus der Struktur und nach Gulati (1999) auch Einflüsse aus dem Netzwerk auf das strategische Verhalten der Unternehmen. Bei Wuyts/Stremersch/Dutta (2004) wird ersichtlich, dass ein breiteres Netzwerk schließlich auch zu einem Mehr an Medikamenten führt.

723

Vgl. Pisano/Bohmer/Edmondson (2001), S. 766.

Anhang

301

Anhang Der Anhang ist wie folgt untergliedert:

x

x

Es werden die im Kap. 1 beschriebenen Artikel tabellarisch dargstellt: x

Unternehmenserfolg

x

Erfolgsfaktoren im Einzelnen

Die in Kap. 1.1 textlich beschriebenen Formeln werden in sehr detaillierter mathematischer Schreibweise aufgeführt: x

Technologische Kompetenz

x

Technologische Breite

x

Internationale Breite

x

Wissenschaftsanbindung

x

Forschungserfahrung

x

„Realized absorptive Capacity“

x

Technologische Diversifizierung

x

Technologieposition

x

Ähnlichkeit in Biotech

x

Wissen des Partners

302 Einflüsse von Kooperationen auf den Unternehmenserfolg

Anhang

Studien

303

304

Anhang

Studien

305

306

Anhang

Studien

307

308

Anhang

Studien

309

310

Anhang

Studien

311

312

Anhang

Studien

313

314

Anhang

Studien

315

316

Anhang

Studien

317

318 Erfolgsfaktoren im Einzelnen

Anhang

Studien

319

320

Anhang

Studien

321

322

Anhang

Studien

323

324

Anhang

Formel zur Bestimmung der technologischen Kompetenz

I , J , L ,T

¦ TK Ul ,TFk , ZF,FC,PD, t M ,W

i j l t

1 1 1 0

· §Z ¨ Pi U ,TF , ZF , FC , PD,t ,W  Z PJU , FC auf PiU ¸ l l k l ¹ ©

I ,T

¦ PUl ,TFk ,ZF ,PD,tM ,W i 1 l 1 t 0

mit: TK = Technologische Kompetenz Zi = in einem erteilten Patent P enthaltenes Zitat Pi,j = erteiltes Patent Ul = Unternehmen TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit PD in T FC = „forward citation“ PD = im Patent enthaltenes Prioritätsdatum t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 1, 2,…, I j = 1, 2, …, J l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

Formeln

325

Formel zur Bestimmung der technologischen Breite

I , L ,T

¦ IPC PiUl ,TFk ,ZF ,PD,tM ,W TB Ul ,TFk , ZF,PD, t M ,W

i 1 l 1 t 0 I , L ,T

¦ PUl ,TFk ,ZF ,PD,tM ,W i 1 l 1 t 0

mit: TB = Technologische Breite IPCi = in einem erteilten Patent P enthaltene IPC-Klasse Pi = erteiltes Patent Ul = Unternehmen TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit PD in T PD = im Patent enthaltenes Prioritätsdatum t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 1, 2,…, I l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

326

Anhang

Formel zur Bestimmung der internationalen Breite

I , L ,T

¦ L PFiUl ,TFk ,ZF ,PD,IN ,tM ,W IB Ul ,TFk , ZF,PD,IN,t M ,W

i 1 l 1 t 0 I , L ,T

¦ PUl ,TFk ,ZF ,PD,IN ,tM ,W i 1 l 1 t 0

mit: IB = Internationale Breite Li = in einer Patentfamilie PF enthaltene Länder PFi = Patentfamilie Ul = Unternehmen TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit PD in T PD = im Patent enthaltenes Prioritätsdatum IN = Zuordnung der Patente zu der entsprechenden Familie analog zu INPADOC t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 1, 2,…, I l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

Formeln

327

Formel zur Bestimmung der Wissenschaftsanbindung

I , L ,T

¦ ZPPiUl ,TFk ,ZF ,PD,tM ,W WB Ul ,TFk , ZF,PD, t M ,W

i 1 l 1 t 0 I , L ,T

¦ PUl ,TFk ,ZF ,PD,tM ,W i 1 l 1 t 0

mit: WB = Wissenschaftsbindung ZPi = in einem erteilten Patent P enthaltene Zitate auf Publikationen Pi = Patent Ul = Unternehmen TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit PD in T PD = im Patent enthaltenes Prioritätsdatum t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 1, 2,…, I l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

328

Anhang

Formel zur Bestimmung der Forschungserfahrung

D EP FE Ul ,TFk ,AD,ZF,t M ,W

U l ,TFk , AD , ZF ,t M ,W

- D t0

Ul

365 Tage

mit: FE = Forschungserfahrung Datum = Datum der ersten Patentanmeldung EP = erstes Patent Ul = Unternehmen TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit AD in T AD = im Patent enthaltenes Anmeldedatum t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 1, 2,…, I l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

Formeln

329

Formel zur Bestimmung der „realized absorptive capacity“

N

J , L ,T

RAC Ul ,TFk ,BC,AD,t M ,W

¦

¦ §¨© D PiUl ,TFk ,ZF , AD,tM ,W

- D Pn

n 1

i 1 l 1 t 0

BC,AD,t M ,W

N

¦ PnPi ,BC ,tM ,W n 1

mit: RAC = „realized absorptive capacity“ Datum = Datum des Patents Pi = Patent Ul = Unternehmen TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit PD in T BC = „backward citation“ AD = im Patent enthaltenes Anmeldedatum t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 0, 1, 2,…, I n = 1, 2,…, N l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

· ¸ ¹

330

Anhang

Formel zur Bestimmung der technologischen Diversifizierung

TD Ul ,TFk ,PD, t M ,W

§ I ,T ¨ ¦ PiU TF ,ZF , PD ,t ,W l k M ¨ K ,L i 1 t 0 ¨ 1  ¦ I ,T ¨ k 1 l 1 ¨ ¦ PiU TF , ZF , PD ,t ,W M ¨i 1 l K ©t 0

· ¸ ¸ ¸ ¸ ¸ ¸ ¹

2

mit: TD = technologische Diversifizierung Pi = Patent Ul = Unternehmen TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit PD in T PD = im Patent enthaltenes Prioritätsdatum t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 1, 2,…, I n = 1, 2,…, N l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

Formeln

331

Formel zur Bestimmung der Technologieposition

I ,T

¦ PiUlTFk ,ZF ,PD,tM ,W

TPUl ,TFk ,BC,PD, t M ,W

i 1 t 0 I ,T

¦ PiU SW TFk ,ZF ,PD,tM ,W i 1 t 0

mit: TP = Technologieposition Pi = Patent Ul = Unternehmen USW = stärkster Wettbewerber TFk = Technologiefeld ZF = Zeitfenster für Berücksichtigung von Patenten mit PD in T AD = im Patent enthaltenes Anmeldedatum t0 = Zeitpunkt des Beginns der Kooperation tM = Zeitpunkt der Kennzahlbestimmung W = Zeitverzögerung von tM bis t-2 in den Grenzen [6;20] i = 1, 2,…, I n = 1, 2,…, N l = 1, 2, …, L k = [1;10] T = [0;3] (t0 bis t-2)

332

Anhang

Formel zur Bestimmung der Ähnlichkeit in der Biotechnologie

I , K , N , X ,Y

ÄB Ul U j ,TFK , ZB,PD,BC,t M ,W

¦ i 1 k 1 n 1 x 1 y 1

Z Pi

U N  j l , BC( PxU und PyU ) ,TFK , ZB , PD ,t M ,W l j

mit: ÄB = Ähnlichkeit in Biotech Zi = in einem erteilten Patent P enthaltenes Zitat Pi = Patent Ul,k = Unternehmen der Kooperation TFk = Technologiefeld ZB = zeitliche Begrenzung für Berücksichtigung von Patenten mit nur noch T